伯恩斯坦這份報告最不一樣的地方，是它不講故事，開始數車了。這是他們美國自動駕駛追蹤系列的第一篇，數完之後的判斷很直接：這個行業是供給緊的，瓶頸不在需求端。

先把帳攤開。全美在運的商用自動駕駛車，3Q26 是 5,348 台，一年前的 2Q25 是 1,259 台。其中 Waymo 4,100 台，Tesla 958 台，剩下的 Zoox、Avride、Motional 三家加起來不到 300 台。

Waymo 的車隊又高度集中：舊金山 1,300、洛杉磯 950、鳳凰城 550、奧斯汀 350、亞特蘭大 250，前五城合計約 3,400 台，佔它自己車隊規模的 85%，另外九個城市加起來才 700 台。

德州是眼下最值得盯的市場。Waymo 在這裡有 535 台在跑、598 台已註冊還沒上線；Tesla 是 345 加 201；Avride 是 70 加 274。三家已經註冊、只等上線的車加起來 1,073 台——光這一個州，就壓著 Waymo 現在全美車隊四分之一以上的量。

再往後，就得看車企能交多少車。Waymo 與 Hyundai 的合作據報要在 2028 年前交付約 5 萬台，大部分留在美國本土；Zoox 拿到許可，未來兩年可以再加 5,000 台，年產能 1 萬台；Uber 一邊簽了 Nuro 和 Lucid 的 3.5 萬台以上協議，一邊和 Stellantis、Nvidia 先落地 5,000 台；Tesla 自己報的 Cybercab 產能超過 12.5 萬台。

車夠了，訂單才夠。Waymo 的周訂單 3 月剛過 50 萬，目標是年底做到 100 萬。伯恩斯坦自己的模型給的是 2026 全年約 3,300 萬單，是 2025 年 1,600 萬單的兩倍——但攤到周均才 60 多萬單，剩下那截缺口，只能在第四季度靠出車速度填。報告的說法是，難，但也就是幾周和幾個月的差別。

而且就算目標達成，自動駕駛在美國網約車裡也只佔 1.6%；按全年算，2026 年只有 1.1%。分城市看是分裂的：邁阿密、納什維爾、休斯頓、達拉斯、聖安東尼奧這些新進入的城市，Waymo 的份額還在個位數；舊金山、洛杉磯、鳳凰城、亞特蘭大、奧斯汀這些成熟市場，份額到了十幾個百分點。

營運效率確實在改善——空駛里程佔全部里程的比重從 2024 年 1 月的 32% 降到今年 6 月的 26%，平均等車時間從 38 分鐘降到 17 分鐘。但這兩條也在說另一件事：車隊單日接單量還停在二十幾單的水平。

Tesla 是這份報告裡最擰巴的一段。外部追蹤顯示它的車隊 9 月已經到 1,076 台，去年 7 月才 11 台。可 Tesla 自己披露的累計付費里程，截至 2Q26 還不到 250 萬英里，報告直接點出，這個數意味著要麼利用率極低，要麼真實車隊比外部追蹤的小得多。無監督里程漲得倒是快，7 月 38 萬英里，9 月 100 萬英里。

使用者端訊號更花，但不牢靠。9 月 Tesla 在美國網約車 App 月活裡的份額從 2% 跳到 20%，正好是 Cybercab 發佈會那個月；Waymo 的 App 份額穩在 12–13%。可論使用頻次還是 Uber、Lyft 的地盤，8 月人均月會話在 23–24 次，Waymo One 只有 13 次、Zoox 6 次。

順帶一提，在美國和中國以外的 10 個國際自動駕駛落地裡，8 個是中國公司：文遠知行 4 個（阿布扎比、利雅德、杜拜、瑞士）、百度 Apollo Go 2 個（阿布扎比、杜拜）、小馬智行 2 個（多哈、薩格勒布）。這條路跟 Waymo 在 EMEA 和 APAC 是正面重疊的。(琛哥的投研搬磚日常)

大摩認為，GPT-6 Astra的發佈將AI敘事焦點從「需求是否過剩」轉向「物理供給能否跟上」。Astra帶來的能力躍升將觸發更多AI收入場景。而ABF載板短缺、HBM4E製造瓶頸、38吉瓦電力缺口，才是真正制約AI紅利釋放的硬約束。該行給出優先級：AI算力最優先，網絡次之，記憶體器選擇性配置，模擬晶片作早期周期避險。

一個模型的發佈，正在改變市場爭論的方向。

市場過去幾個月一直在爭論一個問題：「服務已知的AI需求，究竟需要多少基礎設施？」這個問題的潛臺詞是：AI基建是否已經過度投資？

但據追風交易台消息，摩根士丹利9月7日發佈的報告指出，GPT-6 Astra的重要性不應被簡單理解為又一次規模擴張（Scaling）敘事的延續。這並不是又一次的模型升級。

Astra代表的是能力廣度（breadth of capabilities）與互操作性的實質性躍升，具體體現在四個方向：推理能力、工程能力、計算機使用，以及物理世界任務執行。這意味著，AI開始跨越到能夠執行復雜推理、專業工程任務、直接操作計算機乃至處理現實世界任務的層面。能做的事情變多了，能賺錢的場景也就變多了。OpenAI最新發文也表示，更好的模型開闢新的「工作領域」。

