国际机构观点—高盛的两份重要报告

国际机构观点—高盛的两份重要报告

建信AI——投资全球领先科技

1# 这份报告来自高盛，名字叫《AI赢家与颠覆风险：第三届年度硅谷AI调研之旅对股票的启示》，发布时间是2026年8月31日。报告的核心，是高盛分析师George K. Tong和Sami Nasir在8月18日至19日深入硅谷，与Daloopa、Harvey、Clio、Corgi、Moody's等AI公司以及斯坦福、UC Berkeley的研究人员面对面交流后，对美股信息服务和商业服务板块做出的全面AI影响评估。 一、专有数据，是AI时代唯一真正的护城河 报告的第一个核心结论：专有数据（Proprietary Data）创造最清晰的信息优势。高盛在报告中把这一点放在了四大主题之首。他们调研后发现，AI模型能力越来越强，但模型本身无法创造信息。它只能处理信息。这就让"别人没有、难以复制、持续更新"的数据资产，变得前所未有的值钱。报告里，穆迪（MCO）被点名表扬为"最清晰受益者"（Clearest Positive Read-Through）。因为穆迪展示了它的"连接智能"（Connected Intelligence）平台：把PDF、Excel、自由格式文档里的保险投保信息，在几秒钟内转化为标准化的承保数据。这在过去需要人工花费数小时甚至数天。更关键的是，这个工作流依赖穆迪专有的风险情报、实体关系、灾难模型和领域知识，通用AI根本复制不了。报告明确写道，穆迪通过Smart APIs、MCP服务器和Agent产品，让客户能在自己的工作流里调用这些智能，开辟了增量订阅和使用费收入。相比之下，FactSet（FDS）的处境就危险多了。高盛在报告中特别提到了Daloopa的演示。Daloopa展示了AI如何用公开披露的公司财报数据，自动完成财务数据收集和模型维护，直接映射到客户的Excel里。报告直言，FDS的核心金融信息很多是从公开或第三方来源聚合而来的，"底层数据的可复制性高于专有研究或方法论"。意味着AI正在直接侵蚀FDS工作站（Workstation）的价值。报告给FDS的评级是"混合/负面"（Mixed/Negative），目标价236美元，远低于当时313美元的股价。标普全球（SPGI）和MSCI则处于中间地带。它们拥有专有指数、评级、行业数据集，但面临"界面风险"——客户可能通过第三方Agent访问它们的数据，而不是直接登录它们的产品。报告给它们的定性是"正面/混合"（Positive/Mixed）。 二、从"告诉你答案"到"帮你把活干完" 高盛这次调研的第二个重大发现，是AI应用正在从"信息交付"（Information Delivery）向"工作流执行"（Workflow Execution）扩张。简单说，以前的AI是搜索引擎，问你一个问题，给你一堆资料。现在的AI是实习生，不仅找资料，还帮你起草文件、协调任务、完成整个专业流程。这个转变，让"工作流控制权"变成了比"数据所有权"更值钱的战略高地。报告里，汤森路透（TRI）被作为一个典型案例。它拥有权威的Westlaw法律内容和CoCounsel AI产品，可以结合内容进入研究、起草、文件审查等完整法律工作流。但风险也很明显：Harvey和Clio正在争夺法律工作流的客户界面。如果客户通过Harvey或Clio使用AI，汤森路透可能退化为"底层内容供应商"，即使内容需求还在，议价权也会流失。报告给TRI的定性是"正面/混合"，核心悬念就是：它能不能把内容优势转化为工作流控制权？FICO则是另一个极端。斯坦福的研究人员在调研中指出，企业部署Agent最大的障碍不是模型能力，而是"问责制"——谁来为AI的决策负责？FICO的优势恰恰在这里：它不仅提供信用评分，更提供"治理决策"（Governed Decisioning）能力，把AI输出与客户政策、监管要求、审批权限和异常处理结合起来，留下可审计的决策记录。报告认为，随着Agent承担更多决策，企业对FICO这类"有边界、可检查、可逆转"的决策治理软件需求会激增。FICO的变现路径清晰：按软件、按使用量、按自动化决策量收费。Equifax（EFX）的逻辑类似。它的"The Work Number"拥有雇主贡献的收入和就业记录，这是公开数据、模型数据或自报数据无法替代的。当AI从"给建议"进化到"发起决策"时，验证环节会变得更频繁、更前置。报告认为，EFX可以直接从更高的验证交易量中获益。 三、实体服务抗冲击，白领外包最危险 这是报告里我最喜欢的一部分，因为它完全打破了很多人的直觉。很多人以为AI来了，最先消失的是蓝领体力活。但高盛的调研结论恰恰相反：物理服务和教育平台比绑定白领人力外包的商业模式更抗冲击。因为AI可以增强实体服务（比如监控、灭虫、制服租赁）的价值，但它替代不了客户真正购买的"物理活动"本身。报告里，ADT（安防监控）、Cintas（CTAS）（制服与设施服务）、Rollins（ROL）（害虫防治）被列为"最清晰受益者"。AI可以让ADT更精准地区分真假警报，让CTAS优化路线和交叉销售，让ROL预测虫害爆发——这些都提升了服务价值和客户粘性，但没有替代上门服务的必要性。McGraw Hill（MH）也被重点推荐。它拥有超过1亿个付费课程许可，750万AI产品用户。UC Berkeley/UCSF的session展示了领域专用AI如何结合情境信息做个性化推荐，这与MH的自适应学习路径完美契合。报告提到，MH已经识别出固定加价、按问题定价、按Token消耗等多种变现模式，潜在许可溢价达到5%-15%。但另一边，Robert Half（RHI）成了整个覆盖板块中"颠覆风险最大"的股票。Daloopa的自动化演示说明，AI可以替代数据收集、模型维护、可重复的分析工作——这些正是RHI在会计、财务、行政和初级技术岗位派遣的核心领域。报告直言，客户可能把更多招聘和筛选工作内化，减少对外部派遣的依赖。高盛给RHI"卖出"评级，目标价29美元。Manpower（MAN）因为蓝领 exposure 更多，相对抗冲击一些。但旗下的Experis（IT和专业服务）同样面临风险。这个对比非常残酷：AI不淘汰"动手"的行业，它淘汰的是"坐办公室做重复性知识工作"的行业。 四、变现模式革命：从卖座位，到卖结果 报告第四个主题，是关于AI如何改变收费模式。传统的SaaS和信息服务商按"席位"（Seat）收费，一个人一个账号，收一份钱。但高盛调研后认为，AI时代的变现将扩展到四个维度：使用量、交易量、产品溢价、完成结果。最清晰的路径是"使用量/交易收费"。MCO、SPGI、FICO、EFX都可以按Agent访问次数、数据消费量、自动化决策量、验证交易量来收钱。风险在于，这些使用量可能被捆绑在现有企业合同里，无法形成增量收入。"产品溢价/结果收费"的路径更长期，但也更可持续。MH的AI课程加价、ADT的高级监控服务、TRI的CoCounsel工作流产品，都是把收费和"完成的任务、改善的结果"挂钩。Iron Mountain（IRM）则走"基础设施"路线。Vercel和ClickHouse的session指出，Agent应用产生的请求、Token消耗、遥测数据远超传统软件，直接拉动数据中心和资产生命周期服务需求。IRM不需要发明新的AI定价模型，它直接从AI带来的信息处理需求中获益。但报告也警告了"收入错配"风险：FDS、IT、RHI、PBI面临的最大危险，是现有收入被侵蚀的速度，可能快于新AI变现产生的速度。旧的塌了，新的还没立起来，这是最痛苦的阶段。#多重利好引爆AI应用，OpenAI宣告AGI时代# $建信新兴市场混合(QDII)A(OTCFUND|539002)$ $建信新兴市场混合(QDII)C(OTCFUND|018147)$ $建信纳斯达克100指数(QDII)C人民币(OTCFUND|012752)$

