英國《金融時報》4月15日消息，財報顯示，摩根士丹利一季度利潤大漲近30%。《金融時報》認為，華爾街大型銀行近期業績普遍受益於地緣動盪帶來的交易機會。摩根士丹利該季度淨利潤高達56億美元，高於上年同期的43億美元，表現好於預期。該行業績增長主要由交易部門驅動，其中，股票交易收入增長25%至51億美元，固收交易收入增長29%至34億美元，均超出分析師預期。摩根士丹利投行費用增長36%至21億美元，略高於分析師預期的20億美元。去年貢獻該行約40%利潤的財富管理業務，一季度吸納1180億美元新增淨資產，該指標被投資者視為衡量業務增長的重要風向標。這是該行四年來首次連續兩個季度實現新增淨資產超1000億美元。華爾街投行業績暴漲的原因與地緣政治息息相關。一季度，美國頻頻攪動全球地緣政治衝突，包括擄走委內瑞拉總統馬杜洛，聯合以色列打擊伊朗。大宗商品市場因此劇烈波動，同時顛覆市場對未來利率走向的預期。儘管荷姆茲海峽受阻導致油價上漲，並引發全球經濟衰退的擔憂，但相關交易為華爾街的銀行帶來豐厚收益。據路透社報導，全球金融資料提供商Dealogic資料顯示，今年一季度全球併購交易總額已達1.38兆美元。而在2025年，全球併購額突破4.81兆美元，接近歷史紀錄。各類資產因全球局勢的波動促使投資者調整投資組合、增加避險以防範潛在損失，這一趨勢通常會提振交易部門業務。本季度，摩根士丹利為聯合利華食品業務與味好美擬議合併項目充當顧問。這個併購項目將締造一家市值650億美元的全球食品巨頭。與此同時，風險偏好的降溫衝擊了IPO市場，但工業與國防等類股的部分企業仍在推進上市計畫。摩根士丹利首席財務官莎倫·葉沙亞接受路透社採訪時表示，本季度IPO活動放緩，預計部分項目將延期，但不會取消。地緣動盪令華爾街銀行賺的盆滿缽滿摩根士丹利的競爭對手摩根大通、高盛、花旗集團與美國銀行也均錄得強勁的季度交易表現。美國銀行同樣於4月15日發佈財報。其中顯示，受益於交易部門拉動，全行營收增長7%至303億美元；利潤同比增長17%至86億美元。美銀股票交易收入大漲30%至28億美元，但其固收、外匯及大宗商品交易收入僅增長2%至35億美元。4月15日，摩根士丹利股價上漲超5%，創一年來新高。美國銀行股價上漲1.5%。 (羽扇觀金)

3月下旬，寒武紀的股價跌破千元大關，悲觀情緒在市場中蔓延——國產半導體難道不行了？進入4月後，半導體類股走出了反彈行情，而摩根士丹利也在此時發佈研究報告，堅定看好中國半導體行業。大摩在研報中寫道：“2028年，中國半導體自給率，預計將從2025年的24.3%，躍升至32%，這不是單點突破，而是系統升級。”大摩判斷，中國半導體正在進入加速超車期。裝置、製造、設計全線突圍，未來三年，將是國產半導體最關鍵的逆襲窗口。Part.01 自給率增速史上最快過去很多年，國產晶片自給率一直緩慢爬坡。但這一次，邏輯徹底變了。大摩給出明確預測：2025年中國半導體自給率24.3%，2028年將直接跳升至32%。三年提升近8個百分點，堪稱近年來最陡峭的增長曲線。支撐這一判斷的是實打實的資料：2025年中國本土晶片企業總營收530億美元，同比大漲22%。中國市場佔全球晶片需求的27%，龐大內需+供應鏈成熟，讓自給率進入不可逆的上升通道。這不是概念，不是預期，是已經發生、還將加速發生的產業大趨勢。Part.02 最大爆點：AI GPU徹底爆發如果說國產晶片有一個突破口，那一定是AI GPU。大摩研報明確表示，2025年就是中國AI GPU的元年。銷售額狂飆至130億美元，同比直接翻倍。市場空間從190億美元暴增到320億美元，7nm–10nm工藝良率持續突破，量產能力大幅提升。而最具標誌性的訊號，是MiniMax等頭部AI廠商，已經開始批次使用國產AI GPU。這意味著，國產GPU不再是實驗室樣品，而是真正進入AI算力核心供應鏈，承接推理端爆發式需求。