•
【DeepSeek】高盛評價中國AI：DeepSeek被高估了，但競爭有利於市場
在過去兩年的一系列出版物中，高盛一直認為，生成式人工智慧(AI)可以提高勞動生產率和全球增長，這主要得益於它能夠自動完成大量工作任務。高盛的基準估計表明，在廣泛採用該技術後，美國勞動生產率和GDP水平將累計上漲15%（假設資本存量發展以匹配勞動力潛力的增加）。
高盛還提出了2023年中期AI投資周期將達到年度GDP的2%的案例，其中：
一，訓練AI模型和運行AI查詢所需的硬體投資最初會激增，但隨著計算成本的下降而逐漸減少；
二，隨著終端使用者採用率的提高，AI軟體投資會隨著時間的推移穩步增加（圖 1）。
高盛預測的投資熱潮目前已基本實現，儘管不可否認的是，其前期投入比高盛預期的要多得多。截至2024年第四季度，AI硬體提供商的收入激增超過2000億美元（年化率），預計到2025年底將再增加1250億美元。
DeepSeek被高估了
最近有消息稱，儘管DeepSeek使用的硬體不太先進，開發成本也低得多，但其R1 AI模型在性能方面與當前領先模型相比更具優勢（左圖，圖表2），這引發了人們對投資周期的下一階段（即計算成本的節省降低了訓練和使用生成式 AI 模型所需的名義硬體投資）是否也比預期更早到來的疑問。
正如高盛的股票分析師所指出的，有充分的理由質疑DeepSeek報告的560萬美元培訓成本是否完全反映了開發成本或訓練硬體的成本。儘管如此，DeepSeek已經證明，使用新穎的計算技術進行模型推理，即多層注意力(MLA)和混合專家(MoE)和更高效的模型訓練，能夠以比以前想像的更低的成本，用更有限的資源生產出性能卓越的AI模型。這一突破可能改變了生成式AI的競爭格局，因為它挑戰了人們普遍持有的觀點，即高昂的投資成本是進入基礎模型層面的障礙，並提出了計算成本可能繼續按照歷史趨勢下降的前景（右圖，圖表2）。
從宏觀角度來看，DeepSeek低成本模型的出現並不影響高盛的觀點，即最大的總體經濟收益將來自生成式人工智慧帶來的生產力提升。
如果高盛的長期估計是正確的，並且人工智慧支援的任務自動化在大約10年內將總體生產力水平提高15%，那麼生成式人工智慧將為美國經濟（以2024年美元計算）每年釋放約4.5兆美元（=15% * 29.3兆美元美國GDP）的價值。這一經濟盈餘將在美國經濟的所有主體之間分配，包括（按照高盛的股票投資組合策略師制定的框架）第一階段和第二階段的硬體和基礎設施提供商、將開發人工智慧平台和應用程式的第三階段“推動者”、將使用生成式人工智慧來提高生產力和實現效率提升的第四階段“人工智慧生產力公司”，以及工人和消費者。
DeepSeek 低成本模型的出現提出了一個合理的問題，即生成式人工智慧創造的經濟盈餘在這些不同利益相關者之間的分配。經濟租金的分配取決於許多因素，包括市場集中度、智慧財產權、可擴展性以及最終的競爭。現在對DeepSeek報告的訓練創新將對更廣泛的生態系統產生的影響抱有信心還為時過早。但是，如果昂貴的硬體和人工智慧基礎設施對於實現生成式人工智慧的經濟潛力不那麼重要，那麼從事物理基礎設施建設的公司可能會獲得較小份額的整體經濟收益作為利潤。過去幾天股市的反應反映了這一觀點。
為了提供一個技術變革創造的經濟價值如何分配的歷史例子，高盛在圖表3 中報告了軟體對1981年至2012年產出增長的估計貢獻——反映了投資和生產力的變化——基於聯準會委員會研究人員開發的方法。然後，高盛將這些貢獻與軟體支出的貢獻進行比較，後者代表了軟體公司產生的經濟價值。這項分析表明，軟體支出約佔軟體採用帶來的經濟收益的四分之一，因為少數領先的“超級明星”公司的強大市場力量使它們能夠佔據整體經濟價值的很大份額。這種動態是2024年美國工人平均軟體支出上升到每人4,500美元左右的主要原因。
雖然從股票投資者的角度來看，生成式人工智慧創造的經濟盈餘分配的不確定性顯然很重要，但它與宏觀經濟前景的關係並不大，因為GDP（即生產價值）並不取決於誰具體受益。因此，高盛認為DeepSeek的突破對宏觀經濟的影響有些有限，而且很可能是淨收益。
GDP的主要短期風險是更高效的模型訓練和計算成本的下降可能會降低與人工智慧相關的資本支出，如上所述，股票分析師預計到2025年第四季度，資本支出將增至3250億美元。然而，高盛認為這種風險有限，原因有二。
