2024年6月，高盛研究主管James Covello曾在一篇報告中拋出靈魂拷問：“生成式AI：花太多，賺太少？”。近兩年后的2026年4月，高盛研究主管James Covello承認(rèn)“看錯了”，親自"對市值進行修正（mark to market）"。

5月3日，據(jù)追風(fēng)交易臺消息，2026年4月，高盛在最新的長篇研報中承認(rèn)在消費者采用速度和云廠商（Hyperscaler）資本開支的韌性上“看錯了”，但在企業(yè)端投資回報率（ROI）低迷和半導(dǎo)體利潤高度集中的不可持續(xù)性上，他們有著比以往更強的確信度。

研報稱，半導(dǎo)體仍然是AI周期財務(wù)兌現(xiàn)最強的一環(huán)，但它承擔(dān)的是高預(yù)期和高利潤集中度。云廠商短期承壓，卻握著分發(fā)、客戶、數(shù)據(jù)、算力平臺和應(yīng)用生態(tài)。

如果AI最終能在企業(yè)端跑通，云廠商會重新獲得估值解釋權(quán)；如果跑不通，最先被砍的也是它們向上游支付的資本開支。

基于這一邏輯，高盛給出了明確的相對價值交易策略：做多超大規(guī)模云廠商，低配半導(dǎo)體。高盛認(rèn)為，市場已經(jīng)充分計價了“賣鏟人”的利潤，而云廠商因ROI受疑導(dǎo)致估值倍數(shù)嚴(yán)重壓縮。

無論企業(yè)端最終實現(xiàn)正向ROI，還是云廠商因無利可圖而削減資本開支（這將帶來自由現(xiàn)金流修復(fù)并重挫半導(dǎo)體收入），做多云廠商/做空半導(dǎo)體的策略都將獲益。

研報指出，消費者AI普及率打破歷史紀(jì)錄，但超大規(guī)模云廠商的巨額資本開支并未換來企業(yè)端的實際利潤，F(xiàn)OMO（錯失恐懼癥）掩蓋了惡化的現(xiàn)金流。

高盛承認(rèn)在兩個核心預(yù)期上出現(xiàn)了誤判：

消費者普及速度驚人：數(shù)據(jù)顯示，生成式AI在推出后三年內(nèi)達到了約53%的普及率，遠超個人電腦和互聯(lián)網(wǎng)的早期軌跡。盡管美國人每天在手機上花費超5小時，且有95%的周活躍用戶使用的是免費版本的GPT，但這仍證明了消費端的巨大熱情。
云廠商頂著股價跑輸?shù)膲毫哟a開支：高盛原本以為，如果云廠商股價持續(xù)跑輸大盤，他們會削減AI資本開支。然而現(xiàn)實是，出于在AI軍備競賽中“害怕錯過”的FOMO情緒，超大規(guī)模云廠商大幅增加了支出，其經(jīng)營現(xiàn)金流已被消耗殆盡。

盡管如此，高盛在企業(yè)端ROI上依然保持極高確信度：盡管企業(yè)采用了AI，但賺錢極度困難。

MIT實驗室報告顯示，企業(yè)在生成式AI上投入了300億至400億美元，但驚人的是95%的組織回報率為零。
安永的一項調(diào)查更是殘酷：99%的受訪公司報告了與AI相關(guān)的財務(wù)損失，平均每家公司保守估計損失達440萬美元（總計約43億美元）。

高盛稱，AI實際上正在推高IT預(yù)算（預(yù)計全球IT支出將從2024年的5萬億美元增至2026年的6.15萬億美元），而非節(jié)約成本。

產(chǎn)業(yè)鏈吸血：半導(dǎo)體獨占利潤不可持續(xù)

高盛強調(diào)，目前AI的經(jīng)濟效益僅對半導(dǎo)體公司有利，云廠商和模型公司正在通過舉債維持資本開支，這一價值集中度難以為繼。

這是本次研報中最核心的供應(yīng)鏈矛盾。歷史上，半導(dǎo)體公司繁榮的前提是其下游客戶的繁榮。但在當(dāng)前的AI周期中，半導(dǎo)體供應(yīng)鏈正在犧牲產(chǎn)業(yè)鏈上游其他所有人的利益來創(chuàng)造創(chuàng)紀(jì)錄的利潤。

