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]