Morgan Stanley: The market has underestimated the potential "major benefits of AI" next year, but there are key uncertainties

本文作者：龙玥

来源：硬 AI

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。

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。

“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。

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。

本文来自微信公众号 “硬 AI”，关注更多 AI 前沿资讯请移步这里