大摩：AI产业正从基础设施建设阶段大步迈入“推理时代”

摩根士丹利认为人工智能产业正从基础设施建设阶段大步迈入"推理时代"，这一技术演进将数字化并重塑全球20至30万亿美元的知识工作市场与近30万亿美元的消费市场，从而驱动资本市场发生规模空前的板块轮动。

追风交易台消息，9月7日，摩根士丹利Brian Nowak牵头的研究报告《The Morgan Stanley AI Guidebook: Navigating the Age of Inference》指出，随着超大规模云服务商的数据中心资本支出增速预计在2027年见顶并在2028年显著放缓，科技周期的资金流向正迎来关键拐点。

（预计到2027/2028年，超大规模云计算厂商的资本支出将达到约1.5万亿美元/1.6万亿美元）

投资者资金预计将从半导体和硬件层边际流出，大规模转向软件层与AI赋能者，亚马逊，谷歌，微软和META等具备完整生态和自由现金流的科技巨头将迎来新一轮估值扩张。

（预计AI业务周期将扩展到软件与服务领域以及人工智能应用企业）

报告强调，企业端和消费端的AI应用已呈现加速爆发态势。截至2026年第二季度，标普500指数中已有约25%的企业开始量化生成式AI带来的财务收益。

与此同时，AI基础设施信贷融资市场表现出极强的承载力，今年以来全球AI相关债务发行量已达约4500亿美元，超大规模云服务商强劲的运营现金流完全能够覆盖未来的债务需求，消除了市场对融资瓶颈的担忧。

在这一过渡期，市场焦点将全面转向AI投资回报率、开源模型的竞争格局，以及日益凸显的电力与监管瓶颈。如何在算力激增与物理限制之间寻找平衡，将决定下一阶段数万亿推理支出的最终流向。

资本流向迎拐点：硬件降温，软件与赋能者崛起

摩根士丹利认为，超大规模云服务商的资本支出轨迹是决定市场资金轮动的核心指标。

预计到2027年，数据中心资本支出将同比增长60%，总规模达到1.5万亿美元。然而，受制于劳动力、材料和电力等物理限制，以及部分2027年至2029年产能的前置部署，2028年的资本支出增速预计将大幅放缓至约12%。

这种增速的放缓，叠加软件层收入的加速增长，标志着典型的多年期科技周期资金轮动即将发生。这与移动互联网时代的规律高度一致：在硬件和半导体完成初期爆发后，价值将向应用和软件服务层转移。

（移动互联网期间的股票相对表现）

虽然硬件层股票因估值不高不会出现断崖式下跌，但随着盈利超预期的情况向上层堆栈转移，软件与赋能者将获得更大的多重扩张机会。

伴随资本支出的落地，全球算力总容量将呈现指数级增长。预计到2028年，总算力容量将从2025年的35 GW激增至约145 GW。

（摩根士丹利预计的2028年达到约145GW算力路径）

其中，定制ASIC芯片在新增算力中的占比将从2025年的34%跃升至2028年的66%，谷歌的TPU和亚马逊的Trainium将主导这一结构性转变。

（未来几年，ASICs的增量产能份额将持续增长）

渗透60万亿级市场：科技与金融行业领跑

进入推理时代，生成式AI面临的真正考验是商业化落地。

市场面临着一个价值20至30万亿美元的全球知识工作数字化机遇，同时，包括零售、旅游、自动驾驶、食品配送和广告在内的消费市场也蕴含着约30万亿美元的待开发空间。

（研报估算出约30万亿美元的消费者支出有待进一步数字化）

应用层的采纳速度正在加快。从宏观经济的扩散情况来看，科技行业在采用和量化生成式AI收益方面走在最前列，金融、医疗保健和工业部门紧随其后。

（应用案例覆盖整个经济领域）

科技行业的财报电话会议提及AI收益的比例已从一年前的28%大幅升至如今的51%。

历史类比表明，当前的AI渗透率可能被严重低估。在云计算发展的第二年（2014年），公有云支出占IT总预算的比例达到4%。以相同的普及速度推算，到2027年，企业AI支出将达到约8000亿美元。

（从企业角度来看，可以认为公共云支出在第二年2014年已占到IT预算的4%）

由于AI无需进行批发式的基础设施迁移，且能提供更短的价值转化时间，其实际扩散速度预计将快于云计算。在消费端，拥有庞大第一方数据和分发渠道的平台将占据绝对优势。

（生成式AI的发展速度理应更快，即便在第二年2027年其渗透率仅为4%，也意味着生成式AI在企业领域的支出规模将高达约8000亿美元）

算力回报率与开源模型：重塑商业模式

针对市场高度关注的资本回报问题，分析表明生成式AI的投资回报率具备极强的吸引力，多条变现路径的ROIC预期在25%至50%之间。

其中，收益最高的是在自有基础设施上运行模型API的企业（如META，谷歌，SpaceX），其投资回报可达约46%。即便是纯粹的超大规模GPU租赁业务（IaaS），其ROIC也能维持在30%左右。

（三种生成式AI框架的25%-50%投资资本回报率）

在模型层面，具有更低服务成本的开源模型不仅不会削弱算力需求，反而将成为推动AI在全经济领域普及的关键。

开源模型将压低平均词元（Token）价格，从而引发杰文斯悖论（Jevons Paradox），即价格下降导致推理需求呈现爆炸式增长。

这种竞争动态将迫使前沿AI实验室不断创新以争夺推理支出份额，同时进一步巩固超大规模云服务商"模型调度层"（如AWS Bedrock，MSFT Foundry，GOOGL Vertex）的核心价值。

这些云平台通过为不同任务匹配最经济的模型，实现了计算效率和变现能力的最大化。

跨越基础设施瓶颈：信贷扩张与电力突围

支撑这一庞大推理市场的基石是无间断的融资与基础设施扩张。

尽管今年以来AI相关债务发行量激增至约4500亿美元，但高质量的超大规模云服务商仍有巨大的债务发行空间。市场的调节机制将主要体现在信用利差的走阔。

更重要的是，亚马逊，谷歌，META和微软的运营现金流正在加速增长。预计到2027年和2028年，这四家巨头的运营现金流将分别达到9800亿美元和1.2万亿美元，这一规模是同期所需筹集2900亿美元债务的七到八倍，展现出极强的资产负债表韧性。

然而，物理层面的瓶颈依然严峻。各州和地方政府对数据中心在电费影响、水资源消耗等方面的政治审查正在加剧。

为应对并网延迟，超大规模数据中心将越来越多地采用表后（Behind-the-Meter）现场发电方案，这预计会使每GW资本支出增加约30亿美元。