<div id="readability-page-1">當 AI 爆炸式增長撞上系統性供給瓶頸，大摩稱，當前市場對這場 AI 革命的樂觀程度，可能依然嚴重低估了其真實爆發力與深度。 4 月 11 日，據追風交易台消息，摩根士丹利最新研報的核心判斷是：頂尖大語言模型（LLM）正在經歷&#34;非線性能力躍升&#34;，而算力需求已呈現出系統性超越供給的態勢。 從 2026 年 1 月初至 3 月，全球每週 Token 使用量從 6.4 萬億次驟升至 22.7 萬億次，短短三個月增幅約 250%，部分 LLM 服務商已被迫對用户實施使用上限。大摩預測，未來算力需求增速約為 NVIDIA 算力供給 CAGR 預測值的3 倍，算力短缺將長期存在且持續加劇。 能源是另一顆&#34;定時炸彈&#34;。大摩模型預測，2025 至 2028 年間美國數據中心將面臨約55 吉瓦的電力缺口。此前已有180 億美元的數據中心項目被直接取消，另有460 億美元的項目遭到推遲。即便綜合天然氣渦輪、燃料電池、比特幣站址轉換等多種&#34;快速供電&#34;方案，淨電力缺口仍可能高達同期美國數據中心總部署規模的18% 至 30%。 AI 對勞動力市場的衝擊已開始顯現。大摩調查顯示，在受 AI 影響最深的五大行業中，過去 12 個月內 AI 導致11% 的職位被裁撤，另有12% 的崗位空缺後不再補招；新增招聘僅有 18%，綜合淨裁員率約4%。報告估計，90% 的職業將在某種程度上受到 AI 自動化或增強的影響。 <h2>大模型能力&#34;階躍式突變&#34;：情況比市場預期更極端</h2> 大摩報告將&#34;前沿大模型能力的非線性躍升&#34;列為 2026 年最重要的主題驅動力之一，並援引大量數據印證其&#34;情況遠比市場預期更極端&#34;的判斷。 第三方機構 METR 的最新分析顯示，目前最優秀的大模型已能獨立完成超過 15 小時的連續複雜任務——而按照現有技術縮放定律（Scaling Laws）的外推，當前水平應約為 8 小時。實際能力已大幅超前於理論預期軌道。 多項獨立數據共同印證這一趨勢： <ul> <li> Artificial Analysis 的持續追蹤指標顯示，AI 能力仍在快速推進； </li> <li> OpenAI 首席執行官 Sam Altman 在印度 AI 峯會上公開警告：&#34;世界還沒準備好，極具能力的模型即將到來&#34;； </li> <li> 有研究人員利用 DNA 測序與 DeepMind 的 AlphaFold 工具，為其寵物犬開發出癌症疫苗； </li> <li>《紐約時報》科技編輯 Kevin Roose 的讀者實驗顯示，54% 的讀者更偏好 AI 生成的文章，而非人類寫作； </li> <li> 前沿 LLM 已具備求解物理學領域開放難題的能力； </li> <li> 有報道稱某款尚未發佈的模型在軟件編程、學術推理和網絡安全領域代表了&#34;能力的階躍式突變&#34;。 </li> </ul> 報告還引用了 Leo Aschenbrenner 論文《情境感知》中的預判： <blockquote> &#34;到 2027 年實現 AGI（通用人工智能）具有令人驚訝的可能性。GPT-2 到 GPT-4 的四年間，我們從學齡前水平躍升至聰明高中生水平……如果我們再走一次同樣的智能跨度，將把我們帶到哪裏？很可能是能夠在所有專業領域超越博士和頂級專家的模型。&#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 增速背後是 3 倍的需求差距</h2> 如果説大模型能力躍升是&#34;需求側的引擎&#34;，算力供給的嚴重不足則是&#34;供給側的天花板&#34;。大摩將&#34;算力需求系統性超越供給&#34;列為 2026 年最核心的市場主題。 報告稱，數據極為直觀： <ul> <li> 根據 OpenRouter 平台的實際追蹤數據，2026 年 1 月初至 3 月，全球每週 Token 使用量從 6.4 萬億次增至 22.7 萬億次，三個月內增幅約 250%； </li> <li> 智能體 AI 工具（以 OpenClaw 為代表）的普及速度，大幅加速了需求側的爆發； </li> <li> 多家 LLM 服務商已開始對用户設置 Token 使用上限，以應對需求的失控增長； </li> <li> 大摩預測，整體算力需求增速約為 NVIDIA 算力供給 CAGR 預測值的 3 倍； </li> <li> 推動需求的三大並行動力相互疊加：AI 使用場景持續擴張、AI 任務複雜度的非線性提升、AI 採納範圍加速拓寬。 </li> </ul> 在具體應用層面，軟件編程是目前所有 LLM 使用場景中Token 消耗量最大的單一用途，且該領域被專有（閉源）模型所主導。 大摩&#34;智能工廠&#34;（Intelligence Factory）模型揭示了另一層關鍵邏輯：隨着芯片世代從 Blackwell 遷移至 Rubin GPU，平均 Token 價格有望下降超過 70%——AI 使用成本的急速下滑將進一步激發需求端的爆發，形成需求自我強化的正反饋循環。 以一個具體案例為例：一個規模約 250 兆瓦、使用 Blackwell GPU、電力成本為每兆瓦時 100 美元、運行 GPT-4o 查詢的數據中心，可為頂級大模型開發商帶來約60% 的利潤率。 大摩預期，真實的算力需求將達到此前模型預測的 3 倍左右。在此背景下，任何能夠打破算力擴展瓶頸的公司都將迎來重大利好。這不僅包括芯片製造供應鏈，還包括存儲器、光學網絡設備以及數據中心的核心組件。大摩極其看好這批 “算力商人”（Merchants of Compute），認為他們將直接受益於這種系統性的供需失衡。 <h2>能源是 AI 的命脈：55 吉瓦缺口與&#34;離網&#34;解決方案的競速</h2> 電力，已成為 AI 基礎設施擴張最關鍵的物理約束。大摩基於其&#34;AI 供電&#34;深度分析模型，得出了令人警醒的結論。 2025 至 2028 年間，美國數據中心開發商將面臨約 55 吉瓦的電力供給缺口。與此同時，已有180 億美元的數據中心項目因社區反對和電價上漲擔憂而被直接取消，另有460 億美元的項目遭到推遲。制約數據中心增長的多重阻力已在同步發酵：電網接入資源的爭奪、電力設備短缺、勞動力不足，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"/> 面對這一缺口，大摩梳理了四類&#34;快速通電&#34;（Time to Power）解決方案： <blockquote> <ul> <li> 天然氣渦輪機：可緩解 15—20 吉瓦缺口，成功概率 90%； </li> <li> Bloom Energy 燃料電池：可緩解 5—8 吉瓦缺口，成功概率 90%； </li> <li> 依託現有核電站部署數據中心：可緩解 5—15 吉瓦缺口，成功概率 75%； </li> <li> 比特幣礦場改建為數據中心：可緩解 10—15 吉瓦缺口，成功概率 90%。 </li> </ul> </blockquote> 然而，即便將上述所有方案的概率加權貢獻疊加，大摩的基準測算顯示，2028 年前淨電力缺口仍將相當於同期美國數據中心總部署規模的 18% 至 30%。 從戰略佈局看，Meta 已開始採取主動行動——向泰拉能源（Terrapower）的鈉冷快堆商業化項目提供資金，並直接投資路易斯安那州的電力基礎設施。 大摩認為，這可能是 AI 巨頭開始系統性掌控能源基礎設施、確保算力命脈的戰略信號。 <h2>就業衝擊初現，AI 採納經濟價值超標普 500 税前利潤的 25%</h2> 大摩的調查數據與模型測算，揭示了 AI 對勞動力市場早期且深刻的影響。 在受 AI 衝擊最顯著的五大行業（消費品零售、不動產管理與開發、交通運輸、醫療設備與服務、汽車與零部件），大摩的實地調查顯示： <blockquote> <ul> <li>過去 12 個月，AI 已導致11% 的職位被直接裁撤；</li> <li>另有12% 的崗位空缺後不再補招；</li> <li>新增招聘為 18%，綜合計算淨裁員率約4%；</li> <li>值得關注的是，規模較小的企業新招聘量最弱——這可能反映小企業對 AI 的應用更為靈活迅速。</li> </ul> </blockquote> 從宏觀視角看，大摩估計90% 的職業將在某種程度上受到 AI 自動化或增強的影響，影響方式通常不是&#34;整體取消工作崗位&#34;，而是&#34;重新配置崗位內的任務結構&#34;。 從定量經濟價值角度，大摩測算的 AI 採納 TAM（目標可達市場規模）同樣驚人： <blockquote> <ol> <li>&#34;AI 自動化&#34;帶來的成本削減潛力對應的價值 TAM，超過標普 500 指數 2026 年預期調整後税前利潤的 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>這一&#34;AI 自動化&#34;成本削減，相當於員工薪酬支出總額的40% 以上；</li> <li>其中，智能體 AI（軟件層面）與具身 AI（以機器人為代表的物理層面）的價值貢獻近乎各佔一半；</li> <li>從行業分佈看，消費品零售、不動產管理、交通運輸和醫療設備領域的 AI 採納經濟潛力相對税前利潤而言最高。</li> </ol> </blockquote> <h2>AI 顛覆的&#34;護城河&#34;：什麼資產才能在 AI 時代真正保值？</h2> 隨着 AI 能力加速躍升，核心問題變得愈發緊迫：在 AI 能夠複製幾乎一切的世界裏，什麼樣的資產才具有真正的防禦性？大摩報告援引投資人 Michael Bloch 的框架，提出了一個關鍵區分： <blockquote> &#34;AI 壓縮了完成事情所需的時間，但它無法壓縮讓事情自然發生所需的時間。這一區別，是當前投資中最重要的篩選標準。&#34; </blockquote> 據此，具備真正防禦性護城河的資產類型包括五類： <ol> <li> 持續累積的專有數據——不是靜態數據集，而是通過可防禦的業務運營持續生成的動態數據； </li> <li> 網絡效應——每新增一名用户都能讓產品對其他用户更有價值；已積累流動性的網絡優勢，隨着 AI 降低創建競爭對手的門檻反而會進一步凸顯； </li> <li> 監管許可——銀行牌照需要數年，FDA 審批需要數年，監管壁壘隨着 AI 能力提升而擴大，而非收窄； </li> <li> 大規模資本部署能力——當瓶頸從軟件轉向物理基礎設施，調動大規模資本的能力本身就成為時代核心優勢； </li> <li> 物理基礎設施——工廠、電廠、數據中心……物理定律給時間設定了無法突破的下限，先行者的領先優勢每過一個月都在擴大。 </li> </ol> 報告進一步列舉了&#34;變革性 AI&#34;時代可能升值的八大類資產，涵蓋：具有物理稀缺性的不動產（AI 基礎設施用地、工業地產）、具備定價權的 AI 應用採納者、奢侈品與獨特服務、具有網絡效應的平台、真實且獨特的人類體驗、監管特許經營權、專有數據與品牌，以及半導體關鍵資產（先進製程芯片廠、ASML 的 EUV 光刻機、稀土加工能力）。 <hr/> ~~~~~~~~~~~~~~~~~~~~~~~~ 以上精彩內容來自追風交易台。 更詳細的解讀，包括實時解讀、一線研究等內容，請加入【追風交易台▪年度會員】 風險提示及免責條款 市場有風險，投資需謹慎。本文不構成個人投資建議，也未考慮到個別用户特殊的投資目標、財務狀況或需要。用户應考慮本文中的任何意見、觀點或結論是否符合其特定狀況。據此投資，責任自負。</div>

