近期 AI 基礎設施類股出現了一輪明顯的回呼，尤其是在國內大模型 K3 發佈之後，市場擔憂情緒升溫：是不是 AI 的需求已經見頂？這輪行情是不是已經走完了？

摩根士丹利最新發佈的全球 AI 基礎設施專題報告，給出了完全不同的判斷：機構認為，當前的回呼恰恰是佈局的機會，因為全球算力的需求，未來很多年都會持續超過供給，中國大模型的進步反而會進一步放大這種供需缺口，也就是所謂的 “傑文斯悖論”。

一、核心判斷：算力供需失衡，將持續多年

摩根士丹利的最高信心判斷是：未來很多年，全球對 AI 算力的需求，都將顯著超過供給，這是整個 AI 基礎設施類股的核心驅動邏輯。

很多投資者擔心，企業會不會因為成本問題，限制 token 的支出，從而壓制 AI 的收入增長？但機構的判斷恰恰相反，他們認為，這種擔憂完全沒有必要，實際的情況是，企業對 AI 的需求只會越來越旺盛，而不是被成本限制。

更關鍵的是，AI 能力的提升是非線性的，這一點往往被市場低估。當前的前沿大模型，已經可以在超過 50% 的人類知識任務上，達到甚至超過人類的水平。如果未來大模型的能力再提升一倍，會帶來什麼樣的經濟影響？

機構認為，長期來看，絕大多數的知識類工作，最終都可以由前沿大模型來完成，效率和成本都會遠低於人類。這意味著，AI 的資本開支，會成為未來很長一段時間裡，企業的核心投入方向。

而且，遞迴自我改進（RSI）的技術正在推進，這會讓大模型的能力提升速度，從 “人類研發的速度” 變成 “機器自我迭代的速度”，一旦這個技術落地，AI 能力的進步會進一步加速，反過來又會推高對算力的需求。

二、中國大模型的進步：不是威脅，反而放大算力需求

近期國內的 Kimi K3 大模型發佈，引發了市場的擔憂：是不是中國的大模型已經追上了海外，海外的 AI 需求會因此下降？

但摩根士丹利認為，這恰恰相反，中國大模型的進步，反而進一步強化了機構對算力需求的樂觀判斷，也就是所謂的“傑文斯悖論”—— 技術進步帶來的效率提升，反而會帶來更大的需求，而不是減少。

機構的分析師 Gary Yu 指出，K3 並不是什麼 overnight 的奇蹟，而是中國 AI 行業多年積累的結果，之前的 GLM-5.2 就已經非常出色了。K3 的發佈，反而說明縮放定律依然有效，未來中國還會有更多更大、更強、定價更高的大模型推出，這些都會帶來海量的算力需求。

而且，從資料中心的 ROIC 來看，用 Kimi K3 來營運資料中心，反而會讓利潤率提升 3% 左右，這意味著，企業的投入會有更高的回報，反而會刺激更多的資本開支。

簡單來說，中國的大模型進步，不是在搶海外的市場，而是在共同把整個算力的蛋糕做大，全球的算力需求，只會因此變得更旺盛。

三、資料中心的最大瓶頸：電力缺口，38GW 的供需缺口

隨著 AI 資料中心的爆發，最大的瓶頸已經不是晶片，而是電力。

摩根士丹利測算，到 2028 年，美國的資料中心，會面臨 38GW 的電力缺口，到 2030 年，這個缺口會擴大到 122GW。

現在很多地區的電網互聯等待時間，已經長達 5-7 年，根本趕不上資料中心的建設速度。這就催生了 “time to power” 的解決方案，也就是快速部署的發電方案，來解決這個瓶頸。

1.天然氣渦輪機，可以提供 15-20GW 的額外電力

3.利用核電站的場地，可以提供 3-5GW

4.把之前比特幣礦企的場地改造成資料中心，可以提供 14-19GW

這些方案加起來，最多可以填補 37GW 的缺口，但即便如此，到 2028 年，依然會有 1-11GW 的淨缺口，這意味著，電力的供需緊張，會持續很長一段時間。

而且，這些資料中心的供電合同，價值被市場嚴重低估了。比如，現在很多比特幣企業，正在轉型做資料中心的“powered shell”，也就是建好帶供電的資料中心，和超大規模企業簽 15-25 年的長期合同，這種項目的無槓桿 FCF 收益率可以達到 15-19%，槓桿後的股權回報可以到中高十幾，這是非常高的回報，但是很多相關的股票，還沒有反映出這個價值。

