今天分享的内容来自高盛的前瞻性报告Will the Corporate Investment in AI Pay Off? 如果你没有完整看完，建议先点赞收藏关注。
大众对AI的接受度增长迅猛，但多数企业尚未从AI投资中获得实质性回报；目前产业链的利润高度集中在底层的半导体芯片公司，这种失衡的商业模式难以长期维持。高盛认为，资本市场的预期可能即将发生反转，企业若想真正通过AI实现经济价值，需要优化内部数据结构，并利用成本更低的小型语言模型来实现高效的任务分流。
一、AI商业应用的现状与失衡
当下的AI市场，呈现出显著的供需错位感。从消费端来看，人们对AI的拥抱速度令人惊叹。高盛援引斯坦福大学的数据指出，生成式AI在推出广泛可用的产品后，仅用三年时间普及率就达到了惊人的53%。这远远超过了个人电脑和互联网在同等时间周期内的普及速度。
但消费者的高频使用很大程度上是因为他们大多在访问免费版本的AI服务。真正能够支撑这项技术长远发展、并借此提升商业效率的是广大的企业客户，而大多数企业在AI领域投入大量资金，却未能产生任何实质性的投资回报。
整个AI产业链的利润分配出现了严重的结构性失衡。半导体公司迎来了创纪录的营收和利润，但处于产业链中上游的模型开发商和构建AI基础设施的云计算巨头，却在大量消耗现金。高盛全球股票研究主管James Covello直言，芯片公司的繁荣本应建立在客户同样繁荣的基础之上，而不应以牺牲上游公司的盈利为代价，目前的整体动态是史无前例且不可持续的。
二、资本市场预期的反转
既然这种利润高度集中于底层的模式难以长久，资本市场的风向将会发生怎样的变化？
大约两年前，高盛团队曾向投资者建议，在AI的发展中应采取“卖水和卖铲子”的策略，即重点投资半导体和半导体设备公司。事实证明这一策略卓有成效，这些股票随后的表现远超大盘，而云计算的表现则相对平淡。
但现在高盛的预期发生了重大转变：他们预计接下来云计算巨头的市场表现将有望超越半导体及设备公司。背后的逻辑是：首先，如果企业端逐渐展示出AI支出带来的回报，投资者对云计算的信心将会恢复，并愿意给予这些股票更高的估值倍数。其次，即便企业端的AI投资回报依然面临挑战，云计算巨头也可能选择削减资本支出，减少对昂贵硬件的无节制采购。这种情况下，云计算巨头自身的现金流预期将得到改善，从而推动股价迎来一轮反弹；而半导体公司则会因为订单减少而面临抛售压力。高盛认为，这可能是大概率发生的情景。
三、企业的破局之道
企业究竟如何通过巨额的AI支出创造真正的经济价值？
高盛的分析认为，当前的瓶颈并不在于AI模型的能力不足。模型的迭代速度依然十分迅速，真正制约企业成功应用AI的关键，在于企业内部的数据结构以及部署模型的成本效益。
为了解决这一痛点，高盛建议企业在自身业务和模型开发者之间，增加一个关键的“编排和部署层”。其核心目的在于实现任务的合理分流，避免算力资源的错配。
假设一家基金公司希望为员工配备AI工具。如果员工只是进行基础的查询，相当于一次高级网页搜索，系统应自动将该任务分配给成本较低的开源或轻量级模型。如果员工需要构建复杂的财务模型，或进行跨行业的深度估值分析，系统才会将任务提交给最先进、成本也最高昂的模型。
基于这种思路，高盛特别看好“小型语言模型”（SLMs）在企业端的部署前景。相比于那些备受瞩目的庞大基础模型，小型模型可以针对特定工作流程进行优化，不仅速度更快、准确率更高，而且训练和使用的成本大幅降低，这正是企业实现高性价比AI部署的关键所在。
当然，这一切的先决条件是打通内部数据孤岛。以零售业为例，企业若想让AI工具为顾客提供有价值的建议，必须要贯通推荐算法数据库、顾客行为画像以及库存数据。高盛强调，将这些底层数据模块搭建完善，是企业解锁AI经济效益的关键。
四、给管理层的长远建议
市场高度关注AI在企业层面引发的大规模人工替代风险，但高盛的研究表明，这种现象尚未发生。虽然AI确实在取代部分工作，但它同时也增强了人类员工的能力，提升了生产力，进而促进了就业需求的增长，形成了抵消效应。高盛建议市场应超越对单纯就业岗位的担忧，去寻找未来几年真正容易被AI重塑的“利润池”。
面对这场深远的变革，企业高管无疑承受着巨大的压力。股东和市场的焦虑情绪，迫使管理层急于展示其宏大的AI战略。考虑到企业级AI成功所需的基础设施在很多方面尚未完全就绪，高盛给出了一条充满商业智慧的建议：“现在放慢脚步，是为了未来能跑得更快。”
这意味着，企业不应盲目追逐高昂的硬件投资以缓解焦虑，而应当沉下心来，优先解决内部数据的整理和业务流程的优化。只有夯实了底层的基本功，企业才能在AI时代的下半场中真正脱颖而出。
好的，以上就是今天的分享。我是 Laurent，感谢与我共度这一小段时光，用点滴的学习和思考让眼前的路变得更加踏实和充满希望。下期见！
