高盛矽谷AI調研：數據壁壘與工作流控制權決定企業護城河

nashnova research

今天发布阅读约 6 分钟

高盛第三屆矽谷AI實地調研得出核心結論：專有數據的獨特性、工作流控制權與貨幣化能力三條線索，決定信息服務與商業服務行業在AI重塑中的贏家與輸家。

為甚麼「有獨家數據」的公司最先受益？

AI模型能力在漲，但模型無法自己生成它需要的外部信息——誰手上有獨特、持續更新且難以複製的數據集，誰就有壁壘。

穆迪（Moody's）示範了一個案例：保險材料以PDF、電子表格、自由格式文檔提交，AI數秒完成標準化承保，人工通常要數小時甚至數日。這意味著→ 穆迪的專有數據、實體關係圖譜和巨災模型構成了通用AI難以複製的護城河。

反面案例是FactSet（FDS）：Daloopa示範了用上市公司公開披露文件自動完成財務數據採集與模型維護——這些信息FactSet也能取得，但其他人同樣能取得。簡單來說＝你賣的數據如果別人也能從公開渠道抓到，AI時代裡這門生意就很危險。

標普全球（SPGI）擁有評級、大宗商品基準、指數、私募市場定價等多條差異化數據線，高盛給予「正面/混合」判斷——資產多元，但並非每條線都同樣難替代。

Gartner（IT）處境更尷尬：Harvey和Simile的示範顯示，AI可以把標準化研究內容轉化為可複用的智能體工作流。這意味著→ 當研究報告本身可以被AI「拆解-重組-再分發」，Gartner賣研究報告和培訓材料的稀缺性就在下降。

這反映出一條規律：數據壁壘不是「有沒有數據」的問題，而是「這份數據能不能被AI從公開渠道拼出來」的問題。

高盛觀察到AI的關鍵演進方向：從檢索信息升級為起草文件、協調任務、完成複雜專業工作流。簡單來說＝ AI不再只是幫你查資料的助手，它開始替你做事了。

湯森路透（TRI）把Westlaw法律內容與CoCounsel結合，延伸到法律研究、起草、文件審閱等工作流——但風險在於：如果Harvey或Clio控制了客戶界面，湯森路透可能淪為底層內容供應商。

Clio在2025年以10億美元收購vLex，取得覆蓋逾110個國家、超10億份法律文件的內容庫。這意味著→ 全球法律內容資產的戰略價值正在被重新定價，爭奪的焦點是「誰擁有客戶完成工作的那個平台」。

FICO和益百利（EFX）獲得最明確的正面判斷。史丹福大學研究人員指出，阻礙AI智能體進入生產環境的主要障礙不是模型能力，而是問責機制——這與FICO在決策治理領域的能力高度契合。

益百利旗下The Work Number憑藉僱主貢獻的就業與收入記錄，是最難複製的差異化資產。這意味著→ 當AI智能體從「生成建議」升級為「發起決策」，核實需求會更早、更頻繁地發生，益百利的數據價值反而上升。

威科集團（VRSK）則面臨壓力：Corgi示範了AI原生保險公司繞開威科集團數據自動化承保的可能性，挑戰了「傳統保險數據在AI時代更難替代」的假設。

羅致恒富（RHI）面臨最大衝擊：AI自動化數據採集、模型維護和結構化知識處理，將直接縮減會計、財務、行政和初級技術崗位的需求。

萬寶盛華（MAN）憑藉更高的藍領崗位比例獲得相對保護，但旗下Experis品牌仍面臨IT常規支持自動化的壓力。說白了＝藍領工作暫時安全，但「坐在電腦前做標準化工作」的崗位首當其衝。

麥格勞-希爾（MH）擁有超過1億個付費課程許可證和750萬早期AI產品用戶，潛在授權溢價5%至15%；ADT、Cintas（CTAS）、Rollins（ROL）則因核心業務是實體活動而獲正面判斷——AI提升附加值，但替代不了上門服務本身。

高盛識別出三條收入路徑：使用量與交易定價、產品溢價與成果定價、基礎設施需求。這意味著→ 未來的定價模式不再是「每人每年一個席位」，而是「AI調用了多少次你的數據、做了多少次決策」。

鐵山（IRM）有更直接的機會：Vercel和ClickHouse指出，智能體應用產生的請求量、Token消耗、遙測數據量遠超傳統軟件，直接拉動數據中心租賃需求。

高盛同時警示：FactSet、Gartner、羅致恒富和必能寶（PBI）面臨「干擾先於變現」的時間差風險——現有收入被侵蝕的速度，可能快於新AI產品帶來收入的速度。這反映出AI轉型期最危險的不是「能不能做出新產品」，而是「舊收入撐不撐得到新產品上線」。

市场有风险，内容仅供研究参考，不构成投资建议。