高盛《解码智能体经济》研报完整梳理 + 思辨批注
- 2026-10-12 00:04:49
高盛《解码智能体经济》研报完整梳理 + 思辨批注
声明：研报内容仅为信息整理，附带的思辨观点属于独立思考，全文不构成任何投资建议
一、研报原文核心摘要
高盛 5 月 5 日发布研报《解码智能体经济：人工智能应用与利润率即将迎来拐点》。文章指出，AI 行业即将迎来从聊天机器人向自主智能体（Agentic AI）的代际跨越，并认为这不仅仅是技术的迭代，更是一次将深刻重塑算力基建、软件生态乃至实体经济的生产力大爆发。
过去三年，我们习惯了找 AI 聊天、让它写文章，高盛称之为偶发性使用。但真正的革命在于 AI 智能体的崛起，它能自主拆解任务、调用工具并在后台持续运行。
这种质变将带来惊人的 Token 消耗爆发，高盛预测，到 2030 年，全球月度 Token 处理量将达到惊人的 120 千万亿，是现在的 24 倍；而到 2040 年，企业端的智能体会让这个数字飙升至 55 倍。
市场一直担忧 AI 是一场无法盈利的军备竞赛，但高盛打破了这个共识：AI 要用得起，更要赚得多。
经过两年的惨烈价格战，头部大模型的 Token 价格跌幅已收窄并企稳，甚至小幅回升。此外得益于英伟达、AMD 等新硬件及推理算法优化，单 Token 的计算成本正以每年 60%-70% 的速度下降。
一升一降之间，巨大的利润剪刀差就此打开。AI 基础设施开支不仅可持续，还将成为一台强大的印钞机。
高盛认为，AI 从聊天机器人进化为智能体 Agent，随之而来的是整个产业叙事逻辑的改写，它所揭示的并非单纯的技术演进，而是一个即将到来的三重经济拐点，即需求的指数级跃迁、利润拐点的临近和应用层商业模式的范式革命。这意味着一条从底层算力到上层应用的清晰投资主线。
- 需求的指数级跃迁
报告预测，到 2030 年，全球 Token 消耗量将较 2026 年增长 24 倍，达到每月约 120 千万亿。驱动这一增长的，是持续在线的企业级智能体。与一次性的问答不同，智能体需要持续监控、思考、调用工具并执行，其 Token 消耗是传统聊天机器人的百倍乃至千倍量级。这标志着 AI 从工具变为生产力，需求的性质和规模都已发生根本性变化。 - 利润拐点的临近
过去市场担忧巨额资本开支无法转化为利润，但拐点正在形成。
成本端：以英伟达、AMD、谷歌 TPU 为代表的先进芯片，推动单 Token 计算成本以每年 60%-70% 的速度下降。 价格端：Token 市场价格在初期价格战后已趋于稳定，高质量模型服务的定价能力反而在增强。 当成本下降速度快于价格下降速度时，Token 消耗量的爆发将直接转化为利润。高盛预计，超大规模云服务商和模型提供商有望在 2026 年上半年迎来毛利率转正。
- 应用层商业模式的范式革命
一个关键洞察是 AI 不会杀死软件，反而可能扩大软件市场。核心在于收费模式的转变 —— 从按用户收费转向按生产力收费。 例如，日均成本约 13 美元的编程智能体，其经济性已经优于初级工程师；这为 Salesforce、ServiceNow 等企业软件巨头打开了基于智能体能力的新增长空间。软件的价值衡量标准，正从拥有多少用户变为创造了多少价值。
智能体赛道投资主线（自上而下）
高盛指出，智能体将重构软件行业，到 2030 年占据超 60% 的市场份额。投资机会分为三层：
- 算力基础设施
：需求确定性最强。核心芯片制造商和超大规模云服务商是这一浪潮最直接的受益者。 - 模型与平台层
：面临价值重估。随着市场为效果和可靠性付费，拥有技术壁垒和生态优势的头部模型提供商及云厂商，正从供应商转变为智能体经济操作系统，定价权和利润率有望提升。 - 企业应用层
：寻找范式转换赢家。关注能将智能体深度集成到工作流、并能将价值量化，实现从按座转向按产出收费的软件公司。
研报提示风险（阴影面）
模型同质化可能导致价格战复燃，利润拐点推迟； 智能体自主性带来治理与安全挑战； 企业数据整合度不足，项目投资回报不及预期。
高盛总结：AI 的发展已经进入下半场，智能体将是刺破商业化天花板的那把尖刀。只有技术红利逐步转化为财务报表上的真实利润，属于 AI 的黄金时代才算真正拉开帷幕。当然机遇伴随风险，以投资视角看，这不再是远期的概念炒作，而是一个由需求爆发、利润转正、模式革新共同驱动的、正在发生的结构性机会。
二、研报逻辑结构化拆解
一句话核心概括：AI 叙事正从 “聊天机器人” 转向 “自主智能体经济”，并由此打开需求、利润、商业模式三重拐点。
- 核心判断：AI 从工具变成价值创造主体
