共计 1148 个字符，预计需要花费 3 分钟才能阅读完成。
怎么看待 AI 大回调, 大摩 120 页研报深度解读
全球 AI 资产的波动正在放大市场分歧。 6 月下旬以来,AI 相关股票出现明显回调, 投资者开始重新评估大模型商业化、算力投入回报以及数据中心建设瓶颈。摩根士丹利近期发布的一份长篇研报给出相对明确的判断: 本轮调整更接近技术性回调, 而不是 AI 基本面逻辑被推翻。
📌 回调主因: 更像交易拥挤后的释放
研报认为,AI 板块下跌并非单一事件触发, 而是多重市场因素叠加的结果, 包括前期仓位较为拥挤、部分融资盘去杠杆, 以及动量交易反转等。换言之, 资金层面的压力在短期内放大了价格波动。
这一判断并不意味着 AI 资产没有风险,而是强调需要区分 估值与交易层面的调整, 以及产业需求是否发生根本变化。至少从研报表述看, 摩根士丹利仍将 AI 基础设施视为后续产业链的重要主线。
🔍 Token 支出受限, 并不等于需求见顶
市场近期担心,一些企业开始给员工使用 AI Token 设置预算上限, 可能意味着大模型收入增长遇到天花板。研报对此持不同看法: 当前企业级 AI 调用成本基数仍较低, 而在部分任务中,AI 工具带来的劳动力节省可能显著高于调用成本。
此外, 研报还提到,GPU 代际升级有望继续压低单位 Token 成本。如果未来数据中心的计算效率提升, 服务商理论上具备进一步降价并扩大需求的空间。当然, 相关测算属于模型推演, 最终仍取决于芯片供应、能耗成本和市场竞争格局。
💡 效率提升或反而推高算力消耗
另一个争议来自模型训练效率。市场担心, 如果更低成本模型持续出现, 超大规模云厂商的高额 AI 资本开支是否会被证明过度。摩根士丹利引用“杰文斯悖论”解释这一问题: 当某种资源使用效率提升、成本下降后, 总消耗量有时反而会上升。
放到 AI 场景中,单位 Token 变便宜, 可能带来更多应用、更高调用频率和更广泛的企业部署。研报援引的观点显示, 部分大型科技公司对未来算力增长的需求预期依然非常激进, 而供给侧即便保持高增长, 也未必能完全满足需求。
- 需求端:AI 应用范围扩大, 推理调用频率提升。
- 供给端:先进芯片、数据中心和电力接入均存在建设周期。
- 结果:效率提升未必削弱算力投资, 反而可能扩大总需求。
📊 真正的瓶颈: 人、电力与政策
相比模型本身,研报更重视 AI 基础设施落地的物理约束, 并将其概括为 People、Power、Politics 三类因素。数据中心建设需要大量电工、焊工、管道工等熟练工种; 部分地区电网并网排队时间较长; 同时, 地方和联邦层面对数据中心电力成本分担的讨论也在增加。
🚀 值得关注: 可供电数据中心资产的价值重估
围绕“怎么看待 AI 大回调, 大摩 120 页研报深度解读”，这一部分可从背景、现状与影响三个角度理解其关键信息。结合已公开内容来看，核心结论是趋势已较为明确，但细节仍需结合后续进展持续观察。
