AI投資重心邁向實體產業！高盛：未來6年資本支出或達7.6兆美元
高盛最新報告指出，人工智慧（AI）的投資浪潮正從算力基礎設施向更廣泛的實體經濟延伸，製造、能源、物流、國防、生命科學與機器人等產業已同步進入 AI 改造進程，資本市場也被迫跟上重構腳步。
高盛預估，2026 年至 2031 年間，全球圍繞運算、資料中心與電力的 AI 資本支出將達約 7.6 兆美元，年度投入從 2026 年的 7,650 億美元，逐步攀升至 2031 年的 1.64 兆美元；超大型雲端業者至 2030 年的 AI 投資更可能突破 6 兆美元。
全球資料中心供給已從 2019 年的 30 吉瓦增至 2024 年的 57 吉瓦，預計 2030 年前還將再增約 65 吉瓦。
根據高盛，AI 算力需求的成長速度已明顯超過基礎設施建設。Google 今年 6 月宣布，每月支付 SpaceX 約 9.2 億美元，至 2029 年中累計約 300 億美元，換取約 11 萬顆輝達 GPU 使用權，顯示即便是自建大規模資料中心的科技巨頭，也難以靠自身節奏滿足算力需求。
與此同時，電力正成為新的關鍵瓶頸。高盛指出，部分核心市場的資料中心併網等待期已長達 8 至 12 年，遠超 GPU 的更新週期，電網設備與施工人力短缺，恐使 AI 擴張瓶頸從「缺晶片」演變為「缺電、缺設備、缺人力」。
AI 衝擊軟體定價邏輯，SaaS 商業模式面臨挑戰
在衝擊實體產業之前，軟體業已率先承壓。高盛預估，AI 代理（AI Agent）未來十年將使自動化與企業軟體的潛在市場規模擴大約 2.5 倍，但市場對傳統軟體公司的估值反而下修，主因是 AI 可能壓低定價、侵蝕訂閱收入。
今年上半年，涵蓋微軟、Salesforce 等大型軟體公司的 iShares 擴展科技軟體 ETF 下跌約 17%，較 2025 年 10 月高點跌幅達 26%；軟體板塊遠期本益比也從 2025 年底約 35 倍壓縮至約 22 倍，創 2014 年以來新低。
高盛認為，SaaS 時代靠席位訂閱與功能模組獲取溢價的商業模式，正被「按結果付費」的新邏輯取代。
未來 AI 軟體的價值，將集中在三個層次：直接交付任務結果的應用層、調度模型與工作流程的 AI 代理編排層，以及沉澱企業專屬數據與機構知識的資料層。
值得注意的是，中國模型正以低成本顛覆推理環節的市場定價。高盛指出，中國模型在 OpenRouter 平台的 Token 消費佔比，已從 2024 年底的低個位數攀升至 2026 年初的約 50%，部分中國模型提供商可在政策與成本支持下接近成本定價，對以私人資本為主的美國模型業者形成直接壓力。
分析指出，隨着推論價格下降，企業未來的競爭重點將不只是「接入哪個模型」，而是能否把模型嵌入獨有的數據、流程和業務結果之中。
工業 AI 與數位雙生掀起百億美元併購潮
高盛特別點出工業 AI 軟體的潛力，認為其影響力可能超越傳統企業軟體，因為其應用範圍橫跨製造、能源、汽車、生技醫療及航太等多個產業，可望帶動更廣泛的數位轉型。
報告指出，這波工業 AI 浪潮的核心技術是數位雙生。透過建立工廠、設備、產品或生產流程的高精度虛擬模型，企業能在實際投入資金或調整產線前，先模擬生產效率、成本結構、材料特性及投資效益，再將分析結果回饋到真實生產環境，以降低風險並提升決策效率。
相關大型併購案接連落地：新思科技（Synopsys）以 350 億美元收購 Ansys，整合晶片設計與物理建模能力；西門子以 51 億美元收購 Dotmatics，切入藥物研發模擬；艾默生電氣則以約 170 億美元收購 AspenTech 剩餘股權，強化工業 AI 與流程模擬。
