摩根士丹利：人工智能投资的十大关键洞察

摩根士丹利投资管理部最近发布了《Big Picture》报告，探讨人工智能的十个投资真相。管理着数万亿美元资产的机构认真分析框架，这本身就传递了重要信息。已有2.3万亿美元投入其中，且投资速度还在加快。我将报告的核心观点拆解出来，逐一解读。

1、四重汇聚。算法、算力、人才、资本，这四个要素同时加速发展，并且每个要素都推动其他要素前进。算法在2017年Transformer模型出现时突破了瓶颈，随后算力呈指数级增长，人才向全球几家头部公司集中，资本则追逐这三者疯狂投资。更值得注意的是，AI能力现在每4个月翻一番。到2028年，模型性能将比现在强250倍。2025年一年内，token消耗量增长了10倍以上。报告将AI投资分为三层：最底层是硅片、电力和数据中心，资本投入极重，供应极度受限；中间层是模型，训练成本高昂，推理成本却在下降，国内DeepSeek、Kimi等出现后，推理成本腰斩再腰斩，这一层竞争最为激烈；最上层是智能体和物理AI，包括机器人、无人车和工业自动化，目前仍处于萌芽阶段，但长期来看，最可能产生百倍回报的地方就在这里。2.3万亿美元大部分投入底层，因为美国云巨头的路径与2000年互联网泡沫类似，先修路，车才能跑。华尔街对此非常熟悉。

2、摩尔定律已死。这并非减速，而是物理极限真的到了。硅晶体管的尺寸越来越逼近代工极限，行业开始转向新赛道。chiplet（芯粒）技术将多颗小芯片堆叠或拼接；硅光技术用光纤代替铜线实现芯片间互联；液冷技术彻底取代传统风扇散热。从芯片到封装、服务器再到机房，每一层都在重构。更有趣的是，瓶颈正在向上移动。先是芯片受限，然后是电力、内存、网络，再到冷却。现在内存成为2026年的核心短板，超大规模买家开始签订长期供货协议，这在历史上极为罕见。关键不是谁在制造最好的芯片，而是供应链的下一个瓶颈是什么。谁能提前看清这一点，谁就能获得超额收益。新赛道永远出现在旧赛道的限制之后。

3、token经济。价值2万亿美元的传统软件行业依靠销售许可证盈利，你购买多少席位，公司就赚多少钱。但AI的未来在于销售token。你写邮件、写代码、分析数据、规划机器人路线，每做一件事都在消耗token。这个数字是衡量AI经济的直接指标。而且token有代际之分。第一代是生成式AI，用于写文案、画图等基本操作。第二代是推理式AI，模型能够自我纠错和思考，算力需求是上一代的1000倍。第三代是智能体AI，它不仅能回答问题，还能执行任务、调用工具、完成工作流，算力需求高达100万倍。每跳一阶，就像跨越一个世界。2025年，所有人都在研究如何将推理成本降至1/10，但研究的人越多，使用的token也越多，总需求反而呈指数级膨胀。这是经典的杰文斯悖论：越高效越浪费。最重要的指标只有三个字：每瓦token数。Token per watt。电力就像上一代的石油，算力就是炼油厂，token是产出的汽油。在AI这条产业链中，你提供电力、变压器、铜缆、芯片，实际上都在销售token的一部分，每一环节都是刚性需求。

4、智能体过渡。传统AI需要你提问才会回答，你掌握主动权。但现在AI正从被动反应转向自主行动。有些工程师已经同时管理四个以上智能体，不再编写代码，而是进行监督。2026年初，智能体流量在互联网基础设施上接近垂直增长。微软的观点是，工作中的AI分为三种模式：聊天、分配任务和完全数字员工。这就像以前你招聘实习生盯着他干活，现在直接招了一个全能助手，不需要吃饭或睡觉。我有时觉得，这不是科幻，而是劳动力市场结构的重写。每个人都在评估自己需要配备多少个智能体。而且大多数人没有意识到智能体商务的方向：当AI智能体之间开始自主询价、下单和支付时，这个链路必须零摩擦、秒级响应、无需人工授权。这天然指向数字资产、区块链和稳定币。支付基础设施正在向无状态、无门槛、无延迟的方向重构，流量一旦起来，就是万亿美元级别。不是先建应用，而是先建通道，建通道的人才能先获得资金。

