Goldman Sachs 将AI投资讨论从“能替代多少任务”转向“能重塑多少利润池”
AI 摘要卡
Goldman Sachs 将AI投资讨论从“能替代多少任务”转向“能重塑多少利润池”
报告以数字广告为首个案例，认为AI可能扰动广告预算迁移、创意生成、广告技术中介和代理商生态等多个百亿美元级利润池，且中期更有利于拥有资本、工程能力与一方数据的 GOOGL、META 等规模化平台。
- 五大西方上市超大规模云厂商在2022-2024年AI相关资本开支约4770亿美元，Goldman Sachs 预计2025-2027E将增至约1.15万亿美元，投资者关注点正转向这些投入能否产生足够回报。
- 报告认为，判断AI影响力不应只看可自动化任务占比，而应看AI能否扰动有规模、有利润的行业利润池。
- 数字广告是除云计算外，研究覆盖中AI产品创新和终端采用最领先的子行业之一，AI已用于内容创作、AI助手、内容推荐、优化引擎、广告执行和建模转化。
- GOOGL 的 Performance Max 与 META 的 Advantage+ 被视为当前将多项AI广告能力整合为单一产品的最成功案例；AppLovin Axon 2.0 与 Pinterest Performance+ 也在获得采用和份额。
- 报告测算AI可能影响的主要广告利润池包括：推动广告预算向数字渠道迁移约1700亿美元、自动化广告创意生成约1140亿美元、整合广告技术中介约250亿美元、影响广告代理商生态约1610亿美元。
研报解读
概览
本报告是 Goldman Sachs “AI利润池”系列的第一篇行业深度研究，以全球（中国除外）数字广告行业为案例，讨论AI如何从基础设施投入逐步传导到平台与应用层，并重新分配现有行业利润池。报告指出，2022年11月 ChatGPT 发布以来，市场最初关注大模型能力、训练投入和基础设施扩张；但在约2.5年后，随着大型云厂商和私营AI公司投入巨额资本，投资者越来越关注这些支出能否在中长期带来足够回报。
核心观点
报告核心观点是：AI的投资价值不能只用“哪些任务可被AI替代”来衡量，而应评估AI能否扰动规模足够大的既有利润池。广告行业中，AI已经在创意生成、广告投放、受众定位、效果归因和个性化等环节快速落地。Goldman Sachs 认为，AI可能降低创意生产成本、提升广告投放效率、推动预算继续从传统媒体向数字渠道迁移，并让大型封闭生态平台吸收更多广告技术和中介服务价值。中期看，GOOGL 与 META 等拥有资本、工程资源和一方数据的大型平台更可能受益；小型平台也有长期上行可选性，但更难复制大型平台的规模优势。
分析框架
报告采用利润池分析框架，将广告价值链拆分为广告预算迁移、创意生成、广告技术中介、代理商生态以及新增TAM扩张机会，并对每个环节估算潜在可扰动规模。对于数字渠道迁移，报告比较当前基准情景与AI情景下全球（中国除外）广告数字化渗透率提升速度；对于创意生成，报告以2024年全球（中国除外）广告支出为基础，按不同渠道和媒介形态假设创意制作成本占广告支出的比例；对于工作流影响，报告比较当前广告流程与AI赋能后的未来状态。
方法论与常识提炼
从任务替代转向利润池扰动
报告认为，如果AI只能替代许多低价值任务但无法捕获足够收入，则投资不可持续；相反，即便AI只改变少数任务，只要这些任务对应大型利润池，也可能带来显著产业影响。
基准情景与AI情景对比
报告以全球（中国除外）广告支出预测为基线，比较2025-2028E数字广告渗透率在基准情景下约每年提升170bps，与AI情景下约每年提升350bps的差异，从而估算约1700亿美元增量数字广告机会。
按渠道估算创意制作成本占比
报告以2024年全球（中国除外）广告支出约8560亿美元为基础，按数字与非数字渠道、搜索、数字视频、线性电视、联网电视等格式，假设创意生成费用占广告支出的0%-30%，推算约1140亿美元可触达利润池。
