01 | 一個價值千金的問題
6月下旬以來，全球AI類股經歷了一輪顯著回呼。
輝達從高點回撤，雲端運算巨頭集體承壓，半導體類股波動加劇。市場情緒從"AI是未來"迅速切換到"AI是不是到頭了"。
這到底是短暫的技術性回呼，還是周期見頂的訊號？
這是一個價值千金的問題。如果你判斷錯了方向，要麼在底部割肉，要麼在頂部加倉——兩種錯誤的代價都極其高昂。
摩根士丹利在7月27日發佈了一篇長達120頁的深度報告，標題是《Playing the AI Infrastructure Dip》。報告給出了鮮明的判斷：
回呼的主要驅動力是技術面因素——倉位擁擠度消化、保證金融資去槓桿、動量因子反轉——而非基本面邏輯破壞。
換句話說，大摩認為AI的底層邏輯沒有被打破。市場只是在消化前期過熱的倉位。
但光說"別慌"沒有意義。市場提出了三個具體的擔憂，每一個都需要被認真回應。大摩逐一拆解了這三個擔憂。
02 | 擔憂一：企業開始限制AI用量了？
市場關注的第一個負面訊號是"Tokenmaxxing"敘事的逆轉。
所謂Tokenmaxxing，是指企業無限量使用AI Token的趨勢。但近期有不少企業開始對員工的AI Token使用量施加預算上限。由此引發質疑：大模型公司的收入增長是不是不可持續？
大摩的回答是：這個擔憂站不住腳。
原因很簡單——當前企業員工的Token支出基數極低，而且ROI極高。大摩對大量企業級AI應用場景的研究顯示，平均單次AI呼叫可節省約55美元勞動力成本，而通過Agent協作完成一項企業級任務的平均成本僅為2-5美元，ROI超過10倍。
ROI倍數在10倍以上的工具，它的採用與否不是預算決策問題，而是核心競爭力問題。那些沒有積極部署AI能力的企業，將面臨日益顯著的競爭劣勢。
你見過那家公司因為"ROI超過10倍"而主動限制一項工具的使用嗎？預算上限更多是管理層的審慎姿態，而非真正的經濟理性。
更關鍵的是，GPU代際演進將大幅提升資料中心利潤率。大摩Intelligence Factory模型測算顯示：
基於Blackwell的資料中心，Token銷售淨利率約58%
- Rubin代際部署後，利潤率升至約80%
- Feynman代際部署後，利潤率升至約90%
這意味著Hyperscaler可在利潤率不變的前提下將Token定價壓低約75%。成本曲線的下移空間足夠大，降價和盈利可以兼得。限制用量只是暫時的管理行為，而成本下降是結構性的產業趨勢。
03 | 擔憂二：Kimi時刻證偽了兆資本支出？
第二個擔憂來自大洋彼岸。
Kimi K3的發佈讓資本市場重新審視一個核心假設：如果中國能以更低成本訓練出性能接近的前沿模型，那麼美國Hyperscaler每年超兆美元的AI資本支出，是否面臨回報率下修？
這個邏輯看似成立，但大摩指出了一個19世紀就已被發現的經濟學規律——傑文斯悖論（Jevons Paradox）。
1865年，英國經濟學家威廉·斯坦利·傑文斯觀察到一個反直覺的現象：瓦特改良蒸汽機大幅提升了煤炭燃燒效率，但英國的煤炭總消耗量不降反升。
原因很簡單——蒸汽機變得經濟可行後，被部署到了遠比之前更多的工廠和礦井。效率提升降低了單位成本，而更低的成本意味著更多場景、更多使用者、更高頻次的使用，最終推高總消耗。
這個160年前發現的規律，正在AI身上重演。
算力效率提升降低了單位Token成本 → 更低的成本意味著更多應用場景 → 更多應用場景意味著更高的總計算消耗。
大摩援引了一組資料來量化這種供需失衡的嚴重程度：
Google高管近期表示，公司可能需要每6個月將算力翻倍，即5年內實現1000倍增長。而從供給側來看，NVIDIA 2025-2028年AI晶片銷售CAGR約140%——即便按此速度外推5年，累計交付算力也不到Google單家需求預測的10%。
即使是全球最大的算力供應商以歷史最高增速全力產出，也僅能覆蓋單一客戶需求的一個零頭。
這不是"資本支出可能過多"的故事。這是"資本支出可能還不夠"的故事。
04 | 擔憂三：物理世界的約束是硬上限嗎？
第三個擔憂更加務實：即使需求側確定性充分，物理世界的約束是否會導致算力基礎設施無法按需交付？
大摩把物理世界的約束統稱為3P：People，Power，Politics。
