据 Woofun AI 消息，高盛近期发布深度研报，指出人工智能产业正跨越'仅能回答'的初级阶段，全面迈入'能够执行'的 Agent 时代。这一结构性转变意味着，硅谷科技圈的核心竞争维度已从单纯的模型参数较量，彻底转向对工作流掌控力的争夺。随着世界模型技术的崛起，AI 的商业化路径与价值分配逻辑正在发生根本性重构。

此次研判基于高盛于 8 月 18 日至 19 日进行的实地考察，这是该机构连续第三年深入硅谷腹地，对象涵盖 AI 初创企业、头部风投机构以及斯坦福大学、加州大学伯克利分校和旧金山分校的研究团队。调研揭示，Agent 在企业端落地的最大阻碍并非技术能力不足，而是'可控性'缺失。在法律责任划分、过程追溯及纠错机制尚未完善的背景下，多数企业仍维持'人工监督模式'。特别是在法律、风控、保险和审计等高敏感领域，模型失误的责任归属问题至关重要。因此，具备'决策边界清晰、结果可验证、错误可回滚'特征的工作流最易实现自动化，例如发票处理流程：AI 负责字段提取与检查，低置信度案例由人工复核，最终通过可逆的 ERP 流程入账。

值得注意的是，拥有可信内容、经验证的领域模型及成熟监管关系的信息服务商，将率先切入企业生产环境。Woofun AI 整理数据显示，这种对确定性的追求正在重塑 B 端 AI 的准入标准，使得具备业务上下文理解能力的服务商占据先机。

在模型生态层面，前沿模型与开源模型并未走向零和博弈，而是形成明确分工。前沿模型阵营强调，企业基准测试往往低估了真实生产环境中模型精度下降带来的隐性业务损失，因此多家 AI 原生公司即便宣称采用多模型策略，其核心生产环境仍高度依赖闭源前沿模型以确保障碍最小化。相反，另一派观点认为，绝大多数标准化任务无需前沿级智能，随着开源模型性能提升，客户愿以有限性能损失换取更低推理成本。一家风投机构预测，未来 12 至 18 个月内，约 90% 的推理 Token 将流向开源模型。

与此同时，'世界模型'正成为新的增长引擎。不同于主要依赖互联网文本训练的 LLM，世界模型需理解环境、因果关系、物理规律及动态交互，其数据源更多来自物理系统、具体行业及实际运营场景。高盛指出，物理、工业、科学和机器人等领域的问题空间远大于纯文本生成，且训练、仿真与推理需更高算力投入。预计未来 5 年，算力需求将增长约 24 倍，供需紧张态势将持续，微软、甲骨文和 CoreWeave 等云计算及算力基础设施提供商将直接受益。

商业模式的演变进一步印证了价值迁移的趋势。追风交易台数据显示，AI 收费模式正从'按席位订阅'转向按消费量、交易量及结果收费。Agent 角色也从辅助工具进化为工作流执行者，产业价值随之从模型本身向专有数据、业务上下文及领域专业能力转移。竞争壁垒不再是'谁的模型更强'，而是'谁能真正掌握工作流'。能否进入企业生产环境、理解复杂业务语境并稳定完成任务，成为决定胜负的关键。

这意味着，拥有垂直领域数据积累和成熟监管关系的机构，将在新一轮价值分配中占据主导地位，而单纯依赖通用大模型能力的玩家将面临边缘化风险。