5 月 4 日传出豆包要收费的消息，直接把很多网友整懵了。 App Store 上悄悄更新的付费方案，把大家的吐槽直接点燃。 "DeepSeek一觉醒来发现对手自杀了" ，成了评论区最狠的嘲讽。本来还在卷免费，你直接自己给对手递机 会？ "天天抱歉还想收费" （2.4 万人点赞， 太伤人了 太伤 AI 了） 有人直接拿豆包回答"走路加油的段子 " 开怼："100 米路走路几步就到，开车又是打火又是找车位，完全多此 一举。" 有人锐评："文字没 DeepSeek 好用，图片没 nonabanana 好用，主打一个情绪价值，还好意思收钱？" 当然了， 豆包擅长提供情绪价值 ，这一点也得到了很多人的赞同。 大家最慌的还是"剪映式套路"：从免费引流到慢慢涨价，最后会员贵得离谱。一句"完全不相信商人的良心"， 戳中了不少人的痛点。 （参考：小某书网友热评，本文经由豆包优化） "定价不太行，这个价格为什么不用 GPT？" ，大家不是不能接受收费，而是会衡量性价比。 ...

AI支出与收益分析报告（2026年4月）关键要点总结 涉及的行业与公司 * **行业**：人工智能（AI）行业，特别是生成式人工智能（GenAI）的支出与收益分析，涵盖AI供应链各层级（芯片、超大规模云服务商、模型公司、企业层）[1][6][9] * **公司**：报告提及多家公司，包括**超大规模云服务商（Hyperscalers）**：微软（MSFT）、亚马逊（AMZN）、谷歌（GOOGL）、Meta（META）[22][40]；**半导体（芯片）公司**：如英伟达（NVDA）[40]；**模型公司**：如OpenAI[14]；以及软件公司如Datadog[67] 核心观点与论据 1. AI采用现状与预期偏差 * **消费者采用远超预期**：生成式AI在推出后三年内达到约**53%** 的采用率，远高于个人电脑和互联网初期的轨迹[18]；OpenAI的周活跃用户（WAU）数据（图表显示从2022年11月至2026年1月快速增长）[14][15] * **企业采用强劲但投资回报率（ROI）面临挑战**：尽管企业采用积极，但实际ROI难以实现[5][26]；一项MIT报告显示，尽管企业向GenAI投资了**300-400亿美元**，但**95%** 的组织获得零回报[37]；员工感知与高管预期存在巨大差距，例如在每周节省时间认知上存在**38个百分点**的最大分歧[28][30] 2. AI供应链经济价值分配失衡且不可持续 * **价值高度集中于半导体层**：迄今为止，几乎所有价值都累积在芯片层，这是前所未有的[9]；自ChatGPT-3.5发布以来，英伟达（NVDA）的净利润增长远超超大规模云服务商[40][41] * **供应链其他层级面临经济挑战**： * **企业层**：多数企业在AI实施上亏损[37][38] * **模型层**：现金消耗问题被广泛报道[37][38] * **超大规模云服务商层**：已耗尽所有运营现金流，正在借款资助建设；2025年数据中心债务发行额翻倍至**1820亿美元**[35][37]；其资本支出（Capex）持续增加，尽管股票表现落后于市场（图表显示2024年7月至2026年3月期间，四大超大规模云服务商资本支出总额从约**200亿美元**增至近**1400亿美元**，而股价表现参差不齐）[13][21][22] * **动态不可持续**：历史上，芯片公司在其客户繁荣时才会繁荣，而当前情况是芯片公司以供应链上游公司为代价而繁荣[10][38][39] 3. AI对就业市场的影响被夸大 * **替代（Substitution）与增强（Augmentation）并存**：AI对就业的影响存在替代（取代工作岗位）和增强（工人利用AI工具提高效率）的重要区别[43]；高盛宏观团队分析显示，电话接线员、保险理赔员面临最高的AI替代风险，而教育工作者、法官面临最高的AI增强潜力[46] * **尚未出现大规模岗位替代**：受高AI替代风险影响的行业和职业经历了更大的就业下降和失业率上升，而受高AI增强影响的则经历了高于平均的就业增长，部分抵消了替代效应[52]；净效应估计为每月拖累 payroll 增长 **16k**，并使失业率提升 **0.1个百分点**[52] * **长期预测**：基线估计AI可能取代经济中**25%** 的总工作小时数[53]；结合**15%** 的AI驱动劳动生产率提升预测，广泛采用AI可能导致**6-7%** 的工作岗位被取代[54]；在基线假设下（10年采用期，6-7%工人被取代），失业率峰值可能增加约 **0.6个百分点**[56] 4. 