Bernstein 會議：Moody's 執行長透露 Microsoft Copilot 整合數週內已獲十多家大型銀行採用，並點名私募信貸與 PE 退出週期為下一個評級業務催化劑
Bernstein 第 42 屆年度戰略決策會議，2026 年 5 月 28 日 — Moody's 總裁兼執行長 Rob Fauber 論述為何在 AI 時代，該公司的數據護城河價值非但未減，反而與日俱增。
Microsoft Copilot 合作案：進展超乎預期，落地速度驚人
Fauber 在 Bernstein 會議上揭露的最具體新進展是，Moody's 與 Microsoft Copilot 的整合計畫——僅在數週前才對外公布——目前已與十多家大型金融機構展開業務往來，其中少數幾家已進入積極的試點討論階段。對於那些早已對「AI 合作宣告多、商業能見度低」感到疲乏的投資人而言，這種合作推進速度相當顯著，儘管正式簽約與營收貢獻尚需時日。
目前的商業模式採取「自帶授權」（bring-your-own-license）架構。擁有 Moody's 現有授權的客戶，無需離開 Microsoft Teams 介面，即可直接在 Copilot 的對話中調用 Moody's 內容，進行撰寫信用備忘錄、執行同業分析或存取結構化金融研究等操作。Fauber 對此邏輯解釋得十分直白：「歸根結底，我們提供給客戶的是存取我們『互聯智慧』（connected intelligence）的管道。無論客戶想透過 Teams、Claude 還是自己的 AI 環境進行操作，我們都樂觀其成。」現階段的目標是嵌入與使用率，而非依賴消耗量計價。待試點轉化為具備新 IP 保護與定價條款的企業合約後，營收自然會隨之而來。
與 Anthropic 的合作以及內部 AI 工作流的優化，皆屬於同一戰略布局。Moody's 已針對幾乎每一家大型金融機構組建了專屬銷售團隊——Fauber 將其形容為「特種部隊」（SWAT team）——旨在推動銀行如何透過 Rogo、Hebbia、Claude、Teams 及 OpenAI 等第三方 AI 介面，運用 Moody's 的信用模型、研究報告與企業知識圖譜。據 Fauber 表示，目前的業務管道相當活躍且持續擴大中。
為何數據護城河比表面看起來更難以複製？
當被問及防禦性問題時，Fauber 的回應值得細究，因為僅關注公司層面財務數據的投資人，往往忽略了 Moody's 實際擁有的廣度。其資產基礎分為四個截然不同的層次，每一層皆具備獨特的競爭動態。
首先是 Moody's 的獨家研究，這是其他地方無法取得的資源。其次是銀行信貸特許經營權：這是一個累積三十年的違約資料庫，用於校準 Moody's 的公私部門信用模型。這些模型被廣泛應用於貸款發放、銀行信貸部門及監管審查。正如 Fauber 所言：「當監管機構審查貸款檔案時，若知道你使用的是 Moody's 的評分模型，他們便清楚這套模型是經過實際違約歷史校準的。」這種監管認證形成了極高的轉換成本，並非單純的去監管化就能消除。
第三是保險業的巨災與精算模型資產，這些模型建立在保險業本身提供的理賠數據之上，在某些案例中，客戶群甚至會共同投資這些工具。第四，也是最具爭議的，是 Orbis 企業資料庫。Fauber 大方承認，基本的公司資訊現今確實可以透過爬蟲取得，「但那並非價值所在」。真正的價值在於兩點：一是需要與數百個國家資訊供應商建立正式合約關係的私有數據，這些供應商正「越來越在意誰在消費其境內企業的數據」；二是建立在上述數據之上的所有權層級與實體關係數據。「這才是價值核心，」他特別指出，金融犯罪防制（Compliance）是目前最主要的使用場景。
維持評級指引——PE 退出週期仍是未開發的成長潛力
值得注意的是，儘管 4 月發生地緣政治衝擊，Fauber 仍拒絕下調評級業務指引。他提到一個驚人的數據：3 月份美國投資級債券發行量中，約 80% 集中在短短 6 天內完成。這傳遞出一個訊息：融資需求依然強勁，改變的只是窗口期。他認為利差已經恢復，宏觀環境比預期更具韌性，且超大規模資料中心（hyperscaler）的發債需求——單在第一季就幾乎達到全年預期——尚未結束。
更重要的是，Fauber 將私募股權（PE）退出與槓桿融資週期，視為評級業務中尚未實現的最大成長潛力。「PE 退出與併購（M&A）週期尚未真正進入高速運轉階段，」他表示。「一旦啟動，對我們而言將是一個良性的商業循環」——涵蓋併購、槓桿融資、貸款證券化為 CLO 以及 CLO 本身的評級等多元機會。歷史經驗顯示，這種良性鏈條是評級業務最強大的營收乘數之一，而根據 Fauber 的判斷，這波浪潮大部分還在後頭。
私募信貸：從去中介化恐懼到 80% 的成長
私募信貸曾是投資人擔憂評級業務遭「去中介化」的焦點，但該業務在第一季成長了約 80%。Fauber 坦言 Moody's 在建立私募信貸的方法論與市場覆蓋方面「起步稍慢」，但他認為目前的論點已經反轉。他表示，市場現在對私募市場中「第三方信用評估的好處」有了更廣泛的理解，即便其形式與公開評級有所不同。
