市場似乎認為，AI的重要性必須附帶一張堪比小國GDP的數據中心賬單。高盛最新報告卻提示，真正回報可能出現在更晚、更不起眼的地方：軟件、勞動力、工作流，以及讓企業少花錢多辦事的小幅生產力提升。盈利數據仍顯早期、雜亂，對試圖提前押注的投資者並不慷慨。
高盛對2026年第二季度標普500盈利的解讀顯示，資金主要追逐基礎設施和超大規模計算，低估了最終的生產力受益者。當季標普500每股收益同比增長31%，剔除一次性私人投資收入後，AI基礎設施與超大規模計算盈利增長54%，貢獻指數盈利增長約一半。這部分可見、可擴展、易建模，正是市場喜歡的部分。
但生產力一側仍更像傳聞而非行項目。僅11%的標普500公司在財報電話會中量化了特定用例的AI生產力收益，僅2%直接量化AI對盈利的影響。中位標普500公司（剔除能源）盈利同比增長14%，量化AI生產力收益的公司中位增長17%，與14%的差距統計上不顯著。換句話說，AI節省故事足夠真實，能維持預算，但尚未強到彎曲盈利曲線。
預算流向提供線索。高盛框架顯示，約三分之二公司通過重新分配現有預算為AI提供資金，最大份額來自軟件18%和勞動力11%。這聽起來鼓舞人心，實際常意味著編制或供應商清單被壓縮。軟件密集型公司可能最先從相同勞動力中擠出更多產出，成為AI生產力交易的第一站。
支出信號也在變化。Ramp AI指數顯示，中位每月AI支出從1月每員工5美元升至7月12美元，前十分位從240美元升至650美元。絕對值仍小，但已從好奇轉向習慣。高盛還估計AI推理成本低於標普500收入的0.5%，使管理層可以在不傷害利潤表的前提下試驗。低基礎成本意味著生產力上行有空間擴展，而不必先讓費用線失控。
高盛預計，未來幾個季度AI生產力對盈利的影響會變得更清晰，因為企業AI支出加速，公司從實驗轉向部署。當前市場已為基礎設備、超大規模計算和“鎬鏟”公司付費，後續交易可能獎勵那些將AI從科學項目轉化為運營優勢、能經受季度報告檢驗的公司。
實際篩選邏輯並不複雜：關注軟件使用重、勞動力敞口大、在真實工作流中部署AI的公司，而不是只在幻燈片和會議中談論AI的公司。如果管理層能指出編碼、客戶支持或後臺環節的收益，並帶有真實運營杠杆，市場可能從懷疑轉向高價。在那之前，投資者購買的更多是“機器做苦活、人類保留獎金池”的預期。
目前AI生產力交易仍屬預期市場，不是證明市場。盈利證據尚薄，市場還未獎勵最清晰闡述收益的公司。聰明的姿態或許是保持耐心，緊盯軟件密集型、勞動力杠杆明顯的股票。當生產力數字真正出現時，派對可能從市場最不起眼的角落開始。
