高盛:人工智能熱潮并非泡沫,才剛剛起步

10 月 19 日消息,盡管市場對人工智能(AI)泡沫的擔憂日益加劇,但高盛(Goldman Sachs)認為,這場 AI 繁榮才剛剛拉開序幕。
這家華爾街巨頭的分析師指出,當前的投資規(guī)模與 AI 所能帶來的潛在經(jīng)濟回報相比仍然較小。
高盛分析師在周三發(fā)布的一份報告中寫道:“生成式 AI 所承諾的巨大經(jīng)濟價值,足以支撐當前對 AI 基礎(chǔ)設(shè)施的投資。只要企業(yè)相信今天的投入將在長期內(nèi)帶來超額回報,目前整體 AI 投資水平就是可持續(xù)的?!?/p>
高盛提出這一判斷主要有兩大理由:一是 AI 應(yīng)用在已部署領(lǐng)域已開始顯著提升生產(chǎn)效率;二是要釋放這些效益,需要龐大的計算能力支持。
高盛估算,AI 帶來的長期生產(chǎn)力提升所產(chǎn)生的經(jīng)濟價值將遠遠超過其前期投入成本。該機構(gòu)預測,若 AI 實現(xiàn)廣泛普及,有望為美國經(jīng)濟增加約 20 萬億美元(IT之家注:現(xiàn)匯率約合 141.9 萬億元人民幣),其中約 8 萬億美元將以資本收入的形式流入企業(yè)。
分析師表示:“生成式 AI 仍有望迅速加速任務(wù)自動化進程,推動勞動力成本節(jié)約并大幅提升生產(chǎn)率。我們的基準預測顯示,在全面采用 AI 后,美國整體勞動生產(chǎn)率將提升 15%,這一過程預計將在未來十年內(nèi)逐步實現(xiàn)。”
盡管芯片、服務(wù)器和數(shù)據(jù)中心的支出屢創(chuàng)新高,高盛仍認為,與以往的技術(shù)革命相比,當前 AI 領(lǐng)域的投資規(guī)模依然有限。
該機構(gòu)估計,美國與 AI 相關(guān)的投資尚不足國內(nèi)生產(chǎn)總值(GDP)的 1%,而此前幾次技術(shù)浪潮高峰期的投資占比則高達 2% 至 5%,包括鐵路擴張時期、1920 年代電氣化浪潮以及上世紀 90 年代末的互聯(lián)網(wǎng)泡沫時期。
高盛分析師表示,從宏觀經(jīng)濟角度看,AI 投資的合理性依然充分,他們“并不太擔心 AI 資本支出的具體金額”。他們指出,預計 2025 年全年 AI 相關(guān)支出約為 3000 億美元(現(xiàn)匯率約合 2.13 萬億元人民幣),考慮到該技術(shù)的長期回報潛力,這一投資規(guī)模是合理的。
不過,高盛也承認,市場存在“合理擔憂”:那些目前在 AI 領(lǐng)域投入最多的公司,是否真能最終收獲最大回報?尤其考慮到硬件設(shè)備快速折舊的風險。
分析師認為,如果投資者能夠捕獲 AI 長期經(jīng)濟價值中的較大份額,那么進入時機的重要性就會相對降低。然而歷史經(jīng)驗表明,先發(fā)優(yōu)勢并不總能轉(zhuǎn)化為最終勝勢。
他們指出,“先行者”在基礎(chǔ)設(shè)施建設(shè)周期中往往表現(xiàn)不佳,并以鐵路和電信行業(yè)為例說明:在許多情況下,后來者通過在早期過度建設(shè)后的低谷期低價收購資產(chǎn),反而獲得了更高的回報。
報告寫道:“當前 AI 市場的結(jié)構(gòu)尚不清晰,無法確定今天處于領(lǐng)先地位的 AI 企業(yè)是否將成為長期贏家?!?/p>
他們補充道:“當互補性資產(chǎn)(如半導體)稀缺且生產(chǎn)高度垂直整合時,先發(fā)優(yōu)勢更為明顯 —— 這意味著當前領(lǐng)先者可能表現(xiàn)更優(yōu);但在技術(shù)變革迅猛的時期,這種優(yōu)勢則會減弱。”
此外,分析師還指出,早期采用者正通過同時使用多個 AI 模型而非依賴單一生態(tài)系統(tǒng)來對沖風險,這進一步削弱了現(xiàn)有巨頭的競爭優(yōu)勢。
他們還強調(diào),目前尚難判斷企業(yè)持續(xù)投入 AI 的動力何時會減弱,因為早期已顯現(xiàn)的生產(chǎn)率提升和模型性能的穩(wěn)步改進仍在激勵投資。
“因此,盡管隨著 AI 投資周期逐漸從建設(shè)階段過渡到成熟階段,且硬件成本持續(xù)下降,投資終將趨于平穩(wěn),但當前的技術(shù)背景仍有利于 AI 投資的持續(xù)推進?!狈治鰩熆偨Y(jié)道。
高盛的這一評估發(fā)布之際,市場正圍繞 AI 是否催生了新一輪科技泡沫展開激烈辯論。上周,摩根士丹利(Morgan Stanley)和高盛的戰(zhàn)略分析師均指出,若綜合考慮盈利增長、現(xiàn)金流和利潤率等因素,當前 AI 相關(guān)股票的估值并未像批評者所聲稱的那樣被嚴重高估。































