下半年，真正的麻煩不是需求，而是成本AI沒有“熄火”，但2026年的科技行情可能沒那麼順了。摩根士丹利最近發了一份年度展望，把今年的節奏掰成了兩段：上半年還能吃AI基建的紅利，到了下半年，成本上漲的壓力會開始考驗真實需求。誰有定價權，誰才能活得好。1.6兆美元的半導體大餅報告裡給了一個很猛的數字：2026年全球半導體收入衝到1.6兆美元，同比增速差不多96%。這個增速要是真能兌現，資金一定會往那些“最卡脖子”的地方擠。不是隨便買個晶片股就能賺錢，得找準瓶頸在那。過去大家只盯著GPU，但現在情況變了。記憶體重新站上C位，而且EUV光刻機和CPU，正在成為下一輪瓶頸。HBM緊到離譜，供給充足率只有2%先看記憶體。DRAM價格有望突破歷史高點，合約價和現貨價已經出現明顯錯配，說明供需關係非常緊張。更誇張的是HBM（高頻寬記憶體）。大摩根據供應鏈資料算了筆帳：HBM市場規模從2023年的30億美元，到2026年會飆到510億美元，2027年衝到720億。但供給呢？充足率被壓到只有2%左右。也就是說，只要AI推理需求還在，記憶體就會一直緊下去。緊到什麼時候？報告甚至說，2028年前後可能出現“前所未有”的資本開支，到時候EUV光刻機這些上游裝置會被徹底推上風口。CPU成為新瓶頸，光刻機跟著受益這輪AI不只是訓練大模型，接下來要往Agentic AI（智能體AI）走。AI從“生成內容”進化到“自主行動”，系統瓶頸就不只是堆GPU了。CPU的編排作用變得關鍵。大摩給了個測算：到2030年，Agentic AI會帶來325億到600億美元的CPU增量機會，同時新增15到45EB的DRAM需求。換句話說，GPU還是重要，但決定上限的可能變成CPU、記憶體、基板、裝置和代工。短板會輪換，誰卡住位置誰受益。先進製程代工這邊，台積電被點名。AI需求能支撐它未來五年每年20%的收入增長。前道裝置（SPE）在2026年下半年會再加速，尤其是那些DRAM暴露高、跟著先進節點擴張的公司。ABF基板、MLCC、散熱全都要緊ABF載板的供需拐點就在眼前。2027年起會持續短缺，T型玻璃基板甚至緊到2028年。AI GPU和網路晶片用的ABF載板，在整個需求裡的佔比會從2020年的18%漲到2030年的75%以上。MLCC更直接。一台AI伺服器的MLCC用量是普通伺服器的20倍以上。GB200 NVL72機架單機高達4635美元。當前MLCC庫存處於歷史低位，需求還在加速。散熱方面，2026年第二季度預計會是熱管理公司的單季出貨紀錄，液冷滲透率持續往上走。下半年的麻煩：成本太高，需求扛不住大摩把下半年的風險直接指向“科技通膨”。晶圓代工、封測、記憶體的成本往上走，會一層層壓到整機和晶片設計公司頭上。終端不一定能把漲價全部轉嫁出去，結果就是需求被擠壓，利潤率更難守。最慘的是邊緣AI。手機和PC本來想搞AI算力升級，但因為BOM成本飆升，大機率被推遲。對很多靠消費電子出貨的公司來說，2026下半年會很難熬。大摩還提了一個熊市情形：第一輪投資容易過度，後面大家會更理性。一旦發現“錢花出去了但方向不清晰”，回報率會被反覆質疑。再加上電力牆和資金約束，部署節奏會明顯放慢。 硬體這邊，靠近資料中心的活得滋潤，貼近消費電子的就難受了。 (世界半導體技術論壇)