过去三年 AI 属于 “偶发性使用”：人提问，AI 回答。 自主智能体 Agentic AI：自主拆解任务、调用工具、后台持续运行。 带来三大变化：
需求性质变：一次性问答 → 持续在线，Token 消耗提升百倍千倍 利润结构变：成本快速下行，价格企稳，利润剪刀差打开 商业模式变：按用户收费 → 按生产力 / 产出收费
核心观点：AI 不会杀死软件，反而扩大软件市场。
- 三重经济拐点
需求指数级跃迁：2030 年月度 Token 量较 2026 年增长 24 倍；2040 年企业端可达 55 倍增长，驱动源为企业持续在线智能体。 利润拐点临近：单 Token 成本年降 60%~70%；模型服务价格止跌企稳；预计头部云厂商、模型商 2026 上半年毛利率转正。 商业模式革命：收费模式从按席位转向按产出，2030 年智能体占软件市场 60% 以上。
- 三层投资主线
算力基础设施 → 模型平台层 → 企业应用层 - 研报自带风险（阴影面）
模型同质化、智能体安全治理难题、企业数据孤岛拖累落地效果。 - 验证指标（跟踪观测 6 个核心指标）
① 全球月度 Token 处理量是否符合 24 倍增长预期 ② 单 Token 计算成本是否维持每年 60%—70% 下降 ③ 头部模型 API 价格是否企稳甚至回升 ④ 云厂商、模型厂商 AI 业务毛利率是否如期转正 ⑤ 软件厂商按产出收费商业模式落地案例是否持续增多 ⑥ 智能体任务成功率、生产环境可靠性是否达标
三、思辨视角：资本叙事之下，AI 的边界与局限
思考角度：高盛研报本质是资本市场叙事，它描绘的是资本期待的产业故事，不等于真实的社会文明变革。AI 终究只是工具，存在无法跨越的底层约束。
1. AI 无法解决失业，只会重构就业结构，制造就业 “增量冻结”
研报的底层叙事：智能体替代人力，降低企业用工成本，提升企业利润。 但代价不是简单裁员，而是结构性就业挤压。 MIT 相关项目数据显示，300 多个企业 AI 试点项目中，95% 未能改善企业真实损益，数百亿投入仅有 5% 拿到实质回报。Gartner 数据显示，被 AI 替代的人员，仅有约 30% 能在 2029 年前重新就业；很多企业替代人力之后，丢失组织隐性知识，重新招人成本更高。 AI 并不会大规模裁掉现有在岗员工，但会放缓青年群体招聘，堵住年轻人进入行业的上升通道。这是更隐蔽、更难逆转的就业问题。
2. AI 更多是利润转移，而非全社会新增生产力
高盛测算模型建立在两个脆弱假设：GPU 折旧周期 5 年、Token 价格不再暴跌。一旦假设不成立，所谓利润拐点只是纸面推演。 大量资本开支背后是巨额折旧压力，资本回报模型容错空间极小。 Bain 测算：2025-2035 年 AI 带来的价值增长，75% 来自行业内部利润转移，不是全社会新增财富。简单说，AI 只是把利润从 A 公司转移给掌握算力、模型的 B 公司，不是做大整个社会的蛋糕。 这套叙事优先服务大厂财报与资本回报，普惠层面的社会效率提升（普惠医疗、教育下沉）并非其核心目标。
3. AI 变革量级，无法对标互联网革命，更谈不上工业 4.0
互联网实现的是信息连接平权，重塑社会组织方式。普通人都可以低成本发布信息、开展交易，重构人与人的连接。 AI 智能体则不一样：认知能力的生产权高度集中在掌握算力与模型的少数巨头手里。它只是在现有工作流里嵌入高效执行者，不改变社会连接规则，不普惠赋能普通人。 案例：成本 13 美元 / 天的编程智能体，目标是替代初级工程师，而不是让普通人掌握编程能力。互联网是能力下放，AI 当前阶段是能力集中。
4. 工具理性泛滥，挤压人的主体性；AI 能回答 “怎么做”，永远回答不了 “为什么”
AI 擅长完成可量化、可 Token 化的任务。但人的价值内核：共情、审美、直觉、价值判断、人文信仰、对生命意义的思考，无法量化、无法 Token 化。 智能体自主执行的逻辑，会不断强化效率至上的工具理性。当效率成为第一标尺，人文价值、人的主体性会被持续稀释。 AI 可以生成内容、执行任务，但它没有动机，没有价值取舍。它可以高效完成工作，但无法理解这件事背后人的苦难、期待与意义。
四、总结
高盛智能体研报，是站在资本视角书写的产业故事：Token 放量、成本下行、商业模式革新，共同推演出 AI 产业的利润拐点。这套逻辑适合产业与投资层面做推演，但不能等同于人类文明的跃迁。
AI 本质是工具。工具可以放大人类能力，也可以放大资本的集中效应。工具本身没有善恶，文明走向取决于使用工具的人、使用的目的，以及谁来承担技术带来的社会代价。 算力、Token、毛利率可以被量化计算，但人文信仰、生命意义、人的主体性，永远不在这套财务模型的计算范围之内。