國內晶圓廠全力配合產能釋放，AI晶片從設計到量產的閉環已經跑通。大摩大膽預測：2030年中國AI晶片市場規模將衝到670億美元，先由國企與政務需求打底，再由商用場景引爆長周期增長。Part.03 最穩基本盤：儲存晶片AI負責爆發力，儲存負責基本盤。兩大國產儲存龍頭，正在改寫全球半導體格局。大摩統計了2025年全球儲存晶片產能佔比：長鑫儲存（DRAM）：8.5%（從5.6%大幅提升）長江儲存（NAND）：12.6%（從7.4%跨越式增長）擴產節奏更是火力拉滿：2026年，長鑫新增60萬片/月等效8英吋產能，長江儲存新增25萬片/月等效8英吋產能。標準化儲存晶片自給率提升，最能直接拉動整體自給率上行，同時帶動裝置、材料、製造全鏈條吃滿訂單，成為國產替代最硬的底氣。Part.04 重磅訊號：海外裝置不香了晶片自主，第一步就是裝置自主。現在，最強烈的拐點訊號已經出現：海外裝置進口集體暴跌。2026年2月，中國半導體裝置進口額同比大降24%，三個月移動平均增速-15%，連續兩個月負增長。從各國進口資料來看，美國-54%、荷蘭-13%、韓國-70%、日本-39%、新加坡-9%。五大裝置強國對華出口全線收縮，背後是國產裝置滲透率快速提升。北方華創、中微公司、盛美半導體等，正在成熟製程、儲存產線大規模替代，卡脖子環節一個接一個被攻破。Part.05 製造端托底：AI晶片產能有保障光有設計和需求不夠，製造能力才是量產底氣。大摩表示，國內晶圓廠迎來雙重突破，一是成熟製程持續擴產，支撐MCU、功率器件、模擬晶片上車。二是12nm以下先進製程穩步提升，專門適配AI GPU量產。中芯國際、華虹半導體成為AI國產化核心代工支柱，把國內晶片設計公司的圖紙，變成可以大規模出貨的產品。此外，汽車電子需求爆發，進一步帶動MCU、功率半導體自給率穩步走高。雖然模擬晶片受海外價格戰短期承壓，但長期替代趨勢不改。Part.06 大摩點名四大方向龍頭大摩在報告中明確看好四大領域，全是國產替代核心受益主線：晶圓代工—中芯國際、華虹半導體：AI晶片代工核心平台半導體裝置—北方華創、中微公司、盛美半導體：裝置替代最核心標的晶片設計—瀾起科技（高性能計算）、兆易創新（儲存相關）：長邏輯最順。功率半導體/SiC—車規需求爆發，賽道持續高景氣。Part.07 關鍵判斷：國產半導體黃金三年開啟總結這份報告，大摩核心觀點非常清晰：中國半導體自給率提速，不是單點突破，是系統升級。AI GPU提供最強彈性，儲存晶片提供最穩支撐，裝置與製造築牢底層底座，三大力量共振，把自給率推上新高。未來三年，是國產晶片從“能用”到“好用”、從“可用”到“市佔率第一”的關鍵期。AI商業化落地進度，將決定這一波國產替代的最終高度。一場由技術、產能、需求共同驅動的半導體大浪潮，已經正式啟動。 (智通財經APP)

大摩2026十大預測：當AI加速狂奔，世界重新洗牌聚焦算力與AI加速AI的發展處理程序不再呈現為線性的逐步提升態勢，而是演變成一場具有階躍性質的爆發式變化，具體表現為，算力方面的需求每隔一個季度就會實現翻倍增長，語言模型的能力從處於高中生水平一下子躍升至達到博士水平的程度。到了2026年，我們將會目睹“智能通膨”以及“算力通縮”這兩種情況同時出現並上演。聚焦護城河與不可複製資產當人工智慧能夠複製任意一款軟體、任何一個產品、任何一種流程時，真正的護城河便僅存五樣事物：復合專有資料，網路效應，監管許可，大規模資本，以及——物理基礎設施。智能能夠被加速，然而原子無法被超越。聚焦全球競爭與能源政治2026年時的世界，並非是中美之間的那種雙人對決情形了，而是會演變成一場圍繞著“國內智力”、能源主權以及關鍵礦產展開的全球競賽。人工智慧要是越強，那麼其面臨的瓶頸也就會越硬；計算能力要是越高，那電力的價格也就會越貴。聚焦投資與顛覆“AI不是下一個風口，它是重新定義所有風口的地殼運動。