AI 基礎建設回檔，真正卡住的會是電力缺口嗎？

AI 基礎建設這一波回檔，我看比較像「技術性喘息」不是基本面翻船

Morgan Stanley 這次的判斷很清楚：近期 AI 基礎設施相關美股的回檔，主要是技術面與市場情緒在修正，不是產業基本面轉弱。如果你們把這波拉回直接解讀成「AI 泡沫要破」，我認為下結論還太早。從算力需求、企業資本支出方向，到模型持續演進的速度來看，AI 需要的運算資源仍在往上推，而且需求成長的速度明顯還是超過供給。

我一直認為，AI 不是單純的題材輪動，而是典型的結構性投資週期。早期市場先炒晶片，接著是伺服器、網通，現在開始往電力、資料中心、儲能、電網升級這些更底層的環節延伸。這種路徑，其實很像過去幾輪大型產業循環：先看到終端需求暴衝，接著所有瓶頸都會被迫攤開來，最後資本支出才真正擴散開來。

 

算力需求沒有消失，只是市場先被情緒壓了一下

Morgan Stanley 的核心觀點是，這一波修正比較像是技術因素，而不是基本面出現斷裂。換句話說，短線賣壓壓下來的，不是 AI 長線需求，而是投資人對估值、部位擁擠度、以及市場風險偏好的重新定價。

這點我覺得很重要。因為只要大型語言模型還在訓練，企業端的雲端推論還在擴張，邊緣應用還在滲透，算力需求就不會是一次性的。它比較像一個會持續加碼的長天期循環，而不是曇花一現的應用浪潮。Morgan Stanley 也直接講，全球對算力的需求仍在攀升，而且遠超現有供給。

你們如果只看股價，容易以為市場在否定 AI；但如果回到企業導入、資本支出與模型迭代來看，故事其實還沒走完。

 

企業真的會因為控管 token 就少花錢嗎？

市場最近有個疑慮，認為企業可能會因為限制員工使用 token、或更嚴格控管 AI 成本，進而壓低相關支出。Morgan Stanley 對這個擔憂的態度相對直接：就算企業在成本端做控管，整體 AI 投入相對於生產力提升的比例，仍然很小。

這也符合我對這一輪 AI 投資的理解。當一項技術能夠明顯提升效率、縮短流程、改善決策品質，企業通常不會因為一點點成本就停止投入。比較常見的情況是：先試點、再擴張，最後變成組織內部標配。也就是說，短線上可能會看到預算分配調整，但一般性「砍 AI 投資」的情況，短期內不太容易出現在核心支出上。

從 EPS 的角度來看，現在許多雲端與平台巨頭的 AI 相關投入，還在換取未來幾年的營收與效率提升，市場不能只盯著當下的成本壓力，而忽略中期獲利能力的擴張。

 

中國模型進展，不一定會壓低全球算力需求

另一個市場常見誤解，是認為中國大型語言模型進展加快後，可能讓全球對算力的依賴下降。Morgan Stanley 的看法相反：更多中國 AI 解決方案出現，反而可能擴大 AI 的使用場景，進一步推升總體算力需求。

這其實很符合科技擴散的歷史經驗。每次效率提升不是讓總需求消失，而是讓更多人、更多企業、更多場景用得起、用得上。最後的結果常常不是「取代」，而是「擴散」。所以從全球角度看，AI 基礎設施仍是更長期的資本支出主題，不是只靠單一市場熱度撐起來的短線行情。

 

真正的瓶頸，不只在晶片，而在電力

不過，我認為這份報告最值得警惕的地方，不是算力需求，而是供電能力。

AI 不是只吃 GPU，還要吃電，而且是大量、穩定、連續的電。Morgan Stanley 估算，美國資料中心到 2028 年前，可能面臨約 38GW 的電力缺口。這個數字很大，背後代表的不是單一廠商的問題，而是整個電力基礎建設跟不上 AI 擴張速度。

