本文作者：龍玥
來源：硬 AI
一場由算力驅動的 AI 能力大躍升可能正在醖釀。
據硬 AI，摩根士丹利在一份最新報告中表示，市場可能嚴重低估了即將在 2026 年出現的一項人工智能領域的重大利好——由算力指數級增長驅動的模型能力 “非線性” 飛躍。
根據這份由 Stephen C Byrd 等分析師撰寫的報告，多家美國大型語言模型（LLM）開發商計劃到 2025 年底，將其用於訓練前沿模型的算力提升約 10 倍。這一前所未有的算力投入，預計將在 2026 年上半年產出結果，構成一個 “未被充分重視的催化劑”。
報告援引了特斯拉首席執行官埃隆·馬斯克的觀點，即 10 倍的算力投入可能使模型的 “智能” 水平翻倍。報告指出，如果當前的 “規模法則” 得以延續，其帶來的後果可能是“地震級”（seismic consequences）的，將廣泛衝擊從 AI 基礎設施到全球供應鏈的各類資產估值。
然而，這一樂觀前景並非板上釘釘。報告強調，其面臨的核心不確定性在於 AI 發展是否會撞上 “規模牆”（Scaling Wall）。這指的是，在投入海量算力後，模型能力的提升卻出現迅速遞減的令人失望的結果。
<h2 style="text-align: left">算力十倍增長，或催生 AI 能力飛躍</h2>
報告認為，投資者需要為 2026 年可能出現的 AI 能力階梯式提升做好準備。
報告描述了即將到來的算力規模：一個由 Blackwell GPU 組成的 1000 兆瓦數據中心，其算力將超過 5000 exaFLOPs（每秒五百京次浮點運算）。相比之下，美國政府一台名為 “Frontier” 的超級計算機算力僅略高於 1 exaFLOP。這種量級的算力增長，是市場預期 AI 能力將出現非線性提升的核心依據。
報告稱，儘管許多 LLM 開發者普遍認同算力投入將帶來能力提升，但也有懷疑論者認為，前沿模型的智能、創造力和解決問題的能力可能存在上限。
<h2>“規模牆” 之辯：AI 進步的關鍵不確定性</h2>
儘管前景令人興奮，但報告同樣明確指出了其中的關鍵風險——“規模牆”（Scaling Wall）的存在。
這一概念指的是，當投入的算力達到某個閾值後，模型在智能、創造力和解決問題能力上的提升會迅速減少，甚至令人失望。這是目前 AI 領域最大的不確定性。許多懷疑論者認為，簡單地增加算力可能無法持續帶來智能的飛躍。
然而，報告也提到了一些積極信號。一篇由 Meta、弗吉尼亞理工和 Cerebras Systems 團隊聯合發表的近期研究論文《揭秘 LLM 預訓練中的合成數據》發現，在使用合成數據進行大規模訓練時，並未觀察到可預見規模內的性能退化模式，即所謂的 “模型崩潰”（model collapse）現象。
這一發現令人鼓舞，因為它暗示了在算力大幅增加後，模型能力仍有持續提升的空間，撞上 “規模牆” 的風險可能低於預期。
此外，報告還列舉了其他關鍵風險，包括 AI 基礎設施的融資挑戰、歐盟等地的監管壓力、數據中心面臨的電力瓶頸，以及 LLM 被濫用或武器化的可能性。
<h2 style="text-align: left">全球資產估值如何重塑？</h2>
如果 AI 能力確實實現非線性躍升，資產價值將如何重塑？報告認為投資者應開始評估其對資產估值的多方面衝擊，並指出了四個核心方向：
<blockquote>
首先是AI 基礎設施股，特別是那些能緩解數據中心增長瓶頸的公司；報告認為，如果 AI 能夠以更低成本和更高性能解決更多全球 GDP 中的問題，那麼支撐這種價值創造的基礎設施本身也將大幅升值。
其次是中美供應鏈，AI 競賽的加劇可能促使美國在關鍵礦產等領域加速 “脱鈎”。
再次是具備定價能力的 AI 應用者（AI Adopter）股票；報告分析，AI 應用將為標普 500 指數創造約 13 萬億至 16 萬億美元的市值。然而，並非所有公司都能從中同等受益。那些擁有強大定價權的公司，能夠將 AI 帶來的效率提升和成本節約轉化為實實在在的利潤，從而保留大部分收益。
最後，從更長遠看，那些無法被 AI“廉價複製” 的硬資產，如土地、能源和特定基礎設施，其相對價值可能會上升。
<ul>
<li>
物理稀缺性資產： 如濱水地產、特定地理位置的土地、能源和電力資產（尤其是能承載數據中心的發電廠）、交通基礎設施（機場、港口）、礦產和水資源。
</li>
<li>
監管稀缺性資產： 如各種受保護的牌照、特許經營權。
</li>
<li>
專有數據和品牌： 強大的 IP 庫、獨特的品牌形象。
</li>
<li>
獨特的奢侈品和人類體驗： 如體育賽事、音樂表演等。
</li>
</ul>
</blockquote>
本文來自微信公眾號 “硬 AI”，關注更多 AI 前沿資訊請移步這裏
<img style="height: auto; width: 680px" src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/a2d73611-121b-4320-b724-153afec77339.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="1024" height="416" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/a2d73611-121b-4320-b724-153afec77339.png"/>

英偉達

大摩報告指出，到 2025 年底，AI 訓練算力將增長約 10 倍，可能在 2026 年上半年引發模型能力的 “非線性” 提升，這是一個市場尚未充分認識的潛在催化劑。但最大的風險在於 AI 發展可能遭遇 “規模牆”，即投入更多算力卻獲得遞減的回報，這使得最終結果充滿不確定性。

- 摩根士丹利報告稱，2026 年 AI 能力將因算力增長實現非線性飛躍。  
- 預計算力提升 10 倍將影響 AI 基礎設施和全球供應鏈資產估值。  
- 但存在 “規模牆” 風險，可能限制模型能力提升。  

大摩：市場低估了明年潛在的 “AI 重大利好”，但存在關鍵的不確定性