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。