AI经济影响的
双重视角
Jim Covello与Joseph Briggs的华尔街顶级对话：短期怀疑论与长期乐观主义的巅峰对决
核心分歧
"用1万亿美元技术替代廉价人力"
"10年后创造4.5万亿美元价值"
执行摘要
核心发现
Jim Covello与Joseph Briggs的辩论揭示了AI投资的核心张力——短期经济可行性与长期变革潜力之间的深刻分歧。2026年成为验证关键节点：企业AI采用率低迷（仅5%实现损益表影响）、科技巨头资本开支增速放缓、电力基础设施瓶颈凸显，使Covello的怀疑论获得更多实证支持，而Briggs的长期愿景则面临时间表的考验。
Covello的警告
- • "成本悖论"：昂贵技术替代廉价人力
- • "工作垃圾"现象：95%企业未见回报
- • 仅有英伟达等基础设施层获利
- • 泡沫破裂风险：资本开支收缩触发
Briggs的展望
- • 10年转化期：J曲线效应的历史规律
- • 25%工作自动化潜力
- • 4.5万亿美元年度经济价值
- • 年轻技术工作者率先承受冲击
核心人物与立场定位
Jim Covello
高盛全球股票研究主管
核心观点
"历史上多数技术转型都是用非常便宜的解决方案取代非常昂贵的解决方案。而AI可能用成本极高的技术取代工作岗位，这完全是反其道行之。"
专业背景
- • 高盛30年从业经历，亲历互联网泡沫
- • 半导体设备行业分析师出身
- • 连续多年机构投资者最佳分析师
- • 以现金流和ROI分析著称
Joseph Briggs
高盛全球经济研究部联合主管
核心预测
"生成式AI最终能够自动化约25%的工作任务，在10年内使美国劳动生产率提升约15%，创造约4.5万亿美元的年度经济价值。"
专业背景
- • 宏观经济建模与长期趋势分析专家
- • 任务分解模型与历史类比方法论
- • 900+职业工作任务数据研究
- • 技术变革经济影响的量化研究传统
对话背景与交锋语境
高盛AI研讨会
2024-2026年系列研讨会，系统呈现乐观与怀疑两种立场
关键时点
2026年AI行业风向转变，多重信号汇聚
方法论差异
硬基本面 vs 结构性转型的系统性分歧
核心矛盾：短期经济可行性的根本分歧
Covello的"成本悖论"
"历史上多数技术转型，尤其是那些有变革意义的技术转型，都是用非常便宜的解决方案取代非常昂贵的解决方案。而AI可能用成本极高的技术取代工作岗位，这完全是反其道行之。"
高盛内部测试案例
"工作垃圾"现象剖析
Covello创造的生动术语，描述当前企业AI应用的困境：大量低质量、半成品的AI生成内容充斥工作流，需要大量后续处理才能使用，反而降低了整体工作效率。
MIT调查数据
组织未获得商业回报
高盛研究
美国公司在生产环境使用生成式AI
MIT调查
公司实现可衡量损益表影响
Briggs的"长期转化"反驳框架
几乎所有变革性技术在早期阶段都呈现"高成本、低回报"特征，这一模式被称为技术投资的"J曲线"——初期投入巨大但收益有限，随着技术成熟和规模扩大，成本下降和收益提升形成正向反馈。
历史技术采纳时滞
长期愿景：自动化潜力与价值创造
25%工时自动化的任务分解模型
Briggs的预测建立在精细的任务分解模型之上，该模型将经济活动拆解为具体的工作任务，评估每项任务的AI暴露度和可替代性。
美国
最高可达30%，服务业占比高
欧洲
制造业缓冲部分冲击
全球平均
考虑AI就绪度差异
就业市场结构性转型
岗位暴露风险
全球全职工作岗位暴露于AI自动化风险
最终替代率
全球劳动力实际替代率
年轻工作者冲击
20-30岁技术工作者首当其冲承受AI冲击
新岗位创造
AI系统开发工程师
模型训练、部署、监控、优化
人机协作流程设计师
重新设计工作流程以优化人机分工
AI伦理与治理专家
确保AI系统的公平、透明、可问责
数据质量监控员
为模型训练提供高质量数据
市场警示：双重泡沫与资本配置
公开市场"盈利泡沫"
股价涨幅远超盈利增长，估值扩张成为主要回报来源。昂贵的估值本身不会导致股价下跌，但基本面增长的失望会。
英伟达案例分析
2024年下半年至2025年，尽管远期盈利预期继续大幅上调37%，股价却基本持平，反映"过度赚钱"的市场心理。
私募市场"估值泡沫"
估值基于收入而非利润，假设极端增长情景。头部AI初创企业估值超1000亿美元，但几乎无盈利。
