高盛矽谷回顧：人工智慧代理商、工作流程與世界模型

作者：李佳，《華爾街日報》

人工智慧正在進入一個新階段，從「能夠回答問題」發展到「能夠執行問題」。

根據 Wind Trading Desk 報告，高盛最新報告顯示，人工智慧的商業化正在從「按席位訂閱」轉向基於消費量、交易量和結果的收費；與此同時，智能體正在從輔助工具轉變為工作流執行器，行業價值也正在從模型本身轉向專有數據、業務背景和領域專業知識。

這意味著人工智慧產業的競爭正在從「誰的模型更強大」轉向「誰能真正掌握工作流程」。模型能力固然重要，但能否進入企業生產環境、理解業務背景並可靠地完成任務將成為更關鍵的競爭障礙。

這項判斷源自於高盛近期對矽谷人工智慧產業鏈的實地研究。 8月18日至19日，高盛連續第三年造訪了人工智慧新創公司、領先的創投公司以及來自史丹佛大學、加州大學柏克萊分校和舊金山大學的研究人員。高盛認為，隨著智慧體加速部署，前沿模型、開源模型、世界模型、企業軟體和專有數據之間的價值分配格局將會改變。

代理實施：企業真正缺乏的不是能力，而是“可控性”

如果說人工智慧過去解決的是「幫助人們完成任務」的問題，那麼智能體則試圖解決「自主完成任務」的問題。然而，在企業大規模部署過程中，最大的障礙可能不再是模型的能力，而是如何劃分職責以及能否控制整個執行過程。

報告引述史丹佛大學研究人員的觀點指出，大多數企業仍處於人工監管模式。尤其是在法律、風險控制、保險和審計等領域，如果模型出現錯誤，誰應承擔責任、如何追蹤錯誤過程以及能否及時糾正，這些都可能與模型本身的能力同樣重要。

因此，最有可能率先實現自動化的工作流程通常具備三個特徵：清晰的決策邊界、可驗證的結果和可逆的錯誤。發票處理就是一個典型的例子。人工智慧負責擷取欄位和執行檢查，置信度較低的情況由人工審核，然後透過可逆的ERP流程完成後續操作。

這也意味著，擁有可信賴的內容、經過驗證的領域模型和成熟的監管關係的資訊服務提供者更有可能率先進入企業生產環境。

模型競爭：前沿模型與開源模型之間的分工

關於「開源還是閉源」的爭論，高盛在此次調查中釋放的信號表明，這不是一個非此即彼的選擇，而是不同的模型可能對應於不同的工作流程層級。

前沿模型陣營認為，企業基準測試往往低估了模型能力。在實際生產環境中，模型準確率下降造成的業務損失可能遠遠超過推理成本的節省。因此，儘管許多人工智慧原生企業聲稱採用多模型策略，但它們的核心生產環境仍然嚴重依賴前沿模型。

另一種觀點認為，絕大多數企業工作流程並不需要尖端智慧。隨著開源模型效能的不斷提升，客戶越來越願意以有限的效能損失來換取更低的推理成本。一家創投公司預測，未來12到18個月內，約90%的推理任務將流向開源模型。

這意味著未來的 AI 模型市場可能會形成更清晰的勞動分工：尖端模型將負責高價值、高可靠性的複雜任務，而開源模型將處理更大規模的標準化任務和大部分代幣消耗。

世界模型：人工智慧運算能力或將迎來第二波成長

在過去的 18 個月裡，研究人員逐漸將研究重點從 LLM 轉移到「世界模型」。

與主要依賴網路資料進行訓練的線性模型不同，現實世界模型需要理解現實世界的環境、因果關係、物理定律和動態交互作用，其資料更來自物理系統、特定產業和實際運作場景。這意味著專有數據的重要性可能會進一步提升。

高盛認為，物理、工業、科學和機器人等領域的問題空間遠大於純文字生成，這些工作流程通常需要更高的運算能力投入。隨著人工智慧從數位世界進一步滲透到物理世界，模型訓練、模擬和推理方面的運算能力需求也可能迎來新的成長。

高盛預測，未來五年內，對運算能力的需求可能會成長約 24 倍，供需緊張局面預計將持續更長時間，這將直接惠及微軟、甲骨文和 CoreWeave 等雲端運算和運算基礎設施公司。