Ano ang pinagtutuunan ng pansin sa Silicon Valley? Nagsimula na ang ikalawang yugto ng AI! Buod ng opinyon ng mga teknolohiyang higante sa Goldman Sachs TMT Conference (malalimang pagsusuri)

Ang pinakamalinaw na signal na ipinadala ng Goldman Sachs Communacopia + TMT Conference 2026 ay: Ang pokus ng AI investment ay mula sa "pagtayo ng computational power" patungo sa "paggamit ng computational power", ngunit ang supply mismo ng computational power ay nananatiling labis na kulang. Sabay na totoo ang dalawang bagay na ito, na bumubuo sa pangunahing tensyon ng kasalukuyang Silicon Valley.

Ang punong ekonomista ng Goldman Sachs na si Jan Hatzius ay binigyang-diin ang tono sa kumperensya: "Ang AI investment boom ay hindi magpapatuloy habang-buhay." Subalit naghatid ng kabaligtaran at mas agarang pahayag si Jensen Huang ng Nvidia sa parehong kumperensya: "70% ng paglago ay mula sa limitasyon ng supply, hindi mula sa demand." Ang ganitong hindi pagkakasundo ay siyang pinaka-esensya ng ikalawang bahagi ng AI—walang pagtatalo sa direksyon, ang isyu ay sa bilis at distribusyon.

Ano ang pinag-uusapan sa Silicon Valley: Anim na Pangunahing Isyu

Isyu 1: Ang "pisikal na hadlang" ng computational power ay naging bagong naratibo

Sa kumperensya, sistematikong niredefine ni Jensen Huang ang naratibong balangkas ng AI infrastructure. Itinali niya ang pwersa ng pagbabago sadalawang nagsusupang pagbabago sa industriya: ang paglipat mula retrieval computing patungo sa generative computing, at ang pagtatapos ng Moore’s Law.

Sa nakalipas na 60 taon, ang mga computer ay esensyal na "pre-recorded"—kapag nag-click ang user, kinukuha ang impormasyon mula sa storage. Ngunit ang generative AI ay nangangailangan ng real-time generation ng sagot base sa konteksto, nangangahulugan ng panibago at tuloy-tuloy na layer ng computation na kailangang itayo. Kasabay nito, nawawala na ang benepisyo ng pagbabawas ng laki ng transistor, at hindi na makadepende ang performance gain sa process miniaturization. Ang estratehiya ni Huang ay gumamit ng CoWoS multi-chip packaging at NVLink vertical expansion para makamit ang matinding coordinated design, at tahasang nagsabi: "Kung wala kang NVLink, kung hindi mo kayang mag-vertical scaling ng mahusay, yari ka, dahil ang Moore’s Law ay kaaway mo."

Ang pundamental na pagbabago ng naratibo ay: ang pangunahing hadlang sa paglago ng AI ay wala na sa "may demand ba o wala" kundi sa "kaya bang sabayan ng pisikal na mundo". Inamin ni Huang na may mga bottleneck ang upstream packaging, wafers, memory, gayundin ang kuryente at lokasyon ng mga data center pababa. Pinanatili niya ang CY27 na humigit-kumulang 70% taon-taon na paglago. Samantala, isiniwalat ni SpaceX CFO Bret Johnsen ang mas agresibong plano: sa 2027, itataas ang AI computational power mula sa 2GW papuntang 5-10GW, at planong mag-deploy ng AI satellites para bumaba ang cost ng computational power sa orbit na kapantay ng sa lupa.

Isyu 2: Ang "landas ng panalo" ng AI application layer ay nagiging malinaw

Nagbigay ang Broadcom CEO Hock Tan ng napaka-impactful na economic model breakdown: Ang 1GW frontier computational power ay tumutumbas sa $30 bilyon ARR, $10 bilyon dito ay gastos, at ang natitirang $20 bilyon ay hinahati ng model layer + application layer, $10 bilyon ay pinaglalabanan ng Cloud + Chip + Memory + Power value chain.

Ibig sabihin, ang scheme ng value distribution sa AI industry chain ay quantifiable na. Mula rito, iminungkahi ng Goldman Sachs ang "landas ng panalo" ranking: close-source model layer > sariling chips > Hyperscaler > power+liquid cooling > networking > application layer.

Ngunit binigyang-diin din ng Goldman Sachs na ang merkado ay lumilipat ng pondo mula sa unang yugto (GPU/HBM/data center hardware) patungo sa ikalawang yugto (mga panalong application layer na kayang gawing productivity, kita, at cashflow ang tokens para sa mga negosyo). Posibleng mas magiging matindi pa ang valuation differentiation sa hinaharap: software companies na may eksklusibong data, kumplikadong workflow advantages, at malinaw na ROI ay magiging revalued, habang ang conventional SaaS na madaling gamiting commodity ng foundational models ay patuloy na maaapektuhan.