摩根士丹利針對2026年做出的十大預測，其核心內容可以概括為：智能方面的成本正處於崩跌趨勢，然而物理世界所存在的壁壘，正在演變成最為稀缺的具備溢價性質的事物。一、LLM進步的雙軌世界：美國領先能力，中國主導成本在2026年上半年，美國前沿的大語言模型將會達成“階躍式”的能力提升，尤其是在程式設計領域、學術推理領域以及網路安全領域。中國在成本最佳化方面以及實用性方面持續處於領先的地位。“雙軌”格局會引發市場對於AI顛覆性以及通縮效應的廣泛探討，順帶還會推動算力需求迅速地增長。投資者應當留意AI基礎設施、AI+醫療等主題類股。大摩表明，54%的讀者已然不能夠區分AI生成的文章與人類寫作，這意味著知識工作的成本正在急劇下降。二、算力需求遠超供給：AI進入“算力通膨”時代在全球範疇內，有資料顯示，周度的Token使用量在2026年1月份的時候為6.4兆 ，到了3月份就急劇增長到22.7兆 ，增長幅度大概是250%。像OpenClaw這類的Agentic AI工具 ，其普及正在加快算力枯竭。摩根士丹利秉持這樣的看法 ，算力短缺會成為系統性瓶頸 ，這對於晶片製造 、儲存 、光學網路 、邊緣計算等“去瓶頸”領域是有利多的。企業級AI應用會比消費級應用優先獲得資源傾斜。簡單來講就是：誰擁有算力，誰就擁有下一張牌桌的入場券。三、美國政策議程：從自給自足到全球戰略博弈美國所推行政策的重點，原本定位在“關鍵礦產自給”這一方面，如今卻已然展開了擴展行動，擴展的方向乃是朝著國防、能源以及技術主權領域的全面自主化邁進。應該重點關注國防科技領域，國防科技涵蓋了無人機、電子戰、3D列印這些內容，同時還應當關注關鍵礦產、核能復興、清潔能源儲存等相關類股。大摩著重指出，美國國防部已將“規模化定向能武器”以及“規模化高超音速武器”列為六大關鍵技術，這並非是在進行演習，而是軍備競賽的人工智慧版本。四、AI技術轉移與“國內智力”：技術主權成為新戰場摩根士丹利提出了“國內智力”這個概念，即國家層面的AI能力儲備，機會聚焦於AI基礎設施、關鍵礦產、AI賦能者以及人形機器人領域，報告引用史丹佛研究表明，中國處於“算力受限”情形 ，美國處於“能源受限”情形——這兩個超級大國分別在不同的瓶頸處受阻。五、能源政治：AI增長引發電力 backlash在全球範疇之內，AI資料中心的擴充，致使電力價格出現上揚，在美國存有180億美元的資料中心項目，由於社區反對才被取消，政策會趨向於去支援低成本能源，並且促使“離網”供電方案得以推進，（諸如燃料電池、渦輪機、儲能這類供電方式），應當理應留意能源安全、核能、天然氣全球化、清潔能源以及儲能等主題，大摩發出了警示，在未來幾年當中，美國資料中心將會遭遇10 - 20%的電力缺口，——AI的瓶頸如今已並非是晶片問題之處了，而是變壓器以及民意方面的問題了。六、AI與能源的戰略融合：科技巨頭走向能源主權Meta已對Terrapower核能項目投入資金，這顯示出AI玩家正試圖把控能源命脈。摩根士丹利認為，AI公司會加速收購“離網”電力資產，還會推動長時儲能技術進步。這會抑制天然氣需求，對太陽能與儲能類股帶來利多。報告直接指出：“AI公司正在轉變為能源公司”——緣由是掌控電的一方，才能夠使模型持續運行。七、中美製造業增長：人形機器人縮小成本差距中國不斷持續擴大製造業份額，借助產業政策、銀行資本以及人力儲備，美國憑藉人形機器人意圖“再工業化”，報告經過測算得出，一旦人形機器人滲透率達到20%，美國製造業總成本就會和中國持平，受益者涵蓋工業自動化、機器人、AI晶片、量子計算、生物製造等戰略產業，大摩所做的一筆帳表明，用機器人替代美國工人，總擁有成本能夠節省85%，這不是外包，而是“物理智能”的重新建構。