AI投資重心邁向實體產業！預估未來6年基礎建設支出將達7.6兆美元

為什麼全球 AI 投資重心正從資料中心轉向實體產業？

AI 算力基礎設施的投資規模在未來六年有多大？

根據高盛 2026 年 7 月發布的研究報告，全球圍繞運算、資料中心與電力的 AI 資本支出在 2026 年至 2031 年間將高達約 7.6 兆美元。這意味著年度投入將從 2026 年的 7,650 億美元，一路上揚至 2031 年的 1.64 兆美元。此外，高盛估計超大型雲端業者（Hyperscalers）在 2030 年前的 AI 累計投資額將可能突破 6 兆美元，規模極為驚人。

雖然基礎建設資本支出不斷創新高，但 AI 算力需求的成長速度已明顯超越了基礎設施的興建進度。根據 Google 於今年 6 月宣布的合約，Google 每月將支付 SpaceX 約 9.2 億美元以換取約 11 萬顆輝達（Nvidia）GPU 的使用權，該合約至 2029 年中累計金額高達約 300 億美元。這項交易直接反映出，即使是自建大規模資料中心的科技巨頭，也難以完全依靠自身的建設節奏來滿足龐大的算力缺口。

電力供應與電網併網延遲如何成為 AI 擴張的關鍵瓶頸？

隨著 AI 資料中心數量呈現爆發式成長，電力供應已正式取代晶片，成為目前最關鍵的實體瓶頸。高盛報告指出，全球資料中心供給已從 2019 年的 30 吉瓦（GW）攀升至 2024 年的 57 吉瓦，且預估在 2030 年前還會再增加約 65 吉瓦。這種極端的用電需求導致電網難以負荷，許多核心市場的資料中心面臨嚴重的併網延遲。

高盛指出，部分核心區域的資料中心併網等待期已長達 8 至 12 年，這一時間長度遠遠超出了 GPU 晶片的更新週期。由於變壓器、電網設備的產能短缺以及施工人力的嚴重匱乏，AI 的擴張瓶頸已經從早期的「缺晶片」演變為「缺電、缺設備、缺人力」。這正是資金被迫從純算力端流向實體電網與配套電力產業的根本原因。

工業 AI 與數位雙生如何掀起百億美元的併購浪潮？

數位雙生技術在實體產業升級中扮演什麼關鍵角色？

高盛強調，工業 AI 軟體對實體經濟的影響力預期將超越傳統的企業軟體，其應用層面廣泛覆蓋了製造業、能源、汽車、生技醫療及航太等多個重工業領域。而這波工業 AI 浪潮的核心技術正是數位雙生（Digital Twin）。數位雙生技術能在虛擬空間中為實體工廠、設備或生產流程建立高精度且即時的虛擬模型，實現全方位的物理模擬。

透過數位雙生，企業能夠在實際投入資金或改動實體產線之前，先在虛擬環境中模擬生產效率、材料特性、設備磨損與投資回報率。隨後，系統會將分析結果回饋到真實世界的生產環境，大幅降低實體營運的未知風險。這種虛實整合的運作模式，是實體產業提高決策效率並避免高昂停機成本的關鍵利器。

哪些指標性併購案正重塑全球工業軟體與 AI 的競爭格局？

隨著工業 AI 的戰略價值浮現，全球大型工業巨頭正加速進行版圖擴張。高盛報告指出，自 2020 年以來，全球大型工業企業已累計投入超過 1,100 億美元，用於收購工業軟體相關資產。這些併購案的核心目的，是為了建立從研發、設計、物理模擬、製造到實際營運的一體化軟體平台，以掌握完整的工業 AI 價值鏈。

在這些交易中，有幾項指標性的百億美元級併購案引人注目：首先是電子設計自動化巨頭新思科技（Synopsys）以 350 億美元收購物理模擬軟體龍頭 Ansys，實現晶片設計與物理建模的深度整合。其次是工業巨頭西門子（Siemens）以 51 億美元收購 Dotmatics，切入製藥與研發模擬領域。此外，艾默生電氣（Emerson Electric）也以約 170 億美元收購了 AspenTech 的剩餘股權，強化其在流程模擬與工業 AI 領域的領導地位。

人形機器人與物理 AI 的大規模商業化時間點落在哪裡？

全球人形機器人的市場需求與勞動力缺口到底有多大？

在物理 AI 領域，機器人、自動駕駛設備與工業智慧裝備是 AI 與實體世界互動的主要媒介。高盛報告預估，全球人形機器人的市場規模將呈現指數型成長，出貨量將從 2025 年的約 2 萬台，暴增至 2035 年的 140 萬台。推動這一趨勢的最主要力量在於全球性（特別是已開發國家）的勞動力短缺問題。以美國為例，目前僅在物料搬運（Material Handling）相關崗位的缺口就已超過百萬個。

