Goldman指出电力和算力是AI的关键瓶颈

Goldman的研报将投资者的注意力引向AI的物理基础设施，并指出获取高压电力如今是比拥有购买芯片的资金更大的障碍。这使已经接入电网的公司占据优势，并表明到2027年，决定新数据中心建设速度的可能不是芯片供应，而是电力可用性。在软件方面，支出向数据和网络安全转移，表明基础平台与应用提供商之间的差距正在扩大；随着AI代理取代人类用户，后者的定价策略可能面临压力。对核心平台回报的关注也表明，投资者可能更青睐已被验证的算力变现方式，而非未经证实的新收入来源。

---

根据Goldman对AI热潮的分析，有钱就能买到GPU，但电力决定了谁才能真正运行这些GPU。

摘要：

• 据Goldman称，基于与科技公司管理团队的对话，AI基础设施需求继续超过可用容量，算力供需缺口正在扩大。
• 模型训练的预期放缓正被AI安全与节奏监控方面增加的支出所抵消，这使算力需求保持在高位。
• 主要超大规模运营商正在锁定2028年及以后的电力协议，因为2026年和2027年的电网容量几乎已被完全占用。
• 由于零部件价格上涨和对额外芯片的需求，资本支出正在增加，而单位电力的收入在过去一年中增长了大约三分之二。
• Goldman认为数据和安全平台是AI投资中最明显的一些赢家，并表示应用软件越来越多地为AI代理而非人类设计。
• Meta在其主要业务中每兆瓦可实现两到三倍的ROI，而Google采用全栈策略，包括定制芯片、云服务、安全和分发。

Goldman Sachs表示，根据其最近与科技公司管理团队的会谈，AI基础设施需求持续超过容量，制约因素正从芯片转向电力。

这家投资银行表示，由于新的基础设施需求和稳定的企业支出，算力的供需缺口正在扩大。Goldman预计模型训练将放缓，但指出企业正在增加对AI安全和节奏监控的支出，这些任务需要更多算力，从而使整体算力需求保持在高位。

据Goldman称，电力现在是主要瓶颈。该银行指出，2026年和2027年的电网容量几乎已被完全预订，促使领先的超大规模运营商积极争取2028年及以后的电力合同。Goldman认为，仅仅拥有购买GPU的资金是不够的；能否接入高压能源基础设施现在决定了谁能够扩张。由于零部件价格上涨和对更多芯片的需求，资本支出正在上升。与此同时，单位电力的收入与过去一年中较早的价位相比增加了大约三分之二。

Goldman还强调了企业软件的结构性变化。它认为数据和安全平台是AI支出中最明显的一些赢家，因为AI需要干净、结构化且安全的数据。CIO们越来越多地将预算投向基础数据层和网络安全工具，以保护数据完整性并限制组织内未经授权的“影子AI”带来的风险。

应用软件正变得“无头化”，意味着它越来越多地为AI代理而非人类用户而构建。Goldman表示，这使供应商能够将更先进的AI能力集成到现有平台中，并正在推动行业扩张。不过，它警告说，这种转变最终可能改变软件公司对其产品定价和变现的方式。

在Goldman重点提及的公司中，它指出Meta在主营业务中继续实现每兆瓦两到三倍的ROI，同时寻求新的增量收入来源。该银行表示，Google利用定制芯片、云、安全和庞大分发网络相结合的全栈优势来提升核心变现能力。在此背景下，TPU芯片销售只是更广泛组合策略中的一个要素。

Goldman总结道，AI变现提供了显著的选择余地。尽管如此，在它看来，核心平台变现仍然是算力更可靠、更有利可图的用途之一，这表明那些已经在电力使用上产生强劲回报的成熟平台，在容量仍然有限的情况下，可能继续成为更可靠的赢家。