八、拉丁美洲的三重變革政策出現轉向，地緣政治開展重組，利率抵達頂峰，這幾個因素正推動拉美進入一個以投資為主導的增長周期裡，墨西哥、巴西等國家在全球多極格局中地位有所提高，摩根士丹利推薦選取的拉丁美洲股票涵蓋了金融、科技、消費品、能源、醫療等多個領域，這顯示該地區具備明顯的結構性機會，並且這種機會正在加快呈現出來，報告特意指明，拉丁美洲所擁有的“物理豐裕”狀況指的是資源、土地、能源這些要素，如今它們逐漸成為全球供應鏈重組之時的稀缺籌碼。九、再技能培訓與AI就業政策報告預測，百分之九十的職業都會受人工智慧影響，企業正積極推進再技能培訓。然而，在市場裡，“再技能培訓”主題表現不盡人意，這體現出投資者有擔憂，害怕人工智慧自身或許會顛覆教育及招聘平台。摩根士丹利提醒，雖政策干預會增多，但部分相關企業自身也可能被人工智慧替代。在過去十二個月裡某項調查顯示，人工智慧已經使得百分之十一的崗位消失，還有百分之十二的崗位不再進行補招，淨減少了百分之四，而且發現小公司有著更大的裁員力度。十、變革性AI：通縮、估值重構與國家競爭力在當下這個時候，AI依靠著極低的成本，去替換知識工作，甚至涵蓋了部分體力勞動，報告引用了“AI 護城河”這一理論，該理論標明，真正的防禦性資產來源於：複合型的專有資料，以及網路效應，還有監管許可，以及大規模資本，和物理基礎設施 ，這些“AI 無法複製”的資產會變成新一輪價值重估的核心 ，投資者應該重新審視傳統的估值模型，留意那些 AI 無法輕易替代的實物與制度資產。大摩最後給出了一個相當尖銳的結論，即，智能變得便宜了，可是世界不會因這個緣故就變得廉價，真正的溢價，正回歸到原子世界。(TOP行業報告)

AI的下一場革命，是從“理解語言”轉向“理解物理世界”，而世界模型，正是這場革命的核心載體。AI的下一個增長曲線在那裡？摩根士丹利在2026年3月發佈的研究報告中，給出了明確答案——世界模型（World Model）。世界模型將成為AI從“數字世界”走向“物理世界”的核心鑰匙，開啟又一個兆級產業賽道。這份由Adam Jonas團隊撰寫的報告，系統拆解了世界模型的定義、技術路線、應用場景與投資邏輯。報告指出，大語言模型紅利見頂，下一場競賽是世界模型。大語言模型紅利見頂，AI進入物理時代不可否認，大語言模型（LLM）重塑了AI的應用邊界，在文字生成、程式碼編寫、智能搜尋、白領辦公等數位領域展現出強大能力。但摩根士丹利在報告中直言，LLM的增長已觸達天花板，其核心短板在於——缺乏具身認知能力。簡單來說，LLM能完美描述“把杯子放在桌子上”，卻無法判斷杯子是否會傾倒、桌子能否承載重量；能寫出自動駕駛的程式碼，卻無法理解車輛行駛中的物理慣性與路況變化。這種對三維空間、物理規律、時間演化與因果關係的“無知”，決定了純語言AI的時代正在走向頂峰。報告核心論斷：AI的下一場革命，是從“理解語言”轉向“理解物理世界”，而世界模型，正是這場革命的核心載體。什麼是世界模型？不同於專注於文字互動的LLM，世界模型被摩根士丹利定義為AI的“想像引擎”——它能讓AI真正“看懂”物理世界、“預判”未來變化、“推演”行動結果，核心具備四大能力：空間理解：精準掌握3D幾何結構、物體位置、空間關係，以及不同視角下的場景變化；物理建模：模擬重力、運動、碰撞、流體動力學、摩擦等真實物理規律，還原世界運行邏輯；時序預測：預判未來幾秒、幾分鐘乃至更長時間內的場景狀態演化，提前規避風險；互動決策：在實際行動前進行虛擬推演，實現“先思考、後行動”，提升決策效率與安全性。