AI正在重塑信息服務與商業服務行業的競爭格局，數據資產的獨特性、工作流的控制權與貨幣化能力，將決定哪些企業能在這場變革中勝出。
據追風交易台消息，高盛完成第三屆年度硅谷AI實地調研後發布研究報告，與AI公司、風險投資機構及斯坦福大學、加州大學伯克利分校等學術研究人員的會談強化了四項核心判斷：專有信息價值將持續提升；AI應用正從信息傳遞延伸至工作流執行；實體服務與教育平台的抗衝擊能力優於依賴白領人力規模的商業模式；貨幣化路徑將從席位訂閱向使用量、交易量、產品溢價及成果定價等維度拓展。
調研背景：硅谷一手信息構成研判基礎
高盛於8月18日至19日舉行第三屆年度硅谷AI實地調研，參與方涵蓋Daloopa、Clio、Harvey、Corgi、Moody's、Vercel、ClickHouse等AI公司，以及Lightspeed Venture Partners、Kleiner Perkins、Menlo Ventures、Index Ventures等風險投資機構，並設有斯坦福大學與加州大學伯克利分校/加州大學舊金山分校研究人員專場。
此次調研重點考察的議題包括：模型能力加速演進、開放模型與前沿模型之間的工作負載分配、AI智能體從輔助工具向工作流執行者的角色轉變，以及數據、領域專業知識、客戶場景與工作流所有權等維度的持久競爭差異來源。此外，調研還涉及AI貨幣化、驗證與問責、網絡安全、實體AI及智能體原生工作負載所需基礎設施等議題。
主題一：專有數據構建最清晰的信息壁壘
高盛認為，模型能力持續提升，但仍依賴自身無法生成的外部信息，這使擁有獨特、持續更新且競爭對手難以複製的數據集的企業受益。與此同時，將這些信息嵌入客戶AI智能體與應用的能力，可將使用量拓展至傳統用戶界面之外。風險在於，新型界面可能削弱現有檢索與展示產品的價值，並將價值中心轉移至控制客戶體驗的應用層。
MCO的正面含義最為清晰。Moody's在調研中演示瞭如何在數秒內將通過PDF、電子表格和自由格式文檔提交的保險材料轉化為標準化承保數據，相比之下人工處理通常需要數小時乃至數日。該平台還能解析非標準保單語言，並通過自然語言界面完成巨災損失分析與準備金測算。這些工作流深度依賴MCO的專有數據、實體關係圖譜、巨災模型和領域專業知識，令通用應用難以複製。Smart API、MCP服務器與智能體產品為客戶在自有工作流中調用這一智能提供了路徑，也構成訂閱與使用量收入增量的來源。
相比之下，FDS面臨較大壓力。Daloopa演示瞭如何利用上市公司公開披露文件自動完成財務數據採集與模型維護，而這些信息同樣可被FDS及其他數據提供商獲取。Daloopa平台將披露信息映射至客戶自定義Excel模型，並為每個數據點提供來源鏈接。由於FDS核心財務數據大量來源於公開或第三方渠道的匯總與標準化處理，其數據可複製性較高，工作站功能的價值或因此承壓。
SPGI擁有Market Intelligence、評級、大宗商品基準、指數、私募市場及專業定價等差異化資產，在機器消費定價和新工作流產品方面具備多條貨幣化路徑，高盛給予"正面/混合"含義，關鍵變量在於AI如何改變Capital IQ Pro的用戶互動模式。IT（Gartner）則面臨更大的內容風險——Harvey和Simile均顯示，AI可將標準化研究內容轉化為可複用的智能體工作流，並使企業在不單獨委託研究項目的情況下生成新分析，標準化研究和培訓材料的稀缺性可能因此下降，高盛給予"負面/混合"含義。
主題二：工作流控制權決定價值歸屬
高盛在調研中觀察到AI的一項關鍵演進：Harvey和Clio演示了AI如何從檢索信息升級為起草文件、協調任務並完成更復雜的專業工作流。誰控制了客戶完成工作的平台，誰就可能捕獲超越單一數據輸入方的經濟價值。
TRI具備強勁的工作流地位，能夠將Westlaw權威法律內容與CoCounsel結合，延伸至法律研究、起草和文件審閱等工作流。Clio在2025年以10億美元收購vLex，獲得涵蓋逾110個國家、超10億份法律文件的主要法律內容庫，印證了全球法律內容資產的戰略價值與構建難度。然而，Harvey或Clio若控制客戶界面和工作流，TRI可能淪為底層內容提供商——即便其內容需求仍然旺盛。高盛給予TRI"正面/混合"含義。
