在加州硅谷的探照灯下，在华尔街精明算盘的敲击声中，AI正被塑造成人类历史上最伟大的科技革命。数十亿消费者每天在手机屏幕前与各种大语言模型对谈，数万亿美元的资本像潮水一般拥入数据中心的基建浪潮。

芯片巨头业绩飙升，算力卖家的股票走势犹如直冲云霄的火箭，然而，在这个看似无懈可击的繁荣神话背后，一个极为冷酷且令所有投资者心惊胆战的问题正在悄然发酵：

在这场动辄以万亿美元计算的AI狂欢中，究竟谁真的赚到了可持续的钱?而那些砸下真金白银的企业买家，真的获得与其投入相匹配的商业回报了吗?

来自高盛官方分析视频中两位重磅掌门人——高盛全球股票研究主管吉姆·科韦洛(Jim Covello)与财富管理首席投资官夏敏·莫萨瓦尔-拉赫玛尼(Sharmin Mossavar-Rahmani)的深刻对话，如同刺破繁华泡沫的一把手术刀，彻底拆解了当前AI投资格局面临的宏大叙事与商业现实之间的巨大断层。

一：热辣的C端与冷清的B端——AI落地的双重天

如果仅仅观察消费端(C端)，AI的表现无疑是现象级的。

全世界有数以亿计的活跃用户，每天都在利用各类大模型生成文案、翻译文本、撰写代码甚至创作艺术品。在日常应用场景中，AI展现出了近乎神奇的魅力，但如果我们把视线转向全球500强企业的财务报表与核心业务流程，看到的却是一幅截然不同的冷清图景。

高盛研究主管Jim Covello在对话中给出了一个非常直观却深刻的观察：截至目前，AI在企业端(B端)的应用落地与商业化转型，令人深感遗憾。

为什么会产生这种极度的冰火两重天?

企业管理层并非不想采用AI，但实际操作中存在一个难以逾越的工程死结：数据碎片化(Data Fragmentation)与降本增效逻辑的错位。

对于一个普通用户来说，聊天机器人哪怕偶尔出现一些“幻觉”或者给出模棱两可的答案，无伤大雅，但在极其严密的企业级应用中，数据的安全性、准确性以及合规性是不可逾越的红线。

大多数大型企业经过数十年的数字化建设，内部的数据往往零散地分布在数十个互相割裂的旧系统、数据库和云端存储中。要想让一个通用的AI大模型真正为企业服务，首先要耗费海量的资金和人力去清洗、整理、重构这些碎片化数据。

更致命的是，企业的核心诉求是“降本增效”。当企业主算了一笔账后发现：为了部署一个复杂的AI系统，需要支付昂贵的API调用费用、升级基建，还要维持庞大的运维团队，而它所能替代的员工人力成本，甚至还赶不上软件本身的维护费用。

“买得起马，配不起鞍”，这种巨大的成本收益倒挂，让无数心怀抱负的企业决策者在迈出试水的第一步后，纷纷选择了按兵不动。

二：暴利的上游与失血的下游——失衡的价值链条

任何一种能够引发工业革命的通用技术(GPT)，其长期的商业生命力都建立在一个健康、良性的生态循环之上：

下游的企业和终端用户在使用技术后实现了效率飞跃或成本削减 → 下游赚到了钱 → 愿意支付更多的软件和服务许可费 → 中游的云计算巨头和软件开发商获得充足利润 → 继续向上游采购更多的硬件与芯片。

然而，在当前的AI投资图景中，这条本应顺畅运转的价值链条发生了严重的扭曲和断裂。

根据高盛研究团队的分析，目前AI产业的财富积累呈现出高度集中且不可持续的极端状态：绝大部分的经济价值与超额利润，被牢牢卡在上游的半导体制造厂商(芯片巨头)手中，而处于中下游的科技巨头(Hyperscalers)和普通企业，则在承担着巨大的资金压力。

为了防止在激烈的科技军备竞赛中掉队，全球科技巨头们正以前所未有的速度将自己的经营现金流打入资本支出(CapEx)。数据中心成倍扩建，GPU芯片成批采购，但是，这种由恐惧驱动(FOMO, Fear of Missing Out)的投资浪潮，究竟能维持多久?