小语言模型（SLMs）在企业中比大语言模型（LLMs）更具影响力 * **SLMs在企业的价值主张更优**：SLMs在速度、成本、资源需求、隐私和微调效率方面相比LLMs具有优势[61][63][64][65] * **具体成功案例**： * Datadog展示其基于内部数据训练的SLMs能以更低成本提供比前沿模型更好的准确性[67][68] * 一家供应链公司从LLM转向专业SLM后，响应延迟减少**47%**，成本降低**50%**[71] * 一家企业SaaS提供商用基于内部文档微调的SLM聊天机器人替换通用LLM聊天机器人后，内部聊天机器人使用量在三个月内增加**62%**[71] 5. 解锁企业AI价值的关键：数据结构和编排层 * **关键障碍**：当前阻碍企业AI成功应用的主要因素不是模型能力，而是**数据结构**和**编排与部署**[9][75] * **数据结构的重要性**：AI代理必须建立在结构良好的数据之上，否则会导致持续令人失望的结果[76]；报告以零售公司为例，说明若客户、库存、行为数据位于不同孤岛且未对齐，AI代理将无法提供可实现的建议[83] * **编排与部署层的作用**：该层负责将工作负载智能路由到合适的模型（低成本模型处理简单查询，高性能模型处理复杂任务），以管理令牌使用并改善AI经济性[81][86]；报告以对冲基金投资组合经理的查询为例进行说明[86][89] * **新兴价值层**：报告认为，在模型层和企业层之间，将出现一个关键的**编排与数据层**，用于解锁企业AI价值，预计部分价值将累积于此[81] 6. AI可能颠覆的利润池（超越劳动力替代） * **广告**：AI有潜力颠覆多个价值数十亿美元的广告利润池，包括加速从传统渠道向数字渠道转移广告支出（约**1700亿美元**）、自动化广告创意生成过程（约**1140亿美元**）、整合广告技术“中介”（约**250亿美元**）以及对广告代理生态系统的影响（约**1610亿美元**）[99][106]；谷歌Performance Max和Meta Advantage+是成功整合AI用例的产品[100]，采用率在增长（图表显示截至2025年第二季度，约**63%** 的美国广告主使用PMax）[103][105] * **软件**：软件总目标市场（TAM）预计将增长而非萎缩，因为领域专业知识能驱动更好的AI结果[107]；客户服务子板块的TAM分析显示，从SaaS转向AI代理后，由于实现了生产力提升，TAM最终会更大（图表显示代理TAM从2025年到2030年显著增长）[110][111]；2030年的软件领导者可能包括部分现有企业和几家下一代AI初创公司[109] * **网络安全**：AI可能带来净正面或负面影响，预计会出现“基础级”安全（由LLM提供商嵌入以降低采用摩擦）和“防护”安全（由专业供应商提供）的分化[115][116] * **交通运输**：AI在自动驾驶出租车和重型卡车运输领域有巨大市场潜力；预计到**2035年**，与自动驾驶相关的总收入可能达到约**2万亿美元**，其中归因于AI的部分约为**3000亿美元**；对现有市场（如人类操作的网约车/出租车、卡车运输）的颠覆潜力在美国可能达到约**4400亿美元**[120]；预计到**2035年**，美国自动驾驶出租车市场规模将达到**480亿美元**，全球市场约为**4150亿美元**；重型卡车运输市场到**2035年**在美国可能达到**1050亿美元**，全球约**5600亿美元**[122] 7. 