高盛：AI正从辅助工具走向工作流执行，价值将更多流向数据、工作流控制权与智能体基础设施

概览

这份第三届硅谷AI考察纪要汇集初创公司、风投与学术界观点。高盛的核心结论是，AI商业价值正从信息检索和助手功能，转向可验证、可负责的工作流执行；最有优势的平台将把专有信息、行业知识、客户上下文、分发能力和行动权限结合起来。

核心观点

高盛于8月18日至19日举行第三届硅谷AI考察，参与者包括AI公司、风投机构以及斯坦福大学、加州大学伯克利分校和UCSF研究人员。考察强化了其判断：模型能力仍在进步，智能体正从协助人类转向完成工作流，变现方式也将由按席位收费扩展至按数据用量、交易、完成的任务、结果和智能体使用收费。报告认为，最强的AI企业应同时拥有专有数据、领域专业知识、客户场景、工作流控制权、分发渠道、验证机制以及获准执行行动的权限。 对于业务与信息服务行业，报告认为AI会提高差异化信息资产的效用：AI更容易检索、连接和应用数据于客户决策，但大数据集本身并不足以构成护城河。领先平台还需要权威内容、经验证模型、专业分类体系、客户上下文及理解信息使用方式的专家，以在金融分析、法律、保险、风险管理和医疗等场景中提供更准确、可核验的结果。历史上以订阅、报告和劳动密集型服务变现的公司，能够借助智能体完成非结构化信息整理、分析、监控和后续行动，从单纯的信息输入方升级为知识密集行业的“操作系统”，并争取更大份额的客户专业服务支出。 报告进一步指出，金融分析、法律研究、保险承保和市场研究中存在大量高成本的专业劳动环节。若将可结构化部分编码为可复用智能体，既可加快既有工作，也能使过去不具经济性的任务商业化；交付成本下降还可能提升服务可及性、使用频率和客户愿意回答的问题数量。最适合的模式是在标准化环节实现自动化，同时把预测、重大决策和例外处理保留给专家判断。由于智能体可以独立完成更多任务、单个专业人士可监督更多活动，按席位收费与客户价值的匹配度会下降；平台可改为对额外数据消费、完成的分析、处理的文件、交易和智能体使用收费。Daloopa称，部分已集成的智能体工作流中数据消费约增长100倍；Clio同时拥有订阅、支付及其他交易型收入，Moody’s也开始对MCP访问收取增量订阅费，并对智能体使用单独收费。 竞争格局方面，成熟平台拥有可信品牌、嵌入式分发、积累的客户上下文，以及记录、交易、支付和触发行动所在系统的接入优势；这些能力可减少客户在系统间搬运信息的需要。AI原生公司仍可凭借显著更优的产品、专用工作流或难复制基础设施夺取份额，例如Corgi结合AI、保险牌照、监管资本以及承保和理赔控制权，Harvey则结合法律专长、工作流专用智能体和评估能力。相反，数据商品化、工作流整合较浅、或主要依赖人力和用户数量收费的提供商更易受冲击。高盛强调，企业AI能否进入生产环境，取决于输出是否可核验、错误行动是否可逆以及责任是否清晰；源链接数据、审计轨迹、置信度阈值、独立评估和有针对性的人类复核可在不免除责任的前提下降低监督负担。 在开源与前沿模型的分工上，报告不接受非此即彼的判断。前沿模型阵营认为企业基准难以充分反映真实能力跃升，且在生产环境中，准确性损失可能不值得节省模型成本，因此一些AI原生应用虽讨论模型多元化，仍主要依赖前沿供应商。