大摩親自替我們去了一趟泰國，聽上去的好消息比較多。大家可以仔細看看。後面一些再細節的內容，我們會跟進一些大廠專家的調研。Q：摩根士丹利這次去泰國調研PCB工廠，整體感覺怎麼樣？產能利用率這些有沒有什麼新變化？A： 摩根士丹利在4月份再次走訪了泰國的三家PCB公司，包括勝宏科技、滬電股份、超穎電子。與他們在1月份的首次調研相比，這次最直觀的感受就是工廠明顯更忙了，這直接指向了更高的產能利用率。摩根士丹利強調，他們走訪的一些工廠已經在本季度（即2026年第二季度）達到了單月盈虧平衡的水平，而其他一些工廠則預計到今年年底也能實現。這種時間上的差異，主要反映了各家工廠產能擴張節奏的不同。總的來說，過去2-3年這一波在泰國的PCB產能擴張，現在開始看到成果了。有一家被訪公司還提到，第三方研究預測，泰國PCB的產值將從2025年的50億美元飆升至2030年的300億美元，這意味著期間的年複合增長率（CAGR）將超過40%。Q：市場之前很擔心PCB產能過剩的問題，現在怎麼看？特別是2027年和2028年的供需情況？A： 關於產能過剩的討論，時間點確實在往後移。摩根士丹利明確指出，從3月份開始，市場的擔憂已經從2027年轉移到了2028年，而他們這次調研的公司也再次確認了這個觀點。對於2028年，供需動態確實還存在不確定性，但摩根士丹利的討論顯示，如果M10等級的覆銅板（CCL） 的採用加速，供需關係可能會保持緊張。因為更高等級的CCL需要更多的鑽孔和電鍍產能，這反而會消化掉一部分新增的供給。Q：AI相關的PCB業務現在是什麼情況？下一代產品的技術規格和價格有什麼變化嗎？A： AI GPU計算PCB的需求依然非常強勁。摩根士丹利觀察到，2026年第一季度的出貨量環比是增長的，第二季度預計還會繼續環比增長。目前的需求主力還是當前一代的GPU計算PCB。而下一代GPU計算PCB預計將在2026年6月進入量產。根據摩根士丹利的瞭解，下一代產品在技術上有幾個明確的升級：尺寸會稍微變大，使用的CCL等級從M7升級到M8，層數也從22層增加到26層。這些變化直接導致其平均銷售價格（ASP）會更高，不過最終定價尚未確定。另外，摩根士丹利還提到，中背板（midplane）PCB的規格目前也還沒有最終確定。對於Google這邊，預計從TPUv8開始會有新的供應商進入供應鏈，這些30層以上的PCB量產很可能在2026年第四季度開始。Q：CCL價格上漲了，這對PCB公司的盈利能力會有什麼影響？PCB廠商能順利把成本轉嫁出去嗎？A： 摩根士丹利認為，CCL漲價的影響要分短期和中期來看，而且不同產品情況也不同。短期來看，確實有壓力；但中期來看，影響不大。 對於當前的GPU計算PCB，自量產以來，其價格和CCL價格都基本保持穩定，摩根士丹利預計這種狀態會貫穿整個產品生命周期。而下一代GPU計算PCB的定價，本身就會反映更高的CCL成本結構。但在GPU AI之外的領域，CCL價格確實在上漲，這會對2026年第一季度的利潤率造成壓力。不過好消息是，PCB廠商已經開始行動了。摩根士丹利強調，從4月1日開始，PCB公司已經將上漲的成本轉嫁給終端客戶，這與他們對金像電子（Gold Circuit）的調研結果一致。因此，第二季度的盈利能力應該會有所改善。展望下半年，由於高端PCB的供給預計仍將緊張，PCB廠商還有進一步調價的空間，利潤率存在上行潛力。Q：摩根士丹利在這份報告裡有沒有明確看好的公司？他們的估值邏輯和主要風險是什麼？A： 有的。大家看原文吧。還是多跟大家講講風險吧，摩根士丹利列出了上行和下行風險。上行風險包括：伺服器和交換機需求超預期、NB需求強於預期、強大的產品能力和市場競爭力支撐了更高的定價、以及AI伺服器滲透速度快於預期。下行風險則包括：伺服器需求慢於預期、NB需求弱於預期、競爭導致更嚴重的價格侵蝕、以及AI伺服器滲透速度慢於預期。 (數之湧現)

