好的，作为一名拥有10年投资银行从业经验的资深研究分析师，我将为您仔细研读这份电话会议记录，并总结出关键要点 会议概览与核心主题 * 本次会议为高盛举办的第三届年度硅谷AI实地考察活动，于2026年8月18日至19日举行[1] * 会议参与者包括AI初创公司、风险投资机构以及来自斯坦福大学和加州大学伯克利分校/旧金山分校的研究人员[1] * 核心观点是AI模型能力持续提升，智能体正从辅助角色向工作流执行演进，变现模式正从按席位收费转向按消耗、交易和结果付费[1] * 最强的AI业务结合了专有数据、领域专长、客户背景、工作流所有权、分发渠道、验证能力和行动权限[1] * 智能体的采用将在输出可验证且错误责任明确的领域进展最快[1] * 开源模型将在常规任务中获得更多token量，而前沿模型将在可靠性要求高、成本合理的领域保留价值，支撑token和算力的持续增长[1] * AI将扩大网络安全需求，物理AI需要独特的架构和商业化策略[1] 行业影响分析 商业与信息服务行业 * 专有信息资产价值提升：当专有数据与领域专长和工作流背景结合时，其价值会更高，AI通过简化检索、连接和应用，增加了差异化数据的效用[9] * 从信息交付转向工作流执行：AI使公司能够处理非结构化信息、执行分析、监控变化并启动下游行动，从而占据客户更大份额的支出，从信息输入方转变为知识密集型行业的操作系统[10] * 扩大可寻址市场：AI将专业工作转化为可重复的软件，使现有工作更快，并使以前不经济的任务变得商业可行，从而有机会捕获专业服务支出[11] * 变现模式拓宽：变现方式从按席位收费转向按使用量、交易和结果收费，例如Daloopa提到在某些集成智能体工作流中，数据消耗增长了约100倍[12][36] * 现有企业优势与AI原生挑战者并存：现有平台拥有品牌、分发渠道和客户背景等优势，但AI原生公司可通过更优的产品、专业化工作流或难以复制的基建来赢得市场份额[15] * 验证与问责制是关键：在金融、法律等有后果的领域，AI的采用速度取决于决策是否可被检查、错误是否可逆以及责任是否明确，拥有可信内容和监管关系的供应商更具优势[16] 软件行业 * 开源与前沿模型的细分：行业观点认为，大多数企业工作流不需要前沿智能，一位VC预测约90%的token将在12-18个月内流向开源模型[17] * 前沿模型保留高价值工作负载：前沿模型在可靠性要求高的任务中保留价值，而开源模型捕获大部分token量，独立软件供应商可通过提供模型编排工具来捕获价值[18] * 世界模型崛起：研究人员正将焦点从LLM转向世界模型，后者需要模拟环境、因果关系和物理交互，其经济机会可能超过语言模型，token需求将呈S曲线增长，未来5年支持24倍以上的token增长[19] * 差异化源于工作流背景：最强大的地位可能属于工作流原生的软件公司，它们结合了领域专长、嵌入流程和专有背景，拥有工作流比拥有应用更重要[20] * 智能体成为新的流量入口：软件需要变得可被代表用户行动的智能体发现、调用和使用，基础设施供应商将成为最大受益者[21][23] * 基础设施为智能体原生工作负载优化：AI工作负载对基础设施提出不同要求，实时数据库、低延迟计算等变得至关重要，因为基础设施现在需要以机器速度服务机器[24] * 网络安全受益于AI：AI扩大了攻击面，但也为防御者提供了机会，特别是在安全运营中心（SOC）领域，通过更好的自动化和持续修复来应对人才短缺和供应商集成问题[25] 重点公司分析 商业与信息服务领域 * Daloopa：AI驱动的金融数据平台，其核心差异化在于金融数据基础设施，拥有约400人的验证团队[29] * AI将其从数据收集扩展到财务分析，可自动化模型更新[30] * 开源标准化技能以扩大采用，但专有数据仍是护城河[33][34] * 知识图谱创建了持久且可测试的研究记忆[35] * 智能体工作流可使金融数据消耗量级增长，在某些集成工作流中增长约100倍[36] * Clio：法律科技平台，AI可扩大法律服务市场，因为法律工作以文本为基础且成本高昂[50] * 背景和权威法律内容提供竞争优势，其AI可访问来自约110个国家、超过10亿份法庭文件的内容[51] * AI智能体正从对话转向端到端法律工作流[52] * 记录系统可转变为行动系统，服务超过40万名法律专业人士[53] * AI扩大了变现范围，Clio Work成为公司历史上销售最快的新产品，在最近一个季度占整体ARR预订量的50%以上[54][55] * Corgi：AI原生保险平台，AI解锁了语言密集型行业，可将卡车保险报价时间从约两周缩短至约两分钟[57] * AI原生平台可通过更好的客户体验竞争，而非仅靠价格[58] * 监管基础设施比模型访问权更能构成持久的护城河，公司花费了多年和数千万美元建立牌照和资本[62] * 模型商品化将价值转向应用和工作流，支持多模型架构[63] * Harvey：法律AI平台，垂直AI平台可成为行业操作系统，将研究、起草、智能体等整合在一个平台[68] * AI智能体将专业经验转化为可重复的软件，可将一个原本需要超过60小时的研究过程缩短至几分钟[65][69] * 开源模型改善了应用层经济，Harvey在约1200个法律任务上评估模型[70] * 领域专长对企业AI采用至关重要，公司雇佣了超过240名律师[71] * 数据访问与数据所有权同等重要，客户保留其数据所有权[74] * Moody's (MCO)：全球信用评级、研究和风险分析提供商[141] * 互联智能打破了数据孤岛，将专有数据、实体链接和专业模型结合[143] * 专有数据和领域专长是主要的AI护城河[144] * AI将复杂的风险工作流从数天压缩到数秒，例如处理保险提交[147] * 