高盛《AI 智能体、无形资本与下一代超级明星》全文中文翻译

第 1 页 · 报告摘要

AI 智能体、无形资本与下一代超级明星

核心观点：

**AI 将带来显著的生产率提升与成本节约，但也需要在 AI 工具构建、数据基础设施、组织再设计上投入大量资金**。公司管理层评论以及数据智能与云服务公司营收的超常增长，都暗示这些**非硬件投资**正在加速。

当前 IT 预算分配显示，美国与 AI 转型相关的**劳动成本已达 $150bn/年**；高管时间分配显示**组织资本投资为 $40bn/年**。从迄今已发生的劳动力重组成本外推，**整个 AI 采纳周期累计可能耗费 $800-900bn 用于劳动力重组**。从 ICT 硬件与互补投资的历史关系推算，**非硬件投资在未来几年全球可超过 $1tn**。

AI 的非硬件投资即**无形资本（intangible capital）投资**。根据 EU KLEMS 数据，**G10 国家的无形资本投资规模已与传统资本支出大体相当**。鉴于过去 20 年其增长的大部分来自组织资本以及软件 / 数据管理投资，AI 智能体投资将支撑这一趋势的延续。

无形投资的增加将带来传统的**生产率 J 曲线**——资源最初被转向促进技术变革所必需的内部投资（其中很大一部分未被 GDP 计入）。**因此美国近期的生产率增长加速很可能被低估**。

历史上，**更高效投资于无形资本的公司**捕获了更大的营收份额、生产率更高、投资回报更高，部分通过降低劳动成本实现。**更高效部署 AI 智能体的公司因此可能拉开与行业同行的距离，成为下一代"超级明星"企业**。

无形投资的预期上升支持我们权益分析师近期的结论：**专注于数据架构与 AI 部署的公司将成为释放 AI 经济价值的关键**。同时，**集中度提高与劳动成本下降的潜力可能为今天高效投资部署 AI 智能体的公司带来超常估值**。

---

第 2 页 · AI 智能体与组织变革

我们长期预期生成式 AI 将加速自动化与生产率增长——基准估计为 DM（发达市场）国家在充分采纳后劳动生产率与 GDP 水平提升 15%。AI 智能体将帮助释放这些生产率收益，但要实现这些生产率红利需要公司运营方式的转变。

技术与组织变革一直在发生。但能跨领域规划、推理、自主执行的 AI 智能体的出现，代表了一次不寻常的技术转移。历史上，决策点需要人类介入一直是自动化的约束；而 AI 智能体可以做出常规决策并独立行动。随着 AI 采纳的扩散，许多工作的任务内容将从"执行"转向"监督执行任务的智能体"。

我们一直对"AI 替代将快速到来"持怀疑态度的关键原因是：将生成式 AI（尤其是 AI 智能体）整合进常规生产所需的组织变革需要时间（此外，许多潜在用例目前还不具备成本效益）。在 AI 智能体能够完全自主部署之前，组织需要解决数据安全与人工监督问题。此外，公司还需要重组劳动力以优化任务内容与劳动力配置。这些问题虽可解，但需要思考、时间、投资。

将 AI 智能体整合进生产流程所需的投资将是巨大的。硬件支出的激增已被充分记录：美国国民账户中的 AI 相关 capex 已达 $360bn（占 GDP 的 1.1%），全球 hyperscaler capex 2025 年达 $400bn，预计 2026 年升至 $700bn 以上。权益分析师预测未来几年还会进一步增加——与我们长期以来的预测一致：AI 投资峰值可能达到美国 GDP 的 2%（与历史通用目的技术 GPT 基础设施建设期一致）。

然而，非硬件投资得到的关注较少。这部分反映了非硬件 AI 转型投资难以定义与度量。但有多个迹象表明，AI 集成、组织重设计、数据基础设施方面的投资正在以经济意义重大的速度推进。

图表 1 显示公司在 AI 与数据管理相关的重组计划（及相关关键词）提及在过去几个季度急剧攀升。这与企业越来越关注在 AI 与 AI 智能体世界中优化生产所需的组织与工作流变革这一普遍报道一致。

