6月下旬以来，全球AI板块经历了一轮暴力回调，AI硬件相关个股普遍大幅杀跌，市场情绪一度陷入冰点。投资者争相抛售，恐慌情绪蔓延，一场激烈的辩论随之展开：这究竟是短暂的技术性修正，还是周期见顶的终局信号？

就在这一关键节点，摩根士丹利于近日发布了一份长达120页的深度报告《Playing the AI Infrastructure Dip》，给出了鲜明而笃定的判断。报告认为，回调的主要驱动力是技术面因素，而其基本面逻辑纹丝未动。报告的核心结论掷地有声：“此时此刻代表了一个异常具有吸引力的买进机会。”

摩根士丹利全球主题与可持续研究主管Stephen Byrd更提出了一个极具穿透力的隐喻：AI基础设施终将成为一条“智能超级高速公路”，为全球经济带来显著的净效益。

这一比喻恰如其分。正如实体高速公路连接城市、承载物流、驱动经济增长，AI基础设施正在成为数字时代的经济主动脉。而AI产业链，正是这条“智能超级高速公路”的骨架与血脉。

一、需求侧：“杰文斯悖论”与算力的无尽饥渴

摩根士丹利在报告中开篇即回应了市场对AI需求可持续性的两大核心担忧，切中要害。

担忧一：Tokenmaxxing降温会否限制大模型厂商收入？

市场担心企业限制员工AI Token使用量以控制成本，大语言模型开发者的收入空间将因此收窄。摩根士丹利的回应直击要害：当前企业员工Token支出基数极低，中位数员工每月消费不足11美元，而投资回报却极为可观——在其覆盖的企业级AI应用场景中，平均单次AI调用可为企业节省约55美元劳动力成本，调用成本仅2至5美元，ROI超过10倍。报告进一步指出，ROI在10倍以上的工具，其采用与否已非预算问题，而是核心竞争力问题。未能积极部署AI能力的企业，将面临日益显著的竞争劣势。

更值得关注的是，GPU代际演进将进一步降低Token成本，且不损害盈利能力。摩根士丹利“Intelligence Factory”模型测算显示：基于Blackwell架构的数据中心Token销售净利率约58%；当Rubin和Feynman代际GPU部署后，利润率将分别升至约80%和90%。这意味着超大规模云服务商可在利润率不变前提下将Token定价压低约75%。降价与盈利兼得，需求势必进一步释放。

担忧二：中国高效模型崛起会否削弱全球算力需求？

不久前，Kimi K3的发布让市场重新审视一个核心假设：如果中国能以更低成本训练出性能接近前沿的模型，美国科技巨头每年超万亿美元的AI资本开支是否面临回报率下修？摩根士丹利的回答直截了当：恰恰相反。

这里的关键分析工具，是经济学中著名的“杰文斯悖论”。19世纪，经济学家William Stanley Jevons敏锐地观察到，瓦特改良蒸汽机大幅提升了煤炭燃烧效率，但英国的煤炭总消耗量反而急剧飙升。算力效率的提升同样如此——它降低了单位Token成本，而更低的成本意味着更多场景、更多用户、更高频次的调用，最终推高的是总计算消耗，而非抑制。

摩根士丹利援引的数据极具说服力：Google高管表示，公司可能需要每6个月将算力翻倍，即5年内实现1000倍的增长。然而从供给侧看，NVIDIA 2025至2028年AI芯片销售的年复合增长率约140%，即便按此速度外推5年，累计交付算力也不到Google单家需求预测的10%。需求与供给的失衡，早已不是“有没有”的问题，而是“差多少”的问题。

资本开支数据是这一理论最有力的实证。摩根士丹利预计，美国资本支出将在2026年增长23%、2027年增长26%，AI是最大驱动因素。其更广泛的AI资本支出估算（包括新云服务提供商在内），2026年总计约8700亿美元。而谷歌、Meta、亚马逊、微软、甲骨文五大科技巨头，其资本支出预计将增至2028年的1.4万亿美元。

从最新财报看，这一趋势非但没有走弱迹象，反而还在加速。谷歌将2026年资本开支指引由1800亿至1900亿美元上调至1950亿至2050亿美元；Meta由1250亿至1450亿美元调整至1300亿至1450亿美元；亚马逊由约2000亿美元上修至2200亿美元。北美云厂商在二季度财报中均未释放见顶信号，反而多数将投资计划延长至2027年及以后。巨头们用实际行动向市场宣告：算力的征途远未抵达终点。