中國正憑藉“十五五”規劃的高層設計理念，嘗試在外部施加的壓力以及內部自身轉型升級之間，探尋出一條得以重新塑造發展形態的征途路徑。摩根士丹利近日發佈的《十五五規劃如何重塑中國經濟？》深入分析了地緣政治和中國五年計畫對中國經濟結構的重塑作用。以下是報告主要內容剖析，文末附全文PDF。一、能源之痛：衝擊為何反向加速綠色轉型？因地緣衝突致使能源價格急劇飆升，這對於任何一個製造業大國而言，無疑都是一場“成本風暴”。然而，這份報告在開篇之際就明確指出了一個違背直覺的判斷，即中國不但能夠較為良好地應對能源衝擊，而且反倒有可能憑藉此番狀況加速全球綠色轉型。究其原因，是由於中國早就設定了更為激進的綠色能源結構目標，也就是從依賴化石能源轉而以新能源為主導，這並非是一道選擇題，而是一道必須作答的必答題。按照國際能源署所提供的資料表明，中國在太陽能、風電以及電動汽車產業鏈方面的佈局已然形成了系統性優勢。每逢外部衝擊降臨，便會反向促使內部結構進行調整，油價越是高企，新能源的經濟優勢就越發顯著，能源方面所遭遇的困境，現下正演變成綠色經濟發展的催化劑。📊 圖表：中國已設定更加綠色的能源結構目標二、晶片與稀土：中美博弈的兩條暗線，誰握主動權？中美關係演變向來並非是那種呈直線式的敘事方式。該報告把短中期二者博弈的焦點確定在了兩個關鍵詞上面：晶片以及稀土。中國在稀土和鋰電池領域處於全球佔據主導地位的狀態，這張所謂的“資源牌”在短期內不存在其他人能夠企及的情況；然而美國在晶片領域所實施的封鎖舉措，也致使中國切實體會到了那種猶如被卡住脖子般的切膚之痛。報告詢問了一個關鍵的問題：中國處於主導地位的這種情形能夠持續多長時間呢？答案是由兩件事情來決定的——能不能在稀土加工技術方面持續保持領先地位，能不能在高端晶片這方面達成自主突破。這存在著一場時間跟技術之間展開的賽跑，究竟是誰能夠率先跑通，從資源一直到製造的閉環，那麼誰就將會掌握，下一輪全球產業鏈的話語權。三、通膨的“假面”：價格回來了，但需求沒跟上近期市場熱烈討論著“通縮要結束了”，然而報告卻認為GDP平減指數轉正，並不等同於良性再通膨。當下物價的提高，主要是依靠由能源以及上游原材料所促使的成本傳導，並非需求拉動。其中有個殘酷現實，上游企業利潤率的確在變好，可是下游企業，特別是中小企業，因成本被擠壓得難以呼吸。報告用一張圖把下游利潤率能不能提升，取決於通膨是“成本推動”還是“需求拉動”清晰展示出來了，這樣的情況。眼下面臨著這樣的狀況，房地產處於低迷狀態，勞動力市場體現出疲軟態勢，居民群眾的消費意願有所欠缺，需求端存在的“缺失一環”一直都未曾被填補上。通膨已然再度出現了，然而相應的幸福感卻並未隨之而出現。四、十五五的“綱”：科技自立，AI何以成為引擎中的引擎？如果說地緣政治屬於外部壓力，那“十五五”規劃便是內部應答，報告清晰點明，十五五把科技被放置於核心之處，而AI是科技的引擎，一組資料讓人興奮不已，中國AI晶片自給率預見到2030年之時會提升至76%，與美國的差距正從“代差”演變為“代際追趕”，在性價比層面，國產晶片已然接近A100，並且逐漸朝著H200靠攏。更具關鍵性的是，從算力起始至雲服務，從模型延伸到應用，中國正處於建構從硬體直至軟體的全端能力的處理程序之中。這並非單純的技術層面問題，而是更為關乎生產率的問題，在勞動力人口呈現下滑態勢的背景情形下，AI屬於少數能夠對這一趨勢起到避險作用的力量。以科技作為綱領，綱舉便能目張。五、機器人革命：從數字AI到物理AI，成本優勢如何變現？AI 是“大腦”，那麼機器人便是“身體”。報告作出預測，到 2050 年，中國人形機器人累計採用量會佔到全球 30%，這背後最關鍵的競爭力並非演算法，而是成本。中國在製造、組裝、供應鏈整合方面的綜合成本優勢，使得其他國家根本無法與之相比。