另一方面，业内人士认为多数企业工作流不需要前沿级智能，一位风投人士预计约12至18个月内90%的token将流向开源模型；价格压力、使用上限提高和客户削减前沿模型消费也表明竞争已转向经济性。报告的综合判断是，前沿模型将保留价值最高、可靠性要求最强的工作负载，而开源模型将承接大部分用量。微软、Cloudflare、Databricks和Vercel等独立软件厂商，可通过帮助企业编排不同模型并保持内容私有来承接价值。 报告还认为，世界模型可能成为比大语言模型更大的下一次AI平台转变。研究重点正从单纯的下一token预测，转向建模环境、因果关系、物理规律和真实世界交互；其竞争壁垒也可能由共享的互联网规模数据，转为与物理系统、行业和运营环境紧密相关的专有数据。物理、工业、科学和机器人系统对应的问题空间大于文本生成，且许多工作负载的算力强度更高。世界模型的token需求将叠加在高盛未来五年企业算力支持24倍更多token的预测之上，或使算力供需偏紧维持更久，并有利于微软、Oracle和CoreWeave。 软件层的持久差异化将来自工作流上下文而不只是数据。简单AI封装层随着模型进步最易受冲击；横向平台虽具规模优势，也面临功能竞争。报告更看重能够把行业专业知识、嵌入式流程和持续产生、结构化并丰富数据的专有上下文相结合的工作流原生软件。随着软件开发变得更快、更便宜，这种上下文可能成为少数仍可防御的差异化来源；报告以Shopify和Samsara为例说明既有客户基础或联网资产足迹如何持续生成差异化AI所需的运营语境。 智能体也会成为新的获客入口：软件需要可被代表用户行动的智能体发现、调用和使用。Vercel的观点显示，互联网基础构件正由用户和应用转向智能体和token，基础设施不再仅为人类交互优化。Vercel和ClickHouse指出，智能体会产生更多请求、执行更多行动和决策，并连接更多系统，因此瓶颈从应用开发转向支撑自主执行的基础设施；实时数据库、低延迟算力、可扩展数据管道和全球分布式系统的重要性上升。 网络安全是另一项重要受益方向。AI会如互联网和云等过去的平台转变一样扩大攻击面，并在开源模型增强后提高攻击频率和复杂度，短期可能推动补丁、卫生管理、人员流程和产品试验投入。长期情景中，防御方若能获得对环境的近乎完整可视性，可能更早发现攻击者的异常行为。AI还可缓解安全人才短缺和供应商割裂问题，尤其是在安全运营领域：以SIEM数据存储为基础的现代化、持续修复、正确配置的自动化体系，以及可对数据推理、执行控制并采取行动的智能体原生工具，都可能成为机会。 公司案例支持上述逻辑。Daloopa通过从监管文件、业绩材料及其他披露中提取、标准化和验证财务报表项目、KPI、指引及非GAAP调整，并将每项数据链接至原始来源，服务研究、估值模型维护和业绩分析。其约400人的验证团队、专有数据管道和结构化运营流程旨在满足准确性与时效性要求；公司将标准化智能体和分析技能开源，同时保留数据提取、标准化和验证基础设施的专有性，并以持续更新的知识图谱保存可测试的研究记忆、减少重复生成和幻觉。Divergent则展示了垂直AI如何整合设计到生产的完整工作流：其DAPS连接AI工程软件、增材制造和自动化装配，软件在工程师选择方案前评估数百种结构备选，其软件、Model One打印机、制造流程和工厂运营的整合使生产数据能反馈到设计和制造决策；公司称该共同软件骨干的投资已超过10亿美元。