资本市场不可能永远为没有终点的“基建游戏”买单，当云计算巨头们把100%甚至超额的现金流砸向底层硬件，却迟迟无法从下游企业客户身上获取足额的变现利润时，整个商业模式的合理性便开始接受最严酷的拷问。

如果下游始终无法产生真正的“净节省”(Net Savings)，那么上游半导体厂商暴利增长的引擎，也终将因为缺乏可持续的资金流注入而面临失速风险。

三：从“大力出奇迹”到“算盘打得精”——模型的二次革命

面对如此严峻的商业瓶颈，AI产业界与资本界并没有坐以待毙，一场从“技术范式”到“商业模式”的深层自我修正正在悄然发生。

在AI发展初期，整个行业狂热地追捧“参数即正义”。各大科技巨头盲目追求数万亿参数的超大通用模型，坚信“大力出奇迹”，然而，超大模型带来的是令人难以承受的推理成本(Inference Cost)和巨大的能源消耗。对于解决特定行业问题(如法规检索、客服问答、财务报表审计)而言，动用超大通用模型无异于“用高射炮打蚊子”。

高盛在视频分析中指出，当前的投资与研发风向正发生重大转移：资本正从单一追求庞大的通用模型，转向专注效率与性价比的“模型编排层”(Model Orchestration)与“专业化小模型”(Small Language Models, SLMs)。

1. 模型编排层的崛起： 未来的企业AI架构不再依赖单一模型，而是引入智能路由与编排。当用户提出一个简单问题时，系统将其路由给低成本的小模型，只有遇到极其复杂的逻辑推理时，才会调用昂贵的大模型，这种精密打算盘的方式，将大幅降低企业的实际落地成本。

2. 开源生态的挤压效应： 随着开源大模型性能的飞速提升，通用闭源大模型的溢价能力正在被迅速摊薄。企业不再需要为通用的API支付昂贵溢价，而是倾向于在开源底座上，结合自身私有数据进行微调。

这一技术路线的重构，标志着AI资本市场的风向标已经发生了根本性的逆转：市场不再为虚无缥缈的“未来愿景”和“模型参数量”付溢价，而是开始严苛地索要“即时投资回报率”(Immediate ROI)。

四：警惕两种泡沫——公开市场的利润与私有市场的估值

在华尔街的视角中，风险从来不是隐藏在阴暗处，而是隐藏在过度的狂热与不对称的估值中。

在对话中，高盛专家对当前全球投资市场发出了极其清晰的预警：投资者必须学会区分公共市场(二级市场)的“盈利泡沫”与私有市场(一级市场/创投圈)的“估值泡沫”。

二级市场的“盈利泡沫”：

许多上市公司的业绩暴涨，本质上来自于同行的资本支出(CapEx)，而非真实的终端消费需求。科技巨头互相购买服务、互相投资，形成了某种程度上的“循环融资”与“需求虚增”。一旦基建放缓，这类公司的盈利增速可能出现断崖式下跌。

一级市场的“估值泡沫”：

在风险投资领地，大量缺乏造血能力、仅凭“AI”概念标榜的新创公司，在过去两年中获得了令人难以置信的高估值。随着公开市场对ROI的审核日益严苛，这些无法在企业端实现商业闭环的初创公司，将面临极其残酷的“降估值融资”(Down-round)甚至清算危机。

不仅如此，地缘政治的割裂也进一步加剧了投资格局的复杂性。在硬件与芯片基建领域，美国凭借顶尖的半导体设计与设备生态占据垄断地位，而在模型的应用落地与生产力转化上，全球各地区由于产业结构、数据合规及成本敏感度的不同，正呈现出截然不同的演进路径。

对于全球投资者而言，简单粗暴地“买入一切与AI相关的股票”的时代已经彻底终结。

结语与投资启示：海啸退去后，谁在裸泳?

每一轮划时代的科技浪潮——无论是19世纪的铁路狂热，还是20世纪末的互联网泡沫——都遵循着相似的历史周期：过度的预期 → 资本的狂飙 → 泡沫的破裂与洗牌 → 真正可持续商业模式的诞生。

AI绝非海市蜃楼，它的技术潜力毋庸置疑，但正如高盛在这场精彩对话中所揭示的那样：我们正处于从“疯狂造厂建基建”向“冷静算账要回报”过渡的历史转折点。

未来的胜者，不再属于那些仅凭“基建故事”充门面的硬件卖家，也不属于那些无法帮客户省钱的通用模型提供商，真正的价值，终将回归到那些能够深入垂直行业、击破数据碎片化死结、真正为企业降本增效的创新者手中。

对于身处浪潮之中的普通投资者和企业决策者而言，是时候收起盲目乐观，拿出计算器，在这场万亿级别的静默海啸中，仔细打量每一个项目的底层逻辑了。

毕竟，当基建狂欢的潮水退去，决定谁能活下来的，永远不是你砸了多少钱，而是你创造了多少真正的价值。

企业网D1net(www.d1net.com)：

国内头部to B IT门户，旗下运营国内头部的甲方CIO专家库和智力输出及社交平台-信众智(www.cioall.com)。旗下运营19个IT行业公众号(微信搜索D1net即可关注)。

版权声明：本文为企业网D1Net编译，转载需在文章开头注明出处为：企业网D1Net，如果不注明出处，企业网D1Net将保留追究其法律责任的权利。