機會正透過結構化金融——資產擔保融資與基金融資，Fauber 將其形容為「規模達 1 兆美元的繁榮生態系」——以及投資人對 Moody's 信用評分與違約機率（PD）產品的需求流動。這些投資人希望在不購買完整評級的情況下，取得第三方對中型市場信用風險的看法。結構化金融領域的競爭確實比金融危機前更為激烈，Fauber 指出，曾經的 2.5 家評級機構市場，在交易型、標準化的細分領域中，現在運作起來更像是一個 6 家評級機構的市場。儘管私募信貸的覆蓋率波動較大，但 Moody's 在企業信貸領域的關係驅動地位，自金融危機以來競爭動態「幾乎沒有改變」。
新任 MA 執行長與她被聘請解決的成長難題
聘請 Cristina Kosmowski——她曾是 Salesforce 客戶成功組織的創始成員、Slack 從 9,000 萬美元規模成長至 10 億美元時的客戶長，以及最近在 Vista 投資的 LogicMonitor 擔任執行長——是一個明確的訊號，顯示 Fauber 認為阻礙 Moody's Analytics（MA）成長的關鍵所在。該業務五年內營收翻倍，訂閱制占比從 80% 提升至 95%，但年度經常性收入（ARR）成長卻陷入停滯。Fauber 的診斷相當坦率：「我們的產品陣容相當複雜，銷售模式以現場銷售（field sales）為主，當營收規模達到約 40 億美元時，這種銷售模式會產生慣性。」結果導致營收成長放緩，因為缺乏完善合作夥伴管道的複雜產品組合，難以擴大規模。
Kosmowski 的任務是簡化產品、定價與組合，建立合作夥伴生態系，並降低銀行消費 Moody's 內容的摩擦。Fauber 指出，公司目前正將 13 個不同的技術堆疊整合至單一平台，並統一銷售團隊，這項工作雖然耗時且昂貴，但正為目前實現的利潤率擴張做出貢獻。中期利潤率目標維持不變；問題在於一套全新的市場進入（go-to-market）策略，能否重新加速營收成長。
AI 相關發債：投資人應理解的營收結構細節
Fauber 提供了一個有用的框架，說明 AI 基礎設施發債如何影響評級業務的損益。超大規模資料中心業者是頻繁的發債戶，而頻繁的投資級發債戶通常享有數量折扣——這意味著該群體的發債成長跑贏了營收成長，Moody's 將其描述為「對營收結構不友好」。然而，資料中心建設也帶動了專案融資、CMBS、CLO 以及電力與公用事業評級的發債需求——這些複雜資產類別屬於「對營收結構友好」的範疇，交易營收成長超過了發債量成長。AI 相關發債的淨效應是兩者的混合，Fauber 特別提醒，AI 資本支出僅是中期資金驅動因素之一，而非公司押注的單一論點。
利潤率與代理人效率機會
在利潤率方面，Fauber 舉了一個評級業務中部署營運 AI 的具體例子：自動化品質保證（QA）檢查，過去需要兩組人工審查團隊。現在，AI 代理人已能處理約四分之一的檢查工作，不僅節省時間，還能衡量人力成本的縮減。Fauber 更宏觀的觀點是，工程效率——從代理人輔助編碼到縮短產品開發週期——正在創造投資能力，這些資源一部分被分配到成長投資，一部分用於提升利潤率。集團層面，Moody's 的調整後利潤率為 53%，而評級機構本身的利潤率則高達 60% 以上。利潤率還能提高多少，很大程度上取決於管理層選擇多積極地將效率提升帶來的紅利進行再投資。
併購哲學：買數據，而非買軟體
在資本配置上，Fauber 闡述了一個清晰的併購框架，反映了公司對核心資產的看法。當收購標的能將獨家內容引入智慧系統，並可在多個客戶群與工作流中變現——用 Fauber 的話說，即「多次銷售」——這樣的收購才具吸引力。次要標準則非常明確：在評估任何類似工作流軟體的標的時，Moody's 會仔細審視其中是否嵌入了尚未變現的獨家數據資產。「我們收購某樣東西，可能不是為了軟體本身，而是為了其中嵌入的數據資產。」Bureau van Dijk 和 RMS 是該策略執行最成功的歷史案例。
估值論點：「更廣泛 AI 生態系統的必要組成部分」
Fauber 為溢價估值所做的最後總結，建立在對 AI 技術堆疊發展方向的特定主張上。他引用黃仁勳在 GTC 大會上所言「結構化數據是 AI 的基本真理」，論證企業 AI 的採用需要連結到可信、可追溯、可審計的內容——他稱之為「決策級智慧」（decision grade intelligence）——而 Moody's 正是在構建這套系統。「AI 有信任問題，」他重申了自己曾公開撰寫過的觀點。結論是，模型競賽是次要的，數據基礎設施競賽才是關鍵，而 Moody's 的互聯智慧系統——其中每個評級、模型、預測與基準都指向特定實體及其關係——是「更廣泛 AI 生態系統的必要組成部分」。市場是否會給予相應估值是另一回事，但其戰略邏輯在內部是一致的，且來自 Microsoft 和 Anthropic 整合的早期商業證據顯示出真實需求，儘管營收轉化的時間表仍存在不確定性。