---

第 3 页 · 图表 1 / 图表 2

图表 1：2025 年公司财报会中与 AI 和数据相关的重组提及急剧上升 [来源: GS Dataworks, Goldman Sachs Global Investment Research]

图表 2：数据组织相关支出正在急剧上升

也有几个财务信号表明这些努力正在驱动投资。虽然规模仍小，但领先的数据管理与基础设施提供商（Snowflake、Databricks、Palantir）的营收自 2022 年 ChatGPT 出现以来已增长 3 倍以上。此外，市场参与者预期数据管理与基础设施支出将快速上升——这三家公司合并企业价值从 2022 年的不到 $100bn 上升到 2025 年末的 $650bn 以上（图表 2）。

同样，主要上市公司的云服务营收自 2022 年末 ChatGPT 时刻以来已转向上升。如图表 3 所示，Amazon AWS、Microsoft、Alphabet、Oracle 的云营收已从 2022 年的 $200bn 翻倍以上至今天的 $500bn+……

---

第 4 页 · 图表 3 与非硬件支出测算（开头）

图表 3：云服务支出已加速，预期继续上升（接上）……云营收预计到本十年末超过 $1tn。这一增长的一部分在无 AI 反事实情境下也会发生，但自 2022 年末以来 2026 年共识营收预测已增加 $150bn 以上——支持了 AI 转型正在驱动云迁移加速的逸闻报道。

当前发生了多少非硬件支出？

很难精确钉住今天发生的非硬件相关投资规模，但四种模式表明这类支出可能已总计数千亿美元。

第一：AI 聚焦 IT 岗位的比例在过去 2-3 年急剧上升至约 25%——这一水平与商业调研一致（调研显示 20-40% 的 IT 预算正在分配给 AI 项目）。大部分支出通过现有工程团队构建 AI 工具在内部发生。为近似这些工作的成本，我们将非科技行业的 IT 劳动成本（基于《职业就业统计》中的计算机相关职业近似）乘以报告的 AI IT 预算份额。我们得出的估计指向当前 $153bn 年化速度的 AI 相关自营投资。

---

第 5 页 · 图表 4 与第二条证据

图表 4：当前 IT 支出意味着非科技公司每年通过劳动力重新配置花费约 $150bn 以促进 AI 转型

三块数据： 1. IT 岗位的 AI 强度：2018-2026 年从约 5% 升至 25% 2. 企业 AI 在 IT 预算中的占比（不同来源）：Gartner ~40%、IDC ~35%、Deloitte ~30%、Linkup ~22%、Snowflake ~20% 3. 由报告的 AI/IT 预算份额推算的 2026 年企业 AI 支出（亿美元）：平均 $153bn

第二：AI 转型需要在组织战略上大量投资。商业调研近期证据显示，大型公司高管估计约三分之一的绩效考核与薪酬取决于其 AI 战略——许多大型企业已任命首席 AI 官 (CAO)。此外，AI 被 The Conference Board 2026 C-Suite Outlook Survey 列为高管的头号优先事项。这些调研与报告凸显出，AI 正在主导企业高管很大一部分的注意力与时间。

我们遵循 Corrado Hulten Sichel (2005) 提出的方法将这一 AI 聚焦时间转换为组织资本投资。具体而言，假设高管 20% 的时间用于组织创新，其中 35% 的组织创新时间目前用于 AI。这意味着美国约 $600bn 高管工资支出的 7% 分配给组织投资——即 AI 组织投资目前以年化 >$40bn 的速度运行。

第三：劳动力重组将需要大量的前期调整成本（即使从其带来的成本节约角度看是合理的）。为演示这一点，图表 5 编辑了已宣布 AI 驱动劳动力变化的上市公司的总成本与受影响员工数报告。即使这些公告中有些可能夸大了 AI 效率在重组决策中的作用，它们也凸显出重组成本不菲——迄今每名受影响员工平均成本约 $84k。