更為關鍵的是，機器人正把人工智慧從“數位領域”引入“實體層面”，其涵蓋了工廠、物流行業、養老範疇及醫療領域，每一個所處情形都是全新的市場天地；中國製造所具備的傳統優勢，正和人工智慧的新型優勢產生化學變化反應。這說不定是中國於接下來的十年間最為值得期許的增長線路走向：從充當的“世界工廠”角色轉身邁向“智慧型製造廠”轉變。六、居民為何不敢花錢？社保改革才是內需的真正鑰匙一則報告披露了一個長時間以來對中國經濟造成困擾的矛盾情況：居民儲蓄利率處於高位，並不是國人愛存錢，而是由於不敢進行消費。一張根據收入劃分層次的家庭儲蓄率方面的圖表清楚地呈現出：低收入的家庭儲蓄率非常低，然而高收入的家庭儲蓄率卻極其得高。這是為何？因為社保體系呈現出碎片化狀態，城鄉之間的差距很大，養老、醫療以及長期護理方面的保障不夠充分，致使預防性儲蓄一直處於較高水平。報告所給出的藥方為：借助社保改革，把資源朝著邊際消費傾向高的低收入家庭予以傾斜，適度提升農村養老金，建構長期護理險，縮小福利差距，這些看上去屬於“財政負擔”的舉措，恰恰正是啟動內需最為有效的槓桿，沒有安全感，便不存在消費力。七、供應鏈的“悖論”：多元化浪潮中，中國份額為何反升？全球各處都在叫嚷著“去風險”以及“供應鏈多元化”，然而報告卻給出了一個與直覺相悖的預測，那就是到2030年的時候，中國於全球出口裡所佔的份額會從15%提升至16.5%。這是什麼原因呢？緣由在於中國乃是全球為數不多的進口複雜度低、出口複雜度高的經濟體，這也就意味著它的供應鏈既有著深度又具備廣度。縱使一些低端環節向外遷移了，中國在中間品、裝置、核心零部件方面的出口反倒在不斷增強。也就是說，多元化之中的每一個環節，都不太可能避開中國。這並非是運氣所致，而是歷經幾十年打拚所積攢起來的產業深度。當別的國家在探討“取代中國”這件事情的時候，中國已然在思索怎樣“融入每一個取代的計畫”。結語：重塑之路，慢但堅定摩根士丹利給到的這份報告，不存在樂觀情形，也不存在過度誇張的悲觀狀況。它向我們傳達出這樣的資訊：中國的經濟正處於一場深度且進展較為緩慢的再平衡處理程序之中，能源結構體在改變，科技驅動力在發生轉變，社保體系在加以補充完善，出口模式在進行提升。緩慢並不意味著停滯，困難並不意味著無法達成。重塑之路，已然就在腳下。 (TOP行業報告)

前言2026年初，當市場仍在爭論人工智慧究竟是新一輪技術革命還是又一場資本泡沫時，摩根士丹利首席美國經濟學家Michael Gapen領銜的研究團隊發佈了一份長達51頁的重磅報告，題為《Lessons from the Five Innovation Waves That Preceded AI》。這不是一份簡單的行業分析。報告用51頁的篇幅，系統回顧了美國過去250年五次重大創新浪潮——從工業革命、蒸汽與鐵路、電氣化與內燃機、電子與航空，到網際網路與數字網路——提煉出技術變革與宏觀經濟之間反覆出現的規律，為理解AI時代提供了清晰的歷史坐標。圖片來源：《Lessons from the Five Innovation Waves That Preceded AI》摩根士丹利試圖回答一個根本性問題：AI今天到底只是又一輪科技熱潮，還是美國歷史上的第六次技術革命？答案將直接影響我們對資本流向、勞動力市場、經濟增長模式乃至整個經濟結構的判斷。一、資本盛宴：AI投資強度已超越歷史所有技術浪潮在復盤五次技術浪潮時，摩根士丹利發現了一條貫穿始終的規律：每一次通用技術的誕生，都伴隨著一輪巨大的資本開支脈衝。鐵路時代是其中最具參照意義的對標。19世紀，美國鐵路投資在1872至1881年間平均佔GDP的2.5%，折算到今天約為7900億美元，且經常超過全國總資本形成的10%。