摩根士丹利11月9日发布研报指出，美国企业AI应用正从试验走向可量化的财务价值，但成本、用工调整也日益受到关注，实际投资回报率评估仍处早期。报告利用大语言模型分析约1.8万份业绩电话会、行业会议及投资者日记录。

　　过去12个月，44%的标普500成分公司披露至少一项可量化AI收益，高于一年前的32%；按市值加权比例为54%。32%的公司量化提及生产率提升，高于此前25%；26%披露收入增长或成本节约等财务影响，高于16%，为增幅最大的类别。

　　行业方面，金融业67%的公司报告可量化收益，较一年前42%大幅提高，通信服务业和信息技术业分别为61%和51%。金融公司提及AI收益的频次同比上升80%，同时46%披露相关成本，显示领先采用者正加快衡量投入产出。

　　AI成本的关注度同步提高。22%的标普500企业披露相关成本，高于一年前的8%；19%同时披露收益与成本，较此前6%增加。推理、Token及API调用已成为成本讨论主项，相关披露企业占比从1%升至12%，超越算力及基础设施的6%。但多数企业仍未直接计算AI净投资回报。

　　劳动力影响逐步显现。22%的企业提及AI直接影响用工，高于此前14%；各有11%提及招聘增速放缓和营收与人数增长脱钩，10%提及岗位自动化。报告援引企业披露称，Uber工程师平均代码产出翻倍，Wayfair将部分拍摄项目成本从约200万美元降至不足1万美元。

　　开放权重模型成为降本路径。摩根士丹利调查显示，46%的受访企业已采用该类模型，预计三年后升至87%，承载AI工作负载占比将从8%升至19%。另有48%能够评估Token支出回报的首席信息官表示，收益低于投入；43%已实施AI支出控制，预计2027年底达到74%。报告认为，成本效率及真实回报将成为投资者判断AI普及可持续性的关键。

　　








 　　免责声明：此文仅供参考，未经核实，概不对交易结果负责，并请自行承担责任！