考虑到 AI 尚未对美国劳动力市场产生大规模影响，整体重组成本今天仍然较小。把我们当前估计的"AI 相关招聘逆风每月降低 10k 个工作增量"乘以图表 5 的重组成本，得到的劳动力重组投资仅为 $10bn。但按我们的标准假设外推——AI 将替代 6-7% 的工人——意味着 $900bn 累计美国重组支出。假设这一过程在 10 年内发生，意味着每年 $90bn 的劳动力重组投资。

---

第 6 页 · 图表 5 与第四条证据

图表 5：劳动力重组成本高昂

每名受影响员工平均重组成本：$84k

样本公司：Chegg, Salesforce, Accenture, Oracle, HP, Atlassian, Block 等

第四：近期 AI 硬件支出激增暗示——若历史统计关系成立——互补的数据基础设施、软件、组织资本投资（统称"无形投资"）即将激增。

为估算这些关系，我们使用 EU KLEMS 数据库，将无形投资 YoY 增速对 ICT 硬件投资 YoY 增速做回归。同时控制：行业 / 国家固定效应、时间固定效应（控制宏观经济周期）、非无形投资增长（控制底层投资趋势）。我们在 1995-2019 跨国面板与 1990-2019 美国行业面板上重复回归。

得到的估计（两种回归方法的平均）指向硬件与无形投资之间的统计显著关系： - 硬件支出每增加 $1，历史上推动总无形投资增加 $2 - 其中：数据 / 软件投资 +$1.30，组织支出 +$0.50，其它无形 +$0.20 - 这些投资估计虽大，但相对于早期学术研究仍较保守——早期研究发现 ICT 投资每增加 $1 推动 $5-10 互补非硬件投资（图表 6）

---

第 7 页 · 图表 6 与无形资本介绍

图表 6：我们的估计与学术研究均显示 ICT 投资历史上推动了大幅互补无形投资增加

将这些统计估计应用到最近 AI 相关硬件投资的激增——意味着美国约 $700bn 互补投资、全球约 $1tn 互补投资。这些估计可能高估了当前的非硬件投资增加，原因有二： 1. AI 硬件周期异常前置（frontloaded），非硬件投资可能仅在未来几年随采纳普及才会加速 2. AI 硬件投资偏向 hyperscaler、公用事业、数据中心而非终端用户，可能导致当前乘数较小

话虽如此，我们对数千亿美元非硬件投资的估计很大程度上得到外部估计支持。特别是 Atlanta Fed 近期一份针对企业支出（软件、订阅服务、硬件、员工培训、IT 员工支持）的调研报告暗示2026 年 AI 相关支出约 $280bn。综合来看，我们预期未来几年（如果还没有的话）非硬件投资能轻易上升到与当前硬件投资相当的高水平。

非硬件 AI 投资即无形资本投资

AI 的非硬件投资反映了无形资本投资的增加——无形资本定义为公司为提升生产力而支出的非物质知识产权（专利、商标、版权）、品牌资产、软件、研发、培训、组织诀窍。历史上，这类支出在传统 GDP 核算中被归为中间费用而非投资。但过去 30 年逐渐认识到这类支出构成投资，国民账户系统已被更新以纳入部分项目（如 R&D 与软件）。

无形投资在经济讨论中变得更为突出的一个主要原因是它已成为日益重要的经济活动来源。这一转变主要由数字经济的兴起、以及从商品生产向知识型服务的转向所驱动……

---

第 8 页 · 图表 7/8

图表 7：无形资本投资重要性已上升

（接上）无形投资（按 EU KLEMS 数据库衡量）现已占美国与英国全部投资的一半以上，G10 总体为 48%。

图表 8：主要因组织资本与软件 / 数据库支出的增加（我们预期这次将继续驱动增长）

无形投资（占 GDP 比重）的大部分增加由组织资本以及数据库 / 软件投资的增加驱动。鉴于这些类别将从 AI 与 AI 智能体并入生产相关的投资中获得最大增量，图表 7 与图表 8 中的趋势可能继续。