運河建設高峰期也佔到GDP的1%，相當於今天的約3150億美元。這些數字在今天看來仍然驚人。而AI時代的資本開支規模，正在以更快的速度追趕甚至超越這些歷史參照。摩根士丹利估算，未來五年全球AI基礎設施投入將超過3兆美元，其中近一半通過借貸完成。僅超大規模雲服務商——亞馬遜、Google、Meta、微軟和甲骨文——未來三年的總資本支出合計將超過2兆美元，約佔羅素1000指數成分股資本支出總量的40%。更值得關注的是資本強度的變化。摩根士丹利資料顯示，上述五家公司的資本支出佔銷售額比例預計將在2026至2028年分別達到34%、39%和37%，超越網際網路泡沫時期約32%的歷史峰值。若將融資租賃納入計算，這一比例將進一步攀升至38%、44%和45%。當前美國AI行業資本支出與收入比高達6:1，高於鐵路泡沫時期的2:1和網際網路泡沫時期的4:1。摩根士丹利中國首席經濟學家邢自強指出，美國科技大廠今年算力基礎設施資本開支達四千多億美元，明年預計將升至六千多億美元。摩根士丹利財富管理首席投資官麗莎·沙萊特進一步表示，到2025年，資料中心相關投資已佔年度GDP增長的25%，其擴張速度是預期實際GDP增長速度的數倍。摩根士丹利指出，過去六個月中，市場對2026至2027年資本支出的一致性預期累計上調超過6300億美元，但收入預期的修訂幅度遠為有限，導致自由現金流預期持續下行。這種“資本支出上修、收入預期滯後”的格局，與歷史上鐵路和網際網路泡沫時期的劇本高度一致。二、紅利遲到：生產率提升需跨越漫長的等待周期如果資本開支是技術革命的第一幕，那麼生產率的真正釋放，則往往在多年之後才姍姍來遲。這是摩根士丹利從250年歷史中提煉出的又一個重要規律。以電氣化為例，電力在1880年代就已商業化，但美國製造業生產率的真正騰飛發生在1920年代——遲到了整整四十年。關鍵原因不是技術本身不夠先進，而是工廠的組織結構沒有跟上。舊工廠圍繞蒸汽機的中央傳動軸設計，換了電力之後仍按老佈局營運，效率遲遲無法釋放。直到工廠從頭重新設計，讓每台機器擁有獨立電機，生產率才開始指數級增長。網際網路時代同樣如此。數位技術從1980年代中期開始普及，但生產率的顯著加速要等到1990年代末才發生，滯後了將近十五年。摩根士丹利資料顯示，勞動生產率從每年1.5%加速到3%——投資最終兌現了，但等待的代價不小。摩根士丹利中國首席經濟學家邢自強在2025年底的一次演講中指出，全要素生產率在泡沫破滅後的5至7年間顯著提升，證明了前期投資對生產率的長期推動作用最終會厚積薄發，但中間存在一個“青黃不接”的時期。他進一步判斷，AI對生產率的實質性帶動或許要到2030年乃至更久之後才能充分顯現。這個“青黃不接”的時期，恰恰是企業和投資者最需要耐心的時候。報告預計，AI真正釋放生產率紅利，需要的不只是採購算力和演算法，而是企業從組織結構到工作流程的全方位重新設計。歷史已經反覆證明：技術本身不會自動轉化為效率，配套的組織變革才是關鍵變數。三、就業重構：崗位被重塑而非消失，但分配挑戰前所未有每一次技術浪潮來襲，大規模失業的恐慌都會隨之而來。工業革命時英國紡織工人砸毀機器，電氣化時代熟練工人抗議自動化，網際網路時代人們擔心白領工作被軟體取代——恐慌的內容變了，但恐慌本身從未缺席。歷史給出的答案卻出奇一致：工作沒有消失，只是遷移了。美國農業就業佔比從1800年的約74%降至1910年的30%，再到今天不足2%，但總就業需求從未崩潰。鐵路時代，農業收縮的同時製造業擴張到佔勞動力的25%，大量新白領崗位湧現。電氣化時代，1910到1950年間美國文書類勞動力增長了三倍，白領工人數量首次超過藍領。