AI 真正的主戰場不是軟體業

發佈：2026-07-14 11:21 | 更新：2026-07-14 11:21 | 瀏覽：30

這份高盛投行部發佈的深度報告《Harnessing AI for the Real Economy》，揭示了AI從「線上虛擬世界」跨入「線下實體經濟」時，正在經歷的真實陣痛與典範轉移。

## 💡 核心洞察：軟體世界只是前菜，物理世界才是主戰場
雖然目前AI的討論多集中在軟體與演算法，但軟體服務（SaaS）僅占全球 GDP 的 **0.5%**，其餘 **99.5%** 都是實體經濟（製造、能源、物流、建築等）。AI 要創造真正的兆級價值，必須啃下這 99.5% 的硬骨頭。
### 1. 軟體業的「金絲雀」預警：商業模式的瓦解與重塑
作為 AI 衝擊的第一站，傳統軟體（SaaS）的估值大幅縮水，核心在於**定價權的轉移**：
 * **過去**：按人頭（席位）收費。
 * **未來**：按「交付結果」或「消耗的 Token 總量」計費。
 * **啟示**：客戶不再為「功能」買單，只為「解決問題的結果」付費。
### 2. 實體世界的兩大硬傷：缺電、缺人
當 AI 試圖落地實體經濟，最先撞上的不是演算法瓶頸，而是基礎設施與勞動力：
 * **缺人（技術工缺口）**：AI 能快速迭代，但培養一個合格電工、焊工需要 3 到 4 年。未來最缺的不是演算法科學家，而是能接線、維護配電網的藍領技術人員。
 * **缺電（離網數據中心）**：算力大爆發導致電力供不應求。微軟、亞馬遜等巨頭被迫直接插手能源領域（如重啟核電廠、投資微型核反應爐），未來預計有三分之一的新增數據中心將走向**「自備發電設施」的孤島模式**。
## 🛠️ 關鍵工具：工業 AI 落地五要素
高盛提出的這套框架，是檢驗任何 AI 專案能否在實體行業「活下來」的試金石：
| 要素 | 核心痛點 | 落地關鍵 |
|---|---|---|
| **1. 物理約束 (Physical Constraints)** | 模擬環境很完美，現實中要面對材料特性、熱力學與機械公差。 | 需要懂物理世界/現場業務的專家，與 AI 技術人員協同調優。 |
| **2. 私有數據 (Private Data)** | 互聯網公開數據無法優化特定產線。 | 真正的護城河在於企業自身累積的、不公開的行業與製程數據。 |
| **3. 邊緣部署 (Edge Deployment)** | 工廠不能因為斷網或網路延遲而停機。 | AI 必須能跑在本地機器、機床或嵌入式控制器上。 |
| **4. 可認證性 (Certifiability)** | 傳統行業（航空、醫療、能源）零容忍「幻覺」，且 AI 的黑盒特性難以解釋。 | 能否通過安全與監管機構的認證，是進入高風險行業的絕對門檻。 |
| **5. 嵌入工作流 (Workflow Integration)** | 「一邊開飛機一邊改飛機」，不能為了裝 AI 而推倒重建。 | AI 必須像一塊新拼圖，無縫拼入工廠運作了幾十年的現有工作流中。 |
## 🇨🇳 中國市場的「成本分水嶺」
報告指出，中國 AI 模型憑藉極致的性價比，在 OpenRouter 等平臺上的 Token 消耗份額已飆升至近半數。
> **⚠️ 核心警示：便宜本身不是壁壘。**
> 低成本的模型推理讓 AI 的門檻大幅降低，這意味著「單純套殼」的軟體再也無法維持高利潤。當模型變成便宜的公共基礎設施，真正的護城河將轉移到：**你對特定行業的理解、你擁有的獨家私有數據，以及你將 AI 嵌入複雜工作流的能力。**
> 
## 🚀 未來風向：AI 通用工程師（Prometheus）
AI 的定位正在從「寫信、做 PPT 的秘書」，演變為「設計噴氣發動機、藥物分子的物理工程師」。Bezos 聯合創辦的 **Prometheus** 在 2026 年中獲得 120 億美元融資，正代表了資本市場對於**「AI 直接介入物理設計與發明週期」**的巨大想像力。

正在透過 AI 引擎渲染精彩內容...