五、高盛的赢家清单与输家清单 报告在Exhibit 1里给出了明确的股票分组： 最清晰AI受益者（Positive）：穆迪（MCO）、FICO、Equifax（EFX）、McGraw Hill（MH）、ADT、Cintas（CTAS）、Rollins（ROL）、Iron Mountain（IRM）。它们的共同点是：差异化资产+已建立的渠道+实体服务定位，能够在交易、溢价产品、经常性收入和基础设施需求上找到可信的变现路径。 强定位但变现较不确定（Positive/Mixed）：标普全球（SPGI）、MSCI、CoStar（CSGP）、汤森路透（TRI）、TransUnion（TRU）。它们有专有信息和嵌入工作流，但Agent定价、界面所有权和竞争强度可能限制增量收入。 增量或长期受益者（Mixed/Positive）：Verisk（VRSK）、UL Solutions（ULS）、Korn Ferry（KFY）、Manpower（MAN）、Bright Horizons（BFAM）、KinderCare（KLC）、Phoenix Education（PXED）、Vestis（VSTS）、Brink's（BCO）、BrightView（BV）。AI能支持新产品、参与度、入学率、留存率或市场份额，但收入贡献尚不清晰或依赖执行。 机会与风险平衡（Mixed）：Clarivate（CLVT）、Pitney Bowes（PBI）。收入面临实质压力（Mixed/Negative）：FactSet（FDS）、Gartner（IT）、Robert Half（RHI）。AI可能在新的Agent、企业许可、API或咨询收入成型之前，就先压垮工作站使用、研究合同增长和白领派遣量。 六、结语：AI不是在普惠，它在重新划分贫富线 判断一家公司在AI时代是赢家还是输家，不看它有没有用AI，而看AI对它的核心商业模式是"增强"还是"替代"。如果AI增强的是专有数据的价值、工作流的控制权、实体服务的效率，那它就是护城河加深。如果AI替代的是公开数据的聚合、标准化的研究、重复性的白领工作，那它就是地基被掏空。高盛用30多家公司的深度对比告诉我们：AI不会产生均匀的增长，它会产生极端分化的股票表现。@天天基金网 @天天精华君 @天天话题君

