AI 无形投资浪潮将催生新一代超级巨星企业

概览

这篇高盛宏观研究报告探讨了 AI Agent 技术将如何推动无形资本投资浪潮，并催生新一代"超级巨星"企业。报告核心结论是：AI 带来的生产力提升需要大量非硬件投资（包括数据基础设施、软件和组织重构），这些无形投资目前可能被 GDP 统计低估；能够有效投资并部署 AI 代理的公司将拉开与同行的差距，获得更高市场份额、更低劳动成本和更高投资回报，成为下一轮经济周期中的赢家。

核心观点

AI 投资不仅是硬件支出，非硬件无形投资正在快速升温。报告指出，美国 AI 相关 capex 已达 3600 亿美元（占 GDP 1.1%），全球超大规模数据中心 capex 2025 年为 4000 亿美元，预计 2026 年将超过 7000 亿美元。但更关键的是非硬件投资：当前 IT 预算分配显示美国 AI 转型相关劳动力成本已达 1530 亿美元/年，高管时间分配暗示组织资本投资约 400 亿美元/年。 extrapolating 劳动力重组成本，整个 AI 采用周期内 workforce reorganization 可能花费 8000-9000 亿美元。 无形投资与硬件投资存在历史统计关系。高盛使用 EU KLEMS 数据库回归分析发现，每 1 美元硬件投资 historically 带动 2 美元无形投资（其中 1.30 美元用于数据/软件、0.50 美元用于组织支出、0.20 美元用于其他无形资产）。应用这一关系到近期 AI 硬件投资激增，指向美国约 7000 亿美元、全球约 1 万亿美元的配套无形投资。这一估计可能高估当前水平，因为 AI 硬件周期异常前置，且投资偏向超大规模数据中心而非终端用户。 无形投资将导致生产力 J 曲线效应。报告引用 David(1989) 和 Brynjolfsson 等人 (2021) 的研究框架，指出快速技术转型（尤其是通用技术 GPT）常产生"J 曲线"：GDP 和生产力初期被低估，因为企业将资源转向技术转型所需的无形资产（业务流程重构、劳动力再培训、数据资源积累等）。这些"自产"投资在国民账户中记录为成本而非投资，只有当无形资本存量开始产生可测量产出时，生产力激增才在官方统计中显现。报告估计，与 AI 相关的组织投资（约 500 亿美元/年）明确被排除在美国 GDP 之外，暗示美国 GDP 被低估至少 0.2%，若统计关系成立则低估幅度可达 2%。 有效投资无形资本的公司将成为"超级巨星"。报告引用 Haskel 和 Westlake(2017)《无资本资本主义》中的"四个 S"框架（Scalability 可扩展性、Sunkeness 沉没性、Spillovers 溢出效应、Synergies 协同效应），指出无形投资具有高固定成本、低边际成本的特征，使市场领导者能够捕获更大收入份额。数据显示，过去 40 年无形资本增加与顶级"超级巨星"企业收入份额上升同步。行业层面集中度在过去 30 年持续增加，尤其在无形资本（特别是组织资本）份额提升最多的行业。回归分析显示，无形资本份额每提升 1 个百分点，劳动收入份额在随后 2-4 年内下降 0.2-0.3 个百分点。

分析框架

高盛的分析思路遵循"技术变革→投资结构→经济影响→市场含义"的逻辑链条。首先，报告区分 AI 投资的硬件与非硬件成分，指出后者（无形资本）常被忽视但规模可观。其次，通过四种方法估算当前非硬件投资规模：IT 岗位 AI 集中度、高管时间分配、劳动力重组成本、硬件 - 无形投资历史统计关系。第三，将 AI 非硬件投资置于无形资本长期趋势中理解，引用 EU KLEMS 数据展示 G10 经济体无形投资已接近传统 capex 规模。第四，运用生产力 J 曲线理论解释为何当前生产力增长可能被低估。最后，结合"四个 S"框架和行业集中度数据，推导有效投资 AI 无形资本的公司将成为新一代超级巨星的结论。

方法论与常识提炼

• 行业/产业分析框架供需框架

  通用技术（GPT）投资周期中的硬件与无形资本配套关系

  报告使用历史回归分析发现硬件投资与无形投资存在稳定倍数关系（1:2），这是分析技术投资浪潮的常用方法，帮助理解 AI 投资全貌而非仅看硬件支出。

• 周期与景气框架景气拐点分析

  生产力 J 曲线效应

  技术转型初期资源被 diverted 到内部无形投资（未计入 GDP），导致生产力和 GDP 被低估，只有当无形资本开始产生可测产出时才会显现向上拐点。这帮助解释为何当前宏观数据可能低估真实生产力改善。

• 竞争与战略框架护城河/竞争优势

  无形资本的"四个 S"特征（可扩展性、沉没性、溢出效应、协同效应）

  无形资产具有非竞争性（可多人同时使用）、不可回收、易溢出、协同增值等特征，这些特征使先行投资者能够建立竞争优势并扩大市场份额。

• 行业/产业分析框架行业集中度分析

  无形资本投资与行业集中度正相关

  报告展示数据证明无形资本份额提升最多的行业，市场集中度增加也最显著。这是分析行业竞争格局演变的常用视角。

• 公司基本面与财务框架盈利质量分析

  无形资本份额与劳动收入份额的负向关系

  回归分析显示无形资本占比每提升 1 个百分点，劳动收入份额 2-4 年内下降 0.2-0.3 个百分点，这帮助理解技术投资如何影响企业成本结构和利润率。

• 估值方法

  组织资本投资的 Corrado-Hulten-Sichel(2005) 估算方法

  将高管时间分配转化为组织资本投资金额的方法论：假设高管 20% 时间用于组织创新，其中 35% 用于 AI，由此推算 AI 组织投资规模。这是国民账户中估算自产无形投资的学术标准方法。

