高盛：Rampart模型揭示AI算力向端侧迁移
Taylor Wilson
高盛交易台负责人普里沃罗茨基指出，一个仅14.7MB的本地脱敏模型Rampart代表AI算力正从云端向设备端迁移，这意味着市场对超大规模数据中心需求的线性外推可能过于简单。
Rampart是什么，为什么高盛交易台要专门提它？
Rampart是National Design Studio开发的PII脱敏模型（一种自动识别并遮盖姓名、身份证号等个人隐私信息的工具），体积仅14.7MB，完全在浏览器内运行，不需要把数据传到任何服务器。
性能数据：召回率98.4%，延迟仅数毫秒。这意味着→ 一个极小的模型在本地就能完成过去需要调用云端大模型才能做的事，而且做得又快又准。
高盛One-Delta交易台负责人普里沃罗茨基在晨报中强调：重点不是Rampart本身，而是它代表的方向——越来越多的AI任务正在从云端搬回设备端。
"算力搬家"到底在搬哪些东西？
普里沃罗茨基列出了一串已经可以在本地完成的任务：OCR、PII脱敏、嵌入、检索、路由、意图识别、记忆、小上下文摘要。这些任务过去默认需要调用云端前沿模型，现在不需要了。
用大白话说＝ 十二个月前，市场假设几乎所有AI工作都要靠超大规模数据中心；现在这个假设正在被打破——大量"中低层"任务完全可以在手机、浏览器、本地服务器上跑。
这其中最关键的能力是"路由"（决定某个请求该交给哪个模型处理的机制）。路由能力越强，调用最贵的前沿大模型的次数就越少，前沿模型越来越像一个"高端推理层"，而不是"整个AI栈"。
对云计算大厂的估值意味着什么？
普里沃罗茨基提出核心问题：如果市场愿意把每一项新AI工作负载都外推为超大规模云需求，那同样应当把日益增长的端侧智能纳入估值框架。
用大白话说＝ 问题已经不是"云还是本地"的二选一，而是"有多少工作流最终真的会到达云端模型"——这个比例可能比市场目前定价的要低。
这反映出一个正在形成的估值张力：端侧能力扩展越快，超大规模云需求的增长斜率就越需要重新校准。
大型科技股现在的技术面和基本面怎么样？
技术面上，谷歌重新站上100日均线，亚马逊守住200日均线，均出现超卖后的强劲反弹；微软从年初至今低点附近反弹，但普里沃罗茨基认为微软前景更取决于资本支出与自由现金流的合理化进程。
阿波罗首席经济学家斯洛克指出更深层的问题："科技板块以外的利润率没有任何上升迹象。"
这意味着→ AI公司今天的估值完全建立在一个承诺之上——标普500中除去七大科技股的其余493家公司的利润率最终会因AI而上升。这个承诺目前还没有兑现的迹象，即将到来的财报季就是检验窗口。
Content is for reference only, not financial advice.