一个模型的发布，正在改变市场争论的方向。

市场过去几个月一直在争论一个问题：" 服务已知的 AI 需求，究竟需要多少基础设施？"这个问题的潜台词是：AI 基建是否已经过度投资？

但据追风交易台消息，摩根士丹利 9 月 7 日发布的报告指出，GPT-6 Astra 的重要性不应被简单理解为又一次规模扩张（Scaling）叙事的延续。这并不是又一次的模型升级。

Astra 代表的是能力广度（breadth of capabilities）与互操作性的实质性跃升，具体体现在四个方向：推理能力、工程能力、计算机使用，以及物理世界任务执行。这意味着，AI 开始跨越到能够执行复杂推理、专业工程任务、直接操作计算机乃至处理现实世界任务的层面。能做的事情变多了，能赚钱的场景也就变多了。OpenAI 最新发文也表示，更好的模型开辟新的 " 工作领域 "。

AI 叙事再度从 " 需求争论 " 拉回 " 物理瓶颈 "

Astra 的出现可能把市场的核心问题从 " 服务已知 AI 需求需要多少基础设施 "，扭转为：" 随着模型智能的提升，有多少新的工作负载将变得经济上可行？"

这是一个方向完全相反的问题。前者是需求侧的质疑，后者是供给侧的压力。

弹性效应：每美元买到更多智能

分析师在报告中提出了一个核心经济学逻辑：更好的模型可以创造弹性效应——当 AI 每花一美元获得的智能和实用性越高，推理工作负载的数量、持续时间和复杂度都会随之增加。

这类似于经典的 " 杰文斯悖论 "：效率提升并不减少消耗，反而扩大总消耗。单位成本的智能产出提升 → 原本不划算的应用场景变得可行 → 新的工作负载涌入 → 对算力和基础设施的需求反而扩大。

可触达市场大幅扩展

分析师认为，如果 Astra 的能力转化为商业上有用的应用，可触达的 AI 收入池将大幅扩展，远超今天以聊天和编码为主的使用场景。

大摩测算，全球知识工作 TAM 约为 22.5 万亿美元（基于全球 9 亿知识工作者、平均年薪约 2.52 万美元估算）；消费者支出 TAM 约 30 万亿美元，涵盖零售 + 旅行（约 16 万亿美元）、自动驾驶 / 出行（约 4 万亿美元）、餐饮配送（约 4 万亿美元）及广告（约 3 万亿美元）。

供给端的物理约束才是真正瓶颈

分析师的结论是：Astra 的出现将瓶颈叙事从 " 需求形成 " 拉回到 " 物理供给约束 " ——即能否在规模化条件下交付这些智能。

具体指的是什么？算力。电力。材料。劳动力。等。

物理瓶颈具体在哪里：ABF 和 HBM4E

供给端的紧张，有两个具体抓手。

第一个是 ABF 载板。

摩根士丹利预计，ABF 载板将从 2027 年起出现供不应求，且缺口会持续扩大至 2030 年。关键约束是：新产能至少需要 2 年才能上线。

第二个是 HBM4E 的后道工序（BEOL）复杂度。

报告指出，HBM4E 的后道工序代表着半导体制造的重大范式转变—— HBM 从专用 3D 存储堆叠，演变为高度集成的定制 Chiplet 逻辑系统。

具体影响链条：

HBM4E 互连层数增加（如 SK 海力士引入 dummy bump），大量 DRAM 资本开支将被迫用于 BEOL 产能扩张

前道工序（FEOL）的制程迁移资本开支和 DRAM GB 出货量加速，预计要到 2027 年下半年才能实现

DRAM 厂商优先占用设备产能，NAND 产能扩张因此可能被推迟

这两个瓶颈的共同特点：都是可验证、可追踪的物理约束，不是市场情绪。

电力：最真实的物理瓶颈

随着数据中心监管压力上升，电力供应成为另一个关键物理瓶颈。分析师预计，超大规模云厂商的总算力将从 2025 年的约 35GW，增长至 2028 年的约 145GW，增长约 4 倍。

分析师指出，美国面临 38 吉瓦的电力缺口，数据中心将越来越多地采用表后（behind-the-meter）自发电解决方案。

该行测算，表后电力方案将为每吉瓦资本开支增加约 30 亿美元。以 Rubin Ultra 一代英伟达芯片为例，含表后电力的全包成本约为每吉瓦 500 亿美元。

市场低估了什么

分析师认为，市场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价。

第二，供给紧张持续时间可能更长。 ABF 和 HBM4E BEOL 的约束，都不是短期内能解决的。

第三，一些不依赖 AI 也能上涨的股票正在悄悄走强。 模拟芯片（STM、NXP、Renesas）经历了超过三年的 L 型底部后，正处于早期周期复苏阶段——库存精简、定价企稳、工业订单改善。

结论不是 " 多买 AI"

摩根士丹利给出的投资优先级：

AI 算力（最优先） > 网络（次之） > 存储器（选择性） + 模拟芯片（早期周期对冲），包括：

AI 算力：GPU（英伟达）、ASIC（联发科、GUC）、ABF 载板（欣兴、揖斐电）、MLCC（村田、三星电机）、后道封测（爱德万、东京电子、华丰、日月光、京元电）、电源（台达）

网络：GLW、LITE、COHR、KEYS、古河电工、藤仓

存储器：优先结构性份额增长和本土化（长鑫存储），SK 海力士、三星、铠侠在供给持续偏紧的情况下有战术性上行空间

非 AI：模拟芯片（意法半导体、恩智浦、瑞萨）

该行表示：" 我们更倾向于布局在更广泛的推理周期与有限物理产能、上升的内容强度、增加的制造复杂度三者交汇处的公司。"

需要保持清醒的地方

摩根士丹利的报告并非单方面乐观，并明确提示了三个需要注意的地方：

第一，AI 预期已经很高。 市场对 AI 公司的容忍度已从" 好业绩 " 变成 " 必须完美业绩 "，即便 Astra 带来实质进展，若业绩未大幅超预期，股价反应可能仍然有限。

第二，2028 年资本支出增速预计放缓。 股票定价看的是增速的变化方向，减速本身可能持续压制估值，即便绝对值仍在增长。

第三，宏观逆风仍在。 报告提及油价、通胀、美联储利率路径以及 2028 年美国大选等不确定因素，尤其关注民主党若赢得行政权后对数据中心扩张的潜在政治阻力。