四类广告营销工作流
报告将广告和营销工作流分为活动规划与策略、创意开发、媒体购买与优化、CRM与个性化，分析AI如何提升效率、自动化执行、降低成本并改善ROAS。
标的映射与对比
研报将主题/逻辑映射到具体标的时的结构化摘要（优势、劣势、对比与风险）。
- META PLATFORMS INC / META Advantage+潜在核心受益者
- 优势
- 拥有大规模用户、一方数据、广告主基础和AI广告自动化产品，Advantage+ 已在受众定位、广告位选择和创意优化中形成产品化能力。
- 劣势
- 依赖既有消费者使用时长和移动端行为模式，且需要持续投入AI基础设施与模型能力。
- 对比
- 与 GOOGL 类似，META 属于规模化封闭生态平台；相较中小平台，其数据和工程资源优势更强。
- 风险
- AI可能改变消费者发现和购买路径，进而扰动广告预算分配与ROI；监管和隐私限制也可能影响数据使用。
- Alphabet / Google Performance Max潜在核心受益者
- 优势
- Performance Max 可跨搜索、展示、YouTube等渠道自动化创建、竞价、定位和广告位优化，依托Google庞大用户数据和AI能力。
- 劣势
- 广告主可能担心平台黑箱化和控制权下降，且传统媒体也可能通过AI提升效率，削弱预算迁移的增量性。
- 对比
- 与 META Advantage+ 同为报告认为目前最成功的一体化AI广告产品。
- 风险
- 如果AI搜索或代理改变用户发现信息的方式，Google既有搜索广告漏斗可能面临结构性变化。
- AppLovin / Axon 2.0细分平台受益者
- 优势
- 专注移动应用广告，机器学习模型和ROI优化能力突出，适合应用开发者获客和变现。
- 劣势
- 覆盖范围偏向应用广告，场景相对窄，并存在广告欺诈等行业风险。
- 对比
- 相较 GOOGL 和 META 覆盖面更窄，但在移动应用广告细分领域具备差异化。
- 风险
- 若大型平台进一步整合广告自动化能力，AppLovin 的独立增长空间可能受到挤压。
- Pinterest / Performance+细分平台受益者
- 优势
- 视觉发现场景、较高购买意图用户和AI驱动定向能力有助于吸引时尚、家居、食品等行业广告主。
- 劣势
- 用户规模和覆盖范围低于 META 与 Google，受众更偏垂直。
- 对比
- 与 AppLovin 类似，属于中小型平台中的AI广告工具进展案例；相较大型平台，规模优势有限。
- 风险
- 大型平台凭借资本、工程资源和一方数据优势继续强化广告主锁定，可能限制Pinterest份额扩张。
- NvidiaAI基础设施周期受益者
- 优势
- 报告指出其数据中心计算市场份额从2018年约15%升至当前约85%，并在AI资本开支周期中获得超额利润。
- 劣势
- 其受益更偏基础设施层，最终下游应用能否产生足够利润池回报仍是投资者关注点。
- 对比
- 不同于广告平台，Nvidia 已先于AI应用大规模变现，是资本开支传导链条中的上游受益者。
- 风险
- 若AI应用层货币化不足，未来资本开支增速和生态再投资能力可能承压。
- 广告代理商与广告技术中介潜在受压方
- 优势
- 当前在策略、创意、投放、测量、验证和客户服务等环节具备专业能力和客户关系。
- 劣势
- 许多服务可能被AI平台工具自动化或抽象化，特别是活动设置、投放优化、归因和基础创意生成。
- 对比
- 相较大型封闭生态平台，独立中介更依赖碎片化流程和第三方数据；在隐私限制上升时处于相对不利位置。
- 风险
- 利润池可能向拥有一方数据和AI自动化能力的平台迁移，代理商需要向战略、品牌控制、复杂创意和跨渠道咨询升级。
关键数据