泡沫维持机制
- • FOMO情绪驱动
- • 机构投资者配置压力
- • 流动性充裕支撑
- • 公开市场锚定效应
与互联网泡沫的量化对比
| 对比维度 | 当前AI热潮(2025年) | 互联网泡沫(1999-2000年) | 评估 |
|---|---|---|---|
| 前瞻市盈率 | 25-30x (Mag 7) | ~50x (可比公司) | 当前估值较峰值有约46%折扣 |
| 盈利质量 | 强劲自由现金流 | 大量公司无盈利 | 当前基本面显著更强 |
| IPO狂热 | 显著降温(51起) | 极端(388起) | 投机情绪远不及当年 |
泡沫破裂触发机制
Covello将科技巨头资本开支收缩视为最关键的泡沫破裂触发器。当前投资热潮依赖于"军备竞赛"逻辑，但这一均衡是脆弱的。
2025年资本支出
电力需求增长
科技巨头的资本开支策略分化
微软
AI+云垂直整合
- • OpenAI深度绑定
- • Azure AI服务平台
- • Copilot产品矩阵
谷歌
全栈布局领先
- • TPU自研芯片成熟
- • Gemini模型多模态领先
- • 数据资产与分发渠道
Meta
开源路线激进
- • Llama开源模型
- • 社交场景AI应用
- • 元宇宙交互技术
谷歌的全栈布局与赢家地位
TPU芯片优势
协同效应
高盛评估：谷歌定位为"目前最大的赢家"，云业务增长强劲（Q3同比增长34%，运营利润率23%），全栈整合优势转化为实际财务回报。
电力基础设施瓶颈
需求预测
2030年全球数据中心电力需求
相比2023年增长
政策挑战
- • 碳中和承诺 vs 电力需求增长
- • 可再生能源 vs 24/7运行需求
- • 国家竞争 vs 环境标准
- • 基础设施能力 vs 建设速度
行业启示：AI发展的现实检验
演示效果与生产环境部署的差距
AI领域普遍存在"演示-生产鸿沟"：实验室和发布会上的惊艳表现，难以转化为生产环境的可靠运行。
鸿沟表现
- • 任务选择性掩盖失败率
- • 质量容忍度差异
- • 集成复杂度被低估
- • 可靠性要求难以满足
根本原因
- • 技术-任务错配
- • 流程整合失败
- • 质量监控缺失
- • 员工技能缺口
行业特定应用的分化进展
金融服务：相对领先
医疗健康：中等滞后
制造业：早期阶段
法律服务：试点广泛
核心洞察
"AI的真正答案不在发布会上，而在每个人的办公室里"——这句话捕捉了AI发展的核心张力：从"技术可能性"到"经济可行性"的转化挑战。
投资启示：范式转换与风险重构
2023-2024：主题驱动
2025-2026：验证过渡
2027+：基本面主导
基础设施层与应用层的风险收益重构
基础设施层（推荐）
应用层（谨慎）
综合投资策略建议
Covello的防御性策略
Briggs的积极参与策略
职场启示：技能重塑与适应策略
年轻技术工作者首当其冲
Briggs识别出结构性效应：20-30岁年轻技术工作者可能首当其冲承受AI冲击，形成"失落的一代"效应。
冲击机制
- • 集中于AI高暴露岗位（初级编程、数据分析）
- • 缺乏难以自动化的经验判断和客户关系
- • 职业路径未固定，但转换资源有限
- • 被视为可压缩的成本中心
长期影响
- • 人力资本积累受阻
- • 社会流动性下降
- • 职业培训体系滞后
- • 心理健康挑战增加
技能适应与重塑策略
技术技能
- • AI系统开发与维护
- • 人机协作流程设计
- • 数据质量监控
- • 模型训练与优化
社交技能
- • 情商与同理心
- • 创造力与审美判断
- • 复杂问题解决
- • 跨文化沟通
治理技能
- • AI伦理与合规
- • 风险管控能力
- • 质量监控标准
- • 职业发展灵活性
政策与社会保障响应
当前挑战
- • 失业保险覆盖不足
- • 再培训体系响应慢
- • 技能认证体系缺失
- • 心理支持缺乏
政策选项
- • 扩大失业保险覆盖范围
- • 模块化培训课程设计
- • 行业认证与微证书
- • 心理健康咨询支持
生存指南
对职场人而言，技能重塑与职业灵活性成为生存关键。Covello-Briggs辩论的未决性提醒我们：AI的真正影响将在未来十年逐步显现，当前是准备而非恐慌的时刻。