高盛称人工智能生产力提升尚未到来

高盛在2026年8月17日报告称，预期的人工智能生产力提升尚未在更广泛的经济中显现。这家投资银行的分析比较了企业的劳动密集度和AI敏感性，以模型化实施收益将在何时产生最大影响。该评估正值主要的AI基础设施和半导体股票表现参差不齐，英特尔的交易价格为$103.49，今日截至协调世界时23:08下跌1.02%。该报告为衡量当前反映在估值而非企业盈利中的数万亿美元投资周期的实际经济产出设定了基准。

背景 — 为什么现在重要

当前的宏观背景由高利率和对企业效率的持续质疑所定义。投资者多年来向专注于人工智能的公司倾注资本，期待生产力的飞跃能够证明估值的合理性并提升经济中的利润率。缺乏可衡量的整体生产力提升挑战了投资回报的时间表。类似的预期周期曾在重大技术变革之前出现，例如1990年代末的互联网热潮，广泛的互联网采用最终在初期炒作几年后带来了生产力提升。根据美国劳工统计局的数据，1995年至2004年间，由信息技术驱动的生产力增长的最后一次可比激增，非农商业部门每小时产出平均每年增长2.5%。高盛报告的催化剂是人工智能资本支出与可衡量经济产出之间日益扩大的差距，促使对哪些公司在结构上能够首先捕获未来收益进行详细分析。

数据 — 数字显示了什么

高盛的框架依赖于两个具体指标：劳动成本占收入的百分比和基于任务自动化能力的AI暴露评分。劳动密集度高且AI敏感度高的公司将在成功整合中看到最大的利润扩张。英特尔的股票表现反映了当前的不确定性，日内交易区间在$101.80到$105.97之间，最后定格在$103.49，下降1.02%。这一波动与更广泛的科技行业形成对比，后者在AI收益叙事中经历了显著的波动。纯AI软件公司与传统工业之间的估值差距扩大，软件通常以超过10倍的收入倍数交易，而许多工业则低于2倍。半导体指数今年迄今上涨约15%，受到AI芯片需求的强烈影响，但这并未转化为终端用户生产力指标的相应提升。根据行业预测，到2026年，企业在AI软件和硬件上的支出预计将超过每年5000亿美元，这创造了必须通过效率提升来抵消的实际成本。

分析 — 这对市场/行业/股票意味着什么

主要的次级效应是股权行业内可能的轮换。被识别为劳动成本暴露高和AI任务敏感度高的公司，例如某些业务流程外包、医疗管理和金融服务的部分领域，可能在确认生产力提升时看到显著的重新评级。相反，劳动密集度低或运营不易通过AI增强的公司可能会相对表现不佳，因为投资流向更敏感的公司。科技硬件和半导体行业，包括英特尔等股票，面临着分化的前景：它们是AI基础设施支出的明确受益者，但也面临着证明其产品产生下游经济价值的压力。这一分析的一个关键限制是，它建模的是潜在而非已验证的结果；整合挑战、监管障碍和员工再培训成本可能会延迟或稀释预期收益。当前市场定位显示，机构投资者在AI推动者如半导体中维持多头头寸，同时对更广泛的市场周期性股票保持谨慎，直到出现更明确的生产力信号。资金流动数据显示，新资本正集中在提供基础设施的公司，而非终端用户的采用者。

前景 — 接下来要关注什么

验证或反驳高盛论点的直接催化剂将是即将到来的企业收益报告，预计在2026年10月底由主要科技公司发布。管理层对资本支出效率和每员工产出指标的评论将受到密切关注。随后发布的数据，包括定于2026年11月初的美国劳工统计局季度生产力和成本报告，将提供整体经济的检查。需要关注的关键水平包括费城半导体指数（SOX）保持在其200日移动平均线之上，目前接近4200点，作为持续基础设施需求的衡量标准。对于像英特尔这样的个股，维持在100美元心理关口之上的支撑对看涨情绪至关重要。如果生产力数据开始显示上升趋势，随后的动向可能会流向高劳动密集度的股票，这些股票被高盛的模型筛选出来。如果数据保持平稳，可能会对已定价近期收益的AI相关股票的估值施加压力。

常见问题

人工智能生产力对股票估值意味着什么？

人工智能生产力是指通过使用人工智能，每单位劳动或资本投入所产生的经济产出的增加。对于股票估值而言，显示的生产力提升可以通过扩大利润率和收益而不成比例地增加成本来证明更高的估值。成功自动化高成本、重复性任务的公司可以将资本重新分配用于增长或回馈给股东。正如高盛指出的，这些收益的缺失导致了对主要基于预期上涨的股票的估值不确定性。

这与过去的技术驱动生产力浪潮相比如何？

历史上与1980年代个人计算机的普及和1990年代企业软件的出现存在相似之处。在这两种情况下，可衡量的生产力提升滞后于初始投资数年，因为企业学习整合新工具并重组工作流程。人工智能浪潮涉及一系列更广泛的技术，旨在处理认知任务，这表明整合期可能更长且更复杂。然而，资本投资的规模更大，且集中在少数主导的基础设施提供商中。

哪些行业对人工智能的劳动成本暴露最高？

通常，行政、分析和客户互动角色集中度高的行业显示出最大的劳动成本暴露。这包括金融服务的后端操作、医疗保健的医疗账单和记录管理，以及专业服务的研究和数据综合。这些行业的劳动成本通常占总运营费用的40-60%，为旨在文档处理、数据录入和常规沟通的人工智能驱动效率工具创造了一个巨大的可寻址目标。

结论

市场正在为尚未出现在整体经济数据中的人工智能生产力潜力买单，为收益实现时的行业轮换奠定了基础。

免责声明：本文仅供信息参考，不构成投资建议。差价合约交易存在高风险，可能导致资本损失。