高盛《驾驭AI赋能实体经济》|AI 不只是软件革命,而是一次“重组现实经济”的工业革命

这份高盛报告的核心判断很清晰：AI 的故事已经从“模型和应用”升级为“基础设施、产业流程、资本结构”三位一体的重构，真正的机会不只在软件，而在更广阔的现实经济 。如果把过去两年的 AI 叙事理解为“算力竞赛”，那么这份报告告诉我们，接下来更重要的是“谁来为这场工业化扩张买单、谁来把 AI 嵌进真实世界的生产系统里” 。

一、AI 进入第二阶段
报告认为，AI 发展正在跨过一个分水岭：第一阶段是数字世界的模型竞赛，第二阶段则是向制造、能源、物流、国防、生命科学等现实经济渗透 。高盛用一句很有力度的话概括：AI 时代真正的大市场，是“其他 99.5% 的全球经济” 。这意味着，软件行业只是最先被冲击的样板间，真正的价值释放会发生在那些原本最“物理”、最“重资产”、最依赖流程和经验的行业里 。
从投资视角看，这个判断很重要，因为它解释了为什么资本会从纯软件估值，逐步转向算力、能源、数据中心、工业软件、机器人和国防科技 。换句话说，AI 不是只在改变“卖软件的公司”，而是在改变“整个生产函数” 。这也是为什么报告反复强调：技术竞争和资本竞争现在是同步进行的 。

二、真正的瓶颈是资本
报告对未来几年 AI 相关资本开支的判断非常激进：2026 到 2031 年间，仅 compute、数据中心和电力相关投资就可能达到 7.6 万亿美元量级 。在 2026 年，全球 hyperscaler CapEx 预计就会超过 7600 亿美元，且数据中心供给、电网接入、变电设备、工程劳动力都在出现明显约束 。这说明 AI 不是“轻资产 + 高增长”的传统科技故事，而是一个需要庞大资本持续投入的工业化过程 。

高盛的另一个关键观点是：传统融资工具并不能单独承接这场扩张 。过去互联网时代更像“先有需求，再用成熟资本市场放大”；而这次是“需求、基础设施、融资结构同时演化” 。因此，新的资本组合正在形成，包括投资级债、私募信贷、基础设施基金、保险资金、主权基金以及各种结构化安排 。这对投资者的启发是：AI 产业链里最先被验证的，往往不是终端应用，而是那些最容易被金融化、证券化和基础设施化的环节 。

三、软件正在重估
报告明确指出，软件是 AI 经济的“第一只煤矿里的金丝雀” 。原因很简单：AI 对软件的冲击最早显现，尤其是代码生成、Agent 工作流和 seat-based SaaS 的定价逻辑正在被改写 。高盛认为，AI 会在未来十年把自动化和企业软件的 TAM 扩大约 2.5 倍，但这并不意味着现有软件公司自动受益，因为价值正在从应用层迁移到 outcome 层、编排层和数据/上下文层 。
这点对二级市场尤其重要。报告提到，2026 年以来软件板块估值明显压缩，资金从“软件应用层”流向“软件底座”和“算力底座” 。投资逻辑也随之变化：过去看 SaaS 主要看 ARR、净留存和扩张率；现在还要看是否能把 AI 原生能力嵌入工作流，是否有独占数据和上下文，是否能从“卖工具”转向“卖结果” 。也就是说，软件并没有失去价值，但它的价值捕获方式正在改变 。

四、工业AI更像“控制系统革命”
如果说通用 AI 的本质是语言和知识生产，那么工业 AI 的本质是把 AI 变成工厂、设备、实验室和能源系统的控制层 。报告用了很多例子来说明这一点：预测性维护、数字孪生、试验虚拟化、能源调度、自动化工程设计等，都在从“辅助工具”变成“生产系统的一部分” 。这类 AI 不再只是帮助人类做决定，而是在实时反馈物理世界中的状态，再反过来调整流程 。
高盛总结了工业 AI 的五个胜负手：物理架构、专有数据、边缘部署能力、可认证性、工作流集成 。这五条其实非常适合做产业筛选框架。因为工业 AI 不会像互联网软件那样靠“流量+分发”轻易规模化，它必须穿过物理约束、合规门槛和现场部署摩擦 。所以，工业 AI 的护城河往往不是单点模型能力，而是跨层整合能力和场景落地能力 。