五大技術路線：全球競賽的核心賽道當前，全球科技巨頭與初創公司正加速佈局世界模型，摩根士丹利在報告中梳理出五條平行且不斷融合的主流技術路徑，構成了行業研發的核心框架：互動式動作條件模型（代表：DeepMind Genie）：類似“學習型遊戲引擎”，環境能隨智能體的動作即時響應、動態變化；一致性3D世界生成器（代表：World Labs Marble）：生成的3D世界具備高度幾何一致性，支援任意視角探索，還原真實空間邏輯；抽象表示模型（代表：Meta V-JEPA）：不追求像素級渲染，重點聚焦高層邏輯推理，提升模型的決策效率，其最新版本V-JEPA 2已能通過觀看海量視訊實現物理規律理解與機器人控制；預測型生成模型（代表：Wayve GAIA、NVIDIA Cosmos Predict）：核心能力是預測場景下一狀態，為自動駕駛、機器人規劃提供支撐，其中Wayve的GAIA系列模型可通過文字、視訊輸入生成逼真駕駛場景，助力自動駕駛邊緣場景測試；物理約束模擬引擎（代表：NVIDIA Cosmos Transfer）：結合世界模型與專業物理引擎，生成高保真合成資料，降低真實場景資料採集成本。兆應用：從自動駕駛到數字內容全面重塑世界模型並非停留在實驗室的概念，報告披露了多個已落地的標竿案例，其應用場景已覆蓋多個兆級產業，正在逐步重塑行業格局：自動駕駛：Waymo基於DeepMind Genie系列模型，完成了數十億英里的虛擬路測，高效驗證極端天氣、複雜路況等邊緣場景，大幅降低實車測試成本，與Wayve GAIA系列模型共同推動自動駕駛虛擬測試落地；機器人：通過世界模型建構物理一致的虛擬環境，訓練機器人完成抓取、搬運、組裝等複雜互動動作，Meta V-JEPA 2模型僅通過62小時機器人操作視訊，即可實現對未接觸過的機械臂的控制，提升機器人在真實場景的適配能力；遊戲與影視：微軟Muse利用世界模型，可生成具備一致性、多樣性和持久性的遊戲場景，其基於7年人類遊戲資料訓練，能生成接近人類真實操作的遊戲序列，目前已應用於Xbox相關遊戲研發；Roblox則通過自研世界模型，打造沉浸式虛擬場景，提升使用者體驗；設計與建築：設計師只需輸入文字提示，就能通過世界模型快速生成3D空間方案，並即時迭代調整，大幅提升設計效率；工業自動化：利用預測性物理建模，最佳化生產線佈局、物流調度等環節，降低生產損耗，提升工業生產效率。六大挑戰：通往成熟的必經之路儘管世界模型前景廣闊，但摩根士丹利在報告中也客觀指出，當前技術仍面臨六大核心瓶頸，仍是通往規模化應用的必經之路：時序一致性不足：長時間互動易出現場景狀態漂移，目前主流模型僅能支援分鐘級的穩定模擬，微軟Muse等模型當前可實現分鐘等級的穩定序列生成；可控性有限：模型的動作空間較為狹窄，難以適配複雜多變的真實應用場景，限制了實用價值；多智能體難題：多主體間的複雜動態互動（如多人協作、多機器人配合）建模尚未實現突破；資料稀缺：高品質的物理互動資料採集難度大、成本高，成為模型迭代的重要制約，Wayve GAIA-1、微軟Muse等模型均需海量資料訓練，進一步凸顯資料稀缺問題；評測基準缺失：目前行業缺乏衡量世界模型長期性能的通用評估標準，難以精準判斷模型優劣；算力鴻溝顯著：訓練世界模型的算力需求，是普通大語言模型的10–100倍，微軟Muse訓練過程中需用到百台級GPU叢集，對算力基礎設施提出極高要求。巨頭與初創的兆角逐隨著世界模型成為AI下一站的共識形成，全球資本已掀起佈局熱潮，一場兆級的競賽已全面打響。報告預測，到2035年，世界模型賦能的產業規模將達到10兆美元，成為推動全球經濟增長的核心動力之一。科技巨頭領跑：Google（DeepMind）、Meta、微軟、特斯拉、輝達等科技巨頭，每年投入超100億美元用於世界模型研發，搶佔技術制高點，其中Meta、微軟均已推出V-JEPA 2、Muse等標竿模型；初創公司突圍：World Labs、AMI Labs、Wayve、Character.AI等明星初創企業，聚焦細分賽道，成為技術創新的重要力量，Wayve作為自動駕駛領域初創獨角獸，其GAIA系列模型已引發行業關注；基於對世界模型產業的深度分析，摩根士丹利給出了明確的投資邏輯，清晰劃分出受益與受衝擊的賽道：核心受益賽道：算力提供商（NVIDIA、AMD）、模擬平台、機器人硬體、自動駕駛解決方案，將直接受益於世界模型的規模化應用，其中算力提供商將持續受益於模型訓練的高算力需求；面臨衝擊領域：那些僅專注於純語言模型、缺乏空間與物理能力的公司，將逐漸被行業淘汰；長期投資邏輯：AI正從“數字智能”全面邁向“物理智能”，世界模型作為連線字與物理世界的關鍵基礎設施，是通往通用人工智慧（AGI）的必經之路，長期價值凸顯。 (未來科技X)

