账单到期日：当Goldman怀疑者Covello的18-24个月窗口正式关闭
2024年6月，一份来自Goldman Sachs内部的报告在华尔街激起了一场安静的地震。报告标题直白得像一记耳光：生成式AI，花了太多，得到太少？
写下这份报告的人叫Jim Covello，Goldman Sachs全球股权研究主管，华尔街最重要的AI怀疑声音之一。他在报告中提出了一个困难的问题：科技公司正将估计约$1万亿的资本注入AI基础设施，这笔钱会产生匹配的商业回报吗？他预测，答案将在18到24个月内揭晓。
两年后的2026年6月5日，他重新出现在Goldman Exchanges播客上，接受时间的检验。
他最核心的结论只有一句话，用英文原文更准确：”At some point, you’ve got to make money.”（终归要赚钱的。）
这句话发出的时刻，Anthropic和OpenAI均在以接近$1万亿的估值推进IPO进程。两家公司均尚未全年盈利。支撑这些估值的AI资本支出，按Goldman Sachs Global Institute测算，将在2026年到2031年之间累计达到$7.6万亿。
验证窗口，在账单最庞大的那一天，正式关闭了。
第一层：发生了什么——一个时间轴清晰的故事
这个故事的时间轴非常清晰，每一个节点都有公开可查的数据支撑。
2024年6月：Jim Covello与同事联合发布报告，标题是”Gen AI: Too Much Spend, Too Little Benefit?”。报告的核心论点：整个行业正在向AI注入规模空前的资本，但ROI的证据极为稀少。Covello预测：18到24个月后，市场将不得不给出答案——AI投资到底值不值得。
这份报告的轰动效应来自它独特的来源：Goldman Sachs本身就是AI投资热潮的最大金融受益者之一。Goldman为超级云服务商融资，为芯片公司承销股票，深度参与了它正在质疑的这场资本盛宴。内部人的批评，比外部观察者的质疑更让市场难以忽视。
2026年5月：Covello在另一篇研究报告中重提FOMO（错过恐惧）主题，分析超级云服务商为何在ROI尚不清晰的情况下继续大幅增加资本支出。结论令人印象深刻：”FOMO作为激励机制，比糟糕的股价表现更有力量。”
2026年6月5日：验证窗口关闭日。Covello出现在Goldman Exchanges播客，与高级宏观策略师Allison Nathan和Goldman Global Institute联席主席George Lee展开三方对话。George Lee是Goldman内部长期持AI乐观立场的代表人物，两人的对话呈现了高质量的多视角辩论。
Covello在播客中坦诚地列举了自己当初判断失误的地方。消费者端的AI采用速度”magnificent”，远超他的预期，这是他明确说自己错了的地方。AI技术本身的进步速度，超出了他当初的模型预测。超级云服务商——微软、亚马逊、谷歌、Meta——在股价承压的情况下不但没有削减AI资本支出，反而大幅加码，这也与他当初的预判相反。
但在企业端AI ROI的问题上，他的判断非但没有软化，反而更加强硬：
“In a lot of ways, companies are losing more money today implementing this technology than they were two years ago. The hill that has to get climbed is even steeper today than it was before, because we’ve spent more money.”
