随着人工智能相关企业估值攀升，市场开始担忧人工智能泡沫风险。持续的大规模人工智能投资，以及人工智能生态系统日益增强的循环性。那么，泡沫担忧是否合理，还是被夸大了？
高盛于10月份发布标题为《AI：In a Bubble？》（人工智能：是否存在泡沫？）的报告，其中包含了高盛内外部不同团队以及家学者各自视角的看法，围绕人工智能是否存在泡沫危机展开了讨论。报告中包含高盛全球经济研究部主管约瑟夫·布里格斯的观点，他认为生成式人工智能创造的经济价值终将证明当前AI资本支出热潮的合理性。海外市场策略研究团队整理并进行分享，如下为观点全文。
自2023年中期以来，市场开始预见到一场由硬件支出激增驱动的人工智能投资浪潮，这些支出用于训练人工智能模型和运行人工智能查询。但近期人工智能投资公告的规模、速度和循环性，引发了人们对人工智能资本支出的可持续性的质疑。尽管存在这些担忧，仍然认为当前的投资水平是可持续的，但目前尚不清楚进行投资的公司是否会成为人工智能领域的赢家。
数据来源：统计局，高盛全球研究。2023年是一个决定性的拐点，投资曲线呈垂直拉升状态，年度化投资额增长了约2000-3000亿美元。这意味着在短短一两年内，投资规模膨胀了数倍，且该趋势仍在持续。
资本支出驱动因素依然有利
技术背景仍对人工智能资本支出构成支撑，原因有二。
首先，生成式人工智能仍有望加速任务自动化进程，从而降低劳动力成本并提升生产效率。预计全面应用后，美国整体劳动生产率将提升15%，这一目标有望在十年内实现。学术研究和企业案例均支持这一观点，表明部署人工智能应用后平均生产率可提高25-30%。尽管当前应用场景仍较为有限，但这些初步估算凸显了生成式人工智能实现颠覆性生产率提升的潜力。
其次，释放这些生产力提升需要强大的计算能力和能源支持，近期趋势表明两者的需求将持续增长。训练大型语言模型所需的计算能力（浮点运算次数，FLOPs）以每年400%的速度持续快速增长，远超计算成本下降幅度（FLOPs/$，每年40%）。训练查询量（年增长率350%）和前沿AI模型数量（年增长率125%）同样呈快速增长态势，而能效虽在提升，但增速相对较慢（年提升率40%）。关键在于需求增长与计算成本下降之间的差距依然巨大。
短期内需求增长很可能继续超越技术成本下降，部分原因在于前沿LLM正随规模持续提升。虽然难以预测技术投资激励减弱的临界点，但近期证据表明我们尚未到达该节点。
量化生成式人工智能的宏观经济价值
我们仍认为人工智能投资具有宏观经济合理性且对AI资本支出的规模并没有过度担忧。许多人指出当前部署的人工智能资本支出规模空前，由人工智能驱动的数据中心和基础设施建设累计投资可能达到数万亿美元。例如，英伟达首席执行官黄仁勋近期强调，到2030年人工智能基础设施支出可能达到3万亿至4万亿美元。我们的股票分析师同样预测将出现大规模投资，尤其在数据中心和电力领域，仅超大规模企业在2025-2027年间预计将达到1.4万亿美元。
尽管从名义美元金额来看，当前的人工智能投资规模确实超过了以往周期，但若按适当比例衡量则显得更为温和。历史上基础设施投资冲动通常占GDP的2%-5%，而20世纪20年代制造业电气化浪潮及90年代末IT热潮期间的投资峰值约为GDP的1.5%-2%。过去12个月美国人工智能投资仍低于GDP的1%，以历史标准衡量虽属大规模但未超出常规。
数据来源：统计局，高盛全球研究。历史上每一次重大的生产力爆发式繁荣，其前奏都是一个大规模的投资周期。这张图为当前的AI投资热潮提供了历史合理性，这种“投资先行”的模式是通用技术驱动的生产力革命的标准范式，而非非理性的泡沫。
更重要的是，生成式人工智能的潜在经济收益足以支撑数万亿美元的投资周期。为估算未来AI收入，基于以下假设计算现值（PDV）：
生产力：我们假设美国劳动生产率和GDP将实现15%的基准提升（相当于当前美元价值4.5万亿美元的经济增量）。同时考虑"较弱"（提升8%）和"较强"（提升27%）两种AI情景。
时间线：假设企业级应用主要集中在2027-2037年的十年间，且从应用到实现完全生产力提升存在四年企业内部滞后期。同时考虑AI应用周期为五年和十五年的情景。
AI增量价值的资本份额：假设AI驱动的生产力提升所创造的增量价值中，资本份额为41%，与全经济体平均水平一致。同时考虑AI经济价值创造中资本份额分别对应行业横截面25%分位（28%）和75%分位（60%）的情景。
贴现率：我们采用15%的贴现率，该值对应公开上市人工智能企业的加权平均资本成本（WACC）第75百分位数。同时考虑采用更高（20%）和更低（10%）贴现率的情景。
