在繁荣中导航：理解人工智能的经济影响

核心观点

• AI 发展处于早期阶段： 尽管 AI 模型智能在计算、算法和数据方面取得了巨大进步，但“规模定律”在近期内仍适用，且新的模型改进向量（如测试时计算、多模态 AI 和新型模型训练技术）将持续推动 AI 智能的提升。
• 价值创造领域： 短期内，基础设施/计算/模型层（芯片、硬件、数据中心、基础模型）仍是价值创造的主要领域。长期来看，随着 AI 应用在消费和企业层面的普及，存储和内存等计算相关基础设施组件，以及基础设施软件（数据库、数据湖、MLOps 工具等）将成为新的价值创造领域。
• AI 应用案例： 初始的通用 AI 应用案例包括客户服务、网络搜索、软件开发、IT 服务管理、内容创作和广告。随着模型性能和可靠性的提升，应用案例将迅速扩展，但需要时间验证其投资回报。
• AI 应用货币化： 消费者 AI 应用主要采用免费增值模式。企业 AI 应用将通过嵌入式定价、附加定价、基于代币定价和“一线希望与祈祷”等方式实现货币化。
• 企业 AI 采用： 企业 AI 采用率开始上升，但仍处于早期阶段。试点和实验项目将逐步进入生产阶段，2025 年及以后将看到 AI 应用在采用和货币化方面的稳步增长。AI 代理将成为企业 AI 采用的主要催化剂。
• AI 采用障碍： 企业采用 AI 的主要障碍包括数据准备、变革管理能力、对 AI 影响的理解不足、准确性问题、伦理考量、成本和人才获取等。
• 物理瓶颈： AI 建设的主要物理瓶颈是电力和数据中心，而非芯片和技术。预计到 2030 年，美国数据中心电力需求将消耗 500 太瓦时电力，占当年美国总电力消耗的 9%。
• 能源需求： 天然气在满足 AI 数据中心能源需求方面处于最佳位置，其次是核能和电池存储。
• AI 对软件行业的影响： AI 并非软件行业和/或软件商业模式的威胁，而是为 IT 服务公司提供了演变的机会。IT 服务公司将在基础设施现代化、AI 模型集成、数据治理和企业级部署等领域发挥关键作用。
• AI 主题投资策略： 建议关注物理基础设施提供商、基础设施软件提供商、IT 服务公司、应用软件供应商和 AI 代理提供商。