非硬件投资的经济含义

我们认为 AI 相关非硬件无形投资的超常增加有两大经济含义：

---

第 9 页 · 经济含义一：下一个生产率 J 曲线

下一个生产率 J 曲线

第一，正如 David (1989) 提出、Brynjolfsson, Rock, and Syverson (2021) 形式化所述，快速技术转变——特别是涉及通用目的技术 (GPTs) 的转变——常常产生"J 曲线"。在他们的框架中，GDP 与生产率最初被低估——因为企业把资源转向成功技术过渡所需的无形资产。这些投资包括：业务流程再设计、劳动力再培训、数据资源积累、新业务模式开发。这些投资是部署新技术所必需的，同时与上文标记的 AI 投资类型重叠。

这类投资经常未被国民账户中的 GDP 捕捉，因为它们在公司内部"自营"产生而非通过市场交易购买。被用于创造这些无形资产的劳动与资本被记录为降低当期产出的成本，而由此产生的资产（将驱动未来效率）不被记录为投资。生产率激增只会在稍后官方统计中变得可见——当这些无形资本存量开始产生可度量产出时，形成"J"的上扬。

当前美国国民账户 (USNA) 究竟捕捉了多少 AI 非硬件无形投资的增长尚不清楚——特别是因为详细投资明细仅可获取到 2024 年。

USNA 的自营软件投资估计主要基于 BLS 的就业与工资数据，所以 $153bn AI 相关 IT 支出增加（图表 4）的一部分应反映在过去一年 $73bn 的软件支出增加中。但云与数据服务只有在常规生产中重复持续使用超过一年才被记为投资——意味着大部分未被度量。

AI 相关组织投资（估计年化 $50bn 规模，含 $40bn 高管时间 + $10bn 劳动力重组）更明显被排除在美国 GDP 之外——暗示美国 GDP 至少被低估 0.2%。这一数字是保守下限，因为： 1. AI 相关 IT 支出可能被低估 2. 如果图表 6 中的统计关系成立，低估幅度将上升至 GDP 的 2%

关键启示：实际 GDP 以及近期生产率增长可能超过表观统计。这一点尤其值得注意——考虑到生产率相对前一周期已经显著加速，即便大部分 AI 自动化收益尚未在宏观数据中体现。

下一代超级明星

第二，AI 相关无形投资激增可能对企业动态产生重大影响。无形投资在多方面不同于传统投资——经济学家 Jonathan Haskel 与 Stian Westlake 在 2017 年著作《Capitalism Without Capital》中归纳为"4S"：

**Scalability（可扩展性）**：无形资产是非竞争性物品，可被许多工人同时使用，**边际成本接近零**

---

第 10 页 · 4S + 图表 9

**Sunkeness（沉没性）**：无形资产投资**不可回收**，不能转售给另一家公司——这使无形投资**更具风险、更难融资**
**Spillovers（溢出效应）**：无形资产产生**正向溢出**——知识、创新、组织实践容易被其它公司模仿
**Synergies（协同效应）**：不同类型的无形资产**正向相互作用以放大价值**

无形与传统投资的关键区别是：前者要求高前期固定成本但其后边际成本低——特别是数据积累带来重大竞争优势的情况。这些特征导致与有形投资截然不同的动态——根据迅速增长的学术研究（图表 9 总结）。

