五道门：为什么人工智能在工厂门口停滞不前
简而言之：高盛刚刚绘制了人工智能软件成功与其物理世界部署之间的五个障碍。软件已经感受到痛苦——在六个月内，8000亿美元的估值从美国顶级软件股票中蒸发，因为定价权从“每个座位”崩溃为“每个结果”。但真正的故事是，当人工智能试图进入99.5%不是软件的GDP时会发生什么。剧透：这不是技术问题。这是一个物理、人员和认证问题。这是五个门框架，以及如何对照它审计你自己的行业。
这里是詹姆斯，水星科技解决方案的首席执行官。 香港 — 2026年7月16日
高盛投资银行团队 — 不是研究，银行 — 刚刚发布了一份名为的30页报告利用人工智能推动实体经济这很重要，因为研究分析师是为市场写作的。银行家是为写支票的首席执行官写作的。当银行家制作研究时，这是一张他们认为资金将实际流向的地图。
而这张地图显示：人工智能即将遇到障碍。五个障碍。
0.5%与99.5%
这是大多数人忽视的坐标系统。
软件——SaaS、云计算，所有这些——占全球GDP的不到0.5%。其余的99.5%是制造业、能源、物流、建筑、农业。实体的东西。原子，而不是比特。
人工智能已经征服了0.5%。现在它想要99.5%。
而99.5%的人不关心你的API。
零门: 软件的金丝雀时刻
在我们谈论工厂之前，先看看软件已经发生了什么。IGV指数——一篮子美国顶级软件股票——在2026年上半年下跌了17%。从2025年10月的峰值来看，下降了26%。前10大软件公司市值损失近8000亿美元。
不是收入。预期。市场正在重新定价在AI世界中软件的价值。
原因如下。SaaS过去按座位收费。登录，付款。AI改变了这个计算：为什么要为登录付费，当AI代理可以完成工作？问题从“有多少人使用这个？”转变为“你交付了什么结果？”
定价权正在从“销售的功能”转移到“交付的结果”。
高盛的布莱恩·凯恩称软件是“人工智能经济的煤矿中的金丝雀”。在旧矿井中，金丝雀首先死去——警告矿工有毒气体。软件正在首先死亡，警告其他行业即将发生的事情。
如果你在购买软件，请注意这一点：按座位定价正在退出。基于结果的定价正在进入。如果你在软件行业，你的商业模式有一个到期日。
真正的瓶颈：人和电力
人工智能进入实体行业在遇到技术壁垒之前会碰到两个障碍。
首先：人。报告估计到2030年，美国电力行业需要50万名新工人。培训一名电工需要3到4年。在2024年，整个美国能源行业毕业了45,000名学徒。需求：每年65,000名。这还不包括即将退休的电工。
讽刺的是，这种情况非常残酷。每个人都在恐慌人工智能取代白领工作。华尔街真正的焦虑是什么？电工、焊工和管道工不够。资本加速。芯片迭代。培训人类没有捷径。
第二：权力。德克萨斯州阿比林——人口12万——现在消耗的电力与旧金山（人口90万）一样多。为什么？数据中心。微软、Meta和甲骨文正在建设“岛屿数据中心”，并拥有自己的发电能力，因为电网无法跟上。微软签署了一项为期20年的协议，以重启三里岛。亚马逊正在投资小型模块化反应堆。
曾经只使用电力的公司现在必须生成电力。这就是人工智能已经改变游戏物理的程度。
五个门框架
高盛称这些为 "工业人工智能部署要求"。我称它们为 五个门 — 因为每一个都是一个检查点，无法通过的人工智能项目将在此被淘汰。
门 1：物理限制
人工智能在模拟中优化得非常出色。然后它遇到了现实。
材料有公差。热量的表现与模型不同。湿度、灰尘、振动——现实世界与训练环境不匹配。一个理论上完美的设计在接触到真实的工厂地面时就会失败。
这个门槛需要大多数人工智能团队所没有的东西：理解行业物理的人员和模型的局限性。不是数据科学家。也不是领域专家。能够在这两个世界之间进行翻译的人。
门槛 2：私有数据
