摩根士丹利深度解析：AI能力跃升与算力危机

摩根士丹利发布关于人工智能的深度研究报告

摩根士丹利最新研究报告提出关键论断：顶尖的大型语言模型正经历着“非线性的能力跨越”，算力需求已呈现“系统性超过供给”的格局。当前市场对这场AI革命的乐观预期，依然严重低估了其真实的爆发潜能与影响深度。

大模型能力“跨越式提升”：比理论预测快近一倍

目前最先进的大模型已能够独立处理超过15小时的连续复杂任务。若依据现有技术缩放定律进行外推，当前水平应约为8小时，实际表现已大幅超出理论预期的轨迹。多项数据证实了这一显著趋势：OpenAI首席执行官萨姆·阿尔特曼在印度人工智能峰会上警示“世界尚未做好准备，能力极强的模型即将来临”；有科研人员利用DNA测序技术与DeepMind的AlphaFold工具为宠物犬开发出癌症疫苗；《纽约时报》的读者实验显示，54%的读者更倾向于阅读AI生成的文章；前沿大型语言模型已具备解决物理学开放难题的能力；还有尚未发布的模型在软件编程、学术推理和网络安全领域实现了“阶跃式突破”。报告甚至援引论文预测，到2027年实现通用人工智能（AGI）存在令人惊讶的可能性。若复制从GPT-2到GPT-4的智能跨越幅度，模型或将在所有专业领域超越博士和顶尖专家。

算力缺口凸显：需求为供给3倍，电力短缺成瓶颈

2026年1月初至3月，全球每周的Token使用量从6.4万亿次急剧攀升至22.7万亿次，短短三个月内增幅约250%，多家大型语言模型服务商已被迫对用户设定Token使用上限。摩根士丹利预测，整体算力需求增长速度约为英伟达算力供给复合年增长率预测值的3倍。人工智能应用场景的扩张、任务复杂度的提升、采纳范围的拓宽这三大驱动力仍在持续叠加需求。更为关键的是，随着芯片从Blackwell迭代至Rubin GPU，平均Token价格有望下降超过70%，成本下滑将进一步引爆需求，形成正向反馈循环——例如，一座250兆瓦、使用Blackwell GPU、电力成本为每兆瓦时100美元、运行GPT-4o查询的数据中心，能为顶级大模型开发商带来约60%的利润率。

能源则成为另一项关键制约因素。2025年至2028年间，美国数据中心将面临约55吉瓦的电力缺口，已有价值180亿美元的数据中心项目被取消，价值460亿美元的项目遭遇推迟。即便采用天然气涡轮、燃料电池、比特币矿场改建等“快速供电”方案，净电力缺口仍可能达到同期美国数据中心总部署规模的18%至30%。Meta已经采取行动，向泰拉能源的钠冷快堆项目注资并投资路易斯安那州的电力基础设施，这被视为AI巨头试图掌控能源命脉的信号。

就业市场受冲击：五大行业净裁员4%，九成职业将受影响

人工智能对劳动力市场的影响已经显现。在受影响最深的消费品零售、不动产管理与开发、交通运输、医疗设备与服务、汽车与零部件这五大行业，过去12个月内，AI导致11%的职位被裁撤，12%的岗位空缺后不再进行补招，新增招聘仅为18%，综合净裁员率约为4%。其中，小企业的新招聘量最为疲弱，这可能反映出其AI应用更具灵活性。从宏观层面看，90%的职业将在某种程度上受到AI自动化或增强的影响，这主要体现在重新配置岗位内的任务结构，而非直接取消岗位。

同时，AI的经济价值也极具吸引力：“AI自动化”带来的成本削减潜力，超过标普500指数2026年预期调整后税前利润的25%，相当于员工薪酬支出总额的40%以上。智能体AI与具身AI的价值贡献近乎各占一半。消费品零售、不动产管理等领域的AI采纳经济潜力相对于其税前利润而言最高。

AI时代的资产配置指南：这五类资产构筑护城河

在AI几乎能够复制一切的背景下，摩根士丹利指出，“AI压缩了完成事情的时间，但无法压缩事情自然发生的时间”是核心筛选标准。具备防御性的资产包括以下五类：

1. 持续累积的专有动态数据，而非静态数据集；

2. 具备网络效应的平台，用户增长能提升产品价值，AI降低竞争门槛反而会凸显已有网络的优势；

3. 监管许可，例如银行牌照、FDA审批等长期壁垒会随着AI能力的提升而扩大；

4. 大规模资本部署能力，当瓶颈转向物理基础设施，调动资本的能力成为核心优势；

5. 物理基础设施，工厂、电厂、数据中心等受物理定律限制，先行者优势会持续扩大。

此外，具有物理稀缺性的不动产、有定价权的AI应用采纳者、奢侈品与独特服务、真实人类体验、半导体关键资产等八类资产，也被视为“变革性AI”时代可能升值的投资标的。