<div id="readability-page-1">当 AI 爆炸式增长撞上系统性供给瓶颈，大摩称，当前市场对这场 AI 革命的乐观程度，可能依然严重低估了其真实爆发力与深度。 4 月 11 日，据追风交易台消息，摩根士丹利最新研报的核心判断是：顶尖大语言模型（LLM）正在经历&#34;非线性能力跃升&#34;，而算力需求已呈现出系统性超越供给的态势。 从 2026 年 1 月初至 3 月，全球每周 Token 使用量从 6.4 万亿次骤升至 22.7 万亿次，短短三个月增幅约 250%，部分 LLM 服务商已被迫对用户实施使用上限。大摩预测，未来算力需求增速约为 NVIDIA 算力供给 CAGR 预测值的3 倍，算力短缺将长期存在且持续加剧。 能源是另一颗&#34;定时炸弹&#34;。大摩模型预测，2025 至 2028 年间美国数据中心将面临约55 吉瓦的电力缺口。此前已有180 亿美元的数据中心项目被直接取消，另有460 亿美元的项目遭到推迟。即便综合天然气涡轮、燃料电池、比特币站址转换等多种&#34;快速供电&#34;方案，净电力缺口仍可能高达同期美国数据中心总部署规模的18% 至 30%。 AI 对劳动力市场的冲击已开始显现。大摩调查显示，在受 AI 影响最深的五大行业中，过去 12 个月内 AI 导致11% 的职位被裁撤，另有12% 的岗位空缺后不再补招；新增招聘仅有 18%，综合净裁员率约4%。报告估计，90% 的职业将在某种程度上受到 AI 自动化或增强的影响。 <h2>大模型能力&#34;阶跃式突变&#34;：情况比市场预期更极端</h2> 大摩报告将&#34;前沿大模型能力的非线性跃升&#34;列为 2026 年最重要的主题驱动力之一，并援引大量数据印证其&#34;情况远比市场预期更极端&#34;的判断。 第三方机构 METR 的最新分析显示，目前最优秀的大模型已能独立完成超过 15 小时的连续复杂任务——而按照现有技术缩放定律（Scaling Laws）的外推，当前水平应约为 8 小时。实际能力已大幅超前于理论预期轨道。 多项独立数据共同印证这一趋势： <ul> <li> Artificial Analysis 的持续追踪指标显示，AI 能力仍在快速推进； </li> <li> OpenAI 首席执行官 Sam Altman 在印度 AI 峰会上公开警告：&#34;世界还没准备好，极具能力的模型即将到来&#34;； </li> <li> 有研究人员利用 DNA 测序与 DeepMind 的 AlphaFold 工具，为其宠物犬开发出癌症疫苗； </li> <li>《纽约时报》科技编辑 Kevin Roose 的读者实验显示，54% 的读者更偏好 AI 生成的文章，而非人类写作； </li> <li> 前沿 LLM 已具备求解物理学领域开放难题的能力； </li> <li> 有报道称某款尚未发布的模型在软件编程、学术推理和网络安全领域代表了&#34;能力的阶跃式突变&#34;。 </li> </ul> 报告还引用了 Leo Aschenbrenner 论文《情境感知》中的预判： <blockquote> &#34;到 2027 年实现 AGI（通用人工智能）具有令人惊讶的可能性。GPT-2 到 GPT-4 的四年间，我们从学龄前水平跃升至聪明高中生水平……如果我们再走一次同样的智能跨度，将把我们带到哪里？很可能是能够在所有专业领域超越博士和顶级专家的模型。&#34; <img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/fb901ba3-970a-49b3-a604-cc03a31912fb.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="715" height="514" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/fb901ba3-970a-49b3-a604-cc03a31912fb.png"/> </blockquote> <h2>算力供需大裂口：250% 的 Token 增速背后是 3 倍的需求差距</h2> 如果说大模型能力跃升是&#34;需求侧的引擎&#34;，算力供给的严重不足则是&#34;供给侧的天花板&#34;。大摩将&#34;算力需求系统性超越供给&#34;列为 2026 年最核心的市场主题。 报告称，数据极为直观： <ul> <li> 根据 OpenRouter 平台的实际追踪数据，2026 年 1 月初至 3 月，全球每周 Token 使用量从 6.4 万亿次增至 22.7 万亿次，三个月内增幅约 250%； </li> <li> 智能体 AI 工具（以 OpenClaw 为代表）的普及速度，大幅加速了需求侧的爆发； </li> <li> 多家 LLM 服务商已开始对用户设置 Token 使用上限，以应对需求的失控增长； </li> <li> 大摩预测，整体算力需求增速约为 NVIDIA 算力供给 CAGR 预测值的 3 倍； </li> <li> 推动需求的三大并行动力相互叠加：AI 使用场景持续扩张、AI 任务复杂度的非线性提升、AI 采纳范围加速拓宽。 </li> </ul> 在具体应用层面，软件编程是目前所有 LLM 使用场景中Token 消耗量最大的单一用途，且该领域被专有（闭源）模型所主导。 大摩&#34;智能工厂&#34;（Intelligence Factory）模型揭示了另一层关键逻辑：随着芯片世代从 Blackwell 迁移至 Rubin GPU，平均 Token 价格有望下降超过 70%——AI 使用成本的急速下滑将进一步激发需求端的爆发，形成需求自我强化的正反馈循环。 以一个具体案例为例：一个规模约 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，可为顶级大模型开发商带来约60% 的利润率。 大摩预期，真实的算力需求将达到此前模型预测的 3 倍左右。在此背景下，任何能够打破算力扩展瓶颈的公司都将迎来重大利好。这不仅包括芯片制造供应链，还包括存储器、光学网络设备以及数据中心的核心组件。大摩极其看好这批 “算力商人”（Merchants of Compute），认为他们将直接受益于这种系统性的供需失衡。 <h2>能源是 AI 的命脉：55 吉瓦缺口与&#34;离网&#34;解决方案的竞速</h2> 电力，已成为 AI 基础设施扩张最关键的物理约束。大摩基于其&#34;AI 供电&#34;深度分析模型，得出了令人警醒的结论。 