高盛：Rampart模型揭示AI算力向端側遷移
Taylor Wilson
高盛交易台負責人普里沃羅茨基指出，一個僅14.7MB的本地脫敏模型Rampart代表AI算力正從雲端向設備端遷移，這意味著市場對超大規模數據中心需求的線性外推可能過於簡單。
Rampart是甚麼，為何高盛交易台要專門提它？
Rampart是National Design Studio開發的PII脫敏模型（一種自動辨識並遮蓋姓名、身份證號等個人私隱資料的工具），體積僅14.7MB，完全在瀏覽器內運行，毋須將數據傳送至任何伺服器。
性能數據：召回率98.4%，延遲僅數毫秒。這意味著→ 一個極小的模型在本地便能完成過去需要調用雲端大模型才做到的事，而且又快又準。
高盛One-Delta交易台負責人普里沃羅茨基在晨報中強調：重點不在Rampart本身，而在於它所代表的方向——愈來愈多AI任務正從雲端搬回設備端。
「算力搬家」到底在搬哪些東西？
普里沃羅茨基列出一系列已可在本地完成的任務：OCR、PII脫敏、嵌入、檢索、路由、意圖識別、記憶、小上下文摘要。這些任務過去預設需要調用雲端前沿模型，現在已不需要。
簡單來說＝ 十二個月前，市場假設幾乎所有AI工作都要靠超大規模數據中心；如今這個假設正在被打破——大量「中低層」任務完全可以在手機、瀏覽器、本地伺服器上跑。
其中最關鍵的能力是「路由」（決定某個請求該交給哪個模型處理的機制）。路由能力愈強，調用最貴的前沿大模型的次數就愈少，前沿模型愈來愈像一個「高端推理層」，而非「整個AI棧」。
對雲端大廠的估值意味著甚麼？
普里沃羅茨基提出核心問題：如果市場願意將每一項新AI工作負載都外推為超大規模雲需求，那同樣應當將日益增長的端側智能納入估值框架。
說白了＝ 問題已不再是「雲還是本地」的二擇一，而是「有多少工作流最終真的會到達雲端模型」——這個比例可能比市場目前定價的要低。
這反映出一個正在形成的估值張力：端側能力擴展愈快，超大規模雲需求的增長斜率就愈需要重新校準。
大型科技股現時的技術面和基本面如何？
技術面上，Google 重新站上100日均線，Amazon 守住200日均線，均出現超賣後的強勁反彈；Microsoft從年初至今低位附近反彈，但普里沃羅茨基認為Microsoft前景更取決於資本支出與自由現金流的合理化進程。
阿波羅首席經濟學家斯洛克指出更深層的問題：「科技板塊以外的利潤率沒有任何上升跡象。」
這意味著→ AI公司今天的估值完全建立在一個承諾之上——標普500中除去七大科技股的其餘493家公司的利潤率最終會因AI而上升。這個承諾目前未見兌現跡象，即將來臨的財報季正是檢驗窗口。
Content is for reference only, not financial advice.