新芒xAI 7月7日消息，高盛最新报告提出，AI 投资重心正在向更广阔的实体经济延伸。在算力、电力和数据中心仍高速建设的同时，AI 已经同步进入制造、能源、物流、国防、生命科学和机器人等现实场景。
报告预计，2026 年至 2031 年，全球围绕计算、数据中心和电力的 AI 资本开支将达到约 7.6 万亿美元，年度投入将从 2026 年的 7650 亿美元升至 2031 年的 1.64 万亿美元。超大规模云厂商到 2030 年的 AI 投资可能超过 6 万亿美元。
这意味着，AI 竞争正在从模型和芯片层面扩展为资本结构、能源供给、产业数据、工程能力和部署能力的综合竞争。谁能把 AI 真正嵌入实体产业流程，谁才可能在下一轮投资周期中获得更高回报。
关键要点
第一，AI 资本开支仍在快速扩张。7.6 万亿美元的预测反映出，AI 基础设施建设还没有进入尾声，数据中心、GPU、电力、冷却、网络和储能仍将消耗巨额资本。
第二，实体产业成为下一阶段重点。制造、能源、物流、国防、生命科学和机器人等场景，对 AI 的需求不只是聊天或内容生成，而是预测、控制、调度、设计、检测和自动执行。
第三，电力和数据中心成为硬约束。AI 模型需求越大，数据中心建设就越受能源、土地、冷却和电网接入限制影响。未来 AI 公司和云厂商的竞争，会越来越像基础设施和能源竞争。
第四，模型能力之外的壁垒更重要。产业数据、客户流程、工程部署和行业合规，都会决定 AI 能否在实体经济中产生真实效率提升，而不是停留在演示和试点阶段。
新芒xAI评论
新芒xAI认为，高盛这份判断的关键在于，它把 AI 从“互联网软件投资周期”重新定义为“实体基础设施投资周期”。这意味着 AI 的核心变量不再只是模型参数、榜单和应用下载量，而是算力资产、能源网络、工业数据和工程交付能力。
影响上看，未来几年 AI 投资会进一步分化。拥有电力资源、云基础设施、芯片供应链和大型企业客户的公司，会获得更强定价权；只依赖模型接口或单一应用的公司，则可能面临成本和获客双重压力。实体产业的 AI 改造也会拉动机器人、工业软件、边缘计算、传感器和自动化设备需求。
但高资本开支同样带来压力测试。巨额投入需要长期收入兑现，如果 AI 应用渗透速度低于预期，或企业客户无法从自动化中获得足够回报，部分数据中心和算力资产可能面临利用率风险。下一阶段市场会更关注 AI 投资能否转化为现金流，而不是只看技术叙事。
