摩根士丹利認為人工智能產業正從基礎設施建設階段大步邁入「推理時代」，這一技術演進將數字化並重塑全球20至30萬億美元的知識工作市場與近30萬億美元的消費市場，從而驅動資本市場發生規模空前的板塊輪動。

追風交易台消息，9月7日，摩根士丹利Brian Nowak牽頭的研究報告《The Morgan Stanley AI Guidebook: Navigating the Age of Inference》指出，隨着超大規模雲服務商的數據中心資本支出增速預計在2027年見頂並在2028年顯著放緩，科技周期的資金流向正迎來關鍵拐點。

（預計到2027/2028年，超大規模雲計算廠商的資本支出將達到約1.5萬億美元/1.6萬億美元）

投資者資金預計將從半導體和硬件層邊際流出，大規模轉向軟件層與AI賦能者，亞馬遜，谷歌，微軟和META等具備完整生態和自由現金流的科技巨頭將迎來新一輪估值擴張。

（預計AI業務周期將擴展到軟件與服務領域以及人工智能應用企業）

報告強調，企業端和消費端的AI應用已呈現加速爆發態勢。截至2026年第二季度，標普500指數中已有約25%的企業開始量化生成式AI帶來的財務收益。

與此同時，AI基礎設施信貸孖展市場表現出極強的承載力，今年以來全球AI相關債務發行量已達約4500億美元，超大規模雲服務商強勁的運營現金流完全能夠覆蓋未來的債務需求，消除了市場對孖展瓶頸的擔憂。

在這一過渡期，市場焦點將全面轉向AI投資回報率、開源模型的競爭格局，以及日益凸顯的電力與監管瓶頸。如何在算力激增與物理限制之間尋找平衡，將決定下一階段數萬億推理支出的最終流向。

資本流向迎拐點：硬件降溫，軟件與賦能者崛起

摩根士丹利認為，超大規模雲服務商的資本支出軌跡是決定市場資金輪動的核心指標。

預計到2027年，數據中心資本支出將按年增長60%，總規模達到1.5萬億美元。然而，受制於勞動力、材料和電力等物理限制，以及部分2027年至2029年產能的前置部署，2028年的資本支出增速預計將大幅放緩至約12%。

這種增速的放緩，疊加軟件層收入的加速增長，標誌着典型的多年期科技周期資金輪動即將發生。這與移動互聯網時代的規律高度一致：在硬件和半導體完成初期爆發後，價值將嚮應用和軟件服務層轉移。

（移動互聯網期間的股票相對錶現）

雖然硬件層股票因估值不高不會出現斷崖式下跌，但隨着盈利超預期的情況向上層堆棧轉移，軟件與賦能者將獲得更大的多重擴張機會。

伴隨資本支出的落地，全球算力總容量將呈現指數級增長。預計到2028年，總算力容量將從2025年的35 GW激增至約145 GW。

（摩根士丹利預計的2028年達到約145GW算力路徑）

其中，定製ASIC芯片在新增算力中的佔比將從2025年的34%躍升至2028年的66%，谷歌的TPU和亞馬遜的Trainium將主導這一結構性轉變。

（未來幾年，ASICs的增量產能份額將持續增長）

滲透60萬億級市場：科技與金融行業領跑

進入推理時代，生成式AI面臨的真正考驗是商業化落地。

市場面臨着一個價值20至30萬億美元的全球知識工作數字化機遇，同時，包括零售、旅遊、自動駕駛、食品配送和廣告在內的消費市場也蘊含着約30萬億美元的待開發空間。

（研報估算出約30萬億美元的消費者支出有待進一步數字化）

應用層的採納速度正在加快。從宏觀經濟的擴散情況來看，科技行業在採用和量化生成式AI收益方面走在最前列，金融、醫療保健和工業部門緊隨其後。

（應用案例覆蓋整個經濟領域）

科技行業的財報電話會議提及AI收益的比例已從一年前的28%大幅升至如今的51%。

歷史類比表明，當前的AI滲透率可能被嚴重低估。在雲計算發展的第二年（2014年），公有云支出佔IT總預算的比例達到4%。以相同的普及速度推算，到2027年，企業AI支出將達到約8000億美元。

（從企業角度來看，可以認為公共雲支出在第二年2014年已佔到IT預算的4%）

由於AI無需進行批發式的基礎設施遷移，且能提供更短的價值轉化時間，其實際擴散速度預計將快於雲計算。在消費端，擁有龐大第一方數據和分發渠道的平台將佔據絕對優勢。

（生成式AI的發展速度理應更快，即便在第二年2027年其滲透率僅為4%，也意味着生成式AI在企業領域的支出規模將高達約8000億美元）

算力回報率與開源模型：重塑商業模式

針對市場高度關注的資本回報問題，分析表明生成式AI的投資回報率具備極強的吸引力，多條變現路徑的ROIC預期在25%至50%之間。

其中，收益最高的是在自有基礎設施上運行模型API的企業（如META，谷歌，SpaceX），其投資回報可達約46%。即便是純粹的超大規模GPU租賃業務（IaaS），其ROIC也能維持在30%左右。

（三種生成式AI框架的25%-50%投資資本回報率）

在模型層面，具有更低服務成本的開源模型不僅不會削弱算力需求，反而將成為推動AI在全經濟領域普及的關鍵。

開源模型將壓低平均詞元（Token）價格，從而引發傑文斯悖論（Jevons Paradox），即價格下降導致推理需求呈現爆炸式增長。

這種競爭動態將迫使前沿AI實驗室不斷創新以爭奪推理支出份額，同時進一步鞏固超大規模雲服務商「模型調度層」（如AWS Bedrock，MSFT Foundry，GOOGL Vertex）的核心價值。

這些雲平台通過為不同任務匹配最經濟的模型，實現了計算效率和變現能力的最大化。

跨越基礎設施瓶頸：信貸擴張與電力突圍

支撐這一龐大推理市場的基石是無間斷的孖展與基礎設施擴張。

儘管今年以來AI相關債務發行量激增至約4500億美元，但高質量的超大規模雲服務商仍有巨大的債務發行空間。市場的調節機制將主要體現在信用利差的走闊。

更重要的是，亞馬遜，谷歌，META和微軟的運營現金流正在加速增長。預計到2027年和2028年，這四家巨頭的運營現金流將分別達到9800億美元和1.2萬億美元，這一規模是同期所需籌集2900億美元債務的七到八倍，展現出極強的資產負債表韌性。

然而，物理層面的瓶頸依然嚴峻。各州和地方政府對數據中心在電費影響、水資源消耗等方面的政治審查正在加劇。

為應對併網延遲，超大規模數據中心將越來越多地採用表後（Behind-the-Meter）現場發電方案，這預計會使每GW資本支出增加約30億美元。

時間換電力的剛性需求，使得直接受益於此的現場發電公司以及擁有供電外殼資產的提供商具備了長期的投資吸引力。

（電源外殼和機架仍是算力投資的最大驅動力）