高盛：AI敘事的五大核心爭議

一、爭議1：消費端 AI 使用現狀如何？使用者習慣是否在重構？

消費端AI 呈現 “高滲透、低 monetization” 特徵，使用者行為分化明顯，2026 年將成商業化關鍵節點：

使用者規模爆發，使用場景分化

消費級AI 工具使用者增長迅猛，OpenAI 2025 年 7 月資料顯示 ChatGPT 周活躍使用者達 7 億，較上線初期翻倍；但不同平台功能定位差異顯著 ——ChatGPT 非工作場景佔比 70%（如資訊查詢、創意寫作），Anthropic 的 Claude 則 36% 用於編碼 / 計算類技術任務，體現 “場景細分” 趨勢。此外，90% 企業員工會用個人 AI 工具處理工作，但僅 40% 企業採購官方大模型訂閱，形成 “影子 AI 經濟”。

商業化滯後，2026 年迎突破

當前消費AI monetization 仍依賴專業訂閱（如 ChatGPT Plus），廣告與電商場景尚未規模化。貝恩資料顯示，2030 年 AI 企業需實現 2 兆美元年收入才能覆蓋算力成本，但預計存在 8000 億美元缺口。不過 2025 年 Q3 已出現商業化突破訊號：OpenAI 推出 “ChatGPT 即時結帳” 功能，支援使用者在對話中直接購買 Etsy、Shopify 商品；Google與 PayPal 合作打造 “智能代理電商”，AI 可自動完成比價、下單，預計 2026 年廣告與電商相關收入佔比將超 30%。

頭部平台壟斷，使用者粘性差距大

全球AI 聊天機器人市場集中度高，ChatGPT 在全球與美國市場 MAU（月活使用者）均居首，Gemini 憑藉Google管道優勢位列第二，但使用者規模僅為 ChatGPT 的 50%；Claude、Perplexity 等平台 MAU 不足 ChatGPT 的 10%，且使用者集中在技術圈層。從日活（DAU）看，ChatGPT 全球 DAU 是 Gemini 的 2 倍，使用者粘性優勢顯著。

二、爭議2：企業端 AI 部署進展如何？內部效率與外部創收差距顯著

企業AI 呈現 “內部效率提升快、外部收入轉化慢” 的特點，僅 5% 企業實現可衡量的 P&L 影響，大型企業轉型領先：

內部應用：降本增效成核心，頭部企業已見成效

企業內部AI 部署聚焦 “減少營運摩擦”，如內容生成、軟體開發周期縮短（平均縮短 30%）、廣告創意自動化等。IBM 2025 年資料顯示，其內部 AI 工具實現 35 億美元年化效率節省，包括 HR 諮詢工具 AskHR 解決 94% 員工問題、IT 支援人員配比從 1/400 最佳化至 1/4000；Salesforce、Workday 等 SaaS 廠商也披露 AI 相關 ARR（年化經常性收入），其中 Workday 2025 年 Q2 AI ARR 達 1.5 億美元。但整體看，僅 5% 企業能通過 AI 實現財務層面的正向影響，多數仍停留在試點階段。

外部應用：收入轉化滯後，廣告與電商是突破口

企業AI 外部創收（如客戶服務、產品創新）進展緩慢，過去 18 個月僅 10% 企業通過 AI 實現市場份額提升。但部分行業已出現突破：廣告領域，Google Performance Max、Meta Advantage + 等 AI 工具正在替代傳統廣告代理功能，全球 1610 億美元廣告代理利潤池面臨重構；電商領域，AI 驅動的個性化推薦使轉化率提升 15%-20%，但中小平台因缺乏獨特庫存，面臨被 AI 購物助手 “繞過” 的風險（如使用者直接通過 AI 查詢商品而非訪問平台）。

SaaS 廠商加速 AI 整合，併購補短板

企業AI 工具依賴 SaaS 生態落地，2025 年頭部廠商通過 “自研 + 併購” 完善能力：微軟在 Build 大會升級 CoPilot 與 Power Automate 的整合，解決此前使用者反饋的 “功能割裂” 問題；ServiceNow 收購 MoveWorks 以補強 AI 客服能力。但當前 AI 收入佔比仍低，Workday AI ARR 僅佔總營收的 3%，Salesforce AI 相關收入佔比不足 5%，尚未成為核心增長引擎。

三、爭議3：AI 支出當前規模與未來展望如何？ hyperscalers 主導，2027 年支出將達 1.4 兆美元

AI 支出呈現 “短期供需缺口、長期依賴利潤池重構” 特徵， hyperscalers（超大規模科技公司）是投資主力：

2025 年支出爆發， hyperscalers 佔比超 70%

全球AI 基礎設施支出 2025 年迎來拐點，美國五大 hyperscalers（亞馬遜、微軟、Google、Meta、甲骨文） capex（資本支出）合計達 3810 億美元，同比激增 68%；其中甲骨文與 OpenAI 的 5 年 300 億美元合作、輝達對 OpenAI 100 億美元投資（含晶片供應）成為標誌性事件。當前支出主要集中在算力基建（GPU 採購、資料中心建設），雲廠商 AI 訂單積壓規模達 800 億美元，若全部兌現，將支撐未來 2-3 年營收複合增長 15%+。