這也就是我一直強調的：AI 的下一階段，不只是半導體和伺服器，還要看電網、變電設備、儲能、長約電源、再生能源併網。如果你們只盯著晶片，會低估整條供應鏈的深度；但如果你們有看能源與電力基礎建設，就會知道這裡才是中長線最容易卡住的地方。

而且這裡面還有一個典型風險：利率。長天期電廠、儲能專案、資料中心配電與電網升級，很多都是資本密集型投資，資金成本一旦偏高，報酬結構就會被壓縮。這也是為什麼我對補貼退場、融資環境轉緊、以及併網瓶頸一直抱持警示態度。

 

供應短缺、地方阻力，都是「減速」不是「封殺」

Morgan Stanley 的說法也很值得注意：目前看到的勞動力不足、電力供應不夠、以及地方政府對新資料中心的政治反對，多半屬於減速的顛簸，而不是結構性的否定。

這句話我同意，但也要加一句：減速的顛簸，往往就是最容易讓市場高估短線風險的時候。因為投資人常常把「建設進度延誤」誤判成「需求消失」。實際上，需求還在，只是供應端的反應慢了半拍，最後就會變成更長的資本開支週期。

所以你們如果問我，AI 基礎設施現在最像什麼？我會說是需求先跑、供給追趕、瓶頸反覆出現的階段。這種階段最不缺的就是波動，但也最容易孕育長線機會。

 

機構資金該看哪些環節？

Morgan Stanley 的布局方向很明確：重點不是只看晶片，而是看卡住 AI 擴張瓶頸的企業，包括半導體製造商、資料中心設備供應商、能源安全相關資產，以及具備超大型雲端平台的巨頭。它再次點名 Meta、Alphabet、Microsoft、Amazon，原因很簡單：這些公司既是模型與應用的推動者，也是算力資源的掌握者，能同時吃到上下游的話語權。

如果把這個框架放到更廣的綠能與電力基礎建設，我會認為未來市場一定會更重視：

• 穩定供電能力
• 儲能配置
• 電網升級與輸配電設備
• 再生能源與長約電力來源
• 高效率電力管理系統

這些都不是短線題材，而是 AI 資料中心真正落地時，必須一層一層補上的基礎。

 

這一波修正，反而讓中長線價差更有參考價值

Morgan Stanley 還特別提到，它偏好的 AI 基礎設施股票，過去一個月相對全球股指大約落後 7 個百分點。這代表什麼？代表市場這段時間已經把不少預期壓回來了，但這個修正幅度，未必跟產業長期成長故事相符。

如果你們相信算力缺口會延續到 2028 年前後，也相信 AI 帶來的生產力紅利會持續放大，那麼這種回檔比較像是估值與情緒先行調整，而不是基本面崩壞。當然，這不代表可以無腦追價；我反而認為要更仔細看哪一些公司有能力把訂單轉成 EPS，把資本支出轉成未來現金流，這才是機構派應該看的重點。

 

我最後的看法：AI 沒變成泡沫故事，而是進入瓶頸爭奪戰

總結來看，這份 Morgan Stanley 報告傳遞的訊號很明確：AI 不是從成長故事變成泡沫故事，而是從題材炒作，走向供給瓶頸與資源爭奪的階段。

真正的風險，不是需求突然不見，而是誰能持續提供： 算力、電力、資本、以及可擴張的基礎設施。

這也正是為什麼我會把 AI 資料中心需求，和綠能、儲能、電網、充電基礎建設放在同一個框架裡看。未來幾年，半導體龍頭、雲端巨頭、能源供應商、電力設備廠，甚至相關的再生能源與輸配電升級概念，都可能一起成為主線，只是節奏快慢不同而已。

所以你們的看法是如何呢？你們是比較希望看到 AI 需求延續帶動整條供應鏈，還是更擔心電力與補貼退場後，整個投資循環出現卡關？我會說，現在最該警惕的，不是 AI 熱潮結束，而是基礎建設跟不上熱潮的速度。