高盛：AI下一站不在辦公室 在占99.5%的實體經濟

長期以來，人工智慧 (AI) 的討論多集中在軟體、辦公自動化與程式編寫。然而，高盛投行部門在 2026 年發布的最新報告指出，AI 的下一階段將從數位應用擴展到實體產業。

這場變革的核心被稱為 「物理人工智慧」(Physical AI)，它正深入工廠、電網、倉庫、實驗室及國防系統，重塑全球真實經濟的運作邏輯。

從數位訊號到實體資產

報告指出，雖然過去幾年軟體產業對 AI 的應用最為熱烈，但 SaaS(軟體即服務) 僅佔全球 GDP 的不到 0.5%。剩下的 99.5% 則由製造、機器人、國防、建築與能源等實體經濟構成，這才是 AI 真正落地的巨大藍海。

這場轉型並非輕資產的軟體升級，而是一場重資產、長週期且跨行業的工業革命。高盛預估，2026 年至 2031 年間，全球圍繞算力、數據中心與電力的 AI 資本開支將高達 7.6 兆美元。這意味著 AI 競爭已從「誰更會用工具」提升到「誰能更有效組織資本與資源」的層級 。

關鍵技術驅動

在實體經濟中，AI 不再只是辦公助手，而是生產系統的即時回饋層。其中，數位孿生 (Digital Twins) 被視為工業 AI 的底座，讓企業在現實改變發生前，先在虛擬環境模擬成本、吞吐量與投資回報率。

此外，「世界模型」(World Models) 的興起標誌著 AI 從預測文本轉向理解物理規律 (如重力、摩擦、熱力學)。這種理解因果關係的能力，對於控制機器人、管理供應鏈與協調複雜工作流至關重要。

產業變革實錄：製造、物流與國防

製造業與機器人： 人形機器人 (如 Figure AI) 已開始在汽車裝配線進行每日 10 小時的移位工作。然而，高盛強調，真正能產生收入的往往是單位經濟模型更清晰的單用途系統，如 Walmart 的「黑燈倉庫」與 Amazon 的自主移動機器人。

能源與基礎設施： AI 對電力的極度渴望使能源成為轉型的前置條件。美國關鍵數據中心的電網接入排隊時間已長達 8 至 12 年。未來，電力工程與冷卻系統等「新藍海」人才將變得極度稀缺。

國防戰略： 國防已成為 Physical AI 最激進的試驗場。無人機、邊緣計算與 AI 推理的匯合，使防務科技的價值在不到十年內從投機轉為可承銷的資產。

定價權轉移

高盛認為，在商業模式上，AI 正在打破舊有的軟體經濟學。定價權正從應用層遷移到結果層、Agent 層與數據層。企業不再只是為軟體帳號 (Seats) 付費，而是為「完成的工作」付費。這一趨勢被總結為「Tokenomics is the new headcount」，即未來的組織管理將圍繞算力、Token 與機器人產能重新核算成本與績效。

報告特別提到了 「中國成本鴻溝」(The China Cost Divide)。中國開發者 (如阿里、字節、DeepSeek 等) 正顯著降低模型推理成本。雖然這加速了 AI 普及，但高盛提醒，低成本推理並不等同於組織優勢，真正的競爭在於如何將 AI 嵌入複雜的實體工作流中。

資源組織力決定勝負

高盛總結認為，AI 時代正在被真實地建造出來。這場轉型要求企業擁有更靈活的資本策略，因為 Physical AI 的部署需要結合股權、主權資本、私募信貸等多種金融工具。

未來的贏家將是那些能同時滿足五個條件的公司：具備物理約束的架構、掌握專有數據、擁有邊緣部署能力、通過安全認證、並能深度嵌入既有工作流。AI 不再僅是科技業的軍備競賽，它已成為定義未來實體經濟主權與競爭力的核心力量。