Pagal naujausią investicinio banko analizę, JAV akcijų rinkoje gali būti jau įvertintas didelis dalis ilgalaikės vertės, kurią gali sukurti dirbtinis intelektas. Analitikai Dominic Wilson ir Vickie Chang pažymi, kad kai kurie „paprasti skaičiavimai“ rodo, jog rinkos įkainiai AI susijusiems pelnams yra „gera dalis prieš makroekonominį poveikį“, o AI susijusių įmonių vertinimų spartus augimas artėja prie galimų naudų, kurias gali suteikti bendrai ekonomikai, viršutinių ribų. Nors Goldman strategijos komanda pripažįsta, kad įmonių vertės yra išaugusios, bet dar nėra „burbulinių“ lygių, makroekonominio požiūrio priėmimas padeda apibrėžti „kas iš viso yra įmanoma“. Kiek iš tikrųjų yra keli trln. dolerių? Ataskaita įvertina dabartinę diskontuotą kapitalo pajamų vertę (PDV) iš generatyviojo dirbtinio intelekto JAV ekonomikai kaip apie 8 trilijonus dolerių. Nors ši suma yra apgaubta neapibrėžtumu, tikėtino būsimų pajamų diapazonas nuo 5 trilijonų iki 19 trilijonų dolerių. Ypatingai įdomu tai, kad šios tikėtinos naudos yra pakankamos pagrįsti dabartines ir būsimąsias investicijas AI susijusių kapitalo išlaidų (capex), apie kurias vis dažniau rašo finansų žiniasklaida. Tačiau rinkos entuziazmas atrodo ženkliai pranokęs šiuos makroekonominius bazinius prognozes. Nuo tada, kai lapkričio 2022 m. startavo ChatGPT, Goldman skaičiuoja, kad tiesiogiai AI susijusių ar su šiuo proveržiu susijusių įmonių vertė išaugo daugiau nei 19 trilijonų dolerių. Šis augimas apima didžiulius prieauglius semikonduktorių pramonėje ir „hiperskalerių“ sektoriuje, taip pat beveik trilijoną dolerių naujausiose trijų didžiausių privačių AI modelių tiekėjų įvertinimuose. Visas šis vertės padidėjimas vietą makroekonominių naudos prognozėje pakelia iki „aukščiau nei makro naudos viršutinės ribos“ (19 trilijonų dolerių), ženkliai viršydamas 8 trilijonų dolerių bazinį įvertinimą.

Ypač didėja AI susijusių semikonduktorių ir privačių AI modelių tiekėjų vertės, kurios tiesiogiai siejamos su AI bumą, jau viršijančios 8 trilijonų dolerių bazinį vertės įvertinimą, skirtą papildomoms kapitalo pajamoms. Goldman Sachs pabrėžia, kad ateities rinkos linkusios įvertinti pelnus gerokai iš anksto, vadina tai „ypatybe, o ne klaida“. Visgi analitikai išskyrė du pagrindinius rizikos šaltinius, galinčius paskatinti „pervertinti“ būsimą pelną, nurodydami du istoriškus pavyzdžius: „Praeities inovacijomis pagrįsti proveržiai—kaip tie, kurie vyko 1920-aisiais ir 1990-aisiais—sukėlė rinką viršįvertinti būsimus pelnus, nors inovacijos buvo tikros. “ (Goldman tiesiogiai nekomentavo 1929-ųjų ar 2000-ųjų griūčių, susijusių su tais proveržiais. ) Pagrindinės išskirtos rizikos yra: 1. Agregavimo klaida: Investuotojai gali pervertinti bendras pajamas ir pelnus, generalizuodami tam tikrų įmonių įspūdingą pelningumo augimą į visus galimus laimėtojus. Yra rizika, kad suvienodinti vertės chipų gamintojams, modelių kūrėjams ir hiperskaleriams viršys jų galimybes visų kartu pasiekti. 2. Ekstrapoliacijos klaida: Konkurencija laikui bėgant mažina pradinį inovacijų pelningumą. Rinkos gali pervertinti ilgalaikį pelno augimą, jei manytų, kad trumpalaikiai pelno šuoliai yra nuolatiniai. Dirbtinio intelekto esminis produktyvumo potencialas išlieka stiprus: vertinimai rodo, kad AI galėtų padidinti JAV produktyvumą apie 1, 5 procentinio punkto per dešimtmetį, kas galiausiai padidintų JAV BVP ir pelno lygius apie 15 %. Tol, kol ir bendra ekonomika, ir AI investicijų proveržis liks „kelyje“, rinkos optimizmas greičiausiai išliks. Visgi, be aparatinės įrangos, dabartinės AI sukurtos pelno pajamos išlieka ribotos, o tai galėtų kelti riziką, jei lūkesčiai nesuveiktų greitai kuriant didesnę naudą.