四、企業端的真實需求：CIO 把 AI 列為第一優先順序

機構的 2026 年二季度 CIO 調研，也驗證了 AI 需求的強勁：
AI/ML 已經連續多個季度，成為 CIO 的第一 spending 優先順序，二季度有 18% 的受訪者把 AI 列為最優先的投入，比一季度的 17.7% 還略有提升。

雖然在經濟下行的風險下，CIO 對 AI 項目的防禦性有所下降，從一季度的 + 10% 降到了 + 4%，但這只是說明，企業會更謹慎地篩選 AI 項目，而不是減少投入。

從目標來看，30% 的 CIO，把 “通過生成式 AI 提升員工 productivity” 作為首要目標，比去年同期的 29% 還略有提升；21% 的 CIO，把面向客戶的 AI 應用，用來提升收入，作為第二目標。

更關鍵的是，AI 的部署速度在加快：一季度的時候，只有 43% 的 CIO，預計在 2026 年底之前完成 AI 項目的部署；到了二季度，這個數字已經升到了 76%，絕大多數的企業，都要在今年把 AI 項目落地。

這說明，企業端的 AI 需求，不是什麼炒作，而是實實在在的落地處理程序，正在加速推進。

五、各類股的投資機會：這些個股有 30% 以上的上漲空間

基於當前的供需格局，摩根士丹利梳理了 AI 基礎設施各個類股的投資機會，給出了具體的個股推薦：

美國網際網路：超大規模企業的護城河在加深

很多投資者擔心，Meta 的 3800 億美元的資本開支，會不會打水漂？但機構認為，這恰恰是 Meta 加深護城河的機會，Meta 的 35 億日活使用者，加上 GPU 帶來的產品改進，會讓它的使用者粘性和變現能力變得更強。而且，Meta 的 neocloud 業務，還可以把多餘的算力租出去，在算力緊缺的市場裡變現。

機構給 Meta 的目標價是 775 美元，還有 30% 的上漲空間。

輝達雖然市值很大，但依然是機構在半導體類股的首選，雖然近期股價有所回呼，但機構的信心依然很高。機構認為，當前的估值，已經充分反映了市場的擔憂，未來的價值重估會帶來上漲。

機構給輝達的目標價是 288 美元，還有 39% 的上漲空間。

另外，美光也是機構推薦的標的，目標價 120 美元，還有 30% 的上漲空間，因為記憶體晶片的需求，也會隨著 AI 的爆發而提升。

微軟是機構非常看好的標的，因為它在企業端的管道能力，加上它覆蓋了 AI 的應用層和基礎設施層，從 Office 365 到 Azure，都可以嵌入 AI 能力，這讓它可以充分受益於 AI 的普及。

機構給微軟的目標價是 600 美元，還有 57% 的上漲空間，認為當前的估值，依然沒有充分反映它的 AI 增長潛力。

六、中國市場：AI 晶片 TAM 將達 910 億美元，自給率升至 70%

針對中國市場，機構也做了專門的測算：
中國的 AI 晶片市場，到 2030 年，規模會達到 910 億美元，比之前的預測上調了 36%，2025-2030 年的復合增速是 23%。

這個上調的原因，主要是幾個方面：

1.字節跳動的資本開支會大幅提升，2027 年預計會達到 800 億美元，用來強化它的 AI 競爭力

2.中國的主權 AI 投入，也就是國企和政府的 AI 基礎設施建設，會進一步提升，之前有消息說，中國準備在 5 年裡投 2 兆人民幣建資料中心

3.中國的雲廠商，未來會在海外的 data center 用國產的 GPU，這會帶來額外的需求

同時，中國的 AI 晶片自給率，會從 2025 年的 42%，提升到 2030 年的 70%，隨著國產晶片的性能提升，國產替代的處理程序會加速。

七、全球資產配置：啞鈴型佈局，AI + 能源材料

最後，針對全球資產配置，機構給出了建議：
投資者應該採取啞鈴型的佈局，一方面配置 AI 基礎設施的相關標的，另一方面配置能源、材料、工業這些上游的受益標的，也就是機構的能源安全、可再生能源、國防這些類股。

而消費相關的類股，比如可選消費、必選消費、汽車，機建構議低配。

在區域上，日本依然是機構的核心超配，因為日本的通縮結束，企業盈利的動能很強；新加坡也是超配，而澳大利亞，因為面臨滯脹的風險，還有房地產的調整，機建構議低配。

整體來看，機構認為，當前 AI 類股的回呼，恰恰是佈局的機會，因為算力的供需缺口，會持續很多年，這是一個長周期的投資邏輯，短期的波動，不會改變這個長期的趨勢。

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