ChatGPT 可以写你的电子邮件，但它无法优化你的生产线。为什么？因为它从未见过你的数据。
物理人工智能的有价值训练数据存在于工厂、供应链和质量控制日志中。它不在互联网上。不在 Common Crawl 中。一家拥有十年客户反馈、退货数据和合身投诉的牛仔布制造商拥有基础模型无法访问的东西。
这就是为什么廉价模型无法消灭护城河。廉价模型是商品。专有数据才是护城河。
第3关：边缘部署
工厂AI无法在云端运行。延迟、连接性、可靠性——生产线不能因为AWS us-east-1的故障而暂停。
模型必须在本地运行：在机器、控制器、嵌入式系统上。这完全改变了工程问题。你不是在调用API，而是在部署从未为此设计的硬件上的推理。
第4关：可认证性
在软件中，幻觉浪费了令牌。在航空、能源或汽车领域，幻觉会导致人员伤亡。
这一关是最难的。传统认证要求你解释系统为何做出某个决策——以证明其可预测性和可验证性。AI是一个黑箱。即使是它的构建者也不总能解释它为何输出特定的结果。
在高风险行业中，"它有效" 还不够。"我们可以证明它在所有条件下都有效" 是标准。而我们尚未拥有在安全关键环境中认证黑箱系统的框架。
这不是技术障碍。这是监管和方法论障碍。这也是人工智能将首先进入低风险物理应用，而最后进入高风险应用的原因。
第5关：工作流程嵌入
工厂积累了数十年的设备、流程和制度知识。你不能停下来 "安装人工智能"。你必须在飞机飞行时更换引擎。
这就是 "以200英里每小时换轮胎" 的问题。人工智能必须在不破坏现有工作流程的情况下集成到现有工作流程中。那些在这里成功的组织并不是替换系统——而是逐步增强它们，一个工作流程一个工作流程地进行。
中国成本差距
报告中包括了高盛所称的 "中国成本差距" 的一部分。在 OpenRouter——最大的第三方人工智能模型平台——上，中国模型现在占据了40-50%的令牌消耗，较2024年末的个位数有所上升。中国的推理成本仅为美国前沿模型的一小部分。
但高盛添加了一个关键的警告：代币份额不是收入份额。
廉价模型降低了入场费。它们并没有建立壁垒。当模型变成廉价基础设施——像电力，像带宽——价值就向上移动。向数据。向工作流集成。向知道哪些问题值得解决的行业专业知识。
障碍不是访问人工智能。障碍是知道该如何使用它。
普罗米修斯信号
报告中有一家公司引起了我的注意。普罗米修斯——由杰夫·贝索斯创立——旨在构建一个“人工智能通用工程师”。设计喷气发动机、药物分子、复杂物理系统的软件。它在2026年6月筹集了120亿美元，估值为410亿美元。
想想这意味着什么。人工智能的雄心已经从写电子邮件转向发明物理事物。目标不再是自动化。它是压缩整个工程和发明周期。
如果成功，五个门就变成了五个机会。如果不成功，它们仍然是五堵墙。
审计您的位置
高盛的框架作为诊断工具非常有用。将您的行业放入其中：
| 门 | 问题 | |------|----------| | 物理限制 | 理论与现实碰撞时，什么会破裂？ | | 私有数据 | 您知道什么是没有基础模型见过的？ | | 边缘部署 | AI 必须在哪里运行，而云无法到达？ | | 认证性 | 什么认证阻碍了您和部署之间的距离？ | | 工作流嵌入 | 如果您触碰它，哪个现有流程会崩溃？ |
您清除的门越多，您的护城河就越强。一个或两个？您只是一个功能，而不是一个平台。
如果您正在评估 AI 供应商，请问他们这五个问题。如果他们对所有五个问题都有答案，他们正在构建一些持久的东西。如果他们在“认证性”或“边缘部署”上变得模糊，他们是在向一个需要系统的问题销售软件。
AI 革命并没有放缓。它只是离开了软件世界，进入了物理世界。而物理世界并不关心您的炒作周期。
水星科技解决方案：加速数字化。