AI敘事再度從「需求爭論」拉回「物理瓶頸」

Astra的出現可能把市場的核心問題從「服務已知AI需求需要多少基礎設施」，扭轉為：「隨著模型智能的提升，有多少新的工作負載將變得經濟上可行？」

這是一個方向完全相反的問題。前者是需求側的質疑，後者是供給側的壓力。

彈性效應：每美元買到更多智能

分析師在報告中提出了一個核心經濟學邏輯：更好的模型可以創造彈性效應——當AI每花一美元獲得的智能和實用性越高，推理工作負載的數量、持續時間和複雜度都會隨之增加。

這類似於經典的「傑文斯悖論」：效率提升並不減少消耗，反而擴大總消耗。單位成本的智能產出提升 → 原本不划算的應用場景變得可行 → 新的工作負載湧入 → 對算力和基礎設施的需求反而擴大。

分析師認為，如果Astra的能力轉化為商業上有用的應用，可觸達的AI收入池將大幅擴展，遠超今天以聊天和編碼為主的使用場景。

大摩測算，全球知識工作TAM約為22.5兆美元（基於全球9億知識工作者、平均年薪約2.52萬美元估算）；消費者支出TAM約30兆美元，涵蓋零售+旅行（約16兆美元）、自動駕駛/出行（約4兆美元）、餐飲配送（約4兆美元）及廣告（約3兆美元）。

供給端的物理約束才是真正瓶頸

分析師的結論是：Astra的出現將瓶頸敘事從「需求形成」拉回到「物理供給約束」——即能否在規模化條件下交付這些智能。

具體指的是什麼？算力、電力、材料、勞動力等。

物理瓶頸具體在那裡：ABF和HBM4E

供給端的緊張，有兩個具體抓手。

摩根士丹利預計，ABF載板將從2027年起出現供不應求，且缺口會持續擴大至2030年。關鍵約束是：新產能至少需要2年才能上線。

第二個是HBM4E的後道工序（BEOL）複雜度。

報告指出，HBM4E的後道工序代表著半導體製造的重大範式轉變——HBM從專用3D記憶體堆疊，演變為高度整合的定製Chiplet邏輯系統。

HBM4E互連層數增加（如$SK海力士 (SKHY.US)$引入dummy bump），大量DRAM資本開支將被迫用於BEOL產能擴張

前道工序（FEOL）的製程遷移資本開支和DRAM GB出貨量加速，預計要到2027年下半年才能實現

DRAM廠商優先佔用設備產能，NAND產能擴張因此可能被推遲

這兩個瓶頸的共同特點：都是可驗證、可追蹤的物理約束，不是市場情緒。

隨著數據中心監管壓力上升，電力供應成為另一個關鍵物理瓶頸。分析師預計，超大規模雲廠商的總算力將從2025年的約35GW，增長至2028年的約145GW，增長約4倍。

分析師指出，美國面臨38吉瓦的電力缺口，數據中心將越來越多地採用表後（behind-the-meter）自發電解決方案。

該行測算，表後電力方案將為每吉瓦資本開支增加約30億美元。以Rubin Ultra一代輝達晶片為例，含表後電力的全包成本約為每吉瓦500億美元。

分析師認為，市場目前正在低估三件事：

第一，GPT-6 Astra的全球科技受益者尚未被充分定價。

第二，供給緊張持續時間可能更長。ABF和HBM4E BEOL的約束，都不是短期內能解決的。

第三，一些不依賴AI也能上漲的股票正在悄悄走強。模擬晶片（STM、NXP、Renesas）經歷了超過三年的L型底部後，正處於早期周期復甦階段——庫存精簡、定價走穩、工業訂單改善。

摩根士丹利給出的投資優先級：

AI算力（最優先）>網絡（次之）>記憶體器（選擇性）+模擬晶片（早期周期避險），包括：

AI算力：GPU（$輝達 (NVDA.US)$）、ASIC（聯發科、GUC）、ABF載板（欣興、$揖斐電電子 (4062.JP)$）、MLCC（$村田製作所 (6981.JP)$、$三星電機 (009150.KR)$）、後道封測（$愛德萬測試 (6857.JP)$、$東京電子設備 (2760.JP)$、華豐、日月光、京元電）、電源（臺達）

網絡：$康寧 (GLW.US)$、$Lumentum (LITE.US)$、$Coherent (COHR.US)$、$Keysight Technologies (KEYS.US)$、$古河電氣工業 (5801.JP)$、$藤倉 (5803.JP)$

記憶體器：優先結構性份額增長和本土化（$長鑫科技 (688825.SH)$），$SK海力士 (SKHY.US)$、$三星電子 (005930.KR)$、$鎧俠 (285A.JP)$在供給持續偏緊的情況下有戰術性上行空間

非AI：模擬晶片（$意法半導體 (STM.US)$、$恩智浦 (NXPI.US)$、$瑞薩電子 (6723.JP)$）

該行表示：「我們更傾向於佈局在更廣泛的推理周期與有限物理產能、上升的內容強度、增加的製造複雜度三者交匯處的公司。」

摩根士丹利的報告並非單方面樂觀，並明確提示了三個需要注意的地方：

第一，AI預期已經很高。市場對AI公司的容忍度已從「好業績」變成「必須完美業績」，即便Astra帶來實質進展，若業績未大幅超預期，股價反應可能仍然有限。

第二，2028年資本支出增速預計放緩。股票定價看的是增速的變化方向，減速本身可能持續壓制估值，即便絕對值仍在增長。

第三，宏觀逆風仍在。報告提及油價、通膨、聯準會利率路徑以及2028年美國大選等不確定因素，尤其關注民主黨若贏得行政權後對數據中心擴張的潛在政治阻力。

彙整鉅亨號中所有使用「供給瓶頸」關鍵字，所發布的內容 (依照時間排序，最新在前，舊的在後)`

美國 Robotaxi：車是瓶頸，不是訂單

大摩詳解GPT-6 Astra真正的意義：將「AI敘事」從「需求爭論」拉回「物理瓶頸」