FICO與EFX的正面含義最為明確。斯坦福大學研究人員在調研中指出，阻礙企業智能體進入生產環境的主要障礙不是模型能力，而是未解決的問責機制問題——邊界清晰、可驗證、可撤銷的流程將率先落地。這一框架與FICO在決策治理領域的能力高度契合。EFX旗下The Work Number憑藉僱主貢獻的就業與收入記錄，是最難複製的差異化資產，隨着AI智能體從生成建議升級為發起決策，覈實需求將更早、更頻繁地發生。
VRSK則面臨一定的護城河壓力。Corgi演示了AI原生商業保險公司如何在不重度依賴VRSK數據的情況下自動化承保流程。Corgi指出，美國大部分保險定價方法、備案費率和賠付率數據已通過州監管機構公開披露，AI原生公司可在此基礎上進行訓練。VRSK仍保有專有理賠歷史數據、巨災模型和深度嵌入承保商工作流等優勢，但Corgi挑戰了"所有傳統保險數據在AI時代均變得更難替代"這一假設。高盛給予VRSK"混合/正面"含義。
ULS（UL Solutions）則存在較長期的期權價值。斯坦福調研專場援引航空等安全關鍵行業的實踐，提出"AI智能體版SOC 2"的潛在需求，這與ULS在測試、檢驗和認證領域的專業能力高度契合。不過，標準制定、市場需求及收入貢獻時間表仍存在不確定性。
主題三：實體服務與教育平台抗衝擊能力更強
AI對白領工作的替代風險對人力驅動的商業模式構成直接壓力，但高盛認為，實體服務與教育平台處於較為有利的位置。
在人力派遣領域，RHI面臨最大沖擊。Daloopa的演示直接揭示了RHI在會計、財務、行政和初級技術崗位上的敞口，AI自動化數據採集、模型維護和結構化知識處理將縮減這些崗位的需求，客戶內部化招聘也可能進一步壓縮派遣量。新興的數據工程、網絡安全和模型實施崗位或難以彌補缺口，高盛給予"負面/混合"含義。MAN（Manpower）憑藉更高的藍領崗位比例獲得相對保護，但旗下Experis品牌仍面臨IT常規支持和分析工作自動化的壓力。
在教育領域，MH具備清晰的AI收入機會。超過1億個付費課程許可證構成分發AI驅動課程內容的基礎，評估、學習輔助、臨床模擬和教師工具方面已有750萬用戶完成AI產品的早期採用。MH已將固定加價、基於問題數量的定價和Token消耗列為潛在貨幣化模式，潛在授權溢價為5%至15%。
在實體服務領域，ADT、CTAS和ROL均獲得正面含義。ADT可將AI應用於監控和事件分級處理，支持高級服務等級、客戶留存和視頻分析產品；CTAS可通過路線數據和客戶歷史強化交叉銷售與服務響應能力；ROL則有望藉助物業級病蟲害活動數據和斯坦福世界模型研究框架，探索預測性檢測和高端監測產品。這三家公司的共同特點是：AI可提升服務附加值，但不會替代客戶購買的核心實體活動。
主題四：貨幣化路徑——超越席位的多元定價邏輯
高盛識別出三條主要收入路徑，並強調AI貨幣化需要將差異化資產與可量化的客戶價值相結合，而非簡單將現有席位收入轉換為新定價單位。
使用量與交易定價的邏輯在於，AI智能體應用產生的數據請求、覈實事件和自動化決策次數將遠超人工操作軟件。MCO和SPGI可將機器訪問專有信息的權限貨幣化；FICO和EFX應受益於自動化決策與覈實頻率的提升。主要風險在於使用量增長仍被打包在現有企業合同內，而非形成增量支出。
產品溢價與成果定價方面，TRI可通過CoCounsel對更廣泛的法律工作流收費，MH已確認固定加價、基於問題數量的定價和Token消耗三種模式，ADT可開發高級監控和視頻分析產品。這些模式的耐久性可能優於單純的Token計費，因為客戶能夠將支出與已完成任務或改善結果直接掛鉤。
基礎設施需求方面，IRM具備更直接的收入機會。Vercel和ClickHouse在調研中指出，智能體應用產生的請求量、Token消耗、遙測數據量遠超傳統軟件，直接支撐數據中心租賃和超大規模資產生命周期服務需求。由於客戶已為基礎設施和信息處理付費，IRM無需建立新的AI定價模型，執行力和資本投入強度是更關鍵的約束變量。
收入干擾風險方面，FDS、IT、RHI和PBI面臨現有收入受壓早於新產品貨幣化落地的時間差風險。高盛認為，這四家公司均可能推出具有競爭力的AI產品，但干擾與變現之間潛在的時間錯配支撐了更為謹慎的投資含義。