两年前质疑“AI花太多、赚太少”，高盛研究主管承认“看错了”，但“铲子已被充分定价，现在看多云”

2024年6月，高盛研究主管James Covello曾在一篇报告中抛出灵魂拷问：“生成式AI：花太多，赚太少？”。近两年后的2026年4月，高盛研究主管James Covello承认“看错了”，亲自"对市值进行修正（mark to market）"。

5月3日，据追风交易台消息，2026年4月，高盛在最新的长篇研报中承认在消费者采用速度和云厂商（Hyperscaler）资本开支的韧性上“看错了”，但在企业端投资回报率（ROI）低迷和半导体利润高度集中的不可持续性上，他们有着比以往更强的确信度。

研报称，半导体仍然是AI周期财务兑现最强的一环，但它承担的是高预期和高利润集中度。云厂商短期承压，却握着分发、客户、数据、算力平台和应用生态。

如果AI最终能在企业端跑通，云厂商会重新获得估值解释权；如果跑不通，最先被砍的也是它们向上游支付的资本开支。

基于这一逻辑，高盛给出了明确的相对价值交易策略：做多超大规模云厂商，低配半导体。高盛认为，市场已经充分计价了“卖铲人”的利润，而云厂商因ROI受疑导致估值倍数严重压缩。

无论企业端最终实现正向ROI，还是云厂商因无利可图而削减资本开支（这将带来自由现金流修复并重挫半导体收入），做多云厂商/做空半导体的策略都将获益。

研报指出，消费者AI普及率打破历史纪录，但超大规模云厂商的巨额资本开支并未换来企业端的实际利润，FOMO（错失恐惧症）掩盖了恶化的现金流。

高盛承认在两个核心预期上出现了误判：

消费者普及速度惊人：数据显示，生成式AI在推出后三年内达到了约53%的普及率，远超个人电脑和互联网的早期轨迹。尽管美国人每天在手机上花费超5小时，且有95%的周活跃用户使用的是免费版本的GPT，但这仍证明了消费端的巨大热情。
云厂商顶着股价跑输的压力加码开支：高盛原本以为，如果云厂商股价持续跑输大盘，他们会削减AI资本开支。然而现实是，出于在AI军备竞赛中“害怕错过”的FOMO情绪，超大规模云厂商大幅增加了支出，其经营现金流已被消耗殆尽。

尽管如此，高盛在企业端ROI上依然保持极高确信度：尽管企业采用了AI，但赚钱极度困难。

MIT实验室报告显示，企业在生成式AI上投入了300亿至400亿美元，但惊人的是95%的组织回报率为零。
安永的一项调查更是残酷：99%的受访公司报告了与AI相关的财务损失，平均每家公司保守估计损失达440万美元（总计约43亿美元）。

高盛称，AI实际上正在推高IT预算（预计全球IT支出将从2024年的5万亿美元增至2026年的6.15万亿美元），而非节约成本。

产业链吸血：半导体独占利润不可持续

高盛强调，目前AI的经济效益仅对半导体公司有利，云厂商和模型公司正在通过举债维持资本开支，这一价值集中度难以为继。

这是本次研报中最核心的供应链矛盾。历史上，半导体公司繁荣的前提是其下游客户的繁荣。但在当前的AI周期中，半导体供应链正在牺牲产业链上游其他所有人的利益来创造创纪录的利润。