5、新护城河。数据、领域和分发，如果这三个维度都具备，软件公司的壁垒就会极高。再强大的AI也无法直接接管银行核心系统，因为这些系统与流程、数据、合规以及二十年的运维逻辑紧密绑定。谁能提供在数据层之上的统一智能体接口，谁就能成为下一个应用层巨头。AI没有破坏护城河，反而加深了它。数据、领域和分发在AI之前就已存在，在AI之后变得更加有价值。你要找的不是“AI+公司”，而是“被AI赋能的公司”，被赋能的不是模型，而是工作流。AI概念股中存在结构性分层，谁被取代、谁被增强，这决定了你能否获得长期收益，而不是跟随概念短期炒作。

6、昨天的科幻。AI正从软件进入机器领域。自动驾驶、机器人、工业自动化和无人机不再是实验，而是商业化部署。人形机器人不再在真实世界训练，而是在模拟环境中压缩数年的物理学习。软件定义汽车的收入从2021年的5亿美元增长到2024年的10亿美元，目标到2027年达到20亿美元。每个自主系统，无论最终用途如何，都依赖同一套技术栈：芯片、算力、传感器、储能、电推进和驱动。价值不成比例地流向控制这些瓶颈的人。这不仅是某个垂直行业的故事，而是横跨硬件、软件、传感器和电力系统的水平层。

7、全栈资本周期。AI正在重新评估整个资产组合。它影响债券市场、新兴市场、大宗商品和房地产投资。所有资产的定价逻辑都基于增长假设和生产力假设。如果AI使人均GDP提升10个百分点，全球资产的风险溢价就会改变。目前美国、日本、欧洲和中国都在经历这个周期。你不需要判断这是泡沫还是趋势，你需要判断的是，你的投资组合是否已经处于正确的方向。

8、两种架构。美国模式依赖资本密集度高和前沿创新，最大的瓶颈不是芯片，而是电力。数据中心的耗电量可能超过整个城市电网的承载能力。中国模式走高效低成本路线，利用开源生态。斯坦福的数据显示，中国模型的总体能力与美国只有一个月差距，且差距在持续缩小。中国是最数字化、数据最多、场景最密集的市场，模型部署和消费速度极快。2026年一个值得注意的信号是：一家美国云巨头从开源转向闭源。这一转向本身等于默认在商业化场景中开源走不通。但更重要的是，报告指出AI正成为国家安全问题。国防采购从被动观察变为主动购买，这不仅是市场，更是战略。历史上国家级军备竞争比商业竞争投入更大、时间更久、更不可逆。2.3万亿美元只是开胃菜。

9、无人监管。AI是战略基础设施，但政府没有建立规则，企业正在制定规则。模型能做什么、能出口到哪里、谁被禁止，全部由一家公司管理层决定。超过一半的企业仍在使用老旧的网络安全体系应对AI驱动的机器速度攻击，就像拿着算盘阻挡AI黑客。没有法律、没有监管、没有共识，没人知道AI做了坏事谁负责。这很像原子能刚出现那几年，科学家在欢呼，但没人知道潘多拉盒子如何关闭。或者真的关不了。这是2026年最大的不确定性。

10、历史是最好的老师。从电报到光纤再到AI，基础设施建设、价格下降、需求爆发和新应用层出现，这是100年来反复出现的路径。电报从基建到普及用了数十年，光纤用了十年，而AI token价格一年内下跌了十倍。采纳周期正在被压缩到仅剩两年。所以，你问通用人工智能何时实现？超级智能何时到来？没关系，现在要做的不是等待，而是投资。因为基础设施建设即使伴随泡沫，最终也会被需求覆盖。在这2.3万亿美元建设好的基础设施之上，所有正在阅读的你们，你看到了什么？你准备好成为其中的一环了吗？

以上就是今天的全部内容。

点个「在看」👇，让它被该看见的人看见。 关注【海畔铠甲录】，斯基在这里叠甲。星标⭐一下，不然下次拆到你关注的票，可能就刷不到了。

未被摧毁的，终成铠甲。下次见。