兩年前質疑“AI花太多、賺太少”，高盛研究主管承認“看錯了”，但“鏟子已被充分定價，現在看多云”

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“看錯了”，親自"對市值進行修正（mark to market）"。

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

研報稱，半導體仍然是AI周期財務兌現最強的一環，但它承擔的是高預期和高利潤集中度。云廠商短期承壓，卻握著分發、客戶、數據、算力平臺和應用生態。

如果AI最終能在企業端跑通，云廠商會重新獲得估值解釋權；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：做多超大規模云廠商，低配半導體。高盛認為，市場已經充分計價了“賣鏟人”的利潤，而云廠商因ROI受疑導致估值倍數嚴重壓縮。

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

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

高盛承認在兩個核心預期上出現了誤判：

消費者普及速度驚人：數據顯示，生成式AI在推出后三年內達到了約53%的普及率，遠超個人電腦和互聯網的早期軌跡。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的壓力加碼開支：高盛原本以為，如果云廠商股價持續跑輸大盤，他們會削減AI資本開支。然而現實是，出于在AI軍備競賽中“害怕錯過”的FOMO情緒，超大規模云廠商大幅增加了支出，其經營現金流已被消耗殆盡。

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

MIT實驗室報告顯示，企業在生成式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。
安永的一項調查更是殘酷：99%的受訪公司報告了與AI相關的財務損失，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預算（預計全球IT支出將從2024年的5萬億美元增至2026年的6.15萬億美元），而非節約成本。

產業鏈吸血：半導體獨占利潤不可持續

高盛強調，目前AI的經濟效益僅對半導體公司有利，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鏈矛盾。歷史上，半導體公司繁榮的前提是其下游客戶的繁榮。但在當前的AI周期中，半導體供應鏈正在犧牲產業鏈上游其他所有人的利益來創造創紀錄的利潤。

1. 自ChatGPT 3.5發布以來，英偉達的凈利潤實現了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. 超大規模云廠商已經燒光了運營現金流，現在不得不通過借債來支持AI擴建。數據顯示，2025年數據中心債務發行量翻了一番，達到1820億美元。
   

高盛直言，這既史無前例也不可持續。要么頂層企業必須開始從AI中獲得經濟價值（進而反哺供應鏈），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）與數據編排層的崛起

研報稱，大模型并非企業端解藥，特定任務的小模型（SLM）以及新興的“數據結構與編排層”將是解鎖企業AI經濟效益的關鍵。

為了讓企業獲得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成功的因素，真正的障礙在于數據結構工作流編排

• SLM優于LLM：相較于動輒需要數百萬美元訓練和強大GPU支持的廣義大語言模型（LLMs），參數更少的小語言模型（SLMs）在企業端表現更好。

• 例如，Datadog在分析師大會上證明，使用內部數據訓練的SLM因為具備領域經驗，能以更低的成本提供更高的準確率。某供應鏈公司在轉向專用SLM后，響應延遲降低了47%，成本削減了50%。

• 編排層的必要性：企業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普500指數的表現，請求應被路由到便宜的模型；如果是建立復雜的估值模型，才應該調用高級LLM。缺乏編排層導致昂貴的代幣被濫用，這是企業IT預算超標的罪魁禍首。

利潤池顛覆與就業沖擊的現實考量

高盛認為，AI對就業的“增強”作用抵消了“替代”作用，而真正的利潤池顛覆可能出現在自動駕駛、軟件和廣告領域。

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替代效應和增強效應基本持平?；鶞暑A測下，轉型期內的失業率峰值最多僅上升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轉變）。擁有行業領域經驗的軟件巨頭比“純AI原生”應用更具護城河。

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

高盛稱，管理層應拒絕FOMO、轉向“購買”而非“構建”；投資者應做多云廠商，低配半導體。

報告最后以一個互聯網時代的歷史隱喻作結：先行者中箭，后來者得地（The pioneers got the arrows and the settlers got the land）。Uber建立在一批先行者的破產資產之上，但這距離互聯網泡沫已過去了整整20年。

高盛向企業C-suite（指公司最高級別的執行管理人員）給出忠告：慢下來才能快起來。不要被FOMO情緒裹挾，去構建缺乏數據基礎的AI應用。

“在互聯網時代，先驅者中箭，定居者分地?！逼髽I應弄清自身處于什么位置，并且隨著自建AI的高昂成本顯現，“買”代替“建”正在成為主流。
越來越多的證據表明，自建AI系統的隱性成本遠超預期，企業正在重新評估借助成熟平臺的性價比。

投資策略層面，高盛強烈建議關注云廠商與半導體之間的相對價值交易：

• 情景1（雙贏但云廠商領漲）：企業開始展現正向ROI，市場對云廠商資本開支的疑慮打消，云廠商估值倍數大幅修復；半導體由于前期已被極度看好，漲幅落后。
  
• 情景2（核心獲利情景）：企業ROI持續低迷，云廠商決定削減AI資本開支。此時云廠商股票將因現金流前景改善而迎來“釋然性反彈”，而半導體股票將因收入預期受挫而遭到猛烈打擊。
  
• 情景3（風險情景）：現狀持續。云廠商無視低迷的ROI繼續瘋狂擴大開支，半導體繼續吸血全產業鏈，這筆相對價值交易將出現虧損。但高盛認為，前兩種回歸理性的情景概率正在顯著上升。