值得一提的是，AI基础设施投资正以超预期速度重塑全球产业格局。据机构统计，全球九大云端服务供应商2026年总资本支出预计同比增长约90%，驱动全球AI基础设施支出达到4500亿美元，其中推理算力占比首次突破70%。这一浪潮也传导至半导体市场，2026年全球销售额预计突破1.5万亿美元，同比增长约107%。在此基础上，摩根士丹利进一步展望，到2030年推理工作负载可能占数据中心需求的40%以上，以35%的年复合增长率持续增长。整体来看，AI产业链的需求正从“训练”单引擎驱动，转向“训练加推理”双引擎驱动，需求的广度和深度均在显著扩展。

二、供给侧：“3P”约束下的挑战与机遇

摩根士丹利报告将AI基础设施的供给侧约束精辟概括为“3P”，即People（人力）、Power（电力）、Politics（政治），每一道都是现实难以绕开的硬约束。

人力方面，数据中心建设所需的电工、焊工、管道工等熟练工种处于结构性短缺状态，需数年才能缓解。

电力方面，电网并网排队周期在部分地区已延长至5至7年，成为数据中心投运的最大瓶颈。摩根士丹利测算，2026至2028年美国数据中心电力需求约680亿瓦（68GW），扣除15GW在建及15GW已签约容量，潜在缺口仍高达38GW。这意味着即便所有在建项目如期投产，仍有超过一半的电力需求无法满足。产业瓶颈正从GPU、HBM等硬件扩散至电力供给、电网并网等基础设施环节。

政治方面，美国已有14个州出台算力建设限制令，去年超1600亿美元算力项目搁置。美国众议院正在审议的“纳税人保护法案”，将确立全国性的数据中心电费附加费，进一步抬高运营成本。

然而，摩根士丹利的判断是审慎而坚定的：这些只是“减速带”，而非“路障”。它们可能会延缓扩张速度，却难以逆转长期趋势。现场发电、燃料电池、储能系统、天然气轮机及现有高功率场址的改造，都可部分弥合缺口。换言之，物理世界的约束虽然棘手，但并非无解。

“3P”约束既是挑战，也是机遇。谁能在这些“卡点”上提供解决方案，谁就可能成为下一阶段的赢家。报告特别点名“供电外壳”供应商，即拥有可转为数据中心的土地及电力获取能力的公司，认为这是当前定价最被低估的板块。包括TeraWulf、Cipher Mining在内的企业，企业价值每瓦仅以2至4美元交易，相较于成熟运营商20至25倍的估值存在巨大折价。摩根士丹利给予该族群15倍EV/Watt的目标估值。这一逻辑同样适用于更广泛的能源基础设施，电力、储能、新能源等资产正成为AI产业链的“隐形冠军”。

与此同时，AI投资的研究范式正经历深刻变革。2023~2025年，“算力短缺”能较好解释AI行情和产业链利润分布；但到了2026年，随着推理需求快速增长、数据中心建设提速，单一算力框架已不足以刻画产业链的边际变化。研究范式正从“单点算力竞赛”转向“系统级协同”，算力、网络、能源、应用四个环节需被作为一个整体来审视。

在中国市场，“十五五”规划将“算力网”列为六张网之一。算力网与电网、新型通信网并列，构成新基建的“三张王牌”，算力已成为与水、电并列的国家战略性资源。2026年算力基建投资规模逾4000亿元，“十五五”期间全产业链总投资达6万亿元。2026年中国窄口径AI资本支出预计约5000亿元，宽口径有望达约1.2万亿元。供给端的结构性缺口，恰恰构成了投资端最具确定性的逻辑支撑。

三、产业链全景：跨越周期的战略布局

摩根士丹利在报告中列出了AI基础设施浪潮的五大受益题材：AI基础设施瓶颈解决者、计算制造生态、领先的中国AI公司、能源安全资产、超大规模云服务商。这五大板块共同构成了完整的投资图谱。

上游的算力芯片与存储是产业链的“心脏”。GPU在服务器成本中占比高达80%以上。存储方面，摩根士丹利预计NAND市场可能重新进入供需紧张阶段，HBM对先进DRAM及封装产能的挤占正推动存储供需持续收紧。