2# 最近，高盛全球投资研究部发布了一份题为《AI是否正在影响全球劳动力市场？》的报告， 高盛的研究团队干了一件很聪明的事——他们收集了11个不同国家的AI应用调查。难点在于，每个调查对“AI采用”的定义不一样，样本也千差万别。为了解决这个问题，他们用了Bradley-Terry模型（听着复杂，其实就是一个从零散数据中“拼”出排名的统计方法），把各国的采用率拉到了同一个尺度上比较。 结果是这样的：发达经济体中，法国和美国走在最前面，企业AI采用率在20%左右。其他发达经济体，比如英国、德国、荷兰，基本落在15%~20%这个区间。而主要的新兴市场国家，采用率大约在10%~15%。换句话说，即使是最前沿的国家，也只有五分之一左右的企业真正用上了AI。这个渗透率，别说和互联网比了，可能还不如智能手机刚出来那几年的速度。所以，第一层判断：AI对就业的冲击目前还处在早期阶段，它的“辐射面”远没有我们想象的那么大。 既然采用率有限，那冲击必然是有集中区域的。高盛的报告用了两个维度来交叉验证：线上招聘岗位的变化（来自Indeed网站的数据）和实际的行业就业人数变化。在信息服务业、呼叫中心、管理咨询、广告这几个细分领域，AI带来的寒意是肉眼可见的。以呼叫中心为例，报告显示，美国呼叫中心就业人数比长期趋势线低了39%，加拿大低了33%，德国也低了27%。这不是偶然的波动——这些岗位恰恰是AI自动化工具（比如语音机器人、智能客服）最容易切入的地方。在信息服务和通信行业，几乎所有主要发达经济体的就业增长都在放缓。只不过美国表现得更明显——这些行业的就业已经明显低于长期趋势线；而在美国以外，虽然也在减速，但总体上还维持在趋势线附近。2022年底ChatGPT问世后，大量企业开始重新审视自己的招聘计划。 尤其在高暴露行业（即那些被AI自动化风险较高的行业），这种“观望”情绪直接体现在了招聘需求的收缩上。高盛的回归分析也证实了这一点：AI暴露分数越高的行业，2022年下半年以来的岗位增长越慢。 高盛做了一个更精细的量化测算。他们利用Revelio Labs提供的职业层面数据，覆盖了800多个职业，把每个职业的就业增长率与它的AI暴露分数进行回归分析，同时控制住国家和行业的影响。结果很惊人：在法国、加拿大和美国，一个职业的AI暴露分数每提高10个百分点，它每年的就业增长率只会被拖累0.1个百分点。0.1个百分点是什么概念？基本上就是统计学上的“显著但微乎其微”。在其它国家，这个效应甚至更小，有些地方甚至呈现出微弱的正相关（当然，这不意味着AI创造了就业，更可能是其他因素在起作用）。所以，第二个核心判断是：从宏观经济整体来看，AI目前还没有形成明显的就业“逆风”。 它更像是一股局部的小气流，还没到能改变整个气候的程度。 虽然整体影响不大，但“谁更危险”这个问题，仍然值得深挖。高盛的分析师把职业分成了两组对比：入门级员工 vs. 非入门级员工。结果发现，在入门级群体中，AI暴露分数与就业增长之间的负相关关系明显更强。 也就是说，年轻的、资历浅的职场新人，确实更容易被AI“盯上”。这一点其实不难理解。入门级工作往往包含更多重复性、标准化的任务——写简单的文案、整理数据、做基础的设计、处理客户咨询——这些恰恰是当前生成式AI最擅长的事情。另一个分层维度是“替代风险分数”。在高替代风险的职业中，AI的负面效应也稍微更明显一些，但程度远不如“新人效应”那么突出。这或许给了我们一个很重要的提示：与其担心“AI替代人类”，不如担心“AI替代人类的某些任务”。 对于职场新人来说，尽快学会用AI工具提升效率，可能比焦虑“会不会被取代”要实际得多。

数据来源：万得，截至日期2026年9月4日

风险提示：部分个股讯息仅供参考，不作为任何投资建议或收益暗示。投资人应当认真阅读《基金合同》、《招募说明书》等基金法律文件，了解基金的风险收益特征，并根据自身的投资目的、投资期限、投资经验、资产状况等判断基金是否和投资人的风险承受能力相适应。基金的过往业绩并不预示其未来表现，基金管理人管理的其他基金的业绩并不构成基金业绩表现的保证。基金有风险，投资需谨慎。