五、机器人是下一层硬件化扩张
报告对机器人，尤其是 humanoid 机器人，采取了相对谨慎但明确看多的态度：短期商业化不均衡，但中长期是 AI 从数字世界走向物理世界的关键出口 。其中一个重要判断是，humanoid 机器人并不是当前产业里最赚钱的部分，今天真正产生收入的还是工业机器人、仓储机器人、自动驾驶设备和自动化物流系统 。换言之，市场常常把“最热的形态”与“最先赚钱的形态”混为一谈 。
高盛提到，美国制造业和物料搬运岗位存在持续缺口，而 humanoid 市场有望从 2025 年的 2 万台增长到 2035 年的 140 万台 。这说明机器人产业的核心逻辑是劳动力替代，而不是炫技 。但它的难点也很现实：硬件迭代快、场景适配慢、单位经济性还没完全跑通，所以资金更适合长周期、重资本、耐心型配置 。对于投资者来说，真正值得跟踪的不是“有没有机器人概念”，而是“谁能把机器人做成可规模化交付的生产工具” 。

六、国防和空间是高确定性的场景
报告把国防视为物理 AI 的战略延伸，因为它同时具备资本密集、采购周期长、场景复杂和国家安全属性 。无人机、自主飞行、卫星通信、轨道计算等方向，正在把 AI 从民用效率工具升级为战略基础设施 。这类市场的特点是：技术 adoption 并不快，但一旦进入，价值密度极高，且容易形成平台型公司 。
高盛也提到，政府和大模型公司之间的合作正在变得更直接，防务科技的融资、IPO 和并购都在升温 。从资本市场角度看，这类资产的重估通常发生得比较突然，因为它们不是按“互联网渗透率”估值，而是按“战略价值 + 交付能力 + 政策支持”来定价 。对于中国读者来说，这一点尤其值得注意：AI 产业链的全球博弈，正在从“算力和模型”扩展到“安全、军工、空间和供应链韧性” 。

七、最缺的不是需求，是新融资结构
这份报告最有意思的地方，未必是它对技术的判断，而是它对融资结构的判断。高盛反复强调，AI 时代需要“新的资本架构”，因为传统金融工具是为顺序型、线性扩张设计的，而 AI 是并行型、跨行业、跨周期的扩张 。于是，私募信贷开始给超大规模数据中心做项目融资，资产支持证券和商业地产证券化开始进入数据中心现金流，保险资金和主权资本也开始更深地参与其中 。
这意味着，AI 时代最核心的能力之一，不是简单的“融资”，而是“把不同风险属性的资产拆成可被不同资本池承接的结构” 。对产业方来说，这是项目能否落地的问题；对投资方来说，这是资产能否获得更合理风险溢价的问题 。换句话说，未来几年 AI 产业链的赢家，往往不只是技术最强的公司，也包括最会结构化融资、最懂资本市场节奏、最能打通公私募资本的公司 。

结语：AI 的胜负手已经变了
如果把这份报告浓缩成一句话，那就是：AI 的投资主线，正在从“模型创新”转向“现实经济重构” 。接下来的胜负，不只取决于谁拥有最强模型，而取决于谁能把算力、电力、数据、工业流程、机器人和资本市场整合成一个可持续扩张的系统 。这也是为什么高盛会把“资本架构”放到和技术同等重要的位置 。
对于关注科技、制造、能源和资本市场的人来说，这是一轮值得用产业思维而不是情绪思维去看待的周期 。AI 并没有结束，它只是从“讲故事的阶段”进入了“建系统的阶段” 。

本文基于高盛投资银行2026年发布的《驾驭AI赋能实体经济》报告深度整理