公司对AI技术的定位 - Salesforce CEO Marc Benioff认为大语言模型(LLM)只是一种商品化功能 其公司产品因AI而得到加强[1] - Benioff指出所有大语言模型都相同 公司只寻求成本最低的模型并将其集成 公司的核心优势在于客户数据和杀手级应用 这些并非商品[1] - 公司CEO表示 那些因AI而远离公司的投资者误以为软件公司受到AI威胁 但事实恰恰相反 软件公司正因AI而得到增强和赋能[3] 公司股价与市场表现 - Salesforce股价年内表现疲软 截至新闻发布时年内下跌超过25% 而同期以科技股为主的纳斯达克综合指数上涨超过21%[2] - 股价下跌部分源于华尔街担忧AI可能使部分企业软件产品变得冗余[2] - 在公司公布远超预期的盈利后 周四股价上涨3.66% 尽管营收略低于预期 但公司提高了对本季度的营收指引[4] 核心AI产品业绩 - 公司产品Agentforce在上一季度表现强劲 该产品用于自动化销售和客户服务工作流程[5] - Agentforce的年化营收超过5亿美元 较上年同期增长330%[5] - 自产品推出一年以来 公司已达成超过18,500笔Agentforce交易 其中9,500笔为付费交易[5] - CEO称Agentforce是公司历史上增长最快的产品[6] 行业背景与竞争 - 大语言模型是经过数据训练的AI模型 具备数据分析、总结和聊天机器人服务等多种功能[1] - 领先的超大规模云服务商 即谷歌、微软和OpenAI 已投入数十亿美元开发此项技术[1]

行业趋势：从通用大语言模型转向专业微智能体 - 公司正用更小、更专业的微智能体取代大语言模型，以更快、更准确地处理任务[1] - 早期应用显示，专注于特定任务的智能体在成本、可靠性和速度上优于通用模型[1] - 通用大语言模型作为全能系统进入市场，但存在显著局限性，如需要大量算力、在高负载时期引入延迟，以及在执行行业特定工作时产生不稳定结果[3] - 微智能体专注于单一任务，使用更小的数据集进行训练，操作边界更严格，从而减少输出不一致性、缩短推理时间，并使公司能更清晰地控制性能[4] 微智能体的优势与特性 - 微智能体更易于维护，每个智能体仅处理一项任务，更新无需重新训练整个系统[5] - 当性能出现偏差时，团队可纠正或替换单个智能体，而不会中断其他工作，这种模块化结构允许公司将人工智能集成到更多运营层面，且不会产生全天候运行大模型相关的成本激增[5] - 微智能体更易于调整、部署更快，且在大规模运营时更具可预测性[4] - 各行业企业均已采用微智能体[5] 公司案例：CrowdStrike - CrowdStrike在其安全平台上应用微智能体，开发了用于审查警报、标记异常和推荐修复步骤的智能体[6] - 这些智能体完全基于威胁模式、遥测信号和内部检测工作流程进行训练，而非广泛的对话数据[6] - 公司准确率从约80%提升至98%以上，并将手动分析工作量减少了近90%[6] - 智能体以先前需要多名分析师才能完成的速度处理警报，并通过统一标准评估每个警报提高了处理一致性[6] - 在威胁量激增时，微智能体帮助公司更快响应，用于处理第一层过滤和分类，使分析师能专注于需要深入调查的案件[7] 公司案例：PayPal - PayPal采用基于Nvidia开源模型构建的微智能体，支持欺诈审查、开发者协助和商户支持等一系列内部运营[8] - 公司使用专有的支付和商业数据对智能体进行微调，使其具备通用系统所没有的上下文理解能力[8] - 新架构使多个内部工具的延迟减少了约50%，并提高了开发人员生产力[9] - 由于智能体范围狭窄，PayPal能以更短的周期修订它们，并在无需大量提示调整的情况下部署更新[9] 公司案例：Synopsys - Synopsys在与Nvidia扩大合作后，将基于智能体的工具引入半导体设计领域[10] - 公司将其AgentEngineer技术与Nvidia的NeMo Agent Toolkit和Nemotron开放模型集成，以支持芯片设计流程中的验证、调试和代码分析任务[10] - 早期部署缩短了部分工作流程，使团队能更快发现潜在问题，并减少了跨设计阶段收集数据所花费的时间[10] - 智能体工具通过每次使用相同标准评估设计输入来提高一致性，运行检查并准备结构化输出供团队评审[11] - 芯片设计过程涉及数千个步骤，能从自动化可重复操作的工具中受益[11]

