以下为7月27日大摩120 页全球 AI 基础设施研报的学习复盘和导读，所有英文引文均源自大摩原版报告公开口径不构成任何投资建议。报告核心结论
“The recent decline in AI infrastructure stocks reflects short-term investor positioning and profit-taking, rather than deteriorating long-term fundamentals.”—— Morgan Stanley, Playing the AI Infrastructure Dip, Jul 2026
未来数年全球算力需求将持续、显著大于供给，AI 超级周期并未终结，只是完成范式切换—— 从过去单一追逐 GPU 芯片的 “硬件竞争”，转向电力、建设、人力、政策、算力调度一体化的全栈基础设施瓶颈竞争。同时报告用杰文斯悖论重构市场认知：模型效率提升不会消灭算力需求，反而通过降本激活海量新增场景，持续抬升全球算力总消耗。产业基本面逻辑依然成立
报告直接否定市场悲观共识，明确区分短期交易波动与长期产业基本面：“The market pullback is driven by crowded positioning, forced selling and profit-taking, not weaker AI infrastructure fundamentals.”—— Morgan Stanley
报告重点强调：本轮调整属于典型的周期中场休整，而非周期终结。当前 AI 产业的底层驱动力、资本开支韧性、场景扩张逻辑完全没有逆转。同时报告给出经典类比：2000 年互联网泡沫破裂时，海底光缆、服务器基础设施并未失效，反而成为移动互联网十年繁荣的底层底座；本轮 AI 算力、IDC、电力配套重资产，同样具备跨周期底座价值。“AI infrastructure buildout is analogous to early-stage utility and broadband buildouts — short-term market volatility does not erase long-term structural value.”
两次科技周期本质区别（互联网周期vsAI周期），本轮 AI 资本开支以企业经营性现金流、投资级债券为核心支撑，并非高杠杆泡沫融资；AI 是生产力基础设施，对标电力、宽带、铁路，属于长周期刚需投入。算力供需重构：需求刚性上行，供给受物理局限
市场最大认知误区：将 “资本开支增速边际回落” 等同于 “资本开支见顶下滑”。AI 资本开支：增速放缓≠规模收缩
“Global hyperscaler AI capex will rise from ~$800B in 2026 to $1.2T in 2027, with absolute spend levels remaining structurally elevated.”
2026 年全球科技巨头 AI 资本开支接近8000 亿美元，2027 年将攀升至1.2 万亿美元级别，绝对投入规模持续创新高，只是从爆发式指数增长，切换为稳健高基数增长。资金结构发生升级：AI 基建融资从纯经营性现金流，转向投资级债券、专项产业融资承接，资金供给更加稳定、可持续。杰文斯悖论：模型越高效，总算力需求越高
报告用杰文斯悖论驳斥市场主流观点“模型优化会减少 GPU 需求”。“Greater model efficiency reduces per-task compute cost, unlocks new use cases, and drives higher total compute demand — efficiency gains do not destroy hardware demand, they expand the addressable market.”
