大摩：市場低估了明年潛在的「AI重大利好」，但存在關鍵的不確定性

　　炒股就看金麒麟分析師研報，權威，專業，及時，全面，助您挖掘潛力主題機會！

（來源：網易科技）

本文作者：龍玥

來源：硬AI

一場由算力驅動的AI能力大躍升可能正在醖釀。

據硬AI，摩根士丹利在一份最新報告中表示，市場可能嚴重低估了即將在2026年出現的一項人工智能領域的重大利好——由算力指數級增長驅動的模型能力「非線性」飛躍。

根據這份由Stephen C Byrd等分析師撰寫的報告，多家美國大型語言模型（LLM）開發商計劃到2025年底，將其用於訓練前沿模型的算力提升約10倍。這一前所未有的算力投入，預計將在2026年上半年產出結果，構成一個「未被充分重視的催化劑」。

報告援引了特斯拉首席執行官埃隆·馬斯克的觀點，即10倍的算力投入可能使模型的「智能」水平翻倍。報告指出，如果當前的「規模法則」得以延續，其帶來的后果可能是「地震級」（seismic consequences）的，將廣泛衝擊從AI基礎設施到全球供應鏈的各類資產估值。

然而，這一樂觀前景並非板上釘釘。報告強調，其面臨的核心不確定性在於AI發展是否會撞上「規模牆」（Scaling Wall）。這指的是，在投入海量算力后，模型能力的提升卻出現迅速遞減的令人失望的結果。

算力十倍增長，或催生AI能力飛躍

報告認為，投資者需要為2026年可能出現的AI能力階梯式提升做好準備。

報告描述了即將到來的算力規模：一個由Blackwell GPU組成的1000兆瓦數據中心，其算力將超過5000 exaFLOPs（每秒五百京次浮點運算）。相比之下，美國政府一臺名為「Frontier」的超級計算機算力僅略高於1 exaFLOP。這種量級的算力增長，是市場預期AI能力將出現非線性提升的核心依據。

報告稱，儘管許多LLM開發者普遍認同算力投入將帶來能力提升，但也有懷疑論者認為，前沿模型的智能、創造力和解決問題的能力可能存在上限。

「規模牆」之辯：AI進步的關鍵不確定性

儘管前景令人興奮，但報告同樣明確指出了其中的關鍵風險——「規模牆」（Scaling Wall）的存在。

這一概念指的是，當投入的算力達到某個閾值后，模型在智能、創造力和解決問題能力上的提升會迅速減少，甚至令人失望。這是目前AI領域最大的不確定性。許多懷疑論者認為，簡單地增加算力可能無法持續帶來智能的飛躍。

然而，報告也提到了一些積極信號。一篇由Meta、弗吉尼亞理工和Cerebras Systems團隊聯合發表的近期研究論文《揭祕LLM預訓練中的合成數據》發現，在使用合成數據進行大規模訓練時，並未觀察到可預見規模內的性能退化模式，即所謂的「模型崩潰」（model collapse）現象。

這一發現令人鼓舞，因為它暗示了在算力大幅增加后，模型能力仍有持續提升的空間，撞上「規模牆」的風險可能低於預期。

此外，報告還列舉了其他關鍵風險，包括AI基礎設施的融資挑戰、歐盟等地的監管壓力、數據中心面臨的電力瓶頸，以及LLM被濫用或武器化的可能性。

全球資產估值如何重塑？

如果AI能力確實實現非線性躍升，資產價值將如何重塑？報告認為投資者應開始評估其對資產估值的多方面衝擊，並指出了四個核心方向：

本文來自微信公眾號「硬AI」，關注更多AI前沿資訊請移步這里