图表 9：无形资本重要性提高与许多经济动态变化相关联

| 结果 | 关键研究 | 发现总结 | |---|---|---| | 生产率 | Corrado/Hulten/Sichel (2005); McGrattan (2020); Brynjolfsson/Rock/Syverson (2021) | 无形投资导致增加值低估、生产率增长下偏——尤其在技术周期早期。长期看，溢出效应放大全经济收益超过投资公司 | | 劳动收入份额 | Karabarbounis/Neiman (2013); Autor/Dorn/Katz/Patterson/Van Reenen (2020); Koh/Santaeulàlia-Llopis/Zheng (2020); Barkai (2020) | 无形资本的兴起通过知识产权的高折旧机械式增加资本份额、以及通过将市场势力重分配给劳动 / 销售比低的"超级明星"公司来降低劳动份额。无形的可扩展性让主导公司榨取租金，压制劳动与传统资本份额，转化为企业利润 | | 市场集中度 | Autor/Dorn/Katz/Patterson/Van Reenen (2020); Tambe/Rock/Hitt/Brynjolfsson (2021); Kwon/Ma/Zimmerman (2026); Bajgar/Criscuolo/Timmis (2025) | 无形资产的可扩展性与非竞争性让领先公司以低边际成本主导市场，推动集中度上升。超级明星公司捕获不断增长的营收份额，抑制竞争、贡献于商业活力下降 | | 加价能力 (Markups) | De Loecker/Eeckhout/Unger (2020); Ayyagari/Demirguc-Kunt/Maksimovic (2022); Dopper/Mackay/Miller/Stiebal (2025) | 高技能行业中使用更多无形资本的超级明星公司可利用高固定成本 + 低边际成本 => 行使市场势力 => 更高 markups | | 投资 | Corrado/Hulten/Sichel (2009); Crouzet/Eberly (2019); Ewens/Peters/Wang (2025) | 无形投资重要性提高抑制实物投资，并导致按成本计提的投资被低估 | | 融资与信用约束 | Falato/Kadyrzhanova/Sim (2013); Peters/Taylor (2017) | 无形投资不能作为抵押品——为此类投资融资受限。无形资本强度增加缩减公司债务能力，使其最优持有更多现金以保留财务弹性 | | 商业活力与公司进入 | De Riddler (2022); Aghion/Bergaud/Boppart/Klenow/Li (2022) | 无形强度上升与商业活力下降相关联。无形降低边际成本但提高固定成本——给拥有大量无形资本的在位者竞争优势，阻吓其它公司进入 | | 货币政策传导 | Crouzet/Eberly (2019); Dottling/Ratnovski (2023); David/Gourio (2023) | 无形资产较多的公司的投资与股价对货币政策反应较小；无形投资对货币政策反应也比有形投资小——因为前者更不依赖外部融资。这些效应在财务受限公司中尤为显著——意味着公司无形资本削弱货币政策传导的信用渠道 |

最值得注意的是，成本结构的转变让在无形上投资更重的市场领导者捕获更大营收份额——既反映规模扩大、也反映在位者（特别是受益于平台或数据优势的）边际成本降低，从而阻吓进入与竞争。

与这些预测一致，图表 10 显示——基于 Kwon, Ma, and Zimmerman (2024) 数据（该数据利用长期 IRS 数据全面评估美国企业收入）——最大"超级明星"公司的无形资本与营收份额在过去 40 年同步上升。虽然超级明星公司兴起还有其它解释（包括竞争政策放松、全球化），近期对超级明星公司市场势力提升的元研究普遍指向技术变革作为最一致的解释——更高效部署新技术的公司赢得市场份额。

---

第 11 页 · 图表 10/11 + 公开问题

图表 10："超级明星"公司随着无形投资上升获得了不断增加的营收份额

今天的一个主要未决问题是：今天的超级明星（特别是科技行业）能否维持其当前的竞争与生产率优势——特别是数据中心与 AI 硬件支出激增正在把它们从轻资产模式推向重资产模式。AI 与相关计算资源激增最终会放大还是削弱今天科技领头羊的超级明星地位是一个未决问题——取决于 AI 科技栈中市场势力的高度不确定的分布。正如我们与组合策略团队去年指出，历史 GPT 周期既有早期技术使能者捕获长期价值大部分的例子，也有未捕获的例子。

但技术增强型无形投资的经济学更明确地支持给定行业内"领头羊与其余"差距的扩大。

支持这一结论的：图表 11 左图显示行业内集中度长期上升（再次基于 Kwon et al (2024) 数据），右图（结合 EU KLEMS 数据库与美国经济普查）显示在公司投入更多组织效率的行业，市场集中度上升最多。因此我们预期 AI 相关无形投资将支持行业层面集中度的继续上升。

---

第 12 页 · 图表 11/12

图表 11：过去 30 年行业层面市场集中度上升——尤其在无形资本（特别是组织资本）份额上升的行业

除了赢得市场份额，学术研究指出，进行技术增强型投资的公司可利用无形投资的可扩展性来：降低劳动成本、运营更高效、产生更高投资回报（最后一点已被自营无形投资的低估所放大）。

