高盛最新報告指出，人工智慧（AI）的投資浪潮正從算力基礎設施向更廣泛的實體經濟延伸，製造、能源、物流、國防、生命科學與機器人等產業已同步進入AI改造進程，資本市場也被迫跟上重構腳步。高盛預估，2026年至2031年間，全球圍繞運算、資料中心與電力的AI資本支出將達約7.6兆美元，年度投入從2026年的7,650億美元，逐步攀升至2031年的1.64兆美元；超大型雲端業者至2030年的AI投資更可能突破6兆美元。全球資料中心供給已從2019年的30吉瓦增至2024年的57吉瓦，預計2030年前還將再增約65吉瓦。根據高盛，AI算力需求的成長速度已明顯超過基礎設施建設。Google今年6月宣布，每月支付SpaceX約9.2億美元，至2029年中累計約300億美元，換取約11萬顆輝達GPU使用權，顯示即便是自建大規模資料中心的科技巨頭，也難以靠自身節奏滿足算力需求。與此同時，電力正成為新的關鍵瓶頸。高盛指出，部分核心市場的資料中心併網等待期已長達8至12年，遠超GPU的更新週期，電網設備與施工人力短缺，恐使AI擴張瓶頸從「缺晶片」演變為「缺電、缺設備、缺人力」。AI衝擊軟體定價邏輯，SaaS商業模式面臨挑戰在衝擊實體產業之前，軟體業已率先承壓。高盛預估，AI代理（AIAgent）未來十年將使自動化與企業軟體的潛在市場規模擴大約2.5倍，但市場對傳統軟體公司的估值反而下修，主因是AI可能壓低定價、侵蝕訂閱收入。今年上半年，涵蓋微軟、Salesforce等大型軟體公司的iShares擴展科技軟體ETF下跌約17%，較2025年10月高點跌幅達26%；軟體板塊遠期本益比也從2025年底約35倍壓縮至約22倍，創2014年以來新低。高盛認為，SaaS時代靠席位訂閱與功能模組獲取溢價的商業模式，正被「按結果付費」的新邏輯取代。未來AI軟體的價值，將集中在三個層次：直接交付任務結果的應用層、調度模型與工作流程的AI代理編排層，以及沉澱企業專屬數據與機構知識的資料層。值得注意的是，中國模型正以低成本顛覆推理環節的市場定價。高盛指出，中國模型在OpenRouter平台的Token消費佔比，已從2024年底的低個位數攀升至2026年初的約50%，部分中國模型提供商可在政策與成本支持下接近成本定價，對以私人資本為主的美國模型業者形成直接壓力。分析指出，隨着推論價格下降，企業未來的競爭重點將不只是「接入哪個模型」，而是能否把模型嵌入獨有的數據、流程和業務結果之中。工業AI與數位雙生掀起百億美元併購潮高盛特別點出工業AI軟體的潛力，認為其影響力可能超越傳統企業軟體，因為其應用範圍橫跨製造、能源、汽車、生技醫療及航太等多個產業，可望帶動更廣泛的數位轉型。報告指出，這波工業AI浪潮的核心技術是數位雙生。透過建立工廠、設備、產品或生產流程的高精度虛擬模型，企業能在實際投入資金或調整產線前，先模擬生產效率、成本結構、材料特性及投資效益，再將分析結果回饋到真實生產環境，以降低風險並提升決策效率。相關大型併購案接連落地：新思科技（Synopsys）以350億美元收購Ansys，整合晶片設計與物理建模能力；西門子以51億美元收購Dotmatics，切入藥物研發模擬；艾默生電氣則以約170億美元收購AspenTech剩餘股權，強化工業AI與流程模擬。高盛指出，自2020年以來，全球大型工業企業已累計投入超過1,100億美元收購工業軟體相關資產。這些交易的目的不只是擴大業務規模，更重要的是建立從研發、設計、模擬、製造到營運的一體化軟體平台，掌握完整的工業AI價值鏈，進一步提升競爭優勢。人形機器人前景可期，但大規模商業化仍需等待在「物理AI」領域，機器人、自動駕駛設備與工業智慧裝備是AI進入現實世界的另一路徑。高盛預估，全球人形機器人市場將從2025年的約2萬台增長至2035年的140萬台，背後支撐力量是勞動力短缺。美國物料搬運崗位缺口已超過百萬個。不過，高盛也提醒，人形機器人距離大規模獲利仍有一段路。硬體與資本進展較快，但工廠部署、員工培訓與單位經濟效益驗證仍明顯滯後，廣泛商業化部署最快也要等到2027至2029年。現階段商業價值最確定的，仍是倉儲機器人、自動化物流設備等較成熟的應用。該行預計，人型機器人廣泛商業部署可能要到2027年至2029年才會出現。世界模型有望成為AI基建下一波成長動能除了生成式AI外，高盛也特別點出，「世界模型」（WorldModel）有機會成為推動下一波AI基礎建設投資的新驅動力。報告指出，與主要處理文字、圖片等內容的大型語言模型（LLM）不同，世界模型的目標在於理解真實世界的運作機制，並建立對物理環境與社會系統因果關係的模擬能力，例如材料特性、摩擦力、供應鏈變化、政策影響，甚至企業競爭策略等複雜情境。高盛認為，物理世界模型未來可廣泛應用於機器人、自動駕駛、智慧物流及工業產品設計等領域；社會世界模型則可協助企業與政府進行情境推演、投資分析、政策模擬、風險管理及治理壓力測試等高階決策。報告強調，世界模型並不是大型語言模型的替代品，而是建立在現有AI技術之上的另一層能力。若世界模型的技術成熟速度快於市場預期，市場目前對AI算力、資料中心及電力基礎設施的投資需求預估，仍可能過於保守，相關基礎建設支出仍有進一步上修空間。國防與太空：AI工業化最尖銳的試驗場高盛認為，國防與太空是實體AI最具戰略價值的應用場景，集結了技術、政府資本與供應鏈安全等多重因素。AI在國防領域的定位不在於取代人類作戰決策，而是在偵察、通訊、後勤與任務執行中扮演「戰力倍增器」。全球軍用無人機市場2026年規模約200億美元，預計未來十年將翻倍。高盛以SpaceX(SPCX-US)為例，其收購xAI後已同時具備國防、連接服務與AI算力等多重屬性，並計劃自2028年起在太陽同步軌道部署可執行大規模AI推理的衛星。報告指出，未來「國防公司」與「太空公司」的界線將日趨模糊。融資架構跟不上技術擴散速度報告最後點出整個AI產業的核心難題：技術擴散速度已超過資本體系的適應能力。資料中心與電力資產已有相對成熟的融資路徑，包括投資級債券、私募信貸與基礎設施基金等。然而，機器人、人形機器人與自動化設備的融資仍不成熟。它們既不像軟體公司那樣輕資產，也不像資料中心那樣具備穩定現金流與可抵押資產，GPU殘值不確定、機器人需要長時間部署驗證，傳統融資工具難以直接覆蓋這些風險。高盛認為，AI產業真正的融資挑戰，不在於科技巨頭是否能繼續購買GPU，而在於如何將早期技術風險、硬體折舊與長期部署風險，轉化為保險資金、私募信貸與長期機構資本能夠接受的投資標的。