基于上述假设，美国生成式人工智能预估将创造约20万亿美元的经济价值现值（PDV），其中8万亿美元将作为资本收益流向美国企业。在替代情景下，资本收益的经济价值现值预计在5万亿至19万亿美元之间。
数据来源：高盛全球研究。这张图反映了当前科技巨头在AI领域的巨额资本投入从长远来看是理性且可持续的，并非盲目投资或泡沫。 尽管前期投入巨大，但AI技术未来带来的收入流价值或许更高。
核心结论是，无论在基准情景还是替代情景下，生成式人工智能资本收益的现值均超过预期的人工智能相关资本支出，表明当前及预期的AI资本支出水平具有合理性。值得注意的是，该结论尚未考虑潜在海外利润、新增利润池及通用人工智能（AGI）的出现，这为人工智能支出前景提供了显著缓冲空间。
市场结构与收入分配
尽管宏观环境依然稳健，但当前进行AI投资的企业能否从中获益仍存合理疑虑。这将关键取决于AI技术栈各环节收入的实现时机与分布格局。就时间节点而言，半导体和服务器投资（分别占美国国民账户中2400亿美元AI支出的1120亿美元）将因计算硬件的快速迭代而加速折旧。我们估算当前AI资本支出的折旧率为18%，这可能导致基础设施建设与收入实现的时间错配（高盛假设科技设备使用寿命为5年，并采用美国商务经济分析局对暖通空调系统、数据中心建筑结构及电力投资的折旧估算值。）。若AI投资者能获取长期价值的超额份额，时间因素的重要性将降低。但历史表明，在过往基础设施建设中，"先行者"的表现参差不齐。历史呈现三种模式：
正如18世纪末至19世纪初英国运河建设、1980-1990年代美国IT投资以及（部分案例中）19世纪美国铁路建设所示，先行者因高昂投资与转换成本可获得超额回报。
但在多数情况下——包括19世纪英国铁路建设、近期的光纤网络铺设及美国电信建设——先行者的回报率往往惨淡。初期过度建设引发后续崩盘，使"快速追随者"得以低价收购资产，从而获得超额回报。
在其他案例中——即18世纪英国收费公路的发展和20世纪初美国电力业的兴起——最初的先驱者的回报因监管限制及公共事业资本重组而受限。
这些历史先例表明，包括时机、监管和市场竞争在内的一系列复杂因素，决定了基础设施建设最终的赢家。
当前AI技术栈的市场结构难以清晰预判：今日引领AI投资的企业能否成为长期赢家？应用层竞争激烈，基础模型层（尽管OpenAI领先）和数据中心层竞争相当激烈，而半导体层竞争相对有限（英伟达主导设计，台积电主导生产）。表面看来，这预示着人工智能硬件供应商将获得超额回报，与当前人工智能板块的定价逻辑相符。
然而投资可持续性的核心问题在于：基础模型层的既有优势——即当前推动AI资本支出的超大规模企业——能否在长期创造超额回报以支撑持续投资？历史再次给出矛盾信号。
一方面，当高成本与关键资产的有限获取限制竞争，或垂直整合使先行者掌控全产业链时，先行者确实能获得超额回报。由此看，AI投资的高成本、OpenAI等超大规模企业近期锁定关键计算资源的举措，以及日益明显的垂直整合迹象，均表明超大规模企业或能成功维持其先行者优势。
另一方面，当技术与市场快速发展、知识产权保护有限、或终端应用存在重大不确定性时，先行者优势往往被历史证明更为有限。这些规律表明，当前人工智能领军企业难以凭借优势持续投入资本支出。其他决定先发优势的关键因素仍存变数。高转换成本虽可能为模型与应用提供商带来超额回报，但当前多数企业正通过基础模型多元化布局来降低转换成本。同样，先发者能否借助网络效应在产品市场标准与质量制定中占据优势，目前尚不明朗。
持续投入的理由
生成式人工智能所蕴含的巨大经济价值足以证明当前对人工智能基础设施的投资是合理的。只要企业相信当前的投资将在长期内带来超额回报，整体人工智能投资水平就具有可持续性。因此，只要企业相信：1）先发优势能使其占据人工智能生产力相关收入的超额份额；或2）持续投入计算能力将推动模型性能提升及潜在通用人工智能发展——从而创造巨额利润，稳健的宏观环境便能支撑资本支出的持续增长。
以上内容不代表投资建议。
（全文完）
上述提到的高盛人工智能报告篇幅较长，海外市场策略研究团队将分章节进行整理。本篇及本系列内容仅做个人学习用途，数据及内容版权属于高盛及其相关主体，如需围绕该专题进一步交流，可后台私信。报告中其他文章链接如下：
红杉资本合伙人大卫·卡恩近期访谈：“AI长期发展潜力巨大，尤其在应用层领域”
【免责声明】
本账号所有内容仅为信息分享与市场观点交流，不构成任何投资建议或推荐。金融市场存在不可预测的风险，过往业绩不代表未来表现。不账号内容不构成投资建议，请读者务必谨慎独立判断，并对自身投资行为负责。