然而，人形機器人距離實現大規模獲利與普及仍需要一定的時間。高盛指出，目前人形機器人在硬體開發與資本投入上的進展較快，但在實際工廠的部署、員工培訓以及單位經濟效益的驗證上仍然明顯滯後。該行預估，人形機器人要在製造與物流領域迎來廣泛的商業部署，最快也必須等到 2027 年至 2029 年之間。在此之前，倉儲機器人與自動化搬運設備等較成熟的應用仍是商業價值最確定的主力。

為什麼人形機器人等實體硬體的融資架構面臨巨大挑戰？

高盛在報告的結尾特別指出，當前 AI 技術的擴散速度已經遠遠超過了傳統資本體系的適應能力。雖然資料中心與電力資產可以利用投資級債券、私募信貸與基礎設施基金等成熟的管道進行融資，但機器人與人形機器人等實體硬體資產卻面臨「融資難題」。

這些實體硬體設備既不像軟體公司那樣屬於「輕資產」模式，也不像資料中心那樣具備穩定的長期現金流與高度標準化的可抵押資產。由於 GPU 殘值不確定、機器人需要長時間在產線部署驗證，傳統融資工具難以直接覆蓋這些高風險。高盛認為，如何將早期技術風險、硬體快速折舊與長期部署風險，轉化為保險資金和私募信貸能夠接受的投資標的，將是未來實體 AI 擴散的關鍵難題。

為什麼「世界模型」會成為下一波 AI 基礎建設的成長動能？

世界模型與傳統大型語言模型（LLM）有哪些根本性的不同？

除了生成式 AI 之外，高盛點出「世界模型」（World Model）將是推動下一波 AI 基礎建設投資的全新驅動力。與主要處理文字、圖片等數位內容的大型語言模型（LLM）不同，世界模型的核心目標在於理解真實物理世界的運作機制，並建立對物理環境與社會系統因果關係的模擬能力。這包括了材料特性、摩擦力、重力等物理定律，甚至涵蓋了供應鏈波動與政策變化的社會因果關係。

高盛強調，世界模型並不是要取代大型語言模型，而是建立在現有 LLM 與生成式技術之上的高階能力。若世界模型的技術演進與成熟速度快於市場目前的預期，那麼現階段對 AI 算力、資料中心與電力的投資估算恐將顯得過於保守，未來全球 AI 基礎建設的資本支出預測仍有進一步大幅上調的空間。

世界模型如何應用於高階企業決策與物理因果關係模擬？

在實際應用中，物理世界模型將廣泛導入機器人、自動駕駛、智慧物流與工業產品設計等領域，使其具備預測物理反應的能力。另一方面，社會世界模型則能協助企業高層與政府機構進行複雜的情境模擬、投資風險評估、政策影響推演及治理壓力測試，從而做出更科學、具前瞻性的決策。

國防與太空產業如何成為 AI 工業化最尖銳的試驗場？

AI 如何在國防與無人機領域扮演戰力倍增器？

高盛報告指出，國防與太空產業是實體 AI 技術難度最高、且最具戰略價值的應用場景，因為這些產業高度集結了政府資本、先進技術與供應鏈安全的雙重保障。AI 在國防領域的定位並非取代人類的最終作戰決策，而是扮演情報偵察、戰場通訊、後勤物流與任務執行的「戰力倍增器」。高盛數據顯示，全球軍用無人機市場在 2026 年規模已達約 200 億美元，並預計在未來十年內翻倍成長。

SpaceX 與 xAI 的整合如何展示航太 AI 的未來潛力？

在航太 AI 領域，高盛以 SpaceX 為例，指出其在收購 xAI 後，已同時具備了國防、衛星連接服務（Starlink）與 AI 算力等多重屬性。SpaceX 計劃自 2028 年起，在太陽同步軌道上部署能夠執行大規模 AI 推理的衛星群。這項計畫意味著未來的「航太公司」與「AI 公司」界線將日趨模糊，邊緣運算將從地面延伸至太空，徹底改寫通訊與遙測的效率。

