高盛表示,尽管AI商业化变现仍处早期阶段,但基于成本削减的第一阶段回报已经显现。预测到2030年AI自动化可为财富500强企业节省约9350亿美元成本。分析师认为,这一早期收益足以支撑当前AI基础设施投资水平,尽管增长率可能放缓。

虽然AI投资周期正在从“投”走向“收”,但这不意味着“减速”就是“见顶”。

高盛在最新AI报告中指出,尽管增速趋缓,AI基建投资未来2-3年具备持续性市场过度关注“回报慢”可能忽略了成本红利已经开始释放,且股价尚未反映这一结构性变化。

报告强调,尽管AI商业化变现仍处早期阶段,但基于成本削减的第一阶段回报已经显现。估计到2030年AI自动化可为财富500强企业节省约9350亿美元成本。分析师认为,这一早期收益足以支撑当前AI基础设施投资水平,尽管增长率可能放缓。

分析师也指出,超大规模云服务商作为AI基础设施的主要投资方,其投资决策更多基于长期收入增长机会,而非短期成本节约。

AI投资回报争议,成本节约VS商业变现

生成式AI自2023年底掀起热潮以来,资本开支已累计超过3500亿美元。投资是否值得?回报是否可持续?这些问题正成为市场关注焦点。

高盛研究团队将AI价值创造分为三个阶段:第一阶段通过自动化实现成本削减(当前进行中),第二阶段重新投资并重建,第三阶段通过增量收入实现变现。

报告分析显示,AI在客户服务、销售营销、IT等职能领域的自动化应用已开始产生实际效益。以客户服务为例,43%的呼叫中心已采用AI工具,平均运营成本降低30%。

具体来看,摩根大通计划未来五年削减10%后台人员,AT&T借助AI减少30%的呼叫中心流量,T-Mobile预期到2027年可削减75%的客户服务接触量。

当前争议核心在于AI基础设施投资的可持续性。高盛预计,到2030年,全球财富500强企业可节省高达9350亿美元的成本占其总成本的约14%,AI投资的净现值回报约为7800亿美元,相对于3500亿美元的累计投资仍显示正向回报。

分析师指出,超大规模云服务商作为AI基础设施的主要投资方,其投资决策更多基于长期收入增长机会,而非短期成本节约。这种投资与回报的时间差异使得ROI计算变得复杂。

基础设施支出短期无虞,推理需求成新动能

市场对AI股的另一个核心担忧是:基础设施支出是否已见顶?尤其是在训练芯片方面的库存积压与需求疲软预期升温。

高盛认为,这种担忧尚属过度,报告指出:

未来2-3年,尤其是到2026年,大型科技公司(如微软、亚马逊、谷歌、Meta)仍具备继续维持AI基础设施投资的财务能力,无需显著压缩利润率。

台积电、博通、SK海力士等关键供应商持续上调AI相关收入预期。台积电六个季度以来不断提高近期和长期AI收入目标,SK海力士预计2025年HBM收入将翻倍增长,这些数据都支持了供需基本平衡的判断。

来自企业客户与政府(主权AI)对“推理”型算力的需求,将成为支出新动力,尤其是中小企业部署定制模型或边缘AI应用场景迅速扩展。

以英伟达为例,高盛通过深入分析GB200 NVL72机架的供需平衡进行回应。

基于英伟达公开表态,超大规模云服务商目前每周部署约1000个GB200机架,并计划在二季度进一步提升部署速度。高盛模型显示,为避免ODM厂商出现过度库存,超大规模云服务商需要在2025年和2026年分别部署3.6万个和5.8万个GB200等效机架。

报告指出,英伟达Blackwell架构的推进符合预期,该产品在一季度数据中心收入中占比已达70%,从Hopper到Blackwell的过渡基本完成。这一进展有助于缓解市场对库存积压的担忧。

然而,分析师也提醒,超大规模云服务商2027年资本支出的可见度仍然有限,这是影响长期供需平衡的关键不确定因素。相比之下,英伟达和博通因产品交付周期较长(约12个月)和客户基础相对集中而具备更好的业务可见度。

股价如何定价AI预期?

