Morgan Stanley's Xing Ziqiang: AI Investment Enters "Halftime," a "September 24"-Style Reversal Unlikely in the Near Term

在業內，摩根士丹利首席經濟學家邢自強是兼具流量和專業的分析者。

他曾精準捕捉 2024 年 9 月國內宏觀政策轉向窗口，提前向全球機構提示穩增長政策加碼。

他對近年中國經濟中的諸多特點也有前瞻和深入分析，預判了地產調整節奏、產業鏈外遷、“新三樣” 出口景氣、AI 算力投資週期變化，影響大量機構的資產配置。

2026 年 7 月 30 日，邢自強在摩根士丹利上海溝通會上發言，圍繞下半年政策、經濟 “K 型分化”、AI 競爭以及近期全球科技股震盪，給出了最新判斷。

他説了什麼，實在令人好奇。

這輪科技股調整因全球共振

對於近期全球科技股出現的劇烈波動，邢自強認為調整是宏觀因素和微觀投資回報率的敍事交織引發的。

他認為，中國 A 股這一輪出現的行情震動，是全球 AI 科技共振的一個縮影。

在他看來，這輪 AI 投資週期由美國大型科技公司提出算力中心建設計劃而啓，但產業鏈收益並不只留在美國，而是擴散到韓國、中國相關企業。

其中，韓國和中國台灣企業更多參與芯片、存儲等環節，中國大陸企業則主要通過光模塊、PCB 等環節參與全球分工。

但各地區相關企業仍處在同一輪全球投資週期之中，因此也會在資本市場上同步受到影響。

AI 敍事已經發生變化

邢自強進一步闡明，AI 敍事的變化未必是基本面。這些 AI 的大廠宣佈的今年明年的投資計劃沒有削減，甚至略有上調，今年計劃投入約 8000 億美元，明年計劃投入約 1.2 萬億美元。產業鏈訂單也未出現明顯問題，但資本市場依然出現了 “過山車式” 的調整。

對此，他認為，很多時候只能敬畏市場，因為市場此前可能已經把未來一兩年的好消息很多提前反應了。

歷史上，每一輪重大技術革命往往都伴隨着過度投資和過度繁榮，隨後進入一定的金融市場的股價到財務成本的 “清算時刻”。但邢自強強調，這種清算並不等於投資完全 “打水漂”，也不意味着對生產率、對經濟沒幫助。

他以 20 世紀 90 年代末的互聯網投資潮為例，寬帶路由器、海底電纜等基礎設施最終提升了全球經濟生產率，但部分 “賣鏟子” 的企業仍在科網泡沫破裂後經歷了股價與財務回報的 “清算時刻”。

相信 AI 會改變人類生產力會進步，這是巨大的一次科技革命，以及市場現在出現的波動完全並不矛盾。

從 “賣鏟子” 轉向 “用鏟子”

邢自強引用摩根士丹利美股、亞太及中國策略團隊觀點認為，AI 投資可能正在進入一個 “半場休息” 階段，市場的關注範圍需要從 “賣鏟子” 轉向 “用鏟子” 的。

“目光要放得更廣一點，不應該只單純看 AI 半導體算力，而應該注意有很多運用 AI 可以受益的企業。”

過去一段時間，市場主要關注芯片、存儲，也就是所謂 “賣鏟子” 的環節。下一階段，關注點可能逐漸轉向哪些企業能夠真正使用這些 “鏟子”，提升自身的生產率、提升營收。

他將這一變化概括為從 AI 基礎設施提供者，擴展至 AI 應用者，即能夠通過 AI 增加收入、提高效率和降低成本的企業。

回答不了抄底的問題

邢自強還明確表示，回答不了比如説市場波動到現在，能否抄底的問題，但是從全球更加寬廣的投資 AI 下一階段工業革命科技革命的思路，中國是有優勢的。

與此同時，AI 生態鏈的邊界也可能繼續擴大。一些表面上並非 AI 科技公司的能源、資源和戰略原材料企業，也可能因為 AI 對電力、儲能及稀缺資源的需求增長而進入這一體系。

摩根士丹利策略團隊將其中一部分稱為具有 “HALO 資產” 特徵的領域，它們不容易被 AI 替代，反而可能隨着 AI 基礎設施擴張而變得更加稀缺。

因此，所謂 AI“下半場”，並不是 AI 投資結束，而是市場關注點可能從狹窄的半導體、算力環節，逐漸擴展至應用、能源和更廣泛的產業生態。

而在 AI 的廣義的生態鏈上，能源轉型方面中國是有巨大的優勢，而且會給全球供更好的綠色能源科技產品；國產大模型的崛起，由於 token 成本便宜，如果全球 AI 產業商業化能落地，也有明顯的優勢。