花了更多钱，但要爬的山更高了。这不是隐喻，这是复利逻辑的直接结果：未经验证的投入越积越多，需要弥补的缺口就越大。如果AI的商业价值最终被证明是实的，现在的投入将被验证是合理的；但如果答案是否定的，等待验证的代价将随时间指数增长。
第二层：为什么这很重要——三组来自企业一线的独立数据
Covello的观点不是建立在直觉或悲观性格上的。他的担忧与三组来自不同机构的独立企业调研数据高度吻合，而且这些数据集都来自2025年以后——这是生成式AI已经经历了足够长时间企业部署的阶段。
第一组数据来自MIT
MIT NANDA（网络、分析与数字架构）项目于2025年8月发布研究报告”GenAI Divide: State of AI in Business 2025”。研究方法严格：150次高管深度访谈、350名员工调查、300个公开AI部署案例的横截面分析。
核心发现令人震惊：约95%的企业生成式AI试点项目未能实现可测量的损益表（P&L）影响。只有5%的试点真正实现了快速的营收增长。
但研究揭示的根本原因更值得注意：问题不是AI模型的能力，而是企业集成的失败。通用AI工具对个人用户极其有效，因为个人使用场景灵活多变；但在企业环境中，这些工具无法学习和适应特定的工作流程，导致价值无法落地。更讽刺的是，企业把超过一半的AI预算投向了销售和营销工具——而MIT的数据显示，ROI最清晰的场景其实是后台自动化：消除业务流程外包、压缩外部机构成本、精简重复性运营流程。企业正在把钱花在ROI最模糊的地方。
第二组数据来自EY
2025年10月，全球咨询巨头EY发布调查报告，对象是全球范围内的企业对AI相关财务影响的实际感知。结果：99%的企业报告了与AI相关风险带来的直接财务损失，平均每家$440万。
注意这个措辞的精确性：这不是”未能实现预期收益”，而是在现有会计准则下的净亏损——包括AI系统故障、数据泄露、错误决策、合规违规等带来的可量化损失。也就是说，企业不仅没有从AI中获得回报，还因AI引入了新的财务风险。
第三组数据来自Cognizant
2026年6月，在Fortune COO峰会上，咨询公司Cognizant发布了一项全面研究的新结果：93%的工作岗位已经受到AI的实质性干扰，比Cognizant自己在2023年做出的预测提前了整整6年。
但紧接着是一个逆转性的发现：预期中跟随而来的生产力提升，在大量调查对象中并没有出现。Cognizant把这个现象命名为”activation gap”——激活差距。AI改变了工作的形式，但没有改变工作的经济产出。企业在承担着AI转型的成本，同时没有享受到等量的效益。
Cisco的EVP兼首席人事官Francine Katsoudas在同一个峰会上补充了另一个令人不安的细节：在使用AI最密集的团队中，内部信任度在大约9个月后开始明显下滑。工具的过度介入，在侵蚀人际协作的有机基础。而人际协作的信任，在许多行业恰恰是生产力的核心来源。
三组独立数据，指向同一个困境：AI确实在改变工作，但工作的经济产出并没有系统性地随之改变。摩擦被从一个地方转移到了另一个地方，价值创造的净增量远低于资本投入的增长速度。
第三层：大多数人没有看到的——供应链倒置是历史首次出现的异常
Covello在播客中提出了一个他认为将被AI投资史反复引用的观察，来自他在半导体行业16年的直接研究经历：
这个AI周期的价值链经济结构，是历史上首次出现的倒置。
正常的科技周期逻辑简单而稳固：半导体公司赚钱，当且仅当它的客户也在赚钱。客户业务繁荣，算力需求上升，芯片公司跟着繁荣。这是过去PC周期、互联网周期、移动互联网周期、云计算周期无一例外的底层规律。在所有这些周期里，半导体股的好日子，都是客户好日子的映射。
2024年到2026年的AI周期以一种格外戏剧化的方式打破了这个规律：
Nvidia的股价和利润达到人类公司史上最高点，市值一度超过$5万亿，成为全球历史上最有价值的公司。与此同时，Nvidia最重要的客户群——微软、谷歌、亚马逊、Meta——因为大规模AI资本支出而在现金流和股价表现上承受了相当大的压力。超级云服务商们持续追加AI投入，但投资者并没有给出相应的股价奖励，反而对资本支出规模产生了明显的焦虑。
用Covello的话说，半导体公司正在以客户的经济代价繁荣。在每一个此前的科技超级周期里，这种情况从未发生过。芯片公司一向是客户繁荣之后的受益者，而不是客户亏损之下的独占者。
这个异常背后的逻辑并不复杂：所有客户都相信AI最终将产生巨大的经济价值，所以他们愿意在经济论证尚不清晰的情况下持续购买Nvidia的芯片。Nvidia的繁荣建立在客户对未来价值的预期上，而不是客户当下的盈利上。
这个结构的含义极其深远。
含义一：Nvidia的估值隐含了一个巨大的前提假设——客户最终将证明AI的ROI，并因此维持乃至扩大长期的芯片购买规模。如果这个假设在未来两年内没有得到足够充分的证明，Nvidia估值逻辑崩塌的速度，将远快于它上涨的速度。市场对预期的惩罚，历来比对现实的惩罚更严厉。
