💢💢💢

🔥⚡Morgan Stanley 提醒市場：AI 的真正瓶頸可能不是算法，而是電力

過去兩年，整個 AI 行業都在討論一個問題：
下一次突破來自哪裏？

很多人以為答案在模型架構。
但 Morgan Stanley 給出的判斷卻完全不同。

他們認為，AI 的關鍵變量其實是算力規模。

如果用於訓練模型的硬件規模增加 10 倍，模型的智能水平很可能會出現一次明顯躍升。

這背後的邏輯並不複雜。

大模型的能力，很大程度上來自三個變量：

數據規模
模型參數
訓練算力

當算力大幅增加時，模型能夠進行更長時間、更復雜的訓練，從而在推理、邏輯和專業任務上取得明顯進步。

最近發佈的 GPT-5.4 思維模型已經顯示出這種趨勢。

在專業能力測試中，它在 GDPVal 基準測試中取得 83% 的成績，已經開始接近人類專家水平。

這意味着 AI 正在從 “工具” 逐漸向 專業執行系統 轉變。

但 Morgan Stanley 指出，一個新的問題正在浮現：

能源。

如果算力繼續以指數級增長，電力需求也會同步飆升。

根據他們的估算，美國電網在 12 月 28 日可能面臨約 18 吉瓦的電力缺口。

這對 AI 產業意味着什麼？

意味着算力擴張不再只是芯片問題，而是 能源問題。

一些 AI 公司已經開始繞過傳統電網。

他們直接接管原本用於加密貨幣挖礦的電力設施，或者部署天然氣渦輪機，為數據中心提供獨立能源。

這種變化正在帶來一個新的投資週期。

大型 AI 數據中心正在簽署 長達 15 年的電力租賃合同。

原因很簡單：
只要 AI 能持續產生價值，每一瓦電力都可以被轉化為利潤。

換句話説，電力本身正在變成一種新的 AI 生產要素。

與此同時，AI 的能力提升也開始改變企業結構。

隨着新一代 AI 工具可以以極低成本完成專業任務，一些大型公司已經開始削減部分崗位。

這並不是短期現象，而更像是技術週期中的結構變化。

當生產效率出現數量級提升時，組織結構往往會被重新設計。

更值得關注的是研究人員提出的一個觀點：

未來 AI 可能會進入 遞歸自我改進階段。

一旦軟件能夠在無需人工干預的情況下優化自己的代碼，它的發展速度就可能進一步加快。

如果這種模式成立，那麼未來經濟的基礎資源可能會發生變化。

過去工業時代的核心資源是：

石油
鋼鐵
土地

而在 AI 時代，一個新的資源正在出現：

原始智能。

這種智能不是來自個人，而是來自龐大的計算與能源集羣。

這些集羣不斷訓練、升級、優化模型，並將智能以服務的形式輸出給整個社會。

如果這一趨勢繼續發展，未來的經濟體系可能會圍繞一個新的核心展開：

誰擁有算力和能源，誰就擁有生產智能的能力。

而智能本身，可能會逐漸變成一種可以被生產、分配和交易的商品。

當 AI 開始規模化生產智能時，一個問題也越來越值得思考：

未來真正稀缺的資源，會是算力、能源，
還是人類自己的創造力？