模型迭代带来的单任务算力成本下降，不会减少总算力消耗；反而让原本不具备商业价值的场景全面落地，新增场景带来的算力增量，远大于单任务节约的算力减量。这也是国产低成本推理模型、轻量化高效模型的全球价值：不是替代算力，而是扩容全球算力市场。报告指出：当前企业 AI 付费偏低，不是需求不足，而是可用 AI 能力、场景适配度不足，随着模型成熟、落地深化，企业端算力付费天花板将持续打开。供给侧约束：从 “缺芯片” 变成 “缺电力、人力”
过去两年市场唯一瓶颈是高端 GPU 供给；2026 年之后，产业约束全面扩散至物理世界，报告定义为PPP 三重约束（People-Power-Politics）。“The primary constraints to AI buildout are no longer silicon supply, but three physical limits: labor shortage, power grid delays, and regulatory permitting.”People 人力约束：北美高端机电工程师、数据中心持证技工缺口数十万，直接拖慢机房交付、设备安装、投产进度；
Power 电力约束：变压器交付周期从 16 周拉长至144 周以上，电网并网排队严重，大量算力机房 “有机房、有服务器、无电力”；
Politics 政策约束：全球各地区收紧高能耗 IDC 土地、能耗、环评审批，建设周期大幅拉长。
“These are speed bumps, not roadblocks for AI expansion.”约束只会延缓建设节奏，不会终结产业周期。报告测算：2028 年美国实际投产算力，将比芯片理论算力供给缺口超 10%，算力供不应求的长期格局彻底固化。解读报告中五大投资主线
AI 赛道进入结构性分化、瓶颈资产溢价阶段，筛选出五大高确定性主线。第一主线：物理瓶颈基础设施资产（当下最高赔率）
市场过去只炒芯片，当下最稀缺的是可落地、可通电、可投产的算力基础设施。“The most undervalued AI assets today are no longer semiconductors, but grid-connected, fully permitted data center capacity and critical power infrastructure.”核心标的逻辑：IDC 运营、配电设备、变压器、储能、机房温控、园区能源运维。核心溢价逻辑：同样的服务器，按时通电投产 vs 延期一年投产，资产回报率天差地别，电力与投产能力成为算力资产核心估值变量。第二主线：算力制造链条结构性分化
GPU/ASIC、HBM、先进封装、光模块、PCB、服务器整机、半导体设备材料。分化逻辑：“Commoditized assembly faces margin compression, while constrained core components retain persistent premium.”低附加值组装代工：产能过剩、毛利承压；核心稀缺元器件、推理算力硬件、高功率配套硬件：持续高景气。同时产业重心转移：训练芯片独大时代结束，推理算力进入高增长主升浪。
第三主线：能源安全与算电协同
这是本次 120 页报告最大超预期增量：AI 算力产业彻底能源化，算电协同从概念变为刚需基建。“AI data centers are no longer IT assets — they are dynamic power assets. Power management, peak shaving, energy storage and grid integration define next-cycle profitability.”AI 机房不再是单纯的 IT 设备，而是可调度、可调节、可参与电力市场交易的动态电力负荷。储能、错峰用电、绿电直采、AI 电力调度、算力负荷优化，成为决定 IDC 盈利的核心变量。报告打破西方单一叙事，认可中国 AI 的全球差异化价值：不靠超大模型训练，靠推理优化、低成本落地、垂直产业场景实现全球化互补。“China’s AI ecosystem competes not on largest model scale, but on inference efficiency, cost optimization and industrial vertical adoption.”
中国优势推理成本极致压缩、产业落地速度快、场景丰富，成为全球算力新增核心增量。第五主线：超大规模云厂商（Hyperscalers）
自有算力底座的头部云厂商，具备极强规模效应与成本优势。报告测算：自有算力资产可带来25%–50% 的推理业务增量收益，纯外包算力玩家盈利天花板显著受限，行业马太效应加剧。三大争议复盘
争议一：AI 资本开支是否见顶？
“AI capex growth will moderate but remain elevated structurally — no peak in sight for the decade.”
争议二：模型效率是否毁灭硬件需求？
“Technical efficiency expands the market, it does not shrink it.”
争议三：电力约束是否终结 AI 周期？
“Grid delays slow deployment but do not derail the long-term AI infrastructure supercycle.”
报告结尾定调：AI 进入「下半场范式重构」
“AI infrastructure will evolve into a global intelligence superhighway — built equally by semiconductor silicon and power system infrastructure.”AI 基础设施终将成为全球智能高速公路，一半由芯片构筑，一半由能源电力构筑。
过去两年：拼芯片、拼算力、拼硬件库存。未来三年：拼电力、拼投产、拼调度、拼能源成本、拼合规落地风险提示
“Key downside risks include slower enterprise AI adoption, sustained high interest rates tightening capex budgets, worsening physical infrastructure constraints, and industry-wide hardware oversupply.”
企业 AI 商业化落地不及预期，算力预算收缩；长期高利率压制重资产项目收益，延缓投产节奏；电力、人力、审批约束超预期恶化；硬件产能过剩引发价格战，全链条毛利下行。
免责声明：本文为公开机构研报的中文深度拆解与学术化复盘，所有英文引文均源自大摩原版报告公开口径，仅供产业研究、投融资复盘、行业研判使用，不构成任何投资建议。
核心参考：Morgan Stanley，Playing the AI Infrastructure Dip，2026‑07‑27（120 页全球 AI 基础设施深度研报）
夜雨聆风