Kinumpirma ni Databricks CEO Ali Ghodsi ang nasabing pananaw: ang focus ng kumpetisyon sa AI application software ay papunta na sa aktwal na deployment ng negosyo; ang software platforms na kayang gawing mataas ang efficiency, tumpak at maaasahang resulta para sa negosyo mula sa model capability ay makakakuha ng bagong growth space.

Isyu 3: Ang Agentic AI ay mula sa "konsepto" patungo sa "organizational restructuring"

Sa taong ito, hindi na lang pang-demo ng functionality ang Agentic AI, kundi nagsimula na itong mag-restructure sa organizational setup mismo.

Isiniwalat ng CHYM na nagbawas sila ng 10% sa empleyado, layunin ay gawing "mas flat at mas mabilis na organisasyon"; nabawasan sa kalahati ang laki ng product at engineering team pero "dahil mas malinaw ang responsibilidad at streamlined ang operasyon, same ang output." Ang Block naman ay tumapos ng major organizational restructuring noong simula ng taon (mabawasan ang layers sa pagitan ng decision-maker at implementor), at nakakamit ngayon ng significant leverage sa fixed cost base.

Sa tech side, tinitingnan ng AMD ang Agentic AI bilang bagong uri ng workload, inaasahang magdadagdag sa pangangailangan para sa ibat ibang uri ng CPU, hindi lang GPU. Ang SailPoint ay naglatag ng tiyak na goal: Posibleng maging major growth driver ng Agentic AI, at $800 milyon ang agentic revenue target sa fiscal year 2029.

Pinakasistematikong naglahad si Microsoft CFO Amy Hood: Pinaghahalo ng Microsoft ang predictable na user license at consumption-based AI service pricing, kasabay ng pagpapalawak ng Agent 365 at Copilot. Tiyak niyang sinabi: "ang secure, regulated agentic workflows" ang maaaring magtulak ng paglago, dahil parami nang parami ang kooperasyon ng agents, apps, at tao.

Isyu 4: Ang cybersecurity ay naging "pinakamadalas pag-usapan"

Pinakamadalas nabanggit na use case sa kumperensya ang cybersecurity. Tahasang inilista ni Jensen Huang ito bilang next major use case ng AI, kalakip ang eksaktong economic logic:

"Ang isa sa derivatives ng coding ay bug discovery, at ang isa pa, ay isang napakalaking market na tinatawag na cybersecurity. Ang coding assistant ay sumasagot sa prompt tapos humihinto; ang security agent ay tuloy-tuloy na minomonitor ang network, ibig sabihin kailangan ng customer na magbayad para sa inference 24/7, hindi lang per event."

Sabi ng Palo Alto Networks CEO, "AI security industry ay hindi pa talaga nabu-buo", at ang pinagsamang market cap ng CrowdStrike at Palo Alto ay mga $490 bilyon lang, malayo sa trillion-level AI companies, dahilan kung bakit napapansin na ang potential revaluation ng sector na ito.

Ang datos mula sa CrowdStrike CEO George Kurtz ay nagbibigay ng urgent na quantitative basis: Tumaas ng 89% ang AI-enabled cyber attacks sa huling taon, at ang pinakamabilis na breach time ay bumaba na ng 27 segundo. Ang 27 segundos ay mas maikli kaysa sa oras ng karamihan ng human security teams para magtriage ng alerts—ito ang pundamental na argumento para palitan ng autonomous agents ang analyst teams.

Itinuring ni Jensen Huang ang CrowdStrike bilang "pangunahing cybersecurity partner" ng Nvidia, at tinawag ang paglabas ng SafeMind bilang "turning point sa cybersecurity."

Isyu 5: "Pay for results" ng OpenAI at ang ekonomiks ng usage intensity

Ang talumpati ng OpenAI CFO Sarah Friar ang nagbigay ng cutting-edge signal ng AI commercialization.

Kalahati ng revenue ay mula enterprise: Ang share ng consumer at enterprise revenue ay naging 50:50 mula 60:40 sa simula ng taon. July annualized run rate lumago ng 20% month-over-month, enterprise segment lumago ng 32%—malaki na mismo ang base.

Ang tunay na bagong numero ay usage intensity: Ang top 10% ng frontier enterprise clients ay gumagamit ng tokens ng 8 beses kumpara sa ordinaryong kliyente (dating 3 beses), sa loob mismo ng OpenAI ay umabot pa ng 33 beses. Tinawag ni Friar ang 33x bilang "preview ng future usage ng kasalukuyang kliyente," ibig sabihin, ang growth sa enterprise side ay hindi galing sa bagong client kundi patuloy na tumataas na consumption per client.

