算力激增或将引爆2026年AI智能革命与资产格局重塑

当前，一场依托于计算能力爆发式提升的人工智能性能突破或许正在悄然酝酿，预示着一场行业剧变。

据硬AI报道，摩根士丹利在近期发布的一份研究报告中提出，市场可能严重低估了2026年人工智能领域的一项关键催化剂——由计算资源指数级扩张所驱动的模型能力“非线性”跃升。

这份由Stephen C Byrd等分析师主导的报告指出，多家美国领先的大型语言模型开发商计划在2025年底前，将用于训练尖端模型的算力资源提升约10倍。这种前所未有的投入规模，预计将在2026年上半年显现成效，成为一个“尚未被市场充分定价的驱动因素”。

报告引述了特斯拉CEO埃隆·马斯克的看法，即10倍的算力投入有望使模型的“智能”水平实现翻番。分析进一步强调，若现有的“规模法则”持续生效，其影响可能是“颠覆性的”（seismic consequences），将从AI基础设施到全球供应链等多个维度冲击各类资产的价值评估。

然而，这一乐观预期并非没有变数。报告明确指出，核心不确定性在于AI发展是否会遭遇“规模墙”。这一概念指的是，当算力投入达到某个临界点后，模型在智能、创造力及解决问题能力上的提升可能出现收益递减现象，导致结果不及预期。

01 算力十倍扩张，有望催生AI能力阶跃式突破

报告建议，投资者应为2026年可能出现的AI能力阶梯式上升做好准备。

报告描绘了即将到来的算力图景：一个基于Blackwell GPU构建的1000兆瓦数据中心，其算力预计将超过5000 exaFLOPs（即每秒五百京次浮点运算）。作为对比，美国政府旗下的“Frontier”超级计算机算力仅略高于1 exaFLOP。如此量级的算力飞跃，是市场预期AI能力将实现非线性提升的核心逻辑支撑。

报告称，尽管多数LLM开发者普遍认同算力投入能推动能力进步，但部分怀疑论者担忧，前沿模型的智能、创造力与解决复杂问题的潜能可能存在天花板。

02 “规模墙”争议：AI进步路径的核心不确定性

尽管前景振奋，但报告同样清晰指出了关键风险——“规模墙”的存在。

这一假设认为，当算力投入跨越某一阈值后，模型在智能、创造力及解决问题能力上的增益会迅速衰减，甚至令人失望。这是当前AI领域最重大的未知数。许多质疑者认为，单纯叠加算力未必能持续带来智能的质变。

不过，报告也提及了一些积极迹象。一篇由Meta、弗吉尼亚理工及Cerebras Systems团队近期联合发表的论文《揭秘LLM预训练中的合成数据》发现，在使用合成数据进行大规模训练时，并未在可观测范围内出现性能退化模式，即所谓的“模型崩溃”现象。

这一发现令人鼓舞，因为它暗示在算力大幅增加后，模型能力仍有持续提升的空间，撞上“规模墙”的风险或许低于此前预估。

此外，报告还列举了其他关键挑战，包括AI基础设施的融资困难、欧盟等地区的监管压力、数据中心面临的电力供应瓶颈，以及LLM技术被滥用或武器化的潜在可能。

03 全球资产价值如何被重新定义？

倘若AI能力真能实现非线性跃升，资产价值将如何被重塑？报告认为投资者应开始评估其对资产估值的多维度冲击，并聚焦于四个核心方向：

首先是AI基础设施相关股票，尤其是那些能够缓解数据中心增长瓶颈的企业；报告分析，如果AI能够以更低成本和更高效率解决全球GDP中更多问题，那么支撑这种价值创造的基础设施本身价值也将大幅攀升。

其次是中美供应链，AI竞赛的白热化可能促使美国在关键矿产等领域加速“脱钩”进程。

再次是具备强大定价权的AI应用者股票；报告估算，AI应用有望为标普500指数创造约13万亿至16万亿美元的市值。然而，并非所有公司都能均等受益。那些拥有稳固定价权的公司，能够将AI带来的效率提升和成本节约转化为实际利润，从而留存大部分收益。

最后，从更长远视角看，那些难以被AI“廉价复制”的硬资产，如土地、能源和特定基础设施，其相对价值可能会显著上升。

物理稀缺性资产： 例如滨水地产、特定地理位置的土地、能源与电力资产（尤其是能够承载数据中心的发电设施）、交通枢纽（机场、港口）、矿产资源和水源。

监管稀缺性资产： 如各类受保护的牌照、特许经营权。

专有数据与品牌资产： 强大的知识产权库、独特的品牌形象与声誉。

独特的奢侈品与人类体验： 例如顶级体育赛事、现场音乐表演等无法被数字完全替代的体验。