高盛硅谷调研：AI Agent进入执行时代，算力需求五年或增24倍
Nashnova编辑部
高盛完成第三次硅谷AI产业链实地调研，核心结论是AI商业化正从订阅制转向按结果收费，Agent从辅助工具变成工作流执行者——这意味着竞争焦点已不是谁的模型更强，而是谁能真正掌控工作流。
企业用AI最大的障碍是什么？
不是模型不够聪明，而是出了错谁负责、能不能追溯、能不能撤回。
斯坦福研究人员指出，多数企业仍处于"人盯着AI干活"的阶段——法律、风控、保险等领域，可控性比模型能力更关键。
这意味着→ 最先被自动化的工作流有三个共同特征：决策边界清晰、结果可验证、错误能回滚。发票处理是典型案例——AI提取字段并检查，低置信度的交给人复核，再通过可逆的ERP流程入账。
前沿模型和开源模型，到底谁赢？
高盛的答案是不是二选一，而是分工。
前沿模型阵营认为，企业基准测试往往低估了模型能力，真实生产环境中精度下降带来的业务损失，可能远高于省下的推理成本；多家AI原生公司虽声称用多模型策略，但核心生产环节仍高度依赖前沿模型。
开源阵营的逻辑是：绝大多数企业工作流不需要前沿级智能。一家风投机构预计，未来约一年到一年半，约90%的推理Token将流向开源模型。
用大白话说＝ 前沿模型做高价值、高可靠性的复杂任务，开源模型吃掉规模更大的标准化任务和大部分Token消耗——两条赛道各有生意。
"世界模型"是什么，为什么值得关注？
世界模型（让AI理解物理环境、因果关系和现实世界动态交互的模型，而非只处理文本）正在成为研究焦点——过去约一年半，研究人员的注意力已明显从大语言模型转移过来。
与大语言模型主要靠互联网数据训练不同，世界模型的数据来自物理系统、具体行业和实际运营场景。这反映出专有数据的价值正在进一步上升。
这意味着→ 物理、工业、科学和机器人领域的问题空间远大于纯文本生成，对应的算力需求可能催生一条全新的增长曲线。
算力需求到底会涨多少？谁最受益？
高盛预计未来五年算力需求可能增长约24倍，供需紧张有望维持更长时间。
直接受益方包括微软、甲骨文和CoreWeave等云计算及算力基础设施公司。
但高盛也给出了验证条件：世界模型能否如期规模化落地，是这一24倍预测能否兑现的关键节点。
AI的商业模式正在怎样变？
高盛调研的核心判断：AI商业化正从"按席位订阅"转向按消费量、交易量和结果收费。
这意味着→ 拥有可信内容、经验证的领域模型以及成熟监管关系的信息服务商，更有可能率先进入企业生产环境。
用大白话说＝ 未来AI公司赚钱的方式不是卖软件许可证，而是像水电一样按用量计费——谁能把AI嵌进真实工作流并产出可衡量的结果，谁就能收到钱。
Content is for reference only, not financial advice.