给企业管理层（C-Suite）的建议 * **放慢速度，避免FOMO（错失恐惧症）**：确保FOMO不会迫使公司仓促采用尚未准备好的AI解决方案[5][125] * **打好基础，着眼长远**：先建立长期AI成功所需的所有基础模块（数据结构和编排层），然后再急于构建AI代理[125] * **记住互联网时代的教训**：先驱者中箭，定居者得地；公司应努力成为“Uber”，而不是那些急于建设产能的公司[125] * **审视最终目标**：思考运行数百个离散的SLM与试图替代的SaaS应用在长期有何本质区别[5][125] * **重新评估自建与购买策略**：鉴于AI构建的昂贵和困难，购买解决方案的势头正在增强[125] 8. 投资建议 * **相对价值交易**：建议**做多超大规模云服务商 vs. 低配半导体股票**[4][126] * **逻辑依据**：市场已对超大规模云服务商的ROI表示怀疑，其估值倍数被显著压缩，而对半导体板块更为乐观[127][128]；费城半导体指数（SOX）已显著跑赢超大规模云服务商[130] * **预期情景**： 1. **企业开始展示正ROI**：超大规模服务商股票估值修复，半导体股票上涨较少[132] 2. **企业ROI仍具挑战且超大规模服务商削减资本支出**：超大规模服务商因现金流前景改善而反弹，半导体股票因收入受影响而受挫[132] 3. **现状持续**（交易亏损）：价值继续累积于半导体公司，超大规模服务商现金流动态恶化[132] 其他重要内容 * **报告性质**：本报告是高盛对2024年6月《Gen AI：支出过多，收益过少？》报告的更新和观点修正，采用幻灯片格式发布[6][7] * **核心问题**：报告旨在回答“价值将在供应链的何处累积？”这一关键问题，并探讨了为解锁企业AI经济性而出现的新兴层级[9] * **数据引用来源广泛**：报告引用了大量第三方研究、调查和媒体报道，包括斯坦福大学HAI、MIT、华尔街日报、哈佛商业评论、Gartner、EY等[16][18][28][31][37] * **免责声明**：报告包含标准投资银行免责声明，指出高盛与所覆盖公司存在业务往来，可能存在利益冲突[1]

市场宏观环境与通胀 - 核心冲突初期市场反应强烈，但投资者随后将焦点转向企业盈利和经济基本面，认为最终决定股价的是盈利和经济而非地缘政治混乱 [1] - 通胀数据是市场需要面对的主要问题，其持续时间取决于油价高位的持续时间，若冲突再持续6周，通胀压力将加剧 [1] - 美联储处境被动，点阵图显示市场预期2026年之前不会降息，若通胀持续高企，降息将非常困难 [1] - 市场目前预期美联储将按兵不动，甚至开始讨论2027年加息的可能性，欧洲央行和英国央行也转向讨论加息而非降息 [1] - 当前局势与1979-1980年存在相似性，均为伊朗引发的全球石油危机并导致通胀飙升，但当前失业率仍处4.4%的历史低位，经济指标仍具韧性 [1] 市场表现与板块轮动 - 等权重标普500指数表现优于市值加权标普500指数，罗素指数年初至今上涨约11%，运输板块在油价高企下依然跑赢，显示经济强劲 [2] - 近期市场焦点集中在科技板块，因科技股在过去一个月被严重超卖，投资者在感到安心时回归科技股寻找机会 [2] - 昨日有90家公司发布财报，其中80家业绩超预期，这一强劲的业绩数据印证了经济的实力 [4][5] - 最新公布的GDP增长率为2%，虽略低于预期，但相比之前有所改善且仍为正值，商业支出数据良好，反映了企业CEO对经济的看法 [5][6] 科技行业与公司动态 - 微软盘前小幅下跌，Meta因支出缺乏透明度而受到市场打击，而Alphabet（谷歌）则明确说明了其支出计划并正在夺取市场份额 [2] - 谷歌的Gemini模型正在从GPT手中夺取市场份额 [3] - 人工智能数据中心支出正在发生增长，尤其对于Alphabet（谷歌）和亚马逊而言，亚马逊正变得像一家芯片公司 [6][7] - 苹果将于今晚收盘后公布财报，今日还有来自酒店（凯悦）、制药、支付（万事达卡）及能源等多个行业的公司发布财报 [3][4] 投资策略观点 - 尽管市场存在噪音和潜在的干扰，但保持一个充分多元化的大型股投资组合，即可度过风暴并利用混乱创造的机会 [7]