以英伟达为例,高盛指出,市场已部分计入其新一代GPU(Blackwell)的强劲需求预期,但对其客户基础的扩大、AI推理业务的爆发仍估值不足

博通方面,其股价的上涨则更多基于公司提供的明晰指引——AI收入将在FY25与FY26年同比增长60%。这一预期也令高盛认为,博通、英伟达股价的上涨不仅不是“泡沫”,而是反映更清晰的中期基本面改善路径

相比之下,对AMD、ARM、Marvell等公司,高盛维持中性评级,原因在于其AI相关业务仍处早期,市场份额有限。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如若转载,请注明出处:http://www.pswp.cn/diannao/90594.shtml
繁体地址,请注明出处:http://hk.pswp.cn/diannao/90594.shtml
英文地址,请注明出处:http://en.pswp.cn/diannao/90594.shtml

如若内容造成侵权/违法违规/事实不符,请联系英文站点网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【mac】快捷键使用指南

在Mac上,根据选择对象的不同,在选择时移动的方法也有所不同,以下是具体介绍: 移动文件或文件夹:可通过拖放操作移动。打开“访达”(Finder),找到要移动的文件或文件夹,按…

CS144 lab2 tcp_receiver

1. 实验目的 lab2 的目的是实现tcp的接收端。 主要包括两方面 (1) 从发送端接收消息,使用Reassembler聚合字节流(Bytestream) (2)将确认号(ackno)和window size发回对端 …

【论文笔记】A Deep Reinforcement Learning Based Real-Time Solution Policy for the TSP

《基于 DRL 和 DCNN 的实时 TSP 求解策略》IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS, VOL. 24, NO. 6, JUNE 2023一段话总结本文提出了一种基于深度强化学习(DRL) 和深度卷积神经网络(DCNN) 的实时旅行商问题&am…

MMaDA:多模态大型扩散语言模型

集众家之所长,成大一统。普林斯顿大学、北京大学、清华大学、字节跳动的研究者将“文本推理、多模态分析、图像生成”三大方向融合在一个单一扩散模型里,并用恰当的优化策略来提升模型在各个方向的性能。 研究动机 研究人员致力于开发一个能够处理多种模…

容器技术入门与Docker环境部署

容器技术入门与Docker环境部署Docker概述什么是 DockerDocker 的优势Docker 的应用场景Docker 核心概念(1)镜像(2)容器(3)仓库Docker 安装1.关闭系统防火墙和内核2.下载Docker的repo文件3.替换仓库地址4.更新索引文件并安装Docker5.添加国内镜像站6.开启Docker服务7.优化内核参…

【01】MFC入门到精通—— MFC新建基于对话框的项目 介绍(工作界面、资源视图 、类视图)

文章目录1 创建工程2 运行3 工作界面介绍3. 1 类视图 Class View3.2 如何打开 类视图3.3 资源视图1 创建工程 选择菜单项 文件->新建->项目,弹出 “新项目” 对话框。 选择 MFC,点击下一步,然后键入工程名称,本例取名“Add…

2025!在Windows的Python中安装GDAL包(小白能成!)

最近更新 在2025.06.05日,GDAL发布预告:新版本将适配pipeline和向量读写功能。 直到2025.06.25日,最新的版本才算发行出来。 有朋友催我赶紧更新教程,我上次更新是3月份的时候了,恰好是GDAL上一个版本出来的时间。 前…

Python第一次作业

# 1.技术面试题**(1)TCP与UDP的区别是什么?****答:TCP 是 “可靠但较慢” 的协议,适合对数据完整性要求高的场景;UDP 是 “快速但不可靠” 的协议,适合对实时性要求高的场景。两者互补&#xff…

Linux【大数据运维】下制作Redis绿色免安装包(一)

linux下安装Redis比较繁琐,遇到内网部署环境更是麻烦。根据经验将Redis打包一个绿色版进行使用。 大体思路,在一台正常的机器上面制造好安装包,然后上传到内网服务器,解压使用。 下载: wget https://download.redis…