行业与公司 * 报告由高盛全球投资研究部发布 专注于生成式人工智能行业及其广泛的经济影响[1] 核心观点与论据 **生成式AI的技术优势** * 生成式AI基于大型通用数据库（如整个互联网）进行训练 相比以往针对特定目的的机器学习方法 具有更广泛的应用场景并能催生更多互补性创新[3] * 模型通过引入“判别式”神经网络来评估“生成式”神经网络的输出真实性 这种“对抗神经网络”方法使生成网络能产生与人类输出难以区分的新信息[5] * 使用大语言模型实现高级自然语言处理 允许更复杂的请求和更易于使用的人机交互界面[7] * 关键变化包括通用性而非专用性 生成性而非描述性 以及易于使用而非技术性[9] **AI对劳动力市场的自动化潜力** * 基于O*NET数据 基线假设中难度等级为4及以下的13类工作任务可被自动化 例如获取信息 监控流程 识别对象等[11] * 美国当前多达四分之一的工作任务可能被AI自动化[17] * 美国办公室和行政支持职位的工作暴露于自动化的比例最高 达46% 法律职位为44% 建筑和工程职位为37%[18] * 欧元区文职支持人员暴露于自动化的比例为45% 专业人员为34%[21] * 全球范围内18%的工作可能被AI自动化 发达市场的影响大于新兴市场[24] * 在法律和行政领域可能产生岗位替代效应 在其他领域则主要是生产力提升效应[32] **AI对生产力的提升作用** * 早期采用者的研究表明 AI采用平均可使工人生产力提高27-31%[35] * 生成式AI可能使美国整体劳动生产率增长提高1.5个百分点[51] * 在其他国家也可能带来显著的生产力增长提升 例如欧元区可能提升1.2个百分点[59] **AI投资周期与市场影响** * 市场自2023年以来已将AI硬件年收入预期上调超过3000亿美元[67] * 模型和计算需求的增长速度远超成本或能源效率的提升速度[70] * 更大的模型仍在带来性能改进[74] * 历史上的通用技术投资周期占GDP的峰值比例高于当前生成式AI的投资规模 例如美国ICT硬件在1990年代峰值时占GDP的2.9%[77] * 在基准假设下 AI资本收入的当前贴现现值超过资本支出预测[81] * 在先前的基础设施建设中 先行者表现出好坏参半的业绩[85][87] * 软件提供商受益于高转换成本 而如今公司倾向于采用多个模型 收入超过200亿美元的公司中 部署5个以上模型的比例接近60%[95] **AI采用现状与劳动力市场影响** * 目前全经济范围的AI采用率为9.7%[102] * 采用率在不同行业间差异很大 计算 网络搜索和电影公司采用率更高[106][110] * 大公司在采用浪潮中处于领先地位[113] * 在可能受益最大的行业中采用率更高[117] * 在暴露于AI的行业中 招聘职位发布回调更多 但对劳动力市场结果的影响目前看来很小且不显著[121][125] * 技术行业的就业份额已低于趋势水平[132] * 技术暴露部门的青年失业率近期有所上升[136] * 目前尚无AI相关裁员或失业的迹象[140] * 劳动力替代往往在经济下行期间加速[144] **风险与情景分析** * 劳动力 displacement 风险评分基于五个维度 错误后果 任务重复性 任务凝聚力 AI暴露任务价值与总工资之比 以及后台与前台[148] * 评分表明 如果风险最高的20%工作岗位被完全自动化 displacement 率将为6.4%[159] * 发达市场的采用速度较快 新兴市场较慢[163] * 基线情景意味着失业率峰值将上升0.4个百分点[168] * AI对市场的启示 若被预期 股市是最大受益者 利率可能因国内支出增加而升高 若未被预期 股市上涨更渐进 出现通缩的可能性更大[172] 其他重要内容 * 历史上的里程碑式技术曾带来劳动生产率繁荣 但时机难以预测 例如电动机和个人计算机从发明到生产力繁荣出现有很长的滞后期[99] * 出现一些垂直整合的迹象[91]

纳斯达克100指数概况 - 纳斯达克100指数包含纳斯达克交易所100家最大非金融公司，其中"科技七巨头"合计市值达15万亿美元，是科技及科技相关行业的重要指标[1] - 该指数从2023年4月高点下跌23%进入技术性熊市，主因特朗普政府对进口商品加征关税引发市场避险情绪[2] - Invesco QQQ Trust ETF通过完全复制成分股组合追踪纳斯达克100指数表现[3] 科技七巨头影响力 - 七巨头占Invesco QQQ Trust权重达41.3%，具体包括苹果(8.76%)、微软(8.12%)、英伟达(7.55%)、亚马逊(5.58%)、Alphabet(5.14%)、Meta(3.34%)和特斯拉(2.89%)[5] - 2023年该组合平均下跌15%，特斯拉因电动车需求疲软领跌29%，但Alphabet一季度净利润同比飙升46%超预期[6] - 人工智能成为微软、亚马逊、Alphabet的长期增长动力，其云平台提供领先的数据中心基础设施和大语言模型[7] 行业细分表现 - 英伟达因AI芯片需求激增，2025财年数据中心收入增长142%至1152亿美元，每股收益达2.99美元创纪录[8] - 除七巨头外，ETF前20大持仓还包括Netflix、Costco、T-Mobile和Palantir等跨行业龙头[9] - 半导体行业获得关税豁免，英伟达、博通、AMD和美光科技受益于美国保持AI领先地位的政策[12] 历史表现与当前机遇 - Invesco QQQ Trust自1999年成立以来经历5次熊市，但1999-2024年仍实现10%的年化复合回报[10] - 2018年关税政策后，纳斯达克100指数次年反弹38%，当前关税已部分回调且主要针对实体商品[11][12] - 软件、云服务等数字商品未受关税影响，为科技公司创造相对优势[12]