首先，儘管報告顯示公司層面的人工智慧相關資本支出有所增加，但迄今為止，人工智慧相關投資對官方GDP帳戶中的實際投資增長影響有限（圖表4），原因可能有幾個。第一，上市公司的收入通常以名義值報告，儘管出貨量增長較為溫和（這對實際GDP計算更有意義），但成本通膨仍推動了收入增長。第二，公開報告的人工智慧收入反映了全球支出，而不僅僅是美國支出。第三，難以將進口的半導體識別為中間投資品還是最終投資品，可能會導致一些低估。第四，國民帳戶投資記錄的時間差異（以交付時為衡量標準）可能限制了人工智慧影響的衡量。無論如何，到目前為止，即使與人工智慧相關的投資確實放緩，缺乏積極的投資衝動也限制了GDP的下行。
其次，高盛的股票分析師並不認為公司會在最近的DeepSeek新聞之後大幅調整資本組態。雖然高盛承認，如果現任領導人重新評估其未來資本支出計畫，AI基礎設施的建設可能會受到負面影響，但高盛也強調，如果DeepSeek推動現有企業加大投資以保持其在AI能力方面的領先地位，它可能會催化更高水平的實際硬體支出。
更根本的是，如果DeepSeek模型採用的新型計算技術確實增加了競爭並降低了成本，它們可能會催化更快的AI平台和應用程式的建設，而這些平台和應用程式迄今為止一直是採用的瓶頸，並對生產力產生了影響，從而提高了宏觀經濟的上行空間。
如上所述，隨著公司將生成AI技術納入常規生產，生成AI的主要宏觀經濟影響將來自AI驅動的自動化帶來的效率提升。到目前為止，生成AI帶來的總體生產力提升極其有限，主要是因為很少有公司採用該技術。如圖5所示，人口普查局的商業趨勢和展望調查報告顯示，目前只有6%的公司報告在常規生產中使用人工智慧，與人口普查在2023年底開始收集資料時的4%的採用率相比僅略有上升。
高盛早就預計，中期採用率會上升，主要是因為生成式人工智慧可自動完成的工作任務類型將為每位工人每年節省數千美元的成本（圖表6）。鑑於生成式人工智慧可能節省的成本巨大，而應用程式開發完成後的部署邊際成本可能非常小，高盛認為採用生成式人工智慧更多的是“何時”而不是“是否”的問題。
人工智慧平台和應用程式的快速建構潛力（高盛仍將其視為促進廣泛公司採用的必要步驟）提高了更樂觀的採用和生產力提升時間表的前景。高盛目前的預測假設美國的採用將在2027年達到影響總體生產力統計資料所需的水平，並在2030年代初達到峰值影響，而其他發達市場和主要新興市場的採用將落後於這一時間表幾年。最近的DeepSeek報告表明，採用可能會更快發生，從而強化了高盛的股票分析師和投資組合策略團隊的先前觀點，即投資者應越來越多地關注將從人工智慧支援的收入中受益的“第三階段”平台和應用程式公司。
與此同時，高盛警告稱，在預期的應用程式建構成為現實之前，短期影響將仍然有限。很少有公司將成本報告為採用的主要障礙（圖7），這表明美國大多數公司都在等待一種有助於輕鬆實現現有業務實踐自動化的“即插即用”解決方案。在此之前，高盛預計採用率（以及相關的宏觀經濟上行空間）將保持在低位。
高盛還認為DeepSeek的突破性進展對全球GDP構成了上行風險。美國AI領導者的有力競爭對手的出現可能會通過兩個管道提升全球採用率和生產力。
首先，生成式AI帶來的潛在自動化和生產力收益在主要經濟體中大致相似，反映了就業行業構成的相似性（圖表8）。儘管高盛仍預計，鑑於美國在AI模型開發方面的領先地位，美國將比其他國家更快地採用AI，但非美國平台和應用程式的出現可能會加速其他地方（尤其是主要新興市場）的採用時間表。
其次，全球各國政府可能會將中國人工智慧模型的最新突破視為提高發展國內人工智慧能力以達到地緣政治目的的重要性。如果是這樣，全球競爭的加劇可能會促使各國政府協調投資或降低監管門檻，以鼓勵人工智慧的發展和應用。在這方面，美國最近宣佈了一項5000億美元的私營部門融資計畫，以增加人工智慧基礎設施投資，而中國則制定了成為人工智慧全球領導者的戰略目標。人工智慧軍備競賽的關注和支援增加也可能導致採用時間表的加速。
總之，DeepSeek低成本人工智慧模型的最近出現促使人們重新思考整體人工智慧投資理論。雖然高盛同情這些發展增加了公司層面的微觀風險的觀點，但它們也增強了高盛的信心，即人工智慧帶來的生產力增長將成為未來幾年宏觀經濟的主要話題。
中國AI帶來鯰魚效應