近日摩根士丹利發佈了《China AI GPUs – Closing the  Gap with the US 》，報告裡提到了關於中國AI晶片一些情況，我們摘取了部分內容，分享給大家。原文連結在文末。一、到2030年中國AI晶片市場規模將達670億美元我們在預測中國 AI GPU 市場時，採用了情景分析法，把供應、需求以及地緣政治方面的風險都考慮進去了。我們估算：到 2030 年，總的可觸達市場規模將達到 670 億美元。這意味著 2024 年到 2030 年間的年複合增長率（CAGR）為 23%。到時候，推理（inference）帶來的需求將超過訓練（training），這部分支出大約會佔到雲廠商總資本支出的 51%。我們的估算是基於主要雲服務商、電信營運商、政府及國企買家，以及其他 AI 相關公司的雲資本支出總和得出的。中國AI晶片市場規模從Morgan Stanley這張圖中我們也可以大致看出：增長初期主要由主權/國企（Sovereign & SOEs）和電信營運商驅動，但長期增長的關鍵在於“商業化應用”（Commercial Usage，主要體現在中國雲服務商CSP的支出上）。從結構上看，中國雲服務商（藍色部分）的支出佔比逐年擴大，從2023年的約60%增長到2030年接近400億美元，成為最大的單一需求來源。這表明AI晶片市場正從政府主導逐步轉向以商業需求為主導的成熟階段。我們預計，國產 AI 晶片的收入將從 2024 年的 60 億美元增長到 2030 年的 510 億美元（年複合增長率 42%），這將把自給率從 33% 提升到 76%。中國AI晶片自給率另外Morgan Stanley也提到了AI晶片在雲資本支援中的比例。AI 晶片佔全球雲資本支出總額的百分比從這張圖中，我們大致可以看出：從 2021 年到 2026 年，雲服務商在 AI 晶片上的花費佔其總資本支出（Capex）的比例從極低水平（約 5% 左右）急劇攀升至 45% 以上。另外Morgan Stanley認為，華為和寒武紀在短期內會領跑AI晶片的市場中國AI晶片廠商市場份額預估2026中國AI GPU市場份額二、十大中國AI晶片廠商與輝達（NVIDIA）的處理器在中國市場的情況相比，國產晶片擁有更低的總體擁有成本（TCO），並且在單個Token的處理成本（針對AI大語言模型推理任務）上具有可比性。Spec overview：中國AI晶片與輝達（NVIDIA）在產品 對比。(萌趣AI小棧)

摩根士丹利近日發佈《中國最佳商業模式研究（第二版）》，基於基本面、量化和主題研究的綜合判斷，甄選出26家具備可持續競爭優勢的中國公司。該組合自2023年以來累計回報達101%，較MSCI中國指數超額收益83%，三年期夏普比率約1.2，ROE約17%（約為基準的1.5倍）。本次篩選特別強化了AI適配能力、全球主題一致性及主動行業配置。下面是26家公司的完整股票清單。騰訊控股 福耀玻璃 阿里巴巴 百勝中國華住集團 中國石油 寧波銀行 富途控股中國平安 恆瑞醫藥 英矽智能 寧德時代創科實業 匯川技術 思源電氣 中通快遞北方華創 瀾起科技 ASMPT 工業富聯立訊精密 紫金礦業 華新水泥 藍曉科技華潤置地 長江電力重要提示近期市場分化劇烈，很多人都在問：下一階段的領漲核心在那裡？其實，答案就藏在那些經歷過多輪牛熊考驗、股價屢創新高的“中國好公司”裡。它們不一定是最熱門的題材，但一定是最紮實的資產。(投研派)