为验证这些预测，图表 12 用 EU KLEMS 数据库，将各国与行业的劳动收入份额对无形资本份额变化做回归——同时控制行业 / 国家与时间固定效应。

我们得到的估计意味着：无形资本份额每增加 1pp，会在 2-4 年内将劳动收入份额降低 0.2-0.3pp——对不那么依赖互补劳动力投入的投资类型（如品牌、软件 / 数据库、组织资本）降幅尤其大。

图表 12：无形资本上升也与劳动收入份额下降相关

3 年后无形资本份额每增加 1pp 对劳动收入份额的影响（按类别）： - 品牌 (Brand)：约 -0.5pp - 软件 / 数据 (Software/Data)：约 -0.3pp - 组织资本 (Organizational)：约 -0.3pp - 总无形 (Total Intangible)：约 -0.2pp - 创新性产权 (Innovative IP)：约 -0.1pp - R&D：接近 0 - 工业设计 (Industrial Design)：约 +0.1pp（正方向）

时间维度展示：1pp 无形资本份额增加 → 第 0 年劳动份额开始下降 → 2-4 年累计 -0.2 至 -0.3pp。

---

第 13 页 · 结论与作者

这些结果的核心要点是：能更高效投资并部署 AI 及 AI 智能体的公司，可能： - 捕获更大营收份额 - 降低劳动成本 - 产生更高投资回报 - 崛起为下一代"超级明星"公司

结论

我们的结论有两个 caveat：

第一，如上所述，我们的分析不涉及 AI 科技栈中的租金分布——这取决于关于 AI 相关市场势力如何累积的高度不确定假设。半导体或基础模型提供商因此也可能崛起为真正的 AI 超级明星——如果这些公司能捕获 AI 创造的长期价值的超常份额。

第二，自动化与商业流程编码应在 AI 转型期间提高大多数公司的生产率。虽然经济基本面意味着一小部分终端使用公司将崛起为超常赢家，我们仍预期 AI 将带来广泛的、全经济的生产率提升。

也有两个市场含义：

第一，我们的分析支持权益分析师近期的结论——数据结构与编排 / 部署是释放 AI 与 AI 智能体所承诺经济价值的关键因素。专注这些领域的公司应受益于持续的企业投资。

第二，我们的分析强调，今天为有效部署 AI 与 AI 智能体而投资于必要的数据、劳动力、组织基础设施的公司，很可能崛起为享有超常股票估值的下一代超级明星公司。

作者

Joseph Briggs / Sarah Dong

全球经济团队

**Jan Hatzius** (Chief Economist) — +1(212)902-0394 — jan.hatzius@gs.com
**Joseph Briggs** — +1(212)902-2163 — joseph.briggs@gs.com
**Sarah Dong** — +1(212)357-9741 — sarah.dong@gs.com
**Megan Peters** (London) — +44(20)7051-2058 — megan.l.peters@gs.com

---

第 14-16 页 · 免责声明（Disclosure Appendix）要点摘录

Reg AC 声明所有作者（Joseph Briggs / Sarah Dong）证明本报告所表达观点准确反映其个人观点，未受公司业务或客户关系影响。

其他披露要点 - 报告中提及的所有公司可能与高盛存在不同形式的业务关系（IPO 主承销 / 副承销、1%+ 持股、服务报酬、市场做市、专家角色等） - 高盛政策禁止分析师及其家庭成员持有所覆盖公司证券、担任其董事 / 高管 - 分析师薪酬部分基于高盛盈利能力（含投行收入）

区域监管 - 美国：受 FINRA Rule 2241 / 2242 约束 - 欧盟与英国：遵循 EU 2016/958 委派条例 - 日本：高盛日本是 Kanto Financial Bureau 注册的金融工具交易商（Kinsho 69） - 新加坡：受 MAS 监管 - 台湾：仅供参考，禁止未经许可翻印 - 澳大利亚：本研究仅对"批发客户"开放

重要使用限制（值得关注）本研究不允许被用于训练或微调机器学习 / 人工智能系统，也不可作为 prompt 或输入提供给任何这类系统。这是 GS 2026 年新增的明确条款。