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）。

• Snowflake

  数据管理和基础设施提供商，受益于 AI 转型驱动的数据基础设施投资

  优势

  自 2022 年 ChatGPT 出现以来收入增长超过两倍

  对比

  与 Databricks、Palantir 同为数据管理领域领先者

• Databricks

  数据管理和基础设施提供商，受益于 AI 转型驱动的数据基础设施投资

  优势

  自 2022 年 ChatGPT 出现以来收入增长超过两倍

  对比

  与 Snowflake、Palantir 同为数据管理领域领先者

• Palantir

  数据管理和基础设施提供商，受益于 AI 转型驱动的数据基础设施投资

  优势

  自 2022 年 ChatGPT 出现以来收入增长超过两倍

  对比

  与 Snowflake、Databricks 同为数据管理领域领先者

• Amazon AWS

  云服务提供商，受益于 AI 转型驱动的云迁移加速

  优势

  云收入自 2022 年以来翻倍以上增长

  对比

  与 Microsoft、Alphabet、Oracle 同为主要云服务提供商

• Microsoft

  云服务提供商，受益于 AI 转型驱动的云迁移加速

  优势

  云收入自 2022 年以来翻倍以上增长

  对比

  与 Amazon AWS、Alphabet、Oracle 同为主要云服务提供商

• Alphabet

  云服务提供商，受益于 AI 转型驱动的云迁移加速

  优势

  云收入自 2022 年以来翻倍以上增长

  对比

  与 Amazon AWS、Microsoft、Oracle 同为主要云服务提供商

• Oracle

  云服务提供商，受益于 AI 转型驱动的云迁移加速

  优势

  云收入自 2022 年以来翻倍以上增长

  对比

  与 Amazon AWS、Microsoft、Alphabet 同为主要云服务提供商

关键数据

• 美国 AI 相关 capex3600 亿美元（占 GDP 1.1%）美国国民账户中的 AI 相关资本支出
• 全球超大规模数据中心 capex2025 年 4000 亿美元，2026 年预计超 7000 亿美元hyperscaler 资本支出预测
• 美国 AI 相关劳动力成本1530 亿美元/年当前 IT 预算分配暗示的 AI 转型劳动力成本
• 美国 AI 组织资本投资400 亿美元/年高管时间分配暗示的组织资本投资
• AI 采用周期劳动力重组总成本8000-9000 亿美元extrapolating 当前重组成本的累计估计
• 硬件投资对无形投资的乘数1:2每 1 美元硬件投资带动 2 美元无形投资（1.30 数据/软件 +0.50 组织 +0.20 其他）
• 全球 AI 非硬件投资估计约 1 万亿美元应用历史统计关系到近期 AI 硬件投资的推算
• G10 无形投资占总投资比重48%EU KLEMS 数据，美国和英国超过 50%
• 无形资本份额对劳动收入份额的影响每 1pp 提升导致 0.2-0.3pp 下降随后 2-4 年内的影响
• 美国 GDP 低估幅度至少 0.2%若统计关系成立则可达 2%
• DM 经济体生产力提升估计完全采用后 15%高盛对劳动生产力和 GDP 水平的基线估计
• 数据管理公司企业价值增长从 2022 年不到 1000 亿美元到 2025 年底超 6500 亿美元Snowflake、Databricks、Palantir 三家合计
• 云服务收入增长从 2022 年 2000 亿美元到今天超 5000 亿美元AWS、Microsoft、Alphabet、Oracle 合计

影响与含义

报告认为这对投资者有两层含义。第一，分析支持股票分析师的结论：数据结构和 AI 部署/编排是解锁 AI 经济价值的关键因素，专注于这些领域的公司将从持续的企业投资中受益。第二，今天投资于必要的数据、劳动力和组织基础设施以有效部署 AI 和 AI 代理的公司，很可能成为下一代享受超额估值的"超级巨星"企业。报告同时提示两个注意事项：一是分析未涉及 AI 技术栈内的租金分配（半导体或基础模型提供商可能成为真正的 AI 超级巨星）；二是自动化和业务流程编码应提升大多数公司在 AI 转型期间的生产力，经济基本面暗示一部分终端用户企业将成为超额赢家，但 AI 仍将带来广泛的经济层面生产力提升。

风险

• AI 技术栈内市场权力分配高度不确定，半导体或基础模型提供商可能捕获大部分长期价值
• AI 硬件投资向超大规模数据中心和数据中心倾斜而非终端用户，可能导致当前无形投资乘数较小
• AI 硬件周期异常前置，非硬件投资可能仅在采用阶段才逐步升温
• 许多潜在 AI 用例目前尚不具备成本效益
• 组织在全面自主部署 AI 代理前需解决数据安全和人工监督问题

后续跟踪

• AI 相关 IT 预算占比变化（当前约 20-40%）
• 企业 AI 和组织重构相关关键词在财报电话会议中的提及频率
• 数据管理和基础设施公司收入增长（Snowflake、Databricks、Palantir 等）
• 主要云服务提供商收入增长（AWS、Microsoft、Alphabet、Oracle）
• AI 驱动的劳动力重组成本和受影响员工数量
• 行业集中度变化与无形资本投资的相关性
• 美国国民账户对无形投资的统计更新