在过去两年的一系列出版物中，高盛一直认为，生成式人工智能(AI)可以提高劳动生产率和全球增长，这主要得益于它能够自动完成大量工作任务。高盛的基准估计表明，在广泛采用该技术后，美国劳动生产率和GDP水平将累计上涨15%（假设资本存量发展以匹配劳动力潜力的增加）。

高盛还提出了2023年中期AI投资周期将达到年度GDP的2%的案例，其中：

一，训练AI模型和运行AI查询所需的硬件投资最初会激增，但随着计算成本的下降而逐渐减少；

二，随着最终用户采用率的提高，AI软件投资会随着时间的推移稳步增加（图 1）。

高盛预测的投资热潮目前已基本实现，尽管不可否认的是，其前期投入比高盛预期的要多得多。截至2024年第四季度，AI硬件提供商的收入激增超过2000亿美元（年化率），预计到2025年底将再增加1250亿美元。

DeepSeek被高估了

最近有消息称，尽管DeepSeek使用的硬件不太先进，开发成本也低得多，但其R1 AI模型在性能方面与当前领先模型相比更具优势（左图，图表2），这引发了人们对投资周期的下一阶段（即计算成本的节省降低了训练和使用生成式 AI 模型所需的名义硬件投资）是否也比预期更早到来的疑问。

正如高盛的股票分析师所指出的，有充分的理由质疑DeepSeek报告的560万美元培训成本是否完全反映了开发成本或训练硬件的成本。尽管如此，DeepSeek已经证明，使用新颖的计算技术进行模型推理，即多层注意力(MLA)和混合专家(MoE)和更高效的模型训练，能够以比以前想象的更低的成本，用更有限的资源生产出性能卓越的AI模型。这一突破可能改变了生成式AI的竞争格局，因为它挑战了人们普遍持有的观点，即高昂的投资成本是进入基础模型层面的障碍，并提出了计算成本可能继续按照历史趋势下降的前景（右图，图表2）。

从宏观角度来看，DeepSeek低成本模型的出现并不影响高盛的观点，即最大的总体经济收益将来自生成式人工智能带来的生产力提升。

如果高盛的长期估计是正确的，并且人工智能支持的任务自动化在大约10年内将总体生产力水平提高15%，那么生成式人工智能将为美国经济（以2024年美元计算）每年释放约4.5万亿美元（=15% * 29.3万亿美元美国GDP）的价值。这一经济盈余将在美国经济的所有主体之间分配，包括（按照高盛的股票投资组合策略师制定的框架）第一阶段和第二阶段的硬件和基础设施提供商、将开发人工智能平台和应用程序的第三阶段“推动者”、将使用生成式人工智能来提高生产力和实现效率提升的第四阶段“人工智能生产力公司”，以及工人和消费者。

DeepSeek 低成本模型的出现提出了一个合理的问题，即生成式人工智能创造的经济盈余在这些不同利益相关者之间的分配。经济租金的分配取决于许多因素，包括市场集中度、知识产权、可扩展性以及最终的竞争。现在对DeepSeek报告的训练创新将对更广泛的生态系统产生的影响抱有信心还为时过早。但是，如果昂贵的硬件和人工智能基础设施对于实现生成式人工智能的经济潜力不那么重要，那么从事物理基础设施建设的公司可能会获得较小份额的整体经济收益作为利润。过去几天股市的反应反映了这一观点。

为了提供一个技术变革创造的经济价值如何分配的历史例子，高盛在图表3 中报告了软件对1981年至2012年产出增长的估计贡献——反映了投资和生产力的变化——基于美联储委员会研究人员开发的方法。然后，高盛将这些贡献与软件支出的贡献进行比较，后者代表了软件公司产生的经济价值。这项分析表明，软件支出约占软件采用带来的经济收益的四分之一，因为少数领先的“超级明星”公司的强大市场力量使它们能够占据整体经济价值的很大份额。这种动态是2024年美国工人平均软件支出上升到每人4,500美元左右的主要原因。

虽然从股票投资者的角度来看，生成式人工智能创造的经济盈余分配的不确定性显然很重要，但它与宏观经济前景的关系并不大，因为GDP（即生产价值）并不取决于谁具体受益。因此，高盛认为DeepSeek的突破对宏观经济的影响有些有限，而且很可能是净收益。

GDP的主要短期风险是更高效的模型训练和计算成本的下降可能会降低与人工智能相关的资本支出，如上所述，股票分析师预计到2025年第四季度，资本支出将增至3250亿美元。然而，高盛认为这种风险有限，原因有二。

