高盛硅谷AI调研：数据壁垒与工作流控制权决定企业护城河

nashnova research

今天发布阅读约 6 分钟

高盛第三届硅谷AI实地调研得出核心结论：专有数据的独特性、工作流控制权与货币化能力三条线索，决定信息服务与商业服务行业在AI重塑中的赢家与输家。

为什么"有独家数据"的公司最先受益？

AI模型能力在涨，但模型无法自己生成它需要的外部信息——谁手里有独特、持续更新且难以复制的数据集，谁就有壁垒。

穆迪（Moody's）演示了一个案例：保险材料以PDF、电子表格、自由格式文档提交，AI数秒完成标准化承保，人工通常要数小时甚至数日。这意味着→ 穆迪的专有数据、实体关系图谱和巨灾模型构成了通用AI难以复制的护城河。

反面案例是FactSet（FDS）：Daloopa演示了用上市公司公开披露文件自动完成财务数据采集与模型维护——这些信息FactSet也能拿到，但别人同样能拿到。用大白话说＝你卖的数据如果别人也能从公开渠道抓到，AI时代里这门生意就很危险。

标普全球（SPGI）拥有评级、大宗商品基准、指数、私募市场定价等多条差异化数据线，高盛给予"正面/混合"判断——资产多元，但并非每条线都同样难替代。

Gartner（IT）处境更尴尬：Harvey和Simile的演示显示，AI可以把标准化研究内容转化为可复用的智能体工作流。这意味着→ 当研究报告本身可以被AI"拆解-重组-再分发"，Gartner卖研究报告和培训材料的稀缺性就在下降。

这反映出一条规律：数据壁垒不是"有没有数据"的问题，而是"这份数据能不能被AI从公开渠道拼出来"的问题。

高盛观察到AI的关键演进方向：从检索信息升级为起草文件、协调任务、完成复杂专业工作流。用大白话说＝ AI不再只是帮你查资料的助手，它开始替你干活了。

汤森路透（TRI）把Westlaw法律内容与CoCounsel结合，延伸到法律研究、起草、文件审阅等工作流——但风险在于：如果Harvey或Clio控制了客户界面，汤森路透可能沦为底层内容供应商。

Clio在2025年以10亿美元收购vLex，获得覆盖逾110个国家、超10亿份法律文件的内容库。这意味着→ 全球法律内容资产的战略价值正在被重新定价，争夺的焦点是"谁拥有客户完成工作的那个平台"。

FICO和益百利（EFX）获得最明确的正面判断。斯坦福大学研究人员指出，阻碍AI智能体进入生产环境的主要障碍不是模型能力，而是问责机制——这与FICO在决策治理领域的能力高度契合。

益百利旗下The Work Number凭借雇主贡献的就业与收入记录，是最难复制的差异化资产。这意味着→ 当AI智能体从"生成建议"升级为"发起决策"，核实需求会更早、更频繁地发生，益百利的数据价值反而上升。

威科集团（VRSK）则面临压力：Corgi演示了AI原生保险公司绕开威科集团数据自动化承保的可能性，挑战了"传统保险数据在AI时代更难替代"的假设。

罗致恒富（RHI）面临最大冲击：AI自动化数据采集、模型维护和结构化知识处理，将直接缩减会计、财务、行政和初级技术岗位的需求。

万宝盛华（MAN）凭借更高的蓝领岗位比例获得相对保护，但旗下Experis品牌仍面临IT常规支持自动化的压力。用大白话说＝蓝领工作暂时安全，但"坐在电脑前做标准化工作"的岗位首当其冲。

麦格劳-希尔（MH）拥有超过1亿个付费课程许可证和750万早期AI产品用户，潜在授权溢价5%至15%；ADT、Cintas（CTAS）、Rollins（ROL）则因核心业务是实体活动而获得正面判断——AI提升附加值，但替代不了上门服务本身。

高盛识别出三条收入路径：使用量与交易定价、产品溢价与成果定价、基础设施需求。这意味着→ 未来的定价模式不再是"每人每年一个席位"，而是"AI调用了多少次你的数据、做了多少次决策"。

铁山（IRM）有更直接的机会：Vercel和ClickHouse指出，智能体应用产生的请求量、Token消耗、遥测数据量远超传统软件，直接拉动数据中心租赁需求。

高盛同时警示：FactSet、Gartner、罗致恒富和必能宝（PBI）面临"干扰先于变现"的时间差风险——现有收入被侵蚀的速度，可能快于新AI产品带来收入的速度。这反映出AI转型期最危险的不是"能不能做出新产品"，而是"旧收入撑不撑得到新产品上线"。

市场有风险，内容仅供研究参考，不构成投资建议。