2025 至 2028 年间，美国数据中心开发商将面临约 55 吉瓦的电力供给缺口。与此同时，已有180 亿美元的数据中心项目因社区反对和电价上涨担忧而被直接取消，另有460 亿美元的项目遭到推迟。制约数据中心增长的多重阻力已在同步发酵：电网接入资源的争夺、电力设备短缺、劳动力不足，以及地方政治阻力。 <img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/62c61ec4-70f5-43c7-97e5-ed1d7401dc06.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="743" height="650" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/62c61ec4-70f5-43c7-97e5-ed1d7401dc06.png"/> 面对这一缺口，大摩梳理了四类&#34;快速通电&#34;（Time to Power）解决方案： <blockquote> <ul> <li> 天然气涡轮机：可缓解 15—20 吉瓦缺口，成功概率 90%； </li> <li> Bloom Energy 燃料电池：可缓解 5—8 吉瓦缺口，成功概率 90%； </li> <li> 依托现有核电站部署数据中心：可缓解 5—15 吉瓦缺口，成功概率 75%； </li> <li> 比特币矿场改建为数据中心：可缓解 10—15 吉瓦缺口，成功概率 90%。 </li> </ul> </blockquote> 然而，即便将上述所有方案的概率加权贡献叠加，大摩的基准测算显示，2028 年前净电力缺口仍将相当于同期美国数据中心总部署规模的 18% 至 30%。 从战略布局看，Meta 已开始采取主动行动——向泰拉能源（Terrapower）的钠冷快堆商业化项目提供资金，并直接投资路易斯安那州的电力基础设施。 大摩认为，这可能是 AI 巨头开始系统性掌控能源基础设施、确保算力命脉的战略信号。 <h2>就业冲击初现，AI 采纳经济价值超标普 500 税前利润的 25%</h2> 大摩的调查数据与模型测算，揭示了 AI 对劳动力市场早期且深刻的影响。 在受 AI 冲击最显著的五大行业（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），大摩的实地调查显示： <blockquote> <ul> <li>过去 12 个月，AI 已导致11% 的职位被直接裁撤；</li> <li>另有12% 的岗位空缺后不再补招；</li> <li>新增招聘为 18%，综合计算净裁员率约4%；</li> <li>值得关注的是，规模较小的企业新招聘量最弱——这可能反映小企业对 AI 的应用更为灵活迅速。</li> </ul> </blockquote> 从宏观视角看，大摩估计90% 的职业将在某种程度上受到 AI 自动化或增强的影响，影响方式通常不是&#34;整体取消工作岗位&#34;，而是&#34;重新配置岗位内的任务结构&#34;。 从定量经济价值角度，大摩测算的 AI 采纳 TAM（目标可达市场规模）同样惊人： <blockquote> <ol> <li>&#34;AI 自动化&#34;带来的成本削减潜力对应的价值 TAM，超过标普 500 指数 2026 年预期调整后税前利润的 25%；<img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/4d95df85-8ff5-4671-8c25-ab2ee3532510.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="958" height="615" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/4d95df85-8ff5-4671-8c25-ab2ee3532510.png"/></li> <li>这一&#34;AI 自动化&#34;成本削减，相当于员工薪酬支出总额的40% 以上；</li> <li>其中，智能体 AI（软件层面）与具身 AI（以机器人为代表的物理层面）的价值贡献近乎各占一半；</li> <li>从行业分布看，消费品零售、不动产管理、交通运输和医疗设备领域的 AI 采纳经济潜力相对税前利润而言最高。</li> </ol> </blockquote> <h2>AI 颠覆的&#34;护城河&#34;：什么资产才能在 AI 时代真正保值？</h2> 随着 AI 能力加速跃升，核心问题变得愈发紧迫：在 AI 能够复制几乎一切的世界里，什么样的资产才具有真正的防御性？大摩报告援引投资人 Michael Bloch 的框架，提出了一个关键区分： <blockquote> &#34;AI 压缩了完成事情所需的时间，但它无法压缩让事情自然发生所需的时间。这一区别，是当前投资中最重要的筛选标准。&#34; </blockquote> 据此，具备真正防御性护城河的资产类型包括五类： <ol> <li> 持续累积的专有数据——不是静态数据集，而是通过可防御的业务运营持续生成的动态数据； </li> <li> 网络效应——每新增一名用户都能让产品对其他用户更有价值；已积累流动性的网络优势，随着 AI 降低创建竞争对手的门槛反而会进一步凸显； </li> <li> 监管许可——银行牌照需要数年，FDA 审批需要数年，监管壁垒随着 AI 能力提升而扩大，而非收窄； </li> <li> 大规模资本部署能力——当瓶颈从软件转向物理基础设施，调动大规模资本的能力本身就成为时代核心优势； </li> <li> 物理基础设施——工厂、电厂、数据中心……物理定律给时间设定了无法突破的下限，先行者的领先优势每过一个月都在扩大。 </li> </ol> 报告进一步列举了&#34;变革性 AI&#34;时代可能升值的八大类资产，涵盖：具有物理稀缺性的不动产（AI 基础设施用地、工业地产）、具备定价权的 AI 应用采纳者、奢侈品与独特服务、具有网络效应的平台、真实且独特的人类体验、监管特许经营权、专有数据与品牌，以及半导体关键资产（先进制程芯片厂、ASML 的 EUV 光刻机、稀土加工能力）。 <hr/> ~~~~~~~~~~~~~~~~~~~~~~~~ 以上精彩内容来自追风交易台。 更详细的解读，包括实时解读、一线研究等内容，请加入【追风交易台▪年度会员】 风险提示及免责条款 市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。</div>

