大摩120页报告说AI回调是技术面，我信了，但有个前提

我注意到一个有意思的细节。6月下旬到现在，全球AI板块跌了一轮，市场上一片恐慌，有人在喊“AI泡沫要破了”。但摩根士丹利在7月27号发了一篇120页的报告，标题直接叫《Playing the AI Infrastructure Dip》——翻译过来就是“趁着AI基础设施下跌，赶紧上车”。

我最近在实验室看论文，正好赶上这段行情。手里没什么钱，但技术趋势总要看得懂。大摩这份报告里有个核心判断我比较认同：回调主要来源于仓位拥挤和去杠杆，不是基本面出了问题。什么意思呢？就是之前大家太乐观了，买了太多，现在有人获利了结，有人被迫平仓，技术上砸了个坑。但AI算力需求的结构性短缺，其实没变。

大摩提到一个概念叫“Time to Power”，电力接入时间。他们说这是当前市场定价偏差最大的投资方向。我理解的大概意思是：数据中心建得再快，电网配套跟不上也是白搭。现在全球AI算力翻倍的速度远远快于电力基础设施的扩建速度，这个缺口短时间内补不上。

这个表格是我从报告里提炼出来的。大摩的论据很扎实，他们不是拍脑袋说“长期看好”，而是把每一笔账都算清楚了。比如被市场反复讨论的“Token预算上限”——企业会不会因为AI太贵而减少使用？大摩的调研结果是，企业算了一笔账：用AI替代人工，一次调用省了55美元，成本只要2到5美元，傻子才不用。

我在实验室用llama.cpp跑模型，虽然只是小规模测试，但也能感受到这个逻辑。量化模型GGUF格式，我跑70B模型时，推理成本比云端调用低了一个数量级，效果还能接受。如果企业大规模部署，成本优势只会更明显。

不过，大摩这份报告也不是没有槽点。他们筛选了3600只股票，说“赢家和输家之间的根本差距正在扩大”。这个结论听着像是说，只有少数AI公司能活下来。我最近在接触蚂蚁数科和Cadence，发现传统行业在AI落地上的节奏比想象的慢很多。蚂蚁数科那边的人跟我说，他们现在最大的瓶颈不是技术，是客户搞不清楚ROI怎么算。

所以我的判断是：大摩说的“技术面回调”这个判断我信，但“基本面没问题”这个结论要打个问号。不是需求有问题，是需求兑现的速度可能比预期慢。大摩自己也说了，北美约30%的AI采用者表示到2025年最后一个季度，才“至少有一项可量化的AI影响”。这个比例意味着，大部分企业还在摸索期。

回调不可怕，怕的是把短期波动当长期趋势。但反过来，把下跌全当成“倒车接人”也不对。就像我最近在实验室学到的——跑模型前先看数据质量，亏钱之前先看基本面兑现节奏。