高盛指出，自 2020 年以來，全球大型工業企業已累計投入超過 1,100 億美元收購工業軟體相關資產。
這些交易的目的不只是擴大業務規模，更重要的是建立從研發、設計、模擬、製造到營運的一體化軟體平台，掌握完整的工業 AI 價值鏈，進一步提升競爭優勢。
人形機器人前景可期，但大規模商業化仍需等待
在「物理 AI」領域，機器人、自動駕駛設備與工業智慧裝備是 AI 進入現實世界的另一路徑。
高盛預估，全球人形機器人市場將從 2025 年的約 2 萬台增長至 2035 年的 140 萬台，背後支撐力量是勞動力短缺。美國物料搬運崗位缺口已超過百萬個。
不過，高盛也提醒，人形機器人距離大規模獲利仍有一段路。
硬體與資本進展較快，但工廠部署、員工培訓與單位經濟效益驗證仍明顯滯後，廣泛商業化部署最快也要等到 2027 至 2029 年。現階段商業價值最確定的，仍是倉儲機器人、自動化物流設備等較成熟的應用。
該行預計，人型機器人廣泛商業部署可能要到 2027 年至 2029 年才會出現。
世界模型有望成為 AI 基建下一波成長動能
除了生成式 AI 外，高盛也特別點出，「世界模型」（World Model）有機會成為推動下一波 AI 基礎建設投資的新驅動力。
報告指出，與主要處理文字、圖片等內容的大型語言模型（LLM）不同，世界模型的目標在於理解真實世界的運作機制，並建立對物理環境與社會系統因果關係的模擬能力，例如材料特性、摩擦力、供應鏈變化、政策影響，甚至企業競爭策略等複雜情境。
高盛認為，物理世界模型未來可廣泛應用於機器人、自動駕駛、智慧物流及工業產品設計等領域；社會世界模型則可協助企業與政府進行情境推演、投資分析、政策模擬、風險管理及治理壓力測試等高階決策。
報告強調，世界模型並不是大型語言模型的替代品，而是建立在現有 AI 技術之上的另一層能力。若世界模型的技術成熟速度快於市場預期，市場目前對 AI 算力、資料中心及電力基礎設施的投資需求預估，仍可能過於保守，相關基礎建設支出仍有進一步上修空間。
國防與太空：AI 工業化最尖銳的試驗場
高盛認為，國防與太空是實體 AI 最具戰略價值的應用場景，集結了技術、政府資本與供應鏈安全等多重因素。
AI 在國防領域的定位不在於取代人類作戰決策，而是在偵察、通訊、後勤與任務執行中扮演「戰力倍增器」。全球軍用無人機市場 2026 年規模約 200 億美元，預計未來十年將翻倍。
高盛以 SpaceX(SPCX-US) 為例，其收購 xAI 後已同時具備國防、連接服務與 AI 算力等多重屬性，並計劃自 2028 年起在太陽同步軌道部署可執行大規模 AI 推理的衛星。報告指出，未來「國防公司」與「太空公司」的界線將日趨模糊。
融資架構跟不上技術擴散速度
報告最後點出整個 AI 產業的核心難題：技術擴散速度已超過資本體系的適應能力。
資料中心與電力資產已有相對成熟的融資路徑，包括投資級債券、私募信貸與基礎設施基金等。
然而，機器人、人形機器人與自動化設備的融資仍不成熟。它們既不像軟體公司那樣輕資產，也不像資料中心那樣具備穩定現金流與可抵押資產，GPU 殘值不確定、機器人需要長時間部署驗證，傳統融資工具難以直接覆蓋這些風險。
高盛認為，AI 產業真正的融資挑戰，不在於科技巨頭是否能繼續購買 GPU，而在於如何將早期技術風險、硬體折舊與長期部署風險，轉化為保險資金、私募信貸與長期機構資本能夠接受的投資標的。
更多鉅亨報導
•美銀依舊看漲AI、點名「這些」等受惠股！2027年雲端AI資本支出衝1.5兆美元
•高盛警告「買入一切AI」時代結束！避險基金連4週拋售科技股