风险提示本研究不构成具体证券买入 / 卖出邀约，也不构成对特定投资者情况的个性化建议。投资价值可能波动，过去表现不预示未来。

---

译者后记 — 报告关键数字与逻辑链一页速查

核心叙事链 AI capex 不只是硬件 → 非硬件投资（无形资本）正在加速 → 体现为生产率 J 曲线（短期 GDP 低估）→ 重塑超级明星格局（拉开行业内差距）

关键数字 | 维度 | 数字 | 注释 | |---|---|---| | AI 充分采纳后 DM 生产率与 GDP 提升 | 15% | GS 长期 baseline | | 美国 AI capex（硬件） | $360bn / 1.1% of GDP | 已被国民账户记录 | | 全球 hyperscaler capex 2025 | $400bn | — | | 全球 hyperscaler capex 2026E | >$700bn | — | | AI capex 长期峰值预测 | 2% of US GDP | 与历史 GPT 一致 | | 美国 AI 转型相关劳动成本（自营） | $153bn / 年 | IT 岗位 25% 用于 AI × 劳动成本 | | AI 相关组织资本投资 | $40bn / 年 | 高管时间法 (CHS 2005) | | 每名受影响员工重组成本 | $84k | 公司公告样本平均 | | AI 周期累计劳动力重组成本 | $800-900bn | 替代 6-7% 工人 × $84k | | 每年劳动力重组投资 | $90bn | 累计 / 10 年 | | 历史 ICT $1 → 无形投资乘数 | +$2（GS）/ +$5-10（旧学术） | EU KLEMS 回归 | | AI 硬件激增隐含非硬件投资 | 美国 $700bn / 全球 $1tn | 应用乘数 | | Atlanta Fed 调研 2026 AI 相关支出 | ~$280bn | 外部验证 | | G10 无形投资占总投资比 | 48%（美国/英国 >50%）| EU KLEMS | | 美国 GDP 至少被低估幅度 | 0.2%（保守）至 2%（若 ICT 乘数完全成立）| — | | 数据领头羊三家 EV 涨幅 | $100bn → $650bn | Snowflake + Databricks + Palantir, 2022→2025 | | 大型云服务 4 家收入 | $200bn → $500bn（→ $1tn by 2030E） | AMZN AWS + MSFT + GOOG + ORCL |

学术基础（GS 引用 22 篇文献） - Corrado, Hulten, Sichel (2005, 2009) — 无形资本测量框架 - Brynjolfsson, Rock, Syverson (2021) — 生产率 J 曲线 - Haskel & Westlake (2017)《Capitalism Without Capital》 — 4S 框架 - Karabarbounis & Neiman (2013) / Autor et al (2020) / Barkai (2020) — 劳动份额下降 - Tambe, Rock, Hitt, Brynjolfsson (2021) — 市场集中度 - De Loecker, Eeckhout, Unger (2020) — markups - Kwon, Ma, Zimmerman (2024) — 超级明星公司 IRS 数据

给投资者的两条结论 1. 数据架构 / 编排 / 部署公司（Snowflake、Databricks、Palantir 类）受益于持续企业投资 2. 今天就为部署 AI 而投资数据 / 劳动力 / 组织基础设施的公司将成为下一代超级明星——享有超常股票估值

报告局限（GS 自承） - 不涉及 AI 科技栈内租金分布（半导体 / 基础模型提供商也可能是赢家） - 自动化将提高大多数公司生产率，仍预期广泛全经济收益

与前篇 Hammond/Kostin《Next Phases of AI Trade》的关系 - Hammond/Kostin (2024-03) 提出 4-phase 框架，把 AI 受益分为 Infrastructure / Enabled / Productivity 三阶段 - 本篇 Briggs/Dong (2026-05) 更进一步——指出 Phase 4 "Productivity" 的真正受益者是无形资本投资最积极的公司，并把它们命名为"下一代超级明星" - 两篇报告互补：Hammond/Kostin 给 stock-picking 框架；Briggs/Dong 给宏观基础（生产率 J 曲线 + 超级明星动态）

---

*翻译完成于 2026-05-22。译文力求忠实于原文，所有 exhibit 编号、机构名、ticker、数字均保留原始格式以便对照。如有疑义请回看原始 PDF。*