相信 AI 的人已經越來越多

在邢自強看來，AI 交易最值得警惕的變化，並不是投資者突然不相信 AI，而是相信 AI 的人已經越來越多。

半年前，如果有人提出美國利率上升 25 個基點可能衝擊 AI 投資，相當一部分 “小登基金經理” 會認為，這樣的利率變化不足以影響一次 “改變人類” 的技術革命。

隨着這種 “小登基金經理” 的認知影響到了 “老登”，變為全球資金的共識，市場結構就出現了非常擁擠的這種交易現象。”

所謂擁擠，首先體現為槓桿資金集中押注 AI 算力基礎設施。邢自強以韓國市場為例稱，從去年底到今年上半年，市場出現了多隻數倍做多的槓桿 ETF，通常這種槓桿型資金大量湧入，往往是這種博弈、投資或者説賽道型的牛市進行到後半階段的一個特點。

當監管政策由松轉緊，或者流動性、利率預期發生變化，槓桿資金容易放大市場波動。

第二個壓力來自一級市場和債券市場。

AI 算力中心所需資金規模龐大，部分頭部科技企業僅依靠自身經營現金流，已經不足以覆蓋全部資本開支，需要通過 IPO、配股和發債等方式繼續融資。

“從今年上半年到明年上半年短短一年，這些企業要在公開市場上發債發股融資 1 萬億美元，不斷地去吸水或者叫抽血。”

這意味着，一邊是二級市場槓桿資金集中押注 AI，另一邊是 AI 企業持續從股票和債券市場吸收流動性。市場對通脹、油價、利率以及央行政策的邊際變化會變得更加敏感。這些因素交織在一起，引發了對 AI 敍事的一些變化。

另一條 AI 產業路線

談及 AI 競爭，邢自強認為，中國正在走一條不同的路徑。

中國更多依靠系統集成、電力供應、工程師紅利、算法優化等，降低 AI 使用成本。其中最具衝擊力的數據是 Token 成本。

“國產大模型的 Token 的成本，大致上只有美國的 1/10，確實便宜。”

低成本的價值正在企業端逐漸體現。部分海外企業此前鼓勵員工大量使用最先進模型，但隨着 Token 賬單持續增長，企業開始對 AI 任務進行分層，複雜、長程的任務交給最先進模型，簡單、短程的任務則更多采用成本較低的開源模型。

邢自強因此提出，中國是否能夠複製 2G、3G 和 4G 時代的經驗，將 AI 算力建成一種廉價、可廣泛使用的數字基礎設施。

在移動互聯網時代，中國通過較強的網絡基礎設施和相對較低的資費，降低了創業與應用創新門檻。類似地，如果未來能夠通過國家算力網租用加持，可能會是中國版本的數字基礎設施的方案。

在芯片使用上，邢自強提出了 “算力雙軌制”。

一方面，最前沿模型的訓練仍需要全球最先進的芯片；另一方面，到了推理和應用階段，對單顆芯片性能的要求相對降低，國產芯片可以通過國有主導的算力中心獲得更多應用機會。

國產芯片在推理端獲得更多應用後，還可以通過 “幹中學” 積累反饋，不斷優化系統和效能。

“9·24 式拐點還未至”

回到中國宏觀政策，邢自強在一份報告標題直接寫到，9.24 式拐點還未至。

邢自強表示，雖然二季度部分經濟指標走弱，但從近期政策文件和官方表態看，政策重心仍然集中在科技、能源、產業自主安全以及解決 “卡脖子” 問題上。

“即便是二季度經濟放緩，如果要找到一個抓手去託底的話，可能還是沿着抓科技、抓能源轉型，也就是説從投資端着手的可能性大於從消費端着手。”

另外，在邢自強看來，今年下半年更可能是加快落地年初預算框架內尚未落地的財政資源，而不是突然擴大赤字或新增大規模特別國債。

他表示，中央和地方發債餘額，以及此前設立的新型金融工具中，存在超過 2 萬億元可以在下半年使用的財政餘力。

從具體方向看，可能還是投資端，包括能源方面的電網、儲能，以及科技方面的 AI、算力等。

“分化” 短期難解

此外，邢自強認為，經濟的 “分化” 局面短期很難化解。向上的一端是 AI、能源新三樣等；向下的一端則是內需、消費、地產和就業。

針對這一結構性問題，邢自強提出了三方面建議。

第一，優化以舊換新政策，將部分以舊換新資源從汽車、家電等耐用品，轉向餐飲、娛樂、旅遊等服務消費。

第二，部分已經處在全球上行週期、出口增速較高的硬科技產業，是否仍需要維持較強的出口退税和財政支持；節約下來的資源，可以考慮用於國內服務業和消費行業減税。

第三，繼續完善社會保障體系，減少居民預防性儲蓄

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。