People：資料中心建設所需的熟練工種——電工、焊工、管道工——處於結構性短缺狀態。這不是多招幾個人就能解決的問題，而是整個勞動力市場的結構性缺口。
Power：電網並網排隊周期在部分地區已延長至5-7年，成為資料中心投運的最大單一時間瓶頸。你有錢、有地、有GPU訂單，但電網不讓你接入——一切等於零。
Politics：過去幾年各州競相提供稅收優惠吸引資料中心落地，但現在趨勢逆轉了。各州開始暫停、附加條件或直接撤銷資料中心稅收優惠。減緩資料中心發展速度、保護居民電費免受波及等議題，正越來越多地成為州長競選平台的一部分。
聯邦層面也在行動。眾議院正在審議Ratepayer Protection Act——聯邦層面首次嘗試對基礎設施成本分攤進行立法。此前Amazon、Google、Meta、Microsoft、Oracle、xAI等已簽署白宮的Ratepayer Protection Pledge，自願承諾保護消費者免受資料中心基建成本影響。該法案將把這一自願承諾法律化，實質上形成一個全國性的資料中心電力附加費制度。
這些約束是真實的。但大摩將其定性為"speed bumps"而非結構性障礙。
關鍵在於：當電網並網需要5-7年時，能在1-3年內提供電力的替代方案，就具備了巨大的時間套利價值。
05 | 核心投資主線：Time to Power
大摩認為，電力接入的時間價值（Time to Power）是當前市場定價偏差最大的方向。
邏輯鏈路非常清晰：
資料中心投產受限於電力供應 → 電網並網排隊5-7年 → 2026-2028年美國資料中心電力需求約68GW → 扣除在建設施15GW和已簽約電網容量15GW →潛在缺口達38GW→ 能夠在1-3年內提供電力的替代方案具備顯著的時間套利價值。
大摩識別了兩條核心"去瓶頸"路徑：
路徑一：比特幣礦場轉型。這些公司已擁有可觀的電網並網容量和物理用地，可直接轉化為資料中心用途，潛在容量10-19GW。
路徑二：快速部署發電方案。天然氣輪機可貢獻15-20GW，燃料電池貢獻5-8GW，相對電網並網可提供1-3年的時間優勢。
即便將這些方案納入機率加權計算，中情景下仍有約1GW淨缺口，悲觀情景下缺口擴大至11GW。
換句話說，Hyperscaler當前最稀缺的不是資本，而是有電可用的物理空間——即"Powered Shell"。
大摩研究認為，當前市場嚴重低估了這類Powered Shell Provider。以傳統可再生能源PPA作為參照基準，當前這類公司的EV/Watt僅處於2-4美元區間，包括TeraWulf、Cipher Mining、HUT 8、Riot Platforms、Applied Digital、Galaxy Digital等。
而成熟資料中心營運商（如Equinix、Digital Realty）的估值是20-25倍EV/Watt。大摩給予這批轉型公司15倍EV/Watt的折價目標估值。
從2-4倍到15倍——這是大摩認為市場犯的最大定價錯誤。
一點看法
讀完這篇120頁的報告，我有三個感受。
第一，市場恐慌往往是最好的買入時機——但前提是你得區分"恐慌"和"現實"。這次回呼的三個擔憂，每一個都有道理，但每一個都被大摩用資料和邏輯拆解了。Token用量限制是管理行為而非經濟理性；Kimi時刻觸發的是傑文斯悖論而非需求萎縮；物理約束是speed bumps而非hard ceiling。當市場因為技術面因素（倉位擁擠、去槓桿）而拋售基本面完好的資產時，這通常是機會。
第二，AI投資的真正瓶頸正在從"錢"轉向"電"。這是一個深刻的產業轉變。過去兩年，市場關注的是誰能買到更多GPU、誰能融到更多錢。但從大摩的分析來看，真正的稀缺資源正在變成"有電可用的物理空間"。這解釋了為什麼比特幣礦場突然變成了AI基礎設施的熱門標的——它們手裡最值錢的不是礦機，而是已經接入電網的容量。
第三，傑文斯悖論可能是理解AI未來最重要的經濟學框架。每一次效率提升都會帶來總消耗的上升——這不是bug，這是feature。蒸汽機如此，電力如此，算力亦如此。當我們擔心"AI效率提升會減少算力需求"時，歷史告訴我們恰恰相反：更低的成本會打開更多的場景，最終推高總需求。Google需要5年內算力增長1000倍——這不是誇張，這是對傑文斯悖論在AI時代最精確的量化表達。
回呼不可怕。可怕的是在回呼中錯過了真正的結構性機會。(神經機器)