摩根大通《市场观察：2026年展望》电话会议纪要研读 涉及的行业与公司 * **行业**：生成式人工智能、半导体、云计算、数据中心、电力与能源、投资策略 * **公司**： * **超大规模云服务商**：微软、谷歌、亚马逊、Meta[2][7][16][25][26] * **半导体生态系统**：英伟达、台积电、ASML、AMD、博通、英特尔、高通、美光[2][16][25] * **其他AI相关公司**：苹果、特斯拉、甲骨文、Palantir、Salesforce、IBM、Uber、ServiceNow、Adobe、戴尔、惠普、超微电脑等[25] * **AI公用事业与资本设备**：NRG、Vistra、NextEra、南方电力、Constellation、Eaton、Trane、江森自控等[25] * **AI初创公司**：OpenAI、Anthropic、xAI、CoreWeave、Nebius[127][129] * **中国公司**：华为、中芯国际、阿里巴巴、腾讯、DeepSeek、Ecovacs、Roborock[216][223][232][238] 核心观点与论据 1. 市场高度集中与AI的主导地位 * 自2022年11月ChatGPT发布以来，42家与生成式AI相关的公司贡献了标普500指数**65%-75%** 的回报、利润和资本支出[2][7] * 如果没有这42只AI股票，标普500的表现将逊于欧洲、日本和中国市场[7] * 科技行业的资本支出在过去三个季度贡献了美国GDP增长的**40%-45%**，而2023年前三季度这一比例还不到**5%**[7] * 四家超大规模云服务商和四家半导体公司的总市值在短短几年内从**3万亿美元**增长到**18万亿美元**，占发达市场股票市值的约**20%**，全球股市（包括新兴市场）的约**16%**[2][16][19][20] 2. 超大规模云服务商的巨额投入与财务风险 * 自2022年第四季度以来，四大超大规模云服务商已在资本支出和研发上投入了**1.3万亿美元**[11][64] * Meta的资本支出和研发占收入的比例达到新高**70%**，并表示将“积极增加支出以保持在AI军备竞赛中的竞争力”[26] * 相比之下，标普500指数成分股公司的资本支出和研发占收入的中位数比例为**10%**[26] * 近期，部分公司开始转向债务市场为数据中心融资。例如，甲骨文为满足OpenAI的**600亿美元**年合同（提供尚未建成的云计算设施，需要**4.5吉瓦**电力）而大量借贷[36]。Meta通过与Blue Owl的合资企业SPV为Hyperion数据中心项目融资**270亿美元**，采用复杂的表外结构[37][42][43] * 如果将SPV债务合并计算，Meta的净债务与EBITDA比率将从年初的负值上升至**63%**，但仍远低于标普500中位数**2倍**[42] 3. 四大中期风险 **风险一：超大规模云服务商的“元宇宙时刻”** * 巨额投入可能无法带来相应的利润，类似于2022年“科技七巨头”股价下跌**50%** 的“元宇宙”时刻[11][64][65] * 尽管AI模型能力快速提升（例如，OpenAI的o3在Codeforces编程竞赛中击败了**99%** 的人类选手），但企业实际获得的成本和收入效益目前大多较小[76][101][102] * 不同机构对AI影响的看法分歧巨大。MIT报告称，尽管企业投资了**300-400亿美元**，但**95%** 的组织在生成式AI上获得零回报；而沃顿商学院的调查则显示更乐观的投资回报率预期[111][118][119] * 超大规模云服务商的自由现金流利润率正在逐渐下降，现金占总资产的比例也在减少[127][129] * 如果GPU和网络设备的折旧年限从当前假设的**5-6年**缩短至历史水平的**3年**，可能导致主要云服务商的每股收益和营业利润率下降**6%** 至**17%**（甲骨文受影响最大）[133][134] **风险二：美国发电能力制约** * 数据中心虽然仅占美国电力需求的**4%-8%**，但预计将占负荷增长的三分之二[152] * 训练前沿AI模型所需的功率每年翻倍，2025年科技资本支出占GDP的比例已超过互联网泡沫时期[13][14][152][153] * PJM（美国最大区域输电组织）地区的容量价格飙升，2025/2026年交付年度的拍卖价格达到约**350美元/兆瓦**（未设上限则为**530美元/兆瓦**），反映了数据中心的巨大需求[154][155][159] * 新增发电和储能容量的有效增长（考虑太阳能、风能和水电的间歇性与可靠性折减后）更为缓慢。2024年美国仅增加了**25吉瓦**的有效容量[152][157][158] * 燃气轮机、变压器、开关设备等关键设备面临**3-5年**的交付周期，且电力设备进口的关税豁免远少于半导体生态系统[164][168][169][172] * OpenAI宣布的四个合作伙伴关系就需要**30.5吉瓦**的新增电力，这相当于美国核电建设高峰期**5年**内完成总量的约**75%**，也相当于英伟达2025年GPU出货量所需的约**300%** 的电力[173][179][180] * 彭博新能源财经预测，到2030年，数据中心可能使美国天然气需求增加**30-40亿立方英尺/日**，这在美国**1070亿立方英尺/日**的总产量背景下是一个显著增量[183][184] **风险三：中国自主突破技术壁垒** * 中国在创新排名、出口产品复杂性、清洁能源专利、AI专利和核工程研究方面正迅速追赶或领先[216][217][219][221][225] * 中国对冠军产业提供巨额支持。