垂直AI受益于专业背景和经过验证的领域模型[148] * 企业分析正从点状信息转向持续决策支持[149] 软件与基础设施领域 * Vercel：云平台，智能体基础设施正成为软件栈的新类别，成为智能体构建、部署和运营软件的控制点[76] * 基础设施正从以人为先转向以智能体为先，Vercel支持1.5万亿次月请求、45万亿个月token和2.3亿次部署[76][77] * 智能体主导的分发正成为一个强大的新获客渠道，拥有超过4000个1万美元以上ARR的客户，同比增长超过100%[80] * ClickHouse：开源分析数据库，实时分析仍是核心，但可观测性正成为进入企业的重要切入点[82] * AI正在创造新的数据密集型工作负载，AI应用产生大量遥测和运营数据[83] * 近期机会来自新的专业化工作负载，而非平台整合[86] * 数据库工程仍是差异化的基础，公司正选择性扩展平台，如推出ClickStack和托管Postgres服务[87] * Simile：AI模拟平台，模拟将AI从预测转向决策，帮助组织评估“如果”问题[92] * 专有行为数据可能成为持久的护城河，公司每周完成约2万至3万次访谈和调查[93] * 模拟可使市场研究更频繁、更易获取[94] * 信任和不确定性仍是关键的采用障碍，平台提供预测准确度估计和不确定性分类[95] * 人类行为可能成为新的AI前沿[96][97] * Divergent：AI驱动的制造技术公司，AI连接了从设计到生产的完整工作流，其平台DAPS投资超过10亿美元[40] * 专有生产数据随时间推移改进设计和制造[41] * 模块化架构平衡了创新与可靠性[42] * 软件定义的工厂提高了灵活性，其第二家长滩工厂面积超过40万平方英尺，计划在未来24个月内容纳至少64台Model One打印机[44] * AI正在产生可衡量的物理世界成果，一个项目从概念到首飞仅用71天，工装减少高达95%，质量减少约34%[45] 风险投资观点 * 模型与基础设施：AI能力持续提升，前沿智能保留价值，开源模型服务于特定工作负载，计算需求超过效率提升，推理扩大了硬件TAM[99][100][101][102][103] * 智能体与企业采用：企业AI变现路径更清晰，智能体扩大了应用TAM，重塑了软件和劳动力，验证控制着采用速度，早期收入可能具有误导性[104][105][106][107][108] * 应用护城河与软件颠覆：使用量、工作流和数据定义了护城河，软件结果将出现分化，垂直软件领导者和核心记录系统有更多时间适应[109][110] * 物理AI、国防与网络安全：物理AI需要独特的策略，国防成为重要的AI市场，AI扩大了网络安全机会[111][112][114] * 2027年AI预测：包括能力突破、开源模型获得推理量、智能体超越提示和编码、AI加速科学发现、机器人进入现实部署、AI基础设施重新设计、重大AI网络攻击出现、传统SaaS颠覆加速以及AI整合持续[116] 学术研究观点 * 斯坦福大学：世界模型为物理AI提供了新路径，可缓解物理AI的数据瓶颈，并为不确定性和潜在故障提供原生信号[121][122][124] * 物理AI在短期内仍将是特定应用，近期的商业机会出现在矿山、工厂等封闭环境中[125] * 企业智能体采用受限于问责制而非能力，可被界定、可检查和可逆的工作流将首先投入生产[126][127] * 信任基础设施层可解锁企业AI采用，包括认证、独立评估、监控和保险框架[130] * 加州大学伯克利分校/旧金山分校：医疗指南可成为持续改进的算法，AI可从影像和病历中提取额外信号[134] * 医疗AI正转向广泛的基座模型，如Pillar-0在约20万次检查上训练，评估约350种疾病，平均表现比五个竞争模型好约10个点[135] * 数据访问正成为医疗AI的商业优势[136] * 个性化护理需要AI优化行动，而不仅仅是预测结果[138] * 临床评估必须像医疗模型一样快速改进[139] 高盛重点推荐的投资标的 * 商业与信息服务领域：Iron Mountain (IRM)、Moody's (MCO)、MSCI (MSCI)、S&P Global (SPGI)、Thomson Reuters (TRI)[1] * IRM：增长组合（数据中心、ALM、数字解决方案）在第二季度同比增长超过50%，数据中心收入同比增长39%[151] * MCO：MIS收入在第二季度同比增长25%，MA的ARR增长加速至9%[152] * MSCI：经常性订阅收入增长加速至9.0%，AI加速了产品开发周期，过去两个季度推出超过80款产品[153] * SPGI：超大规模企业发行量在2026年上半年达到约1690亿美元，API调用量超过11亿次，环比增长超过5倍[154][155] * TRI：AI赋能产品在第二季度占ACV的32%，法律业务有机收入增长加速至10%[156] * 软件领域：Microsoft (MSFT)、MongoDB (MDB)、Rubrik (RBRK)[1] * MSFT：定位良好，可提供将AI模型与业务特定背景结合的层，预计EPS增长将从FY27E的12%加速至FY29E的超过20%[157] * MDB：定位良好的数据平台，AI相关消费正从早期采用者扩展到更大的企业安装基础[158][160] * RBRK：高增长的网络弹性平台，AI通过增加数据创建和非人类身份来加强其机会[161] * 其他长期看好的公司：CrowdStrike (CRWD)、Cloudflare (NET)、Palo Alto Networks (PANW)、Snowflake (SNOW)[1]