1. 自ChatGPT 3.5发布以来，英伟达的净利润实现了25倍的增长，而微软、谷歌、亚马逊和Meta的利润增长相对平庸。
   
2. 超大规模云厂商已经烧光了运营现金流，现在不得不通过借债来支持AI扩建。数据显示，2025年数据中心债务发行量翻了一番，达到1820亿美元。
   

高盛直言，这既史无前例也不可持续。要么顶层企业必须开始从AI中获得经济价值（进而反哺供应链），要么他们最终不得不缩减对底层芯片的支出。

破局之道：小语言模型（SLM）与数据编排层的崛起

研报称，大模型并非企业端解药，特定任务的小模型（SLM）以及新兴的“数据结构与编排层”将是解锁企业AI经济效益的关键。

为了让企业获得ROI，价值链必须下沉。高盛指出，模型能力目前并不是阻碍企业成功的因素，真正的障碍在于数据结构工作流编排

• SLM优于LLM：相较于动辄需要数百万美元训练和强大GPU支持的广义大语言模型（LLMs），参数更少的小语言模型（SLMs）在企业端表现更好。

• 例如，Datadog在分析师大会上证明，使用内部数据训练的SLM因为具备领域经验，能以更低的成本提供更高的准确率。某供应链公司在转向专用SLM后，响应延迟降低了47%，成本削减了50%。

• 编排层的必要性：企业不能用高昂的大模型去解决低价值的商品化问题。

• 例如，对冲基金的分析师如果只是查询标普500指数的表现，请求应被路由到便宜的模型；如果是建立复杂的估值模型，才应该调用高级LLM。缺乏编排层导致昂贵的代币被滥用，这是企业IT预算超标的罪魁祸首。

利润池颠覆与就业冲击的现实考量

高盛认为，AI对就业的“增强”作用抵消了“替代”作用，而真正的利润池颠覆可能出现在自动驾驶、软件和广告领域。

与媒体大肆渲染的“AI抢走饭碗”不同，高盛宏观团队的分析显示，AI替代效应和增强效应基本持平。基准预测下，转型期内的失业率峰值最多仅上升0.6个百分点。

那么，能够支撑AI庞大支出的利润池在哪？高盛点出了几个潜在方向：

1. 交通运输：到2035年，全球自动驾驶Robotaxi市场规模将达到约4150亿美元（累计毛利约4400亿美元）；重型卡车市场规模全球可达约5600亿美元。

2. 软件：AI并不会吞噬软件，总体可寻址市场（TAM）实际上正在扩大（从SaaS向代理Agent转变）。拥有行业领域经验的软件巨头比“纯AI原生”应用更具护城河。

3. ：通过自动化内容生成（1140亿美元市场）和数字渠道转移（1700亿美元市场），AI正在深刻改变广告业，谷歌的PMax和Meta的Advantage+已展示了极高的采用率。

高盛称，管理层应拒绝FOMO、转向“购买”而非“构建”；投资者应做多云厂商，低配半导体。

报告最后以一个互联网时代的历史隐喻作结：先行者中箭，后来者得地（The pioneers got the arrows and the settlers got the land）。Uber建立在一批先行者的破产资产之上，但这距离互联网泡沫已过去了整整20年。

高盛向企业C-suite（指公司最高级别的执行管理人员）给出忠告：慢下来才能快起来。不要被FOMO情绪裹挟，去构建缺乏数据基础的AI应用。

“在互联网时代，先驱者中箭，定居者分地。”企业应弄清自身处于什么位置，并且随着自建AI的高昂成本显现，“买”代替“建”正在成为主流。
越来越多的证据表明，自建AI系统的隐性成本远超预期，企业正在重新评估借助成熟平台的性价比。

投资策略层面，高盛强烈建议关注云厂商与半导体之间的相对价值交易：

• 情景1（双赢但云厂商领涨）：企业开始展现正向ROI，市场对云厂商资本开支的疑虑打消，云厂商估值倍数大幅修复；半导体由于前期已被极度看好，涨幅落后。
  
• 情景2（核心获利情景）：企业ROI持续低迷，云厂商决定削减AI资本开支。此时云厂商股票将因现金流前景改善而迎来“释然性反弹”，而半导体股票将因收入预期受挫而遭到猛烈打击。
  
• 情景3（风险情景）：现状持续。云厂商无视低迷的ROI继续疯狂扩大开支，半导体继续吸血全产业链，这笔相对价值交易将出现亏损。但高盛认为，前两种回归理性的情景概率正在显著上升。