摩根士丹利分析指出，S&P 500公司若全面採用AI，每年可產生約9200億美元的淨收益，長期來看S&P 500市值可能增加13兆至16兆美元。約90%的職業將受到AI的某種程度影響，但這種影響更多表現為任務重構而非崗位消除。報告預計，代理型AI（Agentic AI）可能影響更廣泛的職業範圍，但更可能將工作轉向更高價值的任務並創造新崗位；而具身AI（Embodied AI）雖然影響崗位數量較少，但自動化替代的可能性更高。不過，摩根士丹利也發出了一個重要警告：AI可能帶來不同於以往的風險。報告謹慎指出，如果AI是“替代勞動力”而非“增強勞動力”，那麼可能導致勞動收入份額下降，不平等急劇加劇。這是AI浪潮不同於以往的最大風險點。當下的起點已經不容樂觀。報告指出，美國收入和財富不平等已處於125年來最高水平。摩根士丹利財富管理團隊將消費者前景描述為“平淡無奇”，並預測K型經濟將進一步加劇——富人與窮人之間的差距不斷拉大。四、制度抉擇：教育體系與政策框架決定技術紅利歸屬歷史反覆驗證了一個深刻的結論：技術本身並不決定分配結果，制度和政策才是真正的關鍵變數。鍍金時代，鐵路和工業化製造了美國歷史上最集中的財富，卡內基、洛克菲勒、摩根成為時代的象徵。但接下來的半個世紀，羅斯福反壟斷、新政、二戰後GI Bill讓數百萬退伍軍人進入大學，加上強大的工會運動，共同推動了1940至1970年代的“大壓縮”——收入差距顯著縮小的三十年。同一套技術，不同的制度選擇，導向了截然不同的分配結果。教育體系在這場制度適配中扮演了核心角色。摩根士丹利的報告梳理出一條清晰的脈絡：工業革命催生了公立小學，鐵路時代催生了贈地大學，電氣化時代推動了高中運動，戰後GI Bill擴展了高等教育，網際網路時代強化了STEM需求。每一次技術浪潮都倒逼教育體系升級，而教育擴展的程度又反過來決定了技術紅利能否被廣泛分享。但AI時代面臨一個前所未有的挑戰：技術擴散速度正在以指數級加快。工業革命用了約60年，鐵路時代約55年，電氣化約50年，網際網路不到30年，而ChatGPT發佈兩個月使用者就破億——AI的普及速度遠超以往任何技術。這意味著勞動力市場的調適時間被大大壓縮，教育體系轉型的窗口期比歷史上任何時候都要短暫。摩根士丹利報告得出的最終結論清晰而堅定：AI大機率將提升生產率，就業衝擊短期存在但長期可化解，可能出現投資過熱與波動，不平等風險處於高位，教育與再培訓至關重要，制度適配將決定收益分配的最終走向。與此同時，摩根士丹利也承認了一種極端可能性：如果AI不是輔助勞動力而是大規模替代勞動力，那麼經濟可能經歷一次向高增長的體制轉換，同時伴隨勞動收入份額的急劇下降和不平等的深度惡化。報告沒有排除這種可能性，但指出歷史仍然是形成基準預期的最佳參照。技術革命從來不是一場溫和的漸進過程。每一次浪潮都伴隨著資本的狂熱湧入、市場的劇烈波動、勞動力結構的深刻調整，以及制度與教育體系的被迫轉型。摩根士丹利這份51頁的報告所做的，正是將AI放在250年的歷史尺度上加以審視——讓我們看清，今天發生在人工智慧領域的一切，那些是歷史的重演，那些才是真正的變局。歷史不會簡單重複，但它確實會押韻。對於所有身處這場變革之中的參與者而言，理解歷史給出的規律，不是為了預測未來，而是為了在一個充滿不確定性的時代裡，做出更清醒的選擇。易術觀點跨越250年歷史規律，摩根士丹利指出：AI作為第六次技術浪潮，其資本狂熱、就業重構與紅利遲到皆有跡可循——技術本身不決定未來，制度與教育才是紅利歸屬的關鍵。 (易術科技)

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)