1. 自ChatGPT 3.5發(fā)布以來，英偉達的凈利潤實現(xiàn)了25倍的增長，而微軟、谷歌、亞馬遜和Meta的利潤增長相對平庸。
   
2. 超大規(guī)模云廠商已經(jīng)燒光了運營現(xiàn)金流，現(xiàn)在不得不通過借債來支持AI擴建。數(shù)據(jù)顯示，2025年數(shù)據(jù)中心債務(wù)發(fā)行量翻了一番，達到1820億美元。
   

高盛直言，這既史無前例也不可持續(xù)。要么頂層企業(yè)必須開始從AI中獲得經(jīng)濟價值（進而反哺供應(yīng)鏈），要么他們最終不得不縮減對底層芯片的支出。

破局之道：小語言模型（SLM）與數(shù)據(jù)編排層的崛起

研報稱，大模型并非企業(yè)端解藥，特定任務(wù)的小模型（SLM）以及新興的“數(shù)據(jù)結(jié)構(gòu)與編排層”將是解鎖企業(yè)AI經(jīng)濟效益的關(guān)鍵。

為了讓企業(yè)獲得ROI，價值鏈必須下沉。高盛指出，模型能力目前并不是阻礙企業(yè)成功的因素，真正的障礙在于數(shù)據(jù)結(jié)構(gòu)工作流編排

• SLM優(yōu)于LLM：相較于動輒需要數(shù)百萬美元訓(xùn)練和強大GPU支持的廣義大語言模型（LLMs），參數(shù)更少的小語言模型（SLMs）在企業(yè)端表現(xiàn)更好。

• 例如，Datadog在分析師大會上證明，使用內(nèi)部數(shù)據(jù)訓(xùn)練的SLM因為具備領(lǐng)域經(jīng)驗，能以更低的成本提供更高的準(zhǔn)確率。某供應(yīng)鏈公司在轉(zhuǎn)向?qū)Ｓ肧LM后，響應(yīng)延遲降低了47%，成本削減了50%。

• 編排層的必要性：企業(yè)不能用高昂的大模型去解決低價值的商品化問題。

• 例如，對沖基金的分析師如果只是查詢標(biāo)普500指數(shù)的表現(xiàn)，請求應(yīng)被路由到便宜的模型；如果是建立復(fù)雜的估值模型，才應(yīng)該調(diào)用高級LLM。缺乏編排層導(dǎo)致昂貴的代幣被濫用，這是企業(yè)IT預(yù)算超標(biāo)的罪魁禍?zhǔn)住?/strong>

利潤池顛覆與就業(yè)沖擊的現(xiàn)實考量

高盛認(rèn)為，AI對就業(yè)的“增強”作用抵消了“替代”作用，而真正的利潤池顛覆可能出現(xiàn)在自動駕駛、軟件和廣告領(lǐng)域。

與媒體大肆渲染的“AI搶走飯碗”不同，高盛宏觀團隊的分析顯示，AI替代效應(yīng)和增強效應(yīng)基本持平�；鶞�(zhǔn)預(yù)測下，轉(zhuǎn)型期內(nèi)的失業(yè)率峰值最多僅上升0.6個百分點。

那么，能夠支撐AI龐大支出的利潤池在哪？高盛點出了幾個潛在方向：

1. 交通運輸：到2035年，全球自動駕駛Robotaxi市場規(guī)模將達到約4150億美元（累計毛利約4400億美元）；重型卡車市場規(guī)模全球可達約5600億美元。

2. 軟件：AI并不會吞噬軟件，總體可尋址市場（TAM）實際上正在擴大（從SaaS向代理Agent轉(zhuǎn)變）。擁有行業(yè)領(lǐng)域經(jīng)驗的軟件巨頭比“純AI原生”應(yīng)用更具護城河。

3. ：通過自動化內(nèi)容生成（1140億美元市場）和數(shù)字渠道轉(zhuǎn)移（1700億美元市場），AI正在深刻改變廣告業(yè)，谷歌的PMax和Meta的Advantage+已展示了極高的采用率。