首先，尽管报告显示公司层面的人工智能相关资本支出有所增加，但迄今为止，人工智能相关投资对官方GDP账户中的实际投资增长影响有限（图表4），原因可能有几个。第一，上市公司的收入通常以名义值报告，尽管出货量增长较为温和（这对实际GDP计算更有意义），但成本通胀仍推动了收入增长。第二，公开报告的人工智能收入反映了全球支出，而不仅仅是美国支出。第三，难以将进口的半导体识别为中间投资品还是最终投资品，可能会导致一些低估。第四，国民账户投资记录的时间差异（以交付时为衡量标准）可能限制了人工智能影响的衡量。无论如何，到目前为止，即使与人工智能相关的投资确实放缓，缺乏积极的投资冲动也限制了GDP的下行。

其次，高盛的股票分析师并不认为公司会在最近的DeepSeek新闻之后大幅调整资本配置。虽然高盛承认，如果现任领导人重新评估其未来资本支出计划，AI基础设施的建设可能会受到负面影响，但高盛也强调，如果DeepSeek推动现有企业加大投资以保持其在AI能力方面的领先地位，它可能会催化更高水平的实际硬件支出。

更根本的是，如果DeepSeek模型采用的新型计算技术确实增加了竞争并降低了成本，它们可能会催化更快的AI平台和应用程序的建设，而这些平台和应用程序迄今为止一直是采用的瓶颈，并对生产力产生了影响，从而提高了宏观经济的上行空间。

如上所述，随着公司将生成AI技术纳入常规生产，生成AI的主要宏观经济影响将来自AI驱动的自动化带来的效率提升。到目前为止，生成AI带来的总体生产力提升极其有限，主要是因为很少有公司采用该技术。如图5所示，人口普查局的商业趋势和展望调查报告显示，目前只有6%的公司报告在常规生产中使用人工智能，与人口普查在2023年底开始收集数据时的4%的采用率相比仅略有上升。

高盛早就预计，中期采用率会上升，主要是因为生成式人工智能可自动完成的工作任务类型将为每位工人每年节省数千美元的成本（图表6）。鉴于生成式人工智能可能节省的成本巨大，而应用程序开发完成后的部署边际成本可能非常小，高盛认为采用生成式人工智能更多的是“何时”而不是“是否”的问题。

人工智能平台和应用程序的快速构建潜力（高盛仍将其视为促进广泛公司采用的必要步骤）提高了更乐观的采用和生产力提升时间表的前景。高盛目前的预测假设美国的采用将在2027年达到影响总体生产力统计数据所需的水平，并在2030年代初达到峰值影响，而其他发达市场和主要新兴市场的采用将落后于这一时间表几年。最近的DeepSeek报告表明，采用可能会更快发生，从而强化了高盛的股票分析师和投资组合策略团队的先前观点，即投资者应越来越多地关注将从人工智能支持的收入中受益的“第三阶段”平台和应用程序公司。

与此同时，高盛警告称，在预期的应用程序构建成为现实之前，短期影响将仍然有限。很少有公司将成本报告为采用的主要障碍（图7），这表明美国大多数公司都在等待一种有助于轻松实现现有业务实践自动化的“即插即用”解决方案。在此之前，高盛预计采用率（以及相关的宏观经济上行空间）将保持在低位。

高盛还认为DeepSeek的突破性进展对全球GDP构成了上行风险。美国AI领导者的有力竞争对手的出现可能会通过两个渠道提升全球采用率和生产力。

首先，生成式AI带来的潜在自动化和生产力收益在主要经济体中大致相似，反映了就业行业构成的相似性（图表8）。尽管高盛仍预计，鉴于美国在AI模型开发方面的领先地位，美国将比其他国家更快地采用AI，但非美国平台和应用程序的出现可能会加速其他地方（尤其是主要新兴市场）的采用时间表。

其次，全球各国政府可能会将中国人工智能模型的最新突破视为提高发展国内人工智能能力以达到地缘政治目的的重要性。如果是这样，全球竞争的加剧可能会促使各国政府协调投资或降低监管门槛，以鼓励人工智能的发展和应用。在这方面，美国最近宣布了一项5000亿美元的私营部门融资计划，以增加人工智能基础设施投资，而中国则制定了成为人工智能全球领导者的战略目标。人工智能军备竞赛的关注和支持增加也可能导致采用时间表的加速。

总之，DeepSeek低成本人工智能模型的最近出现促使人们重新思考整体人工智能投资理论。虽然高盛同情这些发展增加了公司层面的微观风险的观点，但它们也增强了高盛的信心，即人工智能带来的生产力增长将成为未来几年宏观经济的主要话题。