中國推出的三款新型生成式人工智慧模型給科技行業帶來了衝擊。高盛研究部表示，這一進展凸顯了美國科技巨頭迄今為止在人工智慧領域投入的巨額資金，以及未來擴大該技術規模所需的投資。一些新模型究竟是如何訓練的還有待觀察，資料來源也出現了問題。但也有跡象表明，中國的發展可能會降低運行聊天機器人應用程式的成本，並使它們更廣泛地普及，這些應用程式可用於從編碼軟體到寫十四行詩等各種用途。
高盛研究部亞洲網際網路團隊負責人Ronald Keung表示：“高盛很清楚，降低人工智慧模型的成本將推動採用率大幅提高，因為這將使未來使用這些模型的成本大大降低。其中一些中國模型促使業界不僅關注提高性能，還關注降低成本。”
Keung表示，隨著成本下降和 AI 模型變得更加智能，高盛可能離實現通用人工智慧更近了一步——一種在所有人類知識領域都表現出卓越表現的AI。
雖然目前大部分注意力都集中在DeepSeek的新模型上，但其他模型在性能和每個token（token 是文字的小單位）的成本方面大致相同。
在過去一年裡，中國的推理成本（訓練之後的階段，AI模型處理從未見過的內容）下降了95%以上。預計，這種更低的推理成本將推動生成式人工智慧應用的普及。
過去一周推出的一些模型專注於深度思考模式或推理。這意味著聊天機器人在你提問時會經歷每個步驟，在它得出答案之前告訴你它在想什麼。每個問題大約需要5-20秒。
這些模型在說話之前會思考。這主要是因為它們在給出最終輸出之前會評估自己的答案。
這些發展是否會改變資本在人工智慧領域的投資方式？
中國企業一直專注於降低成本，也可能嘗試使用最少的晶片來完成相同的任務。在過去一周，人們也更加關注邊緣計算是否越來越受歡迎，這可以讓較小的人工智慧模型在手機或電腦上運行，而無需連接大型資料中心。我認為這些都是投資者對格局將如何演變的疑問。
降低人工智慧模型的成本將推動更高的採用率，因為這將使這些模型在未來的使用成本大大降低。
預計今年將是人工智慧代理和應用的一年。好消息是，其中一些中國模型已經推動該行業不僅關注提高性能，還關注降低成本。這應該會推動人工智慧的採用率越來越高。
相對於美國現有的人工智慧提供商，中國的人工智慧模型便宜多少？
至於公司對模型的每次使用收費（以每個代幣為單位），收費要低得多。截至上周末，中國AI模型的定價為每百萬輸入代幣14美分。這僅僅是美國大型科技公司同等推理模型收費的個位數百分比。
顯然，價格因此開始下降。一些美國大型科技公司調整了定價，包括免費提供一些付費模型。所以效率競賽將繼續進行。
中國主要網際網路巨頭去年將資本支出增加了61%——但這是從一個較低的基數開始的。
總體而言，過去兩年，中國上市公司的資本支出並沒有那麼多。相反，他們非常關注股東回報。這些公司的支出在2024年才剛剛開始回升。然而，從絕對值來看，中國網際網路公司的支出僅為全球同行支出的一小部分，因此，人們對它們在人工智慧上的高額支出能帶來多少投資回報的疑問較少。
投資者對人工智慧的關注集中在美國。未來投資者對中國公司的興趣會更大嗎？
現在下結論還為時過早。總體而言，中國網際網路基礎與美國同行相比仍存在多年的估值差距。
地緣政治將繼續帶來不確定性。鑑於美國的一些晶片禁令和對中國公司的審查，我認為投資者對中國仍然相對避險。
今年，高盛推薦投資中國網際網路主題的首選是國內業務豐富、盈利狀況穩健、能夠從國內消費政策刺激中獲益的公司。目前中國股市尚未將這些公司走向全球的選擇計入價格，儘管過去幾個月，這些應用中的很多繼續位列應用下載量排行榜前列。
這一突破是否能讓小公司在未來部署人工智慧模型？或者你認為這項技術仍將集中在少數大公司手中？
有人質疑人工智慧模型本身是否會被少數幾家公司主導，或者它們是否會變得越來越商品化。但這只是在模型層面。還有一個基礎設施和計算層面，我認為這些新模型帶來的更高採用率將推動超大規模企業（最大的雲端運算公司）對雲的需求增加。這應該會使領先的參與者受益。
事情的應用方面可能會充滿驚喜。不同的公司正在嘗試如何部署這項技術。這可能意味著通過更好的廣告投放來幫助他們的廣告業務。或者公司可以建立一個超級人工智慧助手應用程式，它可以幫助你做任何你能想到的事情：從預訂機票到幫助你確定在什麼時間和地點與朋友見面。具有交易功能的社交應用程式在整合人工智慧助手功能方面更有可能成功。 (財經姝婷說)