AI浪潮前的250年：五次技術革命如何重塑美國經濟我們站在人工智慧時代的門檻，內心既充滿期待又有著揮之不去的心存憂慮。摩根士丹利給出的最新研究成果復盤了美國過去250年裡的五次重大技術革命，為我們提供了一面具有參考意義的歷史鏡子。從曾經的蒸汽機一直到後來的網際網路，每一次變革都遵循著較為相似的發展軌跡：開始的時候衝擊就業情況，處於中期的時候伴隨出現金融泡沫現象，而到了長期階段則會對經濟結構進行重塑。歷史不會進行簡單的重複，然而卻總是押著有著相似感覺的韻腳。第一次浪潮：工業革命（18世紀末-19世紀中葉）—— 水力與運河的時代新英格蘭的紡織廠拉開了美國工業化的序幕，從1793年第一座水力棉紡廠建立，直至1840年代蒸汽動力普及，這場持續約60年的變革，把生產從家庭作坊搬進了集中化的工廠。這一時代的註腳是基建狂潮，在1820至1830年代這段時期，運河建設處於熱火朝天的狀態，投資峰值的時候佔到了GDP的1%，這等同於如今的3150億美元，圖表3呈現出了運河投資在1837年金融恐慌之前的迅速攀升以及急劇下降，可是，並非所有的基建都是成功的，好多運河項目最終走向了破產，只有像伊利運河這樣的少數項目切實降低了運輸成本。勞動力市場歷經了頭一回的大洗牌，農業就業佔比，1800年時為74%，到了1850年降至55%，被工廠裡的半熟練工人所替代，雖說紡織工等傳統手工業者面臨淘汰，然而建築業、製造業以及貿易，吸納了大批轉移勞動力，證實技術替代是在“重新配置”就業而非“消除”就業。在1800年至1850年這個時間段當中，生產率提升呈現出溫和然而堅實的態勢，人均實際產出每年平均增長大概0.84%，歷經五十年的時間累計增長達到57%，這一特定時期為美國從農業國朝著工業國轉型奠定了基礎。第二次浪潮：蒸汽、鐵路與鋼鐵（1830-1910）—— 重工業的資本盛宴第二波浪潮持續的時長約為55年。1869年橫貫大陸鐵路建成，把美國連接而成為統一的市場。鐵路里程從1860年的僅有3萬英里，急劇增長到了1900年的19.2萬英里。電報以及電話的普及，更是使得全國市場達成了即時通訊。在1872年至1881年，美國歷史頭一回出現了真正意義上的資本密集型周期，這個時間段當中，鐵路投資平均每年佔據了GDP的2.5%（此數值相等於當下大概7900億美元數額），在資本形成總額裡佔比超過了10%，達到這般規模的基建既催生出了現代公司制度模樣，還埋下了金融方面的隱患 —— 1873年及1893年時候的大恐慌態勢都跟鐵路過度建設存在著緊密關聯，鐵路股價呈現出典型的繁榮到蕭條周期狀態。1850年至1910年，經濟產出方面出現質的飛躍，在這個時段內，實際人均產出的增長超過了一倍之多，年均增速達到了2.1%，此增速是第一波浪潮增速的兩倍（圖表17），在1860年時農業就業佔比高於50%，到1910年時該佔比急劇下降至30%，製造業容納了四分之一的勞動力，不過，那個所謂“鍍金時代”也目睹了極端的財富集中情況的發生，進而促使了後續反壟斷立法以及累進所得稅的產生。第三次浪潮：電力與內燃機（1890-1950）—— 生產率的"大躍進"第三波浪潮是以電氣化以及汽車普及作為標誌，它持續了大約50年。在1902年到1929年這個時間段內，美國的發電量增長超過了十倍。福特T型車以及移動裝配線使得汽車從奢侈品轉變成為大眾商品。到1930年的時候，全美汽車保有量達到了2300萬輛。這一情況推動了郊區化以及公路網的建設。這一階段造就了美國歷史裡最為知名的生產率奇蹟，因電力驅動的流水線生產而受益，在1909年至1929年期間全要素生產率平均每年增長1.5%，非農業企業每小時實際產出在三十年的時間裡實現了翻倍（圖表28），雖然歷經了大蕭條所產生的強烈衝擊，然而到二戰結束之際，生產率水平已然遠遠超過了1900年之前。