30万亿知识工作、30万亿消费市场--驾驭AI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。

时间换电力的刚性需求，使得直接受益于此的现场发电公司以及拥有供电外壳资产的提供商具备了长期的投资吸引力。