含义二：正因如此，Covello做出了一个与主流市场共识相反的持仓判断——他现在更看好超级云服务商股票，而不是半导体股票。他的论证框架是三种AI未来情景：只有在”半导体公司无限期独家截取价值”这一个情景下，半导体交易才能继续；在另外两个更可能实现的情景中，超级云服务商将通过找到AI商业模式而成为下一个价值积累的核心节点。
这是一个在市场共识之外的逆向判断，来自一个对AI始终持相对谨慎立场的分析师。它告诉我们一件重要的事：即使是怀疑者，也需要在怀疑的框架内做出具体的配置决策。
FOMO机制：为什么亏损的企业还在继续加码
理解这个AI周期，有一个无法绕过的关键词：FOMO，即错过恐惧。
Covello把FOMO作为超级云服务商持续加码资本支出的核心驱动力。不是因为他们算清楚了回报，而是因为每一家公司都有同一个最深的恐惧：如果竞争对手先找到了AI的经济用例，而自己没有提前准备好，那才是真正无法挽回的失败。
这个逻辑从企业客户向上延伸到超级云服务商，再向上延伸到模型层公司，形成了一个层层强化的资本注入链条。每一层都在为下一层的FOMO融资。
FOMO作为经济行为的驱动力，其独特之处在于它是一种基于未来的恐惧，而不是基于当下的收益。通常，投资决策的理性基础是”我能从这个投入中获得多少回报”；FOMO驱动的投资决策却是”如果我不投，我会失去什么”。两者在心理机制上完全不同，在商业后果上也可能截然不同。
Covello在研究中观察到，这一轮AI周期里的FOMO现象有一个特别之处：即使超级云服务商的股价因高额资本支出而承压，他们的投入不但没有减少，反而在增加。这与几乎所有此前科技周期的资本纪律截然不同。
这个观察的反面，也是值得关注的信号：FOMO有可能在某个特定事件下突然停止传导。当一家重要的市场参与者宣布削减AI投入，或者某个重要的AI项目ROI数据以令人信服的方式被证伪，FOMO的集体情绪可能迅速转向。互联网泡沫的破裂不是因为网络技术突然变差，而是因为FOMO在某个临界点停止了工作。
乐观派的论点：净新经济活动才是唯一的出路
公平起见，George Lee代表了另一个有内在逻辑的立场。他并不否认当前数学层面的挑战，但他的核心论点是：AI有能力创造人类历史上从未存在过的净新经济活动，而不只是对已有市场份额的重新分配。
他最常援引的历史类比是电力的经济渗透过程。电力在大规模商业应用的前20年，ROI几乎无法用会计指标量化。当时大多数电力相关的基础设施投资，从当时的财务视角看，确实像是”花了太多，得到太少”。但电力最终重塑了工业生产方式、城市组织形态和社会分工结构，创造了它的投资时代根本无法预见的经济规模。
Lee认为，如果AI最终实现其支持者所期望的生产力变革，10到20年的GDP增长轨迹将与没有AI的基线情景产生实质性分叉。在那个时间框架内，今天$7.6万亿的投入不是过度，而是恰恰合适的历史性押注。
乐观派也有具体的近期数据支撑。Anthropic 2026年5月的年化收入达到$470亿，比2025年底的$90亿增长了5倍以上。2026年Q2有望首次实现运营利润$5.59亿。这个增速，是真实商业采用的验证。Claude Code在企业软件开发领域的快速扩张，是AI在特定场景下实现清晰ROI的具体案例。
Claude Code案例值得深入分析。它成功实现企业ROI的根本原因，是代码质量的验证具有机器可执行的客观标准。一行代码要么能编译通过，要么不能；一个测试用例要么通过，要么失败；一个功能要么按照规格实现了，要么没有。在这个清晰的反馈环里，AI工具的价值可以被精确测量，客户知道他们花的钱买到了什么，因此愿意持续投入并不断扩大规模。
这恰好揭示了乐观派和悲观派之间最核心的认知分歧：AI ROI的清晰程度，高度依赖于工作任务本身的可验证性。代码生成是高度可验证的；法律文书的质量是中度可验证的；创意工作、战略决策、复杂的人际判断是低度可验证的。
Covello引用的失败数据（MIT 95%试点失败率）主要反映了中低度可验证场景；Claude Code的成功主要属于高度可验证场景。两者描述的都是真实的现实，但它们指向的未来图景截然不同：AI将在可验证性高的工作类型中快速渗透并实现ROI，在可验证性低的工作类型中将经历更漫长的产品迭代和价值验证过程。
IPO时刻的结构性悖论
2026年6月，这场围绕AI ROI的辩论，在一个特殊的历史时刻到达了最高压力点。
Anthropic已提交IPO申请，估值约$9650亿，Goldman Sachs和摩根士丹利担任主承销商，目标2026年10月上市。OpenAI同样在推进类似的资本市场准备工作，估值接近$1万亿，投资者名单包括微软、软银等巨头。两家公司，合计估值约$2万亿，均尚未实现全年盈利。
这不是巧合，这是一个结构性的历史转换时刻。
AI资本市场正在从私募逻辑切换到公开市场逻辑。私募市场能够容忍更长的验证周期、更高的不确定性和更大的信息不对称；公开市场则对季度财务指标、可预测的商业模式和清晰的增长路径有更严格的要求。
