高盛在8月18日至19日連續第三年走訪矽谷AI初創企業、頭部風投機構以及斯坦福大學、加州大學伯克利分校和舊金山分校的研究人員後，釋出最新報告指出，AI正從“會回答”走向“能執行”的新階段，產業競爭焦點正從“誰的模型更強”轉向“誰能真正掌握工作流”。報告認為，模型能力依然重要，但能否進入企業生產環境、理解業務上下文並穩定完成任務，將成為更關鍵的競爭壁壘。
報告指出，AI商業化模式正在從“按席位訂閱”轉向按消費量、交易量和結果收費。與此同時，Agent（智慧體）正從輔助工具走向工作流執行者，產業價值也在從模型本身向專有資料、業務上下文和領域專業能力遷移。這意味著，隨著Agent加速落地，前沿模型、開源模型、世界模型、企業軟體和專有資料之間的價值分配都將發生變化。
在企業大規模部署Agent的過程中，最大的障礙可能已不再是模型能力，而是責任如何劃分以及執行過程能否被控制。報告援引斯坦福研究人員的觀點指出，目前多數企業仍處於人工監督模式，尤其在法律、風控、保險和審計等領域，模型一旦出錯，誰承擔責任、如何追溯過程、能否及時糾正，可能與模型本身的能力同樣重要。因此，最容易率先實現自動化的工作流通常具備三個特點：決策邊界清晰、結果可以驗證、錯誤能夠回滾。發票處理就是典型案例——AI負責提取欄位並執行檢查，低置信度案例交由人工複核，隨後通過可逆的ERP流程完成入賬。這也意味著，擁有可信內容、經驗證的領域模型以及成熟監管關係的資訊服務商，更有可能率先進入企業生產環境。
圍繞“開源還是閉源”的爭論，高盛此次考察釋放的訊號並非二選一，而是不同模型可能對應不同層級的工作流。前沿模型陣營認為，企業基準測試往往低估了模型能力，在真實生產環境中，模型精度下降帶來的業務損失可能遠高於節省的推理成本，因此多家AI原生公司雖宣稱採用多模型策略，但在核心生產環境中仍高度依賴前沿模型。另一種觀點則認為，絕大多數企業工作流並不需要前沿級智慧，隨著開源模型效能持續提升，客戶越來越願意用有限的效能損失換取更低的推理成本。一家風投機構預計，未來12至18個月，約90%的推理Token將流向開源模型。這意味著，未來AI模型市場可能形成更明確的分工：前沿模型負責高價值、高可靠性的複雜任務，開源模型承擔規模更大的標準化任務和大部分Token消耗。
報告還關注到“世界模型”的崛起。過去18個月，研究人員越來越多地將關注點從大語言模型（LLM）轉向世界模型。與主要依賴網際網路資料訓練的LLM不同，世界模型需要理解環境、因果關係、物理規律以及現實世界中的動態互動，其資料更多來自物理系統、具體行業和實際運營場景。高盛認為，物理、工業、科學和機器人等領域對應的問題空間遠大於純文本生成，而且這些工作流往往需要更高的算力投入。隨著AI從數字世界進一步進入物理世界，模型訓練、模擬和推理的算力需求也可能出現新的增長曲線。高盛預計，未來5年算力需求可能增長約24倍，供需緊張有望維持更長時間，微軟、甲骨文和CoreWeave等雲端計算及算力基礎設施公司將直接受益。
這份報告為AI產業投資者提供了多角度的觀察：一方面，Agent的落地將重塑企業軟體與資料服務的價值；另一方面，世界模型的發展可能為算力需求帶來第二條增長曲線。不過，報告也提示，AI商業化模式的轉變和模型分工的演變仍處於早期，實際落地效果有待觀察。