全球 AI 基礎建設與投資發展有哪些關鍵的歷史與預測時間點？

根據高盛 2026 年 7 月發布的研究報告，全球 AI 投資與技術發展的時間軸呈現出清晰的階段性特徵。以下為我們整理的關鍵時間點與數據指標：

我們在實務中如何看待實體 AI 的落地挑戰？

數位雙生與 AI 代理在智慧工廠中能創造哪些實際成效？

在我們過去協助傳統製造業進行數位轉型的實務經驗中，我們發現許多企業在初期規劃時，往往只專注於硬體設備的更新，而忽略了資料整合的價值。根據我們的測試與顧問經驗，當企業決定將 AI 代理（AI Agent）與數位雙生系統相結合，並在一個模擬工廠的虛擬環境中先進行運作測試時，結果令人驚嘆！真實案例顯示，某家大型電子組裝廠在實際調整生產線前，先透過數位雙生模擬了兩週的材料流動與機械手臂路徑，成功避免了因感測器衝突導致的停機風險，將產線調整時間縮短了 50%，同時提升了 15% 的產出效率。這說明了實體 AI 不僅是未來的趨勢，更是現階段企業提升競爭力的核心武器。我們強烈建議，製造與物流業的決策者必須立即行動，盤點企業內部數據，為實體 AI 的到來做好準備！

傳統企業軟體（SaaS）如何因應「按結果付費」的定價變革？

此外，在企業軟體領域，SaaS 模式的變革也正在加速發生。當我們測試不同軟體供應商的服務時，我們發現傳統『按人頭計費』（Per-Seat License）的收費模式正受到強烈衝擊。高盛報告指出，AI 代理的普及將使自動化與企業軟體的潛在市場規模擴大約 2.5 倍，但同時也會壓低定價。未來的軟體定價將徹底轉向『按結果付費』（Pay-for-Results）。軟體不再只是提供一個工具讓員工操作，而是直接交付任務的成果。對於軟體開發商而言，這意味著如果你的 AI 無法真正解決實體產業的痛點，訂閱收入將快速流失。我們認為，這是一場殘酷的優勝劣汰，但也為能創造實質價值的創新軟體公司開創了巨大的市場空間。

關於 AI 投資重心移轉的常見問題（FAQ）

Q1: 為什麼高盛預估未來 6 年的 AI 資本支出高達 7.6 兆美元，其中大部分會轉向實體產業？

A1: 根據高盛最新報告，過去的 AI 投資主要集中在 GPU 與資料中心等算力基礎設施，但算力需求的成長速度已遠超硬體建設的極限。隨著電力供應不足與電網併網延遲（部分核心市場等待期長達 8 至 12 年）等瓶頸浮現，科技巨頭與資本市場開始將目光投向能直接產生生產力效益的實體經濟領域，如製造、能源、物流、國防與太空，藉此消化龐大的算力並實現投資回報。

Q2: 數位雙生與世界模型在工業 AI 的應用中，如何協助企業降低實體營運風險？

A2: 數位雙生透過在虛擬空間建立工廠、設備或流程的高精度模型，讓企業在實際投入資金前，模擬出最優的生產路徑與材料特性。而「世界模型」則能進一步理解物理世界與社會系統的因果關係。兩者結合後，企業能在虛擬環境中安全地進行各種壓力測試與情境推演，避免真實世界的停機、設備損壞或投資失敗，從而大幅降低營運風險。

Q3: 人形機器人在製造與物流業的發展前景如何？大規模商業化的關鍵挑戰是什麼？

A3: 高盛預估全球人形機器人市場將從 2025 年的 2 萬台，成長至 2035 年的 140 萬台，這主要是受到全球（特別是美國）物料搬運崗位缺口高達百萬人的推動。然而，人形機器人要實現大規模商業化（預估在 2027 至 2029 年），必須克服兩大挑戰：一是硬體折舊與殘值不確定性帶來的「融資難題」，二是工廠部署、員工培訓與單位經濟效益的實務驗證。

Q4: 中國 AI 模型在 OpenRouter 平台上的份額增加，對美國及全球軟體市場帶來什麼衝擊？

A4: 高盛指出，中國模型在 OpenRouter 平台的 Token 消費佔比已從 2024 年底的低個位數，大幅攀升至 2026 年初的約 50%。部分中國模型提供商在政策與低成本優勢支持下，以接近成本的定價策略進行推理服務，這對高度依賴私人資本的美國模型業者造成了巨大的價格壓力。這也迫使企業軟體市場的競爭重點，從「單純接入模型」轉向「如何將模型深度嵌入企業獨有的數據與流程中」。

Q5: 國防與太空產業在實體 AI 的發展過程中，扮演了什麼樣的角色？

A5: 國防與太空是實體 AI 技術難度最高、且最具戰略價值的試驗場。在這些領域，AI 並非取代人類決策，而是作為偵察、通訊與後勤的「戰力倍增器」。例如 SpaceX 在收購 xAI 後，同時具備了國防、衛星連接與 AI 算力的優勢，並計畫自 2028 年起部署具備大規模 AI 推理能力的衛星。這表明未來國防、太空與 AI 技術的界線將會日益模糊。