大摩：市场低估了明年潜在的“AI重大利好”，但存在关键的不确定性

ttxx

一场由算力驱动的AI能力大跃升可能正在酝酿。

据硬AI，摩根士丹利在一份最新报告中表示，市场可能严重低估了即将在2026年出现的一项人工智能领域的重大利好——由算力指数级增长驱动的模型能力“非线性”飞跃。

根据这份由Stephen C Byrd等分析师撰写的报告，多家美国大型语言模型（LLM）开发商计划到2025年底，将其用于训练前沿模型的算力提升约10倍。这一前所未有的算力投入，预计将在2026年上半年产出结果，构成一个“未被充分重视的催化剂”。

报告援引了特斯拉首席执行官埃隆·马斯克的观点，即10倍的算力投入可能使模型的“智能”水平翻倍。报告指出，如果当前的“规模法则”得以延续，其带来的后果可能是“地震级”（seismic consequences）的，将广泛冲击从AI基础设施到全球供应链的各类资产估值。

然而，这一乐观前景并非板上钉钉。报告强调，其面临的核心不确定性在于AI发展是否会撞上“规模墙”（Scaling Wall）。这指的是，在投入海量算力后，模型能力的提升却出现迅速递减的令人失望的结果。

01 算力十倍增长，或催生AI能力飞跃

报告认为，投资者需要为2026年可能出现的AI能力阶梯式提升做好准备。

报告描述了即将到来的算力规模：一个由Blackwell GPU组成的1000兆瓦数据中心，其算力将超过5000 exaFLOPs（每秒五百京次浮点运算）。相比之下，美国政府一台名为“Frontier”的超级计算机算力仅略高于1 exaFLOP。这种量级的算力增长，是市场预期AI能力将出现非线性提升的核心依据。

报告称，尽管许多LLM开发者普遍认同算力投入将带来能力提升，但也有怀疑论者认为，前沿模型的智能、创造力和解决问题的能力可能存在上限。

02 “规模墙”之辩：AI进步的关键不确定性

尽管前景令人兴奋，但报告同样明确指出了其中的关键风险——“规模墙”（Scaling Wall）的存在。

这一概念指的是，当投入的算力达到某个阈值后，模型在智能、创造力和解决问题能力上的提升会迅速减少，甚至令人失望。这是目前AI领域最大的不确定性。许多怀疑论者认为，简单地增加算力可能无法持续带来智能的飞跃。

然而，报告也提到了一些积极信号。一篇由Meta、弗吉尼亚理工和Cerebras Systems团队联合发表的近期研究论文《揭秘LLM预训练中的合成数据》发现，在使用合成数据进行大规模训练时，并未观察到可预见规模内的性能退化模式，即所谓的“模型崩溃”（model collapse）现象。

这一发现令人鼓舞，因为它暗示了在算力大幅增加后，模型能力仍有持续提升的空间，撞上“规模墙”的风险可能低于预期。

此外，报告还列举了其他关键风险，包括AI基础设施的融资挑战、欧盟等地的监管压力、数据中心面临的电力瓶颈，以及LLM被滥用或武器化的可能性。

03 全球资产估值如何重塑？

如果AI能力确实实现非线性跃升，资产价值将如何重塑？报告认为投资者应开始评估其对资产估值的多方面冲击，并指出了四个核心方向：

首先是AI基础设施股，特别是那些能缓解数据中心增长瓶颈的公司；报告认为，如果AI能够以更低成本和更高性能解决更多全球GDP中的问题，那么支撑这种价值创造的基础设施本身也将大幅升值。

其次是中美供应链，AI竞赛的加剧可能促使美国在关键矿产等领域加速“脱钩”。

再次是具备定价能力的AI应用者（AI Adopter）股票；报告分析，AI应用将为标普500指数创造约13万亿至16万亿美元的市值。然而，并非所有公司都能从中同等受益。那些拥有强大定价权的公司，能够将AI带来的效率提升和成本节约转化为实实在在的利润，从而保留大部分收益。

最后，从更长远看，那些无法被AI“廉价复制”的硬资产，如土地、能源和特定基础设施，其相对价值可能会上升。

物理稀缺性资产：如滨水地产、特定地理位置的土地、能源和电力资产（尤其是能承载数据中心的发电厂）、交通基础设施（机场、港口）、矿产和水资源。

监管稀缺性资产：如各种受保护的牌照、特许经营权。

专有数据和品牌：强大的IP库、独特的品牌形象。

独特的奢侈品和人类体验：如体育赛事、音乐表演等。


来源：36kr