高盛关于AI基础设施投资与回报的核心研究报告摘要 - 高盛发布了两份从不同角度审视AI基础设施建设的报告，一份关注建设成本，另一份关注投资回报，共同指出AI投资的回报问题对少数关键杠杆因素极为敏感，而这些因素尚未被充分理解 [4] - 报告的核心观点是，市场广泛讨论的4万亿至8万亿美元AI资本支出预测“条件性远高于表面所见”，这些数字是高度敏感的基础估算而非预测，单个假设的变动可能导致累计支出波动数千亿美元 [1] - 驱动这场可能是企业史上最大规模协同资本部署的，似乎并非理性的资本配置过程，而是不安全感乃至恐惧，具体表现为“错失恐惧症”（FOMO）[14][16] AI基础设施的巨额成本估算 - 高盛全球研究所（非研究部门）的报告《追踪万亿》预测，2026年至2031年间，AI累计资本支出（涵盖芯片、数据中心和电力基础设施）约为7.6万亿美元 [1] - 年度支出预计在该期间内将增长超过一倍，从今年的7650亿美元增至2031年的1.6万亿美元 [1] - 新一代AI优化数据中心建造成本高达每兆瓦1500万至2000万美元，而2010年代的标准云数据中心成本约为每兆瓦1000万美元 [6] - 仅数据中心单兆瓦建造成本从1500万美元增至1900万美元的假设变化，就可能导致预测期内总成本膨胀超过5000亿美元 [1] AI投资的实际回报与现状 - 尽管企业已在生成式AI上投资300亿至400亿美元，但一项研究发现95%的机构从其AI试点项目中获得零回报 [8] - 2025年一项调查发现，99%的样本公司报告了因AI相关风险导致的财务损失，平均每家公司损失440万美元 [8] - AI并未实现预期的成本节约，反而产生了新的问题和开支，例如AI生成的错误（“workslop”）每年导致一个万人员工的组织损失超过900万美元的生产力 [10] - 全球IT支出持续增长，预计从2024年的5万亿美元增至2026年的6.15万亿美元，而非如高管向股东承诺的那样收缩 [10] 行业价值链的利润分配失衡 - AI生态系统中的资金几乎未被部署使用的公司获取，绝大部分流向了英伟达 [11] - 《追踪万亿》报告将其整个基础模型锚定在英伟达的远期收入估算上，指出这家芯片巨头约占计算总支出的75%，且毛利率高达约75%，远高于任何竞争对手 [12] - 英伟达的净利润自ChatGPT发布以来增长了约20倍，而超大规模云厂商（微软、亚马逊、谷歌、Meta）的收益则温和得多，企业和模型公司则一直在亏损 [13] - 半导体公司在此周期中的繁荣是以其上游产业链所有其他公司的利益为代价的 [13] 超大规模云厂商的投资行为与动机 - 尽管股价表现落后于标普500指数，微软、亚马逊、谷歌和Meta仍大幅增加了AI基础设施支出，这与高盛此前关于股价表现不佳将导致资本支出削减的预测相反 [15] - 超大规模云厂商已消耗完所有运营产生的自由现金流，并正在发行债务为建设提供资金，仅2025年数据中心债务发行量就翻倍至1820亿美元 [15] - 其核心动机是FOMO（错失恐惧症），优先考虑参与AI军备竞赛而非当前股东利益，将不参与竞争、坐视对手改造行业的生存风险，视为比基础设施投资可能无法完全收回成本更高的代价 [16] AI对就业的初步影响 - AI在替代性强的职业（如电话接线员、保险理赔员、账单处理员）中显著减少了招聘，但在增强型领域（如工程和运营管理）略微增加了就业 [20] - 净影响是每月减少约16,000个工作岗位，并使失业率上升0.1个百分点 [20] - 高盛基准预测，随着未来十年AI应用扩大，最终可能取代6%至7%的工作岗位，远非公共讨论中“AI将取代50%工作”的夸张标题 [20] - AI在提升生产力方面最有效的是边际改善，增强现有工作而非大规模取代，或产生能证明巨额支出合理性的广泛生产力增益 [21] 技术实施与未来发展的关键 - 企业要获得回报，需要更基础的工作：正确构建数据结构（许多AI智能体基于孤立的、不一致的数据库）、合理协调工作负载（避免用昂贵的前沿模型处理简单任务）、以及用基于特定领域数据微调的小型语言模型替代实践中常表现不佳的大型通用模型 [23] - 消费者采用速度惊人，生成式AI在三年内达到约53%的采用率，速度快于个人电脑或互联网在可比阶段，但95%的用户使用的是免费层级，消费者热情并未转化为企业经济效益 [21] 潜在的市场动态与投资逻辑 - 当前的投资逻辑是非对称的：若企业投资回报率最终实现，目前定价已饱含深度怀疑的超大规模云厂商股票有显著上涨空间；若回报率持续令人失望，超大规模云厂商将削减资本支出并因现金流压力缓解而迎来反弹 [24] - 相比之下，半导体股票的定价基于军备竞赛永不结束且回报永不到来的假设，而根据高盛分析，这种情况无法无限期持续 [24] - 报告指出“拉长化”风险：当物理瓶颈延缓部署时，公司会绕过限制而非缩减雄心，导致建设期拉长、成本上升、已投入资本与在线产能之间的差距扩大，但承诺保持不变 [17] - 若瓶颈严重或持久到足以改变建设叙事，当多个项目同时失败时，“拉长化”可能成为反馈循环，供应侧摩擦引发需求侧怀疑，导致投资计划推迟或缩减 [18]