分析框架

报告以两日企业演示、风投访谈和大学研究交流为基础，先归纳模型、智能体与商业化的共同趋势，再分别分析业务与信息服务、软件、算力、物理AI和网络安全的价值传导。其判断重点是比较数据、工作流、验证和分发能力如何影响竞争壁垒，并以Daloopa和Divergent等案例说明具体机制。

方法论与常识提炼

• 竞争与战略框架价值链分析

  AI价值在模型、数据、应用、工作流、基础设施和安全层之间的分配

  报告比较不同AI栈层的价值来源，认为仅有模型或数据不足以保证优势，能够控制客户工作流、验证输出并嵌入行动环节的平台更可能获得持久价值。

• 行业/产业分析框架产业链上中下游传导

  模型能力与token增长向软件、算力基础设施、物理AI和网络安全的传导

  报告将模型进步和智能体使用增加，连接到实时数据、低延迟算力、数据管道、安全运营及物理系统算力需求的变化。

• 竞争与战略框架护城河/竞争优势

  专有数据、领域知识、客户上下文、验证与工作流控制形成AI护城河

  报告用这一逻辑区分成熟平台、AI原生公司和易受冲击的简单封装层或商品化数据提供商。

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）。

• 业务与信息服务板块（IRM、MCO、MSCI、SPGI、TRI）

  报告将其列为优选AI受益方向，认为差异化数据、行业知识和嵌入式工作流可扩大客户支出份额。

  优势

  可信且持续更新的数据资产、专业知识、客户上下文、验证能力和工作流嵌入。

  对比

  相较仅提供商品化数据或浅层集成的提供商，更有机会形成可验证、可执行的行业工作流。

  风险

  若数据商品化、工作流整合不足或商业模式主要依赖人力和用户数量，竞争地位可能承压。

• 软件板块（MSFT、MDB、RBRK）

  报告将其列为优选AI受益方向；其中微软也被视为世界模型带来更长期算力紧张时的潜在受益者。

  优势

  可帮助企业编排不同模型、保留私有内容，并承接智能体驱动的基础设施和软件需求。

  对比

  相较简单AI封装层，具备企业分发、工作流和基础设施能力的平台更有防御性。

  风险

  模型能力快速提升可能加剧功能竞争，并改变不同软件层的价值分配。

• 网络安全板块（CRWD、NET、PANW）

  报告重申对这些公司的长期建设性观点，认为AI会扩大安全需求。

  优势

  安全运营可受益于自动化、持续修复、数据整合和基于SIEM数据的智能体推理与行动。

  对比

  报告认为具备既有能力的安全厂商可能在AI驱动的安全投入中获得不成比例的收益。

  风险

  AI也会提高攻击频率和复杂度，并扩大企业攻击面。

• SNOW

  报告重申长期建设性观点，并将其置于AI数据与基础设施需求扩张的背景中。

关键数据

• 硅谷AI考察日期2026年8月18日至19日高盛第三届年度硅谷AI考察。
• 开源模型token份额观点约90%一位风投人士认为，约12至18个月内大部分token可能流向开源模型。
• 企业算力token需求预测未来5年支持24倍更多token报告认为世界模型需求将叠加于该企业算力预测之上。
• Daloopa集成工作流数据消费约增长100倍公司称部分集成智能体工作流的数据消费远高于传统分析师界面。
• Daloopa验证团队约400人用于配合专有数据管道和流程，满足准确性与时效性要求。
• Divergent共同软件骨干投资超过10亿美元覆盖设计、增材制造、装配和质量环节的集成软件平台。
• MSCI评级与目标价买入，12个月目标价671美元报告列为AI受益重点投资想法之一。
• 微软评级与目标价买入，12个月目标价640美元报告列为AI受益重点投资想法之一。

影响与含义

报告认为，AI将使业务与信息服务企业从交付信息转向执行工作流，并使收入更紧密地与用量、交易和产出挂钩。受益者不仅包括拥有可信数据和行业专业知识的平台，也包括帮助企业编排模型、处理智能体原生负载、提供算力和强化安全运营的公司；同时，缺乏深度工作流整合的商品化数据和简单AI封装模式面临更大竞争压力。

风险

• 前沿模型与开源模型之间的成本、性能和可靠性权衡可能加剧模型提供商及应用层的竞争。
• 数据商品化、工作流整合浅或依赖人力与席位数收费的企业更容易受到AI原生竞争者冲击。
• 金融、法律、监管和运营场景若缺少可验证输出、审计轨迹和明确责任，智能体进入生产环境的速度可能受限。
• AI扩大攻击面并提高攻击频率和复杂度，尤其在开源模型提升攻击者能力的情况下。