从公开市场投资者的角度，面对这两份招股书，他们必须回答的核心问题，和Covello提出的完全一样：企业AI的ROI，是否已经进入了可以被系统性地证明、量化和扩展的阶段？
如果是，这是历史性的入场机会。
如果不是，这两家公司的估值隐含了对未来”净新经济活动”的巨大赌注，而这个赌注的胜率，取决于IPO之后的若干年内，有多少企业客户能够找到属于自己的”Claude Code时刻”——那个他们能够清晰量化AI价值的工作场景，并因此从尝试者变成长期付费用户。
这个问题的答案，Covello的播客没有给出，也无法给出。它只能由接下来的市场实践来回答。
最后一问：短期什么时候变成长期？
Covello在播客结尾说了一句话，我认为它会在未来若干年被反复引用：
“If we’re having the same debate two years from now and we’re still saying, ‘Well, it’s early,’ then we might have a challenge. Because at some point, when does the short-term become the long-term?”
翻译成中文：如果两年后我们还在进行同样的辩论，还在说”嗯，现在还早”，那我们可能真的遇到麻烦了。因为总有一个时刻，短期会变成长期。
这个问题没有数学上的标准答案，但它精确地指向了AI投资面临的最根本困境：在任何叙事框架里，”early”（早期）这个词既是希望，也可以是无限延伸的护盾。
每一次企业端AI投入的ROI没有被证明，”早期”的声音都会出现。这个声音在很大程度上是真诚的——AI技术确实还在发展初期，许多应用场景的商业化路径确实还没有成熟。但”早期”作为叙事工具，也可以保护任何投资决策永远不必面对最终的经济检验。
$7.6万亿的账单，正在积累。
Covello愿意再等2年。他同时也说了，即使过了两年，山还在变高，那他的评估框架也会相应地变化。
这是一个诚实的智识立场——既不是无条件的乐观，也不是无条件的悲观，而是持续追问同一个最难回答的问题：这笔钱，什么时候会真正开始赚钱？
读这篇文章的你，不管是正在考虑AI投入的企业决策者，还是正在研究Anthropic或OpenAI招股书的投资者，还是只是对这场人类历史上最大规模的技术赌博感到好奇的普通读者——你自己的答案是什么？
参考资料
-
Fortune — ‘At some point you’ve got to make money’: Goldman’s skeptic warns ahead of OpenAI and Anthropic IPOs
来源: fortune.com | 日期: 2026-06-05
URL: https://fortune.com/2026/06/05/is-ai-a-bubble-worth-it-short-term-early-goldman-skeptic-covello-profits/ -
Goldman Sachs Exchanges Podcast — The AI Investment Boom: When Will It Pay Off?
来源: Goldman Sachs Exchanges | 日期: 2026-06-05
URL: https://www.goldmansachs.com/insights/goldman-sachs-exchanges/the-ai-investment-boom-when-will-it-pay-off -
Goldman Sachs Top of Mind — Gen AI: Too Much Spend, Too Little Benefit?
来源: Goldman Sachs Insights | 日期: 2024-06
URL: https://www.goldmansachs.com/insights/top-of-mind/gen-ai-too-much-spend-too-little-benefit -
Fortune — MIT report: 95% of generative AI pilots at companies are failing
来源: fortune.com | 日期: 2025-08-18
URL: https://fortune.com/2025/08/18/mit-report-95-percent-generative-ai-pilots-at-companies-failing-cfo/ -
Fortune — Goldman Sachs finds insecurity is a key part of the AI boom
来源: fortune.com | 日期: 2026-05-06
URL: https://fortune.com/2026/05/06/is-ai-a-bubble-goldman-sachs-skeptics-overhyped/