Malinaw na ang pricing roadmap: subscription → usage-based → pay for results. Direktang sinabi ni Friar na gusto nilang lumayo sa per token billing, tungo sa vertical revenue-sharing. Pati kompetisyon sa model layer ay nagbabago: hindi na per token cost ang labanan kundi per task cost, at 68% na mas kaunting tokens para sa kaparehong resulta kontra kalaban.

Isyu 6: Mga "supply side signal" ng storage, consumption, at organizational efficiency

Nagbigay ang SanDisk sa kumperensya ng isang kaalaman na hindi pinapansin ng merkado: Malamang na patuloy na limitado ang paglago ng supply ng NAND sa nakikitang hinaharap, habang patuloy na tinataas ng AI inference ang demand. Direktang pahiwatig ito ng posibleng suporta sa presyo ng NAND dahil sa supply-demand structure.

Kumakalat ang pare-parehong signal mula sa kabuuang consumption: Sinabi ng Block na "lubhang matibay ang consumer spending buong Q2, tumatagal pati sa July at August"; sinabi ng Toast na steady lang ang level ng gasto; sinabi ng Booking.com na matibay parin ang demand sa travel. Ito ay tugma sa naunang pahayag ng Visa sa conference.

Direktang inilahad ang pagbabago ng AI sa organisasyong efficiency: Ginagamit na ng Booking.com ang generative AI para sa customer service at software development at "nakikita na ang totoong benepisyo"; Sinabi ng Etsy na naabot ng AI ang "mas malalim na inventory analysis, buyer insight at purchasing intent detection."

Ang "second half ng AI" framework ng Goldman Sachs Report

Ang serye ng mga ulat na inilathala ng Goldman Sachs sa paligid ng kumperensya ay naging pundasyon ng analytical framework upang maunawaan ang conference ngayong taon.

Unang Layer: Mula sa "compute expansion" patungong "token monetization". Diretsahang tinukoy ng mga analyst ng Goldman Sachs na ang global capital ay lilipat mula hardware bottleneck ng unang yugto ng AI investment patungo sa ikalawang yugto ng application winners na kayang gawing productivity, kita, at cashflow ng enterprise ang AI tokens. Pamantayan sa paghusga ng application companies: may malaki at eksklusibong database, malakas na workflow advantages, agent intelligence workflow execution loop, at malinaw na ROI.

Ikalawang Layer: Mula sa "dalawang pinuno" papuntang "multipolar competition". Ayon kay Rich Privorotsky ng Goldman Sachs One-Delta trading desk, nagiging highly competitive at multipolar ang AI narrative mula sa "frontier tech race ng Nvidia at Google". Napatunayan na ng Meta at xAI na kaya nilang magbigay ng API service sa abot-kayang presyo ngunit cutting-edge pa rin. Bagaman pwedeng magpababa ng token pricing ng mas matinding kumpetisyon, ang "mas murang tokens ay maglalabas ng exponential demand" na argumento ng hardware bulls ay hindi laging nangyayari sa realidad. Ang adoption rate ng enterprise paid AI tools ay matagal nang higit 50%, kaya't hindi agad mag-uumpisa ng panibagong demand rush ang single-handed na price cut.

Ikatlong Layer: Mula sa "malaking modelo" patungong "dedicated small models". Palakas na nang palakas ang migration ng enterprise workloads sa mas maliit, nakatutok na model—document processing, workflow routing, compliance review, customer service atbp. Mababa ang cost, mabilis, at kayang tumakbo locally sa devices. Inangkop ni Goldman Sachs ang pananaw ng Hugging Face CEO: sumasailalim ang mga kumpanya sa structural shift mula "pag-upa ng closed-source frontier API" patungo sa "pag-aari at pagpapatakbo ng sariling open-source models".

Ikaapat na Layer: Capital efficiency ang magiging ultimong hamon. Hindi na ang tanong kung babagalan ba ng cloud giants ang investment; kailan hihingin ng shareholders ang mas mataas na capital efficiency ang sentro ng usapan. Kapag napilitan na silang bawasan ang capital spend, kahit maganda pa ang earnings ng hardware industry, mahihirapan palitan ng mataas na multiple ang valuation nito.

Isang konklusyon para sa kasalukuyang sitwasyon sa Silicon Valley

Ang esensya ng ikalawang bahagi ng AI ay hindi ang "bumagal ang AI" kundi "mula sa scarcity narrative, lumipat sa distribution narrative" ang AI. Kulang pa rin ang supply ng computational power, ngunit nag-umpisa nang itanong ng merkado: Kaninong cashflow mapupunta ang computational power na ito sa huli? Sagot ni Jensen Huang: "Magtapon ka ng 1, kuha ka ng 100."; sagot ng OpenAI: "Pay for results"; sagot ng Goldman Sachs: "Gaano karaming useful output bawat dolyar ng AI investment". Sino man ang kayang gawing business outcomes ang tokens, siya ang magdedesisyon ng mga patakaran ng second half ng AI.