89104 PCIe Switch芯片国产替代 - PCIE5.0国产AI服务器高性能扩展,支持海光/龙芯/飞腾等

以下是针对89104 PCIe Switch芯片国产替代的高性能PCIe 5.0 AI服务器扩展方案的详细分析:一、核心国产替代芯片:TL63104控制器‌技术规格‌支持PCIe 5.0全速率(32 GT/s),提供968 Lanes配置,聚合双向带宽达1…

Docker跨架构部署实操

需求场景 python项目,开发环境以及可供测试的环境为X86架构下的LINUX服务器,但正式环境需要部署在ARM架构下的麒麟服务器,且正式环境后续可能会长时间处于断网状态,需要一份跨架构的部署方案。 解决思路 在 X86 上打包、在 ARM&am…

JavaScript 树形菜单总结

树形菜单是前端开发中常见的交互组件,用于展示具有层级关系的数据(如文件目录、分类列表、组织架构等)。以下从核心概念、实现方式、常见功能及优化方向等方面进行总结。 一、核心概念 层级结构:数据以父子嵌套形式存在,如{ id: 1, children: [{ id: 2 }] }。节点:树形结…

【python实用小脚本-131】Python 实现 HTML 到 PDF 转换:解决文档处理痛点的高效工具

引言 在当今数字化办公环境中,文档格式的转换需求日益频繁。假设你是一位市场营销人员,需要将公司网站的产品介绍页面(HTML 格式)转换为 PDF 文档,以便用于线下宣传。然而,手动复制粘贴内容并调整格式不仅…

【Linux操作系统】简学深悟启示录:Linux基本指令

文章目录1.什么是操作系统?2.Xshell的使用3.常用指令3.1 ls指令3.2 pwd指令3.3 cd指令3.4 touch指令3.5 mkdir指令3.6 rmdir指令 && rm指令3.7 man指令3.8 cp指令3.9 mv指令3.10 cat指令3.11 echo指令(重定向)3.12 more指令3.13 less…

「py数据分析」04如何将 Python 爬取的数据保存为 CSV 文件

如何将 Python 爬取的数据保存为 CSV 文件 从原始网络数据到纯净 CSV - 搭建通往分析的桥梁 恭喜你!经过前面的努力,你的 Python 脚本终于成功地从一个网站上爬取了数据,一个充满信息的宝库正静静地躺在你的变量中。但接下来呢?…

qemu vcpu的创建过程

在 QEMU 中,vCPU 线程的启动流程涉及多个阶段,包括初始化、线程创建和执行逻辑。以下是基于搜索结果的详细分析: QEMU vCPU 线程的启动流程 1. 初始化阶段 设备实例化:QEMU 使用 QOM(QEMU Object Model)系统…

Spring Security架构与实战全解析

Spring security1.安全架构1. 认证who are you登陆系统:用户系统2. 授权权限管理:用户授权3. 攻击防护xss (cross-site scripting)csrf (cross-site request forgery)cors (cross-origin resource sharing)sql注入4. 扩展:权限管理模型a. RBA…

LeetCode Hot 100 搜索二维矩阵 II

编写一个高效的算法来搜索 m x n 矩阵 matrix 中的一个目标值 target 。该矩阵具有以下特性:每行的元素从左到右升序排列。每列的元素从上到下升序排列。示例 1:输入:matrix [[1,4,7,11,15],[2,5,8,12,19],[3,6,9,16,22],[10,13,14,17,24],[…

Windows Edge 播放 H.265 视频指南

目录 📌前言 一 . 什么是 H.265(HEVC)? 二、为什么 Edge 默认不能播放 H.265? 三、Edge 播放 H.265 解决方案 1 . 查看显卡是否支持硬解AMD GPU Decoder Device InformationNVIDIA GPU Decoder Device Informat…

线性代数--AI数学基础复习

原文链接:Github-Funny_Mr_Zhi GNN_playground 参考:麻省理工公开课 线性代数 MIT Linear Algebra Chapter1 可以带着问题去读,线性代数到底是什么,矩阵又是什么。尽管深入学习数学需要一种抽离出现实和直观理解的高度抽象思维&…