摩根士丹利：2026年AI红利被低估，关键风险需警惕

人工智能领域正在迎来一场由计算力推动的革命性突破

算力革命：AI能力的临界点临近

摩根士丹利最新研究报告揭示了一个被市场普遍低估的重要趋势：到2026年，随着计算资源的指数级增长，人工智能模型能力或将迎来"非线性"跨越式发展。

算力跃升带来能力飞跃

数据显示，美国多家头部AI企业计划到2025年底将前沿模型的训练算力提升近10倍。这种前所未有的投入规模预计将在2026年上半年显现成效，这可能成为推动AI发展的关键催化剂。

特斯拉CEO埃隆·马斯克预测，10倍的算力增长可能意味着AI智能水平的成倍提升。分析师指出，若当前的算力扩张规律持续生效，将对从AI基础设施到全球供应链的各领域资产价值产生深远影响。

然而这一乐观预测并非毫无悬念。研究团队特别警示了"规模墙"风险——即随着算力投入的持续增加，模型性能提升可能出现边际效益递减的现象。

算力竞赛：新纪元的开启

投资者需要高度关注2026年可能出现的AI能力跃迁。报告描述了一个惊人的数字对比：由Blackwell GPU构建的1000兆瓦数据中心，其计算能力将达到5000 exaFLOPs，而美国政府最强超算"Frontier"仅略超1 exaFLOP。

值得注意的是，业内对算力与智能提升的关系仍存分歧。虽然主流观点认同算力投入的价值，但也有专家质疑人工智能在创造力等领域可能存在难以突破的上限。

规模天花板：AI进化面临的关键挑战

"规模墙"是目前AI发展最大的不确定因素。这个概念描述了当算力投入达到某个临界点后，模型能力的提升幅度可能显著放缓。

不过最新研究带来了积极信号。Meta等机构联合发表的论文《揭秘LLM预训练中的合成数据》显示，在大规模使用合成数据进行训练时，并未观察到预期的性能退化模式。这一发现意味着算力驱动的能力提升可能比预想的更具持续性。

其他风险因素同样值得关注：包括AI基础设施融资难题、欧洲日趋严格的监管环境、数据中心面临的电力供应压力，以及AI技术被滥用的潜在风险。

全球资产价值重构

若AI能力如期实现突破性进展，其对资产价值的影响将主要体现在四个维度：

• AI基础设施股：特别是能够突破数据中心发展瓶颈的企业
• 全球供应链重组：中美科技竞争可能加速关键领域"脱钩"
• AI应用先驱企业：具备定价权的公司有望留存大部分AI红利
• 稀缺性资产：包括难以复制的实物资产和无形资产

分析师预计AI应用可能为标普500创造13-16万亿美元的市值空间。然而不同企业的获益程度将存在显著差异，关键在于能否将AI优势转化为实质性的盈利能力。

长期来看，以下几类资产的价值可能获得重估：

• 独特物理资产：优质地产、能源设施、交通枢纽等
• 监管稀缺资源：特许经营权、行业执照等
• 专有知识产权：独特的数据资产、强势品牌等
• 不可替代体验：体育赛事、现场演出等人类活动