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

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。

算力十倍增長，或催生 AI 能力飛躍

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。

“規模牆” 之辯：AI 進步的關鍵不確定性

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。

全球資產估值如何重塑？

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：

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。

• 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。

• 監管稀缺性資產： 如各種受保護的牌照、特許經營權。

• 專有數據和品牌： 強大的 IP 庫、獨特的品牌形象。

• 獨特的奢侈品和人類體驗： 如體育賽事、音樂表演等。

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