- 五大上市超大规模云厂商AI相关资本开支约4770亿美元（CY2022-CY2024），预计约1.15万亿美元（CY2025-CY2027E）覆盖 AMZN、MSFT、GOOGL、META 与 ORCL。
- OpenAI FY2024 经营亏损与ARR经营亏损约50亿美元，ARR约55亿美元报告引用媒体报道，用于说明早期AI规模化的单位经济性压力。
- xAI FY2025 经营亏损与收入预测经营亏损约130亿美元，收入约5亿美元报告引用媒体报道，用于与早期 Tesla 等科技转型案例比较。
- Nvidia 数据中心计算市场份额约15%（2018）提升至约85%（当前）报告认为 Nvidia 是AI资本开支周期中的关键受益者。
- 2024年全球（中国除外）广告支出约8560亿美元用于测算广告创意生成及数字迁移机会。
- 2024年全球（中国除外）数字广告渗透率约69%报告称2017年以来数字渗透率平均每年提升约400bps。
- AI推动广告预算向数字渠道迁移机会约1700亿美元来自2025-2028E基准情景与AI情景下数字渗透率提升速度差异。
- 广告创意生成可扰动利润池约1140亿美元基于不同广告渠道中创意生成成本占广告支出约0%-30%的假设。
- 广告技术中介整合机会约250亿美元AI工具可能自动化活动设置、投放、测量和归因，削弱部分DSP、SSP、DMP等中介价值。
- 广告代理商生态潜在影响约1610亿美元报告将代理商生态列为AI可能扰动的多百亿美元利润池。
- Google Performance Max 采用度Skai样本显示，Q4'24约59%的美国广告主使用PMax，约16%的美国Google总支出经由PMax数据来自Skai广告主样本，非 Alphabet 官方确认。
影响与含义
投资含义上，AI广告工具可能把广告价值链中的部分创意、投放、归因和优化服务抽象化并平台化，使价值进一步向拥有一方数据、用户规模、工程能力和资本投入能力的封闭生态平台集中。对广告主而言，AI可能降低创意成本、提高个性化程度、改善ROAS，并让中小广告主进入此前成本过高的渠道。对广告代理商和独立广告技术中介而言，自动化工具可能带来利润池压缩、客户预算重分配和服务价值再定义。
风险
- AI广告预算迁移并非完全新增机会，因为广告支出从传统渠道转向数字渠道本身已经是长期趋势。
- 传统媒体所有者也可能采用AI提高效率，使AI带来的收益不一定全部流向模型构建者或数字平台。
- 广告主可能不会把创意成本节省完全重新投入广告购买，而是保留为利润率改善。
- 广告主可能因品牌安全、信息控制和创意质量担忧，对生成式AI创意采用保持谨慎。
- AI可能改变桌面和移动端消费者使用习惯，扰动既有搜索、社交和购买漏斗。
- 大型平台的进一步强化可能压缩中小平台、广告技术供应商和代理商的利润空间。
- AI基础设施资本强度高，若应用层收入和利润率不能扩张到足以覆盖投入，行业投资回报可能低于市场预期。
后续跟踪
- GOOGL Performance Max 和 META Advantage+ 的广告主采用率、广告支出占比和ROAS改善幅度。
- AI情景下全球（中国除外）数字广告渗透率是否能从基准约170bps年增速加快至约350bps。
- 生成式AI创意工具在视频、图像、广告文案和A/B测试中的实际采用，以及广告主是否将成本节省重新投向媒体购买。
- AppLovin Axon 2.0、Pinterest Performance+ 等中小平台AI广告产品能否持续获得份额。
- 广告代理商和独立DSP、SSP、DMP、测量验证平台的收入增长、利润率和客户预算迁移情况。
- 隐私、第三方数据限制和一方数据优势是否继续推动广告价值向封闭生态平台集中。
- AI助手、AI搜索和代理式界面对消费者发现、搜索和购买路径的影响。