中游的数据中心与网络是产业链的“骨架”。摩根士丹利估算第三方数据中心2026年新增订单总量将增长66%至3.4吉瓦。光模块行业在AI需求支撑下持续高增，技术迭代与场景渗透不断抬升行业天花板。在中国，“十五五”规划将“算网”列为六张网之一，政府投资将系统性加入AI基建，形成“政策、产业、订单”三重共振。算力竞争已从“单卡”升级为“系统级集群竞争”，超节点通过芯片、互联、散热、供电、整机、软件栈的整体工程能力突破带宽与时延瓶颈。

下游的AI应用是产业链的“价值兑现”。摩根士丹利指出，AI投资已进入“半场休整”，市场逻辑将从追逐算力芯片等上游硬件，转向两大新主线：一是AI应用端企业，依靠大模型降本增效；二是AI产业链资源配套。HALO资产以“重资产、低淘汰”为核心，配置标的具备高重置成本、强供给约束、稳现金流三大特征。HALO与AI并非对立，而是互补格局——AI发展需要算力基础设施支撑，而这些设施离不开稳定的电力、能源网络，HALO资产实为AI产业的底层基石。

在摩根士丹利的分析框架中，中美两国走出了不同的AI发展模式。美国的AI生态以私人资本为主，大模型使用成本高昂，头部科技企业同时遭遇电力、民意、政治三重硬约束。而中国搭建了普惠算力基础设施，形成独特竞争优势。

首先是成本优势突出，国产大模型Token使用成本显著低于美国，适配中小企业与产业端落地需求；其次是算力双轨布局，训练端适度引进高端芯片，推理端全面普及国产算力卡，依托国家级算力中心规模化摊薄硬件成本；最后是基建落地速度领先，借鉴移动互联网时期低价普惠基建经验，向国产AI厂商平价开放算力资源，弥补单芯片性能差距，依靠系统集成与算力互联形成整体竞争力。

截至2026年3月，中国智能算力总规模达1882EFlops，在用标准机架达1445万架，超过70条算力大通道已建成。从“东数西算”到“算网融合”，中国正在走出一条具有自身特色的AI基础设施发展道路。

四、结语：半场休整，远未终场

综上所述，摩根士丹利向投资者发出了清晰的信号：“此时此刻代表了一个异常具有吸引力的买进机会。”这一判断建立在核心认知之上：回调是技术性的，而非基本面的溃败。

回顾全文，AI产业链的投资逻辑可从三个层面把握。从需求端看，杰文斯悖论持续发力，推理需求成为新引擎，北美云厂商资本开支持续上修，需求的确定性是产业链最坚实的底层支撑。从供给端看，“3P”约束孕育着巨大的投资机遇，电力、储能、数据中心建设等瓶颈环节正是超额收益最集中的方向。从产业链看，投资逻辑正从“单点算力竞赛”转向“系统级协同”，上游芯片、中游网络、下游应用与贯穿全链的能源配套，正经历深刻的价值重估。

正如Stephen Byrd所言：“随着时间推移，AI基础设施将成为一条‘智能超级高速公路’，为全球经济带来显著的净效益。”AI产业链上的每一个环节，从“卖铲人”到“淘金者”，都是这条高速公路不可或缺的组成部分。这场由大模型驱动的技术革命，正在以前所未有的速度重塑全球经济的底层架构。

对于投资者而言，理解这一跨越周期的产业链逻辑，远比追逐短期波动更为重要。AI投资已进入“半场休整”，但远未结束。市场的关注焦点正从半导体和算力环节，逐渐扩展至应用场景、能源配套和更广泛的产业生态。

总之，AI不是一条单一的赛道，而是一场横跨基础设施、模型到应用层的全栈资本周期。回调并非终局，只是长跑中的一次喘息。真正的价值，永远属于那些能够在喧嚣中看清方向、在波动中坚守信念的人。

【注：市场有风险，投资需谨慎。在任何情况下，本订阅号所载信息或所表述意见仅为观点交流，并不构成对任何人的投资建议。除专门备注外，本文研究数据由同花顺iFinD提供支持】

本文由公众号“星图金融研究院”原创，作者为星图金融研究院高级研究员付一夫。

（可在“星图金融研究院”公众号后台回复“进群”，扫码添加小助手微信，免费加入星图金融研究院读者交流群，群内每日分享市场观点。）

编辑：胡伟