勞動力結構朝著專業化以及白領化的方向進行轉型，農業就業下降到了20%，工程師的數量在六十年間增長了18倍，化學家的數量同樣在六十年間增長了18倍，技術職業需求出現爆發式增長，需要著重指出的是，雖然在這期間失業率曾經急劇上升到25%，但是自然失業率並沒有呈現出長期上升的態勢，這證實了技術替代更多的是一種周期性的調整而並非永久性的失業。第四次浪潮：電子與航空（1940-1980）—— 黃金時代的公私聯盟第四波浪潮把電晶體（1947年）、積體電路（1958年）以及商用噴氣式飛機當作核心，持續了大約40年。這是一場由政府主導的深度產學研合作，冷戰期間聯邦研發支出佔GDP比例在十年裡翻了兩番（圖表36），高等教育研發資金裡面聯邦政府佔比超過70%。在1945年至1973年這段時期，被稱作是美國經濟的“黃金時代”，實際國內生產總值平均每年增長超過4%，勞動生產率平均每年增長在2.5%至3%之間，可是，在1973年之後生產率出現明顯放緩，部分原因在於石油衝擊以及前期技術紅利的消耗殆盡。勞動力市場的深度轉變，製造業就業佔比於1947年達33%的峰值後持續跌落，服務業成了就業關鍵部分。收入不平等在1950至1970年代被抑制在較低水平（“大壓縮”），不過1970年代末轉變方向，預告著下一個時期的降臨。第五次浪潮：網際網路與數字網路（1990-2020）—— 無形資本與平台經濟第五波浪潮，是以摩爾定律所驅動的計算成本下降以及網際網路商業化為核心，持續的時間約為30年。電腦的相對價格，在二十年間出現了暴跌的情況（圖表44），投資結構發生了根本的轉變：圖表46清晰地展示出了1980年到2020年的巨大變化——建築物投資的佔比，從65.5%下降至不足20%，而裝置以及智慧財產權（軟體、資料庫、演算法）的佔比，升至80%以上。生產率展現出一種呈現“十年激增”態勢的特徵，在1990年代中期直至2000年這個階段，勞動生產率由年均的1.5%加速到了3.0%，然而在那之後又回落到了1.5%左右，在網際網路泡沫存在期間，納斯達克指數出現飆升現象，IPO數量以及首日回報率創下了歷史新高，這展示出了在創新浪潮當中金融市場所具備的加速器與放大器的作用。但是，這股浪潮卻使得社會分化的狀況更加嚴重了。收入不平等的程度急劇變差：收入處於前10%的份額從1980年的大約30%上升到了50%以上，頂層1%的財富所佔比例急劇升高。中等技能的崗位（製造業、文員類工作）呈現出“空心化”的現象，就業朝著高技能專業崗位以及低技能服務崗位這兩個極端集中起來。2000年之後製造業就業數量急劇下降，而軟體開發、資料科學等創新型職業得以快速擴張。歷史的啟示：AI時代的劇本五次浪潮描繪出明了的歷史路徑，技術擴散速率依次加快、從六十年被壓縮至三十年，投資重點由基建（運河、鐵路）轉向無形資本（軟體、資料、演算法）。每回革命起始階段都伴有勞動力市場波動以及金融泡沫，然而最終都達成了生產率提升。關鍵之處在於，當教育擴張跟制度適應（反壟斷、社會保障、技能培訓）一同推進的時候，技術紅利才能夠被廣泛地共享。面對有可能出現的第六次浪潮（AI），歷史向我們表明：轉型是無法避免的，然而結果取決於我們怎樣去管理這一過程——是再次陷入“鍍金時代”那種貧富分化的境地，還是重建“大壓縮”時期那種廣泛繁榮的局面呢，這需要政策制定者、企業以及教育工作者的共同智慧。 (TOP行業報告)

路透社消息，摩根士丹利周三(4月1日)宣佈，德國前財政部長Joerg Kukies將加入該行。Kukies是德國金融界最傑出的人物之一，他將於5月加入摩根士丹利，在倫敦工作數月後調往法蘭克福，擔任德國和奧地利地區負責人(country chief for Germany and Austria)，同時兼任摩根士丹利歐洲大陸業務主管(head of Morgan Stanley's continental European operations)。(瑞恩資本)