本文为IPO电报原创 作者丨杨跃滂

摩根士丹利7月27日发布研究报告《Playing the AI Infrastructure Dip》，对AI基础设施相关股票下跌后的市场行情做出讨论，并提出观点。

大摩指出，这一轮下跌行情是由技术面因素驱动，而非基本面恶化（we believe a meaningful driver of weakness has been technical rather than fundamental）。

AI能力预计将以非线性速度持续提升，从而提高支撑该技术的基础设施长期价值。“随着时间推移，AI基础设施将成为一条‘智能超级高速公路’，为全球经济带来显著的净效益，”摩根士丹利全球主题与可持续研究主管Stephen Byrd表示，“总之，我们对‘智能高速公路’持乐观态度，不过也看到了前方存在一些挑战。”

 太长不看篇（研报核心内容）：

1、下跌由技术面驱动，非基本面恶化。近期AI基础设施股回调源于拥挤交易平仓、杠杆去化和动量反转，产业趋势未变。

2、算力需求将长期大于供给。AI能力非线性提升，叠加杰文斯悖论效应，效率越高总需求越旺，算力缺口持续存在。

3、三大担忧被夸大：“Tokenmaxxing”降温限制收入？人均Token消费极低，成本远低于收益，不采用AI将陷入竞争劣势。中国模型冲击算力支出？竞争反而强化算力短缺逻辑，需求远超英伟达供给预测。数据中心建不起来？人员、电力、政治是减速带而非路障，难以逆转扩张趋势。

4、AI资本开支持续扩张，五大主线受益。美国五大科技公司资本支出将增至2028年1.4万亿美元。AI基础设施瓶颈解决者（AI infrastructure bottlenecks）、计算制造生态（Compute manufacturing ecosystem）、领先的中国AI公司（Leading Chinese AI solution providers）、能源安全资产（Energy security assets）、超大规模云服务商（Hyperscalers）将是五大受益题材。

 技术性平仓：拥挤交易、杠杆与动量交易的逆转

大摩在研报中的亚洲策略板块进行了技术复盘。早在6月22日，大摩曾强调，除1999年下半年外，当时的指数成分股跑赢大盘比例已降至历史最低水平。

对冲基金群体的拥挤现象尤为突出，多头投资者也在半导体/设备板块建立了大量超配头寸。另一个资金集中风险点在于韩国散户融资盘，以及资金持续涌入杠杆型ETF，市场波动被进一步放大。

年初至今表现强劲的动量因子已回撤了28%，成长因子在此轮回调中也承压，跑输幅度达9个百分点。相比之下，价值因子和低波动因子成为主要受益者，分别跑赢22.8和19.6个百分点，质量因子同样表现稳健，录得8个百分点的超额收益。

大摩认为，尽管动量因子自7月21日以来已强势反弹，但就此判断调整已充分结束仍为时过早。

 资本市场的三大担忧纯属多虑

针对市场的三大担忧，大摩给出了自己的判断。

担忧一：“Tokenmaxxing”的降温会限制大模型厂商的收入。

投资者们的一个主要担忧是，一些公司可能会开始限制每位员工使用的Token数量，以此来控制成本，从而削弱大语言模型开发者的收入机会。

这样的政策旨在遏制“代币滥用”现象——即过度使用Token以营造出更高的生产力假象，而实际上并未带来实际的业务收益。根据大摩的说法，这样的担忧被夸大了。

大摩表示：每位员工的平均Token消费量实际上相当低，但在未来几个月和几年内，这一数字有显著上升的趋势。在一项涵盖广泛企业AI用例的研究中，平均单次使用可为企业客户节省55美元成本，而执行该经济任务的成本约为2-5美元，仅为55美元收益的一小部分。不用AI的企业会形成显著竞争劣势，长期必然持续加大投入。

大摩的研究表明，基于Blackwell的数据中心可产生约60%的利润率，对Rubin和Feynman数据中心进行同样测算，利润率将分别提升至约80%和90%。

随着从Blackwell过渡到Feynman，超大规模云服务商可以将token价格降低75%，同时在租赁数据中心上实现相同的利润率。

担忧二：中国开源AI模型一直在“卷”美国前沿大语言模型，可能导致用于训练大语言模型的算力支出减少。

大摩声称，中美两国LLM开发商对效率的不懈追求，强化了其算力需求可能远超供给的核心观点。

鉴于Kimi K3等模型的性能表现，中国大语言模型的采用率很可能将迅速攀升。尽管高效模型开发构成竞争威胁，但也可能强化杰文斯悖论——即效率提升降低成本，最终反而推动整体需求增加。

大摩举例称，一位谷歌高管近期表示，公司可能需要每6个月将算力翻一番，从而在“4-5年内实现1000倍增长”。与供给端数据对比，英伟达在2025-2028年预计年复合增长率140%，5年内累计算力将不到谷歌预测算力需求的10%。

担忧三：受到人员、电力和政治因素影响，数据中心在扩建所需算力规模方面或将面临挑战。 

大摩承认，这是一个合理的担忧，但这些挑战更多是前进路上的减速带，而非不可逾越的障碍——

People: 数据中心电工、焊工等专业工人短缺；

Power: 电网接入审批周期拉长，部分地区等待5-7年；

Politics: 美国多州出台数据中心税收减免暂停、新建禁令、居民电价保护法案，联邦也在审议《纳税人保护法案》，要求IDC承担电网升级成本。过去十年间，各州曾竞相提供慷慨的优惠政策包来吸引数据中心，而现在这一趋势开始逆转——各州正着手暂停、附加条件或废除数据中心的税收优惠。

电力供应不足、劳动力短缺以及数据中心的审批流程问题可能会减缓人工智能基础设施的部署进度，但这些因素并不会阻止人工智能基础设施的扩展。(Power availability, labor shortages and data center permitting could slow deployment but not derail AI infrastructure expansion.)

未配套自备发电方案前，2026-2028年美国数据中心电力缺口达38GW。

即便叠加燃气轮机、燃料电池、改造比特币矿场等快速供电方案，仍存在1-11GW缺口。

AI基础设施投资仍会加码，多个领域有望获益

根据摩根士丹利的研究，仅美国五大科技公司的资本支出，从今年的近8000亿美元，将增加到2027年的约1.2万亿美元，再到2028年达到1.4万亿美元。

随着对人工智能基础设施的投资持续进行，多个领域有望从中受益：

AI基础设施瓶颈领域，能够帮助解决劳动力短缺、缩短供电时间并扩大电力供应的公司将受益，包括燃料电池供应商、转型为带电数据中心基础设施提供商的比特币运营商、涡轮机制造商、储能公司、电力开发商以及具有强劲增长前景的数据中心REITs；

计算制造生态系统，有望从AI计算需求增长中受益的企业，如半导体生产商；领先的

中国AI解决方案提供商，拥有AI能力和成本竞争力，价值可能尚未在估值中得到充分体现；

能源安全资产，支持可靠能源供应和存储的企业对AI基础设施发展至关重要；

超大规模云服务商，大型科技公司具备规模优势，能够在AI资本支出上产生有吸引力的回报并加速AI普及。

风险提示：本文为内容资讯，不构成个人投资建议。市场有风险，投资需谨慎。