2 倍做多英偉達 ETF - GraniteShares

半導體 3 倍做多 - Direxion

半導體 ETF - VanEck Vectors

高科技指數 ETF - SPDR

英偉達

2 倍做多英偉達 ETF - Direxion

費城交易所 半導體 ETF - iShares

標普半導體 ETF - SPDR

英偉達期權收益策略 ETF - YieldMax

2 倍做多 NVDA ETF - T-Rex

摩根士丹利最新研報指出，頂尖大語言模型正在經歷非線性能力躍升，算力需求已係統性超越供給。預計未來算力需求增速將是 NVIDIA 供給預測的三倍，算力短缺將長期存在。美國數據中心在 2025 至 2028 年間將面臨約 55 吉瓦的電力缺口，AI 對勞動力市場的影響已顯現，過去 12 個月內 AI 導致 11% 的職位被裁撤。大摩認為，市場對 AI 革命的樂觀程度可能仍然低估。

- 摩根士丹利報告指出，AI 需求與算力供給嚴重失衡，未來將加劇。  
- 數據顯示，全球每週 Token 使用量增至 22.7 萬億次，增幅達 250%。  
- 預計至 2028 年，美國數據中心將面臨 55 吉瓦的電力缺口，影響項目開發。

華爾街見聞

頂尖大模型 “能力突變”，算力需求 “系統性超越供給” -- 大摩：“市場樂觀的程度可能還不夠”