2 倍做多英伟达 ETF - GraniteShares

半导体 3 倍做多 - Direxion

半导体 ETF - VanEck Vectors

高科技指数 ETF - SPDR

英伟达

2 倍做多英伟达 ETF - Direxion

费城交易所 半导体 ETF - iShares

标普半导体 ETF - SPDR

英伟达期权收益策略 ETF - YieldMax

2 倍做多 NVDA ETF - T-Rex

摩根士丹利最新研报指出，顶尖大语言模型正在经历非线性能力跃升，算力需求已系统性超越供给。预计未来算力需求增速将是 NVIDIA 供给预测的三倍，算力短缺将长期存在。美国数据中心在 2025 至 2028 年间将面临约 55 吉瓦的电力缺口，AI 对劳动力市场的影响已显现，过去 12 个月内 AI 导致 11% 的职位被裁撤。大摩认为，市场对 AI 革命的乐观程度可能仍然低估。

- 摩根士丹利报告指出，AI 需求与算力供给严重失衡，未来将加剧。  
- 数据显示，全球每周 Token 使用量增至 22.7 万亿次，增幅达 250%。  
- 预计至 2028 年，美国数据中心将面临 55 吉瓦的电力缺口，影响项目开发。

华尔街见闻

顶尖大模型 “能力突变”，算力需求 “系统性超越供给” -- 大摩：“市场乐观的程度可能还不够”