中国AI带来的鲶鱼效应

中国推出的三款新型生成式人工智能模型给科技行业带来了冲击。高盛研究部表示，这一进展凸显了美国科技巨头迄今为止在人工智能领域投入的巨额资金，以及未来扩大该技术规模所需的投资。一些新模型究竟是如何训练的还有待观察，数据来源也出现了问题。但也有迹象表明，中国的发展可能会降低运行聊天机器人应用程序的成本，并使它们更广泛地普及，这些应用程序可用于从编码软件到写十四行诗等各种用途。

高盛研究部亚洲互联网团队负责人Ronald Keung表示：“高盛很清楚，降低人工智能模型的成本将推动采用率大幅提高，因为这将使未来使用这些模型的成本大大降低。其中一些中国模型促使业界不仅关注提高性能，还关注降低成本。”

Keung表示，随着成本下降和 AI 模型变得更加智能，高盛可能离实现通用人工智能更近了一步——一种在所有人类知识领域都表现出卓越表现的AI。

虽然目前大部分注意力都集中在DeepSeek的新模型上，但其他模型在性能和每个token（token 是文本的小单位）的成本方面大致相同。

在过去一年里，中国的推理成本（训练之后的阶段，AI模型处理从未见过的内容）下降了95%以上。预计，这种更低的推理成本将推动生成式人工智能应用的普及。

过去一周推出的一些模型专注于深度思考模式或推理。这意味着聊天机器人在你提问时会经历每个步骤，在它得出答案之前告诉你它在想什么。每个问题大约需要5-20秒。

这些模型在说话之前会思考。这主要是因为它们在给出最终输出之前会评估自己的答案。

这些发展是否会改变资本在人工智能领域的投资方式？

中国企业一直专注于降低成本，也可能尝试使用最少的芯片来完成相同的任务。在过去一周，人们也更加关注边缘计算是否越来越受欢迎，这可以让较小的人工智能模型在手机或电脑上运行，而无需连接大型数据中心。我认为这些都是投资者对格局将如何演变的疑问。

降低人工智能模型的成本将推动更高的采用率，因为这将使这些模型在未来的使用成本大大降低。

预计今年将是人工智能代理和应用的一年。好消息是，其中一些中国模型已经推动该行业不仅关注提高性能，还关注降低成本。这应该会推动人工智能的采用率越来越高。

相对于美国现有的人工智能提供商，中国的人工智能模型便宜多少？

至于公司对模型的每次使用收费（以每个代币为单位），收费要低得多。截至上周末，中国AI模型的定价为每百万输入代币14美分。这仅仅是美国大型科技公司同等推理模型收费的个位数百分比。

显然，价格因此开始下降。一些美国大型科技公司调整了定价，包括免费提供一些付费模型。所以效率竞赛将继续进行。

中国主要互联网巨头去年将资本支出增加了61%——但这是从一个较低的基数开始的。

总体而言，过去两年，中国上市公司的资本支出并没有那么多。相反，他们非常关注股东回报。这些公司的支出在2024年才刚刚开始回升。然而，从绝对值来看，中国互联网公司的支出仅为全球同行支出的一小部分，因此，人们对它们在人工智能上的高额支出能带来多少投资回报的疑问较少。

投资者对人工智能的关注集中在美国。未来投资者对中国公司的兴趣会更大吗？

现在下结论还为时过早。总体而言，中国互联网基础与美国同行相比仍存在多年的估值差距。

地缘政治将继续带来不确定性。鉴于美国的一些芯片禁令和对中国公司的审查，我认为投资者对中国仍然相对避险。

今年，高盛推荐投资中国互联网主题的首选是国内业务丰富、盈利状况稳健、能够从国内消费政策刺激中获益的公司。目前中国股市尚未将这些公司走向全球的选择计入价格，尽管过去几个月，这些应用中的很多继续位列应用下载量排行榜前列。

这一突破是否能让小公司在未来部署人工智能模型？或者你认为这项技术仍将集中在少数大公司手中？

有人质疑人工智能模型本身是否会被少数几家公司主导，或者它们是否会变得越来越商品化。但这只是在模型层面。还有一个基础设施和计算层面，我认为这些新模型带来的更高采用率将推动超大规模企业（最大的云计算公司）对云的需求增加。这应该会使领先的参与者受益。

事情的应用方面可能会充满惊喜。不同的公司正在尝试如何部署这项技术。这可能意味着通过更好的广告投放来帮助他们的广告业务。或者公司可以创建一个超级人工智能助手应用程序，它可以帮助你做任何你能想到的事情：从预订机票到帮助你确定在什么时间和地点与朋友见面。具有交易功能的社交应用程序在集成人工智能助手功能方面更有可能成功。