2025-2027 年支出將破 1.4 兆美元，需利潤池支撐

高盛預測，2025-2027 年全球 AI 相關 capex 將達 1.4 兆美元，但如此大規模支出需依賴 “行業利潤池重構” 才能可持續：目前僅廣告行業（1610 億美元代理利潤池）、企業效率（186 美元 / 人 / 月的 “無效工作” 成本節約，HBR 資料）有明確收益，未來需拓展至醫療、金融等領域（如 AI 輔助診斷、智能風控），若 2030 年未能開闢新利潤池，部分項目可能面臨回報不及預期風險。

區域佈局分化，新興市場成增量

hyperscalers 加速全球佈局，2025 年公告顯示：亞馬遜計畫 2029 年前在澳大利亞投資 200 億澳元建資料中心，在智利投資 40 億美元；微軟承諾 2028 年前向英國 AI 基建投入 300 億美元；輝達在英國投資 110 億英鎊，新興市場支出佔比從 2023 年 10% 升至 2025 年 25%，成為重要增量。

四、爭議4：支撐 AI 長期部署需多少電力與基建？2030 年電力需求翻倍，60% 需新建發電設施

AI 算力擴張帶來 “電力剛需”，2030 年全球資料中心電力需求將激增 165%，電網投資缺口達 7800 億美元：

電力需求爆發，相當於新增一個“全球前十用電國”

2025 年 Q2 全球資料中心電力需求為 62GW，其中 AI workload 佔 13%；預計 2027 年需求達 92GW（AI 佔比 28%），2030 年進一步增至 137GW，較 2023 年增長 165%，相當於新增一個德國的年度用電量。美國是核心需求國，60% 的電力需求需新建發電設施，預計新增 72GW 裝機容量，其中天然氣佔 60%、太陽能 25%-30%、風電 10%-15%。

電網投資加碼，2030 年需 7800 億美元

電力基建成為AI 落地關鍵瓶頸，2025 年 7 月高盛將 2030 年全球電網投資預期從 7200 億美元上調至 7800 億美元，重點投向配電網路（如智能電表、微電網）與輸電線路（以適配偏遠地區的資料中心）。當前制約因素並非電力成本，而是裝置供應（如變壓器交貨周期延長至 18 個月）、審批流程（美國新建輸電線路平均耗時 7 年）與勞動力短缺，可能導致部分 AI 資料中心投產延期。

hyperscalers 主動佈局能源，降低依賴

為緩解電力約束，科技巨頭開始垂直整合能源供應鏈：Google投資30 億美元改造賓夕法尼亞州水電站，為資料中心供電；Meta 在阿拉巴馬州資料中心配套建設太陽能電站；亞馬遜與沙烏地阿拉伯公司 HUMAIN 合作打造 “AI 能源特區”，整合太陽能、儲能設施，預計 2030 年頭部廠商 30% 的電力需求可自供。

五、爭議5：當前 AI 行業是否處於泡沫？對比 1990 年代，估值更低、盈利支撐更強

當前AI 行業雖有泡沫特徵（如主題集中、私有市場估值高），但核心指標未達泡沫水平，系統性風險可控：

估值：納斯達克100 PE 較網際網路泡沫低 46%

2025 年 10 月 3 日資料顯示，納斯達克 100 動態 PE 為 37 倍，而 1999 年底網際網路泡沫峰值時達 68.4 倍，當前估值折讓 46%；從個股看，AI 龍頭 “Magnificent 7”（輝達、微軟等）24 個月前瞻 PE 為 26.8 倍，僅為 2000 年科技泡沫龍頭（52 倍）的一半（參考高盛此前報告資料），且淨利潤率達 29%，遠超泡沫時期的 16%，盈利支撐更強。

資本活動：IPO 數量少但規模大，私有市場更成熟

1998-2000 年網際網路泡沫期間，美國 AI 相關 IPO 達 892 家，平均募資規模 1.76 億美元；2023-2025 年 YTD 僅 22 家 IPO，但平均募資 2.54 億美元（經通膨調整後），體現 “少而精” 特徵。此外，當前私有市場更成熟，2022 年全球 VC 行業 AUM 達 9950 億美元，是 2000 年（1430 億美元）的 7 倍，企業可在私有市場完成多輪融資，減少對 IPO 的依賴，降低上市後估值波動風險。

宏觀環境：利率更寬鬆，但政策約束更強

1999-2000 年美國 10 年期國債收益率平均為 6.0%，2024-2025 年平均為 4.3%，且高盛預測 2025 年 10 月、12 月將各降息 25BP，流動性環境更友好；但當前存在更強的政策約束，如歐盟《AI 法案》對高風險 AI 應用的限制、美國對 AI 晶片出口的管控，一定程度上抑制了 “非理性投機”。

六、總結：AI 行業三大核心結論與投資啟示

短期看消費端商業化，長期看企業端效率釋放：2026 年重點關注 ChatGPT、Google等平台的廣告 / 電商收入落地，2027 年後企業端 AI（如 SaaS+AI、工業 AI）將成增長主力；

電力基建是關鍵瓶頸：優先佈局資料中心供電相關領域（如天然氣發電、智能電網），規避電力短缺地區的AI 算力項目；

當前非泡沫，但需分散配置：估值與盈利匹配度優於歷史泡沫時期，但市場集中度高（前10 大 AI 相關公司佔全球股市 25%），建議搭配非美市場（如歐洲工業 AI、日本機器人 + AI）與傳統行業 AI 轉型標的（如 AI + 醫療、AI + 製造）。 (資訊量有點大)