摩根士丹利發布報告指出，GPT-6 Astra 的發布將改變市場爭論方向。Astra 代表推理能力、工程能力、電腦使用及物理世界任務執行的實質性躍升，意味著 AI 從簡單交互擴展到複雜任務執行。文章作者：龍玥
文章來源：華爾街見聞
一個模型的發布，正在改變市場爭論的方向。
過去幾個月，市場一直在爭論一個問題：「服務已知的AI需求，究竟需要多少基礎設施？」這個問題的潛台詞是：AI基礎設施是否已經過度投資？
但據追風交易台消息，摩根士丹利 9 月 7 日發布的報告指出，GPT-6 Astra 的重要性不應被簡單理解為又一次規模擴張（Scaling）敘事的延續。這並不是又一次的模型升級。
Astra 代表著能力廣度與互操作性的實質性躍升，具體體現在四個方向：推理能力、工程能力、電腦使用，以及物理世界任務執行。這意味著，AI 開始邁向能夠執行複雜推理、專業工程任務、直接操作電腦乃至處理現實世界任務的層面。能做的事情變多了，能賺錢的場景也就變多了。OpenAI 最新文章也表示，更好的模型開闢了新的「工作領域」。
AI 叙事再度從「需求爭論」拉回「物理瓶頸」
Astra 的出現可能把市場的核心問題從「服務已知 AI 需求需要多少基礎設施」，扭轉為：「隨著模型智能的提升，有多少新的工作負載將變得經濟上可行？」
這是一個方向完全相反的問題。前者是需求側的質疑，後者是供給側的壓力。
彈性效應：每美元買到更多智能
分析師在報告中提出了一個核心經濟學邏輯：更好的模型可以創造彈性效應——當AI每花一美元獲得的智能和實用性越高，推理工作負載的數量、持續時間和複雜度都會隨之增加。
這類似於經典的「傑文斯悖論」：效率提升並不減少消耗，反而擴大總消耗。單位成本的智能產出提升 → 原本不划算的應用場景變得可行 → 新的工作負載湧入 → 對算力和基礎設施的需求反而擴大。
可觸及市場大幅擴展
分析師認為，如果 Astra 的能力能轉化為商業上有用的應用，可觸及的 AI 收入池將大幅擴展，遠超今天以聊天和編碼為主的使用場景。
摩根士丹利估算，全球知識工作TAM約為22.5萬億美元（基於全球9億知識工作者、平均年薪約2.52萬美元估算）；消費者支出TAM約30萬億美元，涵蓋零售＋旅行（約16萬億美元）、自動駕駛／出行（約4萬億美元）、餐飲配送（約4萬億美元）及廣告（約3萬億美元）。
供給端的物理約束才是真正的瓶頸
分析師的結論是：Astra 的出現將瓶頸敘事從「需求形成」拉回到「物理供給約束」——即能否在規模化條件下交付這些智能。
具體指的是什麼？算力。電力。材料。勞動力。等。
物理瓶頸具體在哪裡：ABF 和 HBM4E
供應端的緊張，有兩個具體抓手。
第一個是 ABF 載板。
摩根士丹利預計，ABF載板將從2027年起出現供不應求，且缺口會持續擴大至2030年。關鍵限制是：新產能至少需要2年才能上線。
第二個是 HBM4E 的後道工序（BEOL）複雜度。
報告指出，HBM4E 的後道工序代表著半導體製造的重大範式轉變——HBM 從專用 3D 存儲堆疊，演變為高度集成的定制 Chiplet 邏輯系統。
具體影響鏈條：
- HBM4E 互連層數增加（如 SK 海力士引入 dummy bump），大量 DRAM 資本開支將被迫用於 BEOL 產能擴張
- 前道工序（FEOL）的製程遷移資本開支和 DRAM GB 出貨量加速，預計要到 2027 年下半年才能實現
- DRAM 廠商優先佔用設備產能，NAND 產能擴張因此可能被推遲
這兩個瓶頸的共同特點：都是可驗證、可追蹤的物理約束，不是市場情緒。
電力：最真實的物理瓶頸
隨著數據中心監管壓力上升，電力供應成為另一個關鍵物理瓶頸。分析師預計，超大規模雲廠商的總算力將從2025年的約35GW，增長至2028年的約145GW，增長約4倍。
分析師指出，美國面臨 38 吉瓦的電力缺口，數據中心將越來越多地採用表後（behind-the-meter）自發電解決方案。
該行估算，表後電力方案將為每吉瓦資本開支增加約30億美元。以Rubin Ultra一代英偉達晶片為例，含表後電力的全包成本約為每吉瓦500億美元。
市場低估了什麼
分析師認為，市場目前正在低估三件事：
第一，GPT-6 Astra 的全球科技受益者尚未被充分定價。
第二，供應緊張的持續時間可能更長。ABF 和 HBM4E BEOL 的限制，都不是短期內能解決的。
第三，一些不依賴AI也能上漲的股票正在悄悄走強。模擬晶片（STM、NXP、Renesas）在經歷了超過三年的L型底部後，正處於早期週期復甦階段——庫存精簡、定價企穩、工業訂單改善。
結論不是“多買AI”
摩根士丹利給予的投資優先順序：
AI算力（最優先） > 網絡（次之） > 存儲器（選擇性） + 模擬晶片（早期週期對沖），包括：
- AI 計算力：GPU（NVIDIA）、ASIC（聯發科、GUC）、ABF 載板（欣興、揖斐電）、MLCC（村田、三星電機）、後道封測（愛德萬、東京電子、華豐、日月光、京元電）、電源（台達）
- 網絡：GLW、LITE、COHR、KEYS、古河電工、藤倉
- 存儲器：優先結構性份額增長和本土化（長鑫存儲），SK海力士、三星、铠侠在供給持續偏緊的情況下有戰術性上行空間
- 非AI：模擬晶片（意法半導體、恩智浦、瑞薩）
This line states: "We prefer companies positioned at the intersection of a broader reasoning cycle, limited physical capacity, rising content intensity, and increased manufacturing complexity."
需要保持清醒的地方
摩根士丹利的報告並非單方面樂觀，並明確提示了三個需要注意的地方：
第一，AI的預期已經很高。市場對AI公司的容忍度已從「好業績」變成「必須完美業績」，即便Astra帶來實質進展，若業績未大幅超預期，股價反應可能仍然有限。
第二，2028年資本支出增速預計放緩。股票定價看的是增速的變化方向，減速本身可能持續壓制估值，即便絕對值仍在增長。
第三，宏觀逆風仍在。報告提及油價、通脹、聯儲局利率路徑以及2028年美國大選等不確定因素，尤其關注民主黨若贏得行政權後對數據中心擴張的潛在政治阻力。