根据CSIS数据，中国工业政策支出占GDP比例超过**2%**，远高于其他国家。在某些行业（如技术硬件），政府对上市公司的直接补贴占利润的比例超过**40%**[228][229] * 制裁加速了中国发展自主半导体生态系统的努力。中国第三期国家集成电路产业投资基金规模达**480亿美元**，时间跨度**15年**[238] * 华为的昇腾910C芯片在单芯片性能上仍落后于英伟达（例如，计算能力为**2.9倍**差距，能效为**0.5倍**差距），但其战略是在集群层面竞争[239][240] * 中国科学家正在研发自己的极紫外光刻机，路透社确认一个前ASML工程师团队已在深圳完成了原型机，目标在**2028-2030年**投产[238] **风险四：中国与台湾问题** * 报告提及此为一个风险因素，但未在提供的内容中展开详细论述[11][62] 4. 估值分析：高但并非不合理 * 当前科技资本支出占GDP的比例已超过互联网泡沫时期，但科技估值仅为当时峰值的一半左右，美国科技股的市盈率与增长比率近年来仅为**1-3倍**，而互联网泡沫时期为**4-8倍**[53][57] * 市场存在内部一致性：盈利能力越高，市场赋予的估值也越高。科技和互动媒体行业的自由现金流利润率长期显著高于标普500其他成分股（金融和REITs除外）[44][48][49] * 全球科技指数的PEG比率与全球整体股票市场的PEG比率差异不大[44][52] * 市场对年轻未盈利公司的依赖度远低于互联网泡沫时期和SPAC热潮时期。目前，这类公司的市值仅占科技总市值的约**3.2%**，支出占企业总销售、一般及行政费用、资本支出和研发支出的比例低于**2%**[53][59][60][63] 5. AI需求增长的乐观情景与OpenAI的风险 * AI基础设施提供商是迄今为止唯一产生显著超额回报的板块，而 presumed 的AI产品销售商和劳动力成本节约受益者组合表现与等权重标普500持平[135][136] * 乐观情景基于对未来巨大计算需求的假设。例如，假设到2030年代有**50亿**人使用AI，每人每天消耗**160万**个token，则每天总需求将达**8千万亿**个token，需要**23-92吉瓦**的专用AI推理算力，而目前全球估计仅有**20吉瓦**的数据中心容量能处理AI工作负载[140][141] * OpenAI的预测不断上调。2025年10月底对2027年的收入预测为**900亿美元**，比2025年中的预测**600亿美元**高出**50%**。其推算到2030年将需要**30吉瓦**的新发电容量[144][147][148] * OpenAI被认为是整个AI故事中最大的个体公司风险。它有望实现**100-200亿美元**的收入，并拥有对其企业合作伙伴**1.4万亿美元**的承诺，但目前主要依靠订阅和开发者费用生存，缺乏搜索/广告、云计算或硬件销售收入。其首席经济学家披露，**72%** 的GPT查询与业务无关[146][151] 其他重要但可能被忽略的内容 * **关税影响差异**：半导体生态系统（计算机部件、计算机、半导体）受益于较高的特朗普关税豁免（豁免比例约**60%-100%**），而发电生态系统（燃气轮机、电机、变压器、开关设备等）的关税豁免比例很低（**0%-40%**），这可能加剧美国电力基础设施建设的瓶颈[21][23][24][168][169] * **折旧会计处理的影响**：超大规模云服务商自2020年以来逐步延长了GPU和网络资产的折旧年限（至**5-6年**）。如果因技术迭代加速、故障率（年化约**9%**）或用户偏好转向新型号（如Blackwell）而导致折旧年限回调，将对财务报表产生重大影响[131][132][133] * **电力市场的“需求响应”争议**：PJM的独立市场监测机构Monitoring Analytics强烈认为，数据中心的巨大新增负荷需要新的专用发电容量，仅靠需求侧响应或灵活性不足以保障电网可靠性，并建议为大型新数据中心负荷建立排队接入机制[203][204]。而一些由谷歌资助的研究则主张，通过灵活的电网连接和现场发电，数据中心可以更快投入运营[205][214] * **美国产业政策的不同路径**：报告对比了美国政府对MP Materials（关键矿物公司）和英特尔的支持方式。对MP Materials提供了**10年**、**110美元/公斤**的价格支持锚定和政府需求承诺；而对英特尔的芯片法案支持大部分转为现金投资，并未创造新的需求锚定，其效果取决于英特尔自身制造能力的提升[230][231] * **中国在机器人等领域的竞争优势**：以iRobot为例，其被亚马逊收购计划因欧美反垄断监管受阻后，公司裁员一半并申请破产。相比之下，其中国竞争对手Ecovacs和Roborock获得了巨大的政府补贴（中国机器人中心获得的资金是美国的**20-40倍**）[223]