AI红利的下一格，“使用AI的公司”准备好数字了吗
摩根士丹利把半导体和基础设施之后的下一棒，交给了软件和导入AI的企业。顺序听起来合理，但衡量导入效果的方法还很粗糙。
商业摩根士丹利描绘的AI周期三格
有一张图表，是摩根士丹利分析中介绍的。标题是“AI周期初期的变现”，把2022年12月到2026年夏季之间三组相对股价走势叠加在了一起。半导体一格里有英伟达、台积电、SK海力士、三星电子；基础设施一格里有甲骨文、戴尔、Arista、Vertiv；软件与服务一格里则是Datadog、Okta、爱彼迎。图表最右端的箭头上写着一句话：周期将扩展到软件与服务、以及导入AI的企业。
这张图所讲的顺序，和摩根士丹利研究部9月末发布的报告也相符。报告预测，超大规模云厂商和新型云服务商（neocloud）1的资本支出增速，将从2026年的93%降至2027年的61%，再降至2028年的14%。因此报告认为，2028年可能会出现从硬件转向软件与服务的拐点，而市场会提前把这一点计入价格，这意味着这一转移会从明年就开始。
报告把未来6~12个月视为这段过渡期。也就是说，这是机会从半导体和基础设施向外扩展的时期——扩展到早期软件供应商，以及靠AI提升生产力和营收的企业。在软件内部，报告也排了顺序：基础设施软件和网络安全最先受益，应用软件其次，而服务型企业要等到客户们把AI投资回报变成可重复的模式之后，才能享受到红利。
在读图表之前要先说明的事
这张图表附带了一个数字。它说半导体和基础设施这两个组合比标普 500 指数领先了 500~700 个百分点。把三个领域叠加画成图，照着刻度去读，就会得出这样的数值。不过我希望大家能同时记住两点。
第一点是图表的形式。三种颜色的区域究竟是相互重叠的，还是自下而上堆叠起来的，同样的刻度会变成完全不同的数字。如果是堆叠图，那么最顶端的顶点是三个组合相加后的值，不能把它读成半导体单独的表现。在写这一期时，我在摩根士丹利报告正文里并没有找到这张图表的原始图表和注释。所以在这篇文章里，我只借用图表所呈现的顺序，而不采用其中的数字。
另一点是格子之间的边界。亚马逊、谷歌、微软、Meta 同时出现在基础设施格子和软件·服务格子里。因为它们既是建造数据中心的公司，也是在这之上销售 AI 的公司。实际上，摩根士丹利在今年 7 月曾把半导体走弱解读为市场扩大的信号，并写道投资者可能会转向超大规模云服务商（hyperscaler）。这三个格子与其说是依次交棒的接力赛，不如说更像是相互重叠、同步移动的区间。
从采用企业一端确认到的数字
那么最后一格，“使用”AI 的企业的成绩单又如何呢。摩根士丹利在 2 月的《AI 变化率地图》报告中，整理了分析师们分类出的 AI 采用企业的数字。
| 分类 | AI 采用企业 | MSCI 全球指数 |
|---|---|---|
| 2024→2025 年 EBIT 利润率2扩大 | +310bp3 | +150bp |
| 2026 年扩大幅度（展望） | +230bp | +130bp |
| 2027 年扩大幅度（共识预期） | +90bp | +130bp |
2025 年的业绩超过了市场平均水平的两倍。但看表格的最后一行就会发现，当前的共识预期是，到 2027 年，采用企业的利润率扩大幅度将小于市场平均水平。摩根士丹利将此解读为市场对采用企业效果反映不足的证据。
进入夏季之后，相关数字依然在延续。由 Michael Wilson 领导的摩根士丹利策略团队在 7 月底预测，到 2027 年，AI 采用将使净利润率提升约 100bp。在 9 月的报告中，他们整理指出，多个行业的企业在过去一年里平均报告了 9.6% 的净生产率改善。
计算“可衡量效果”的方法
这里有一处值得停下来看看的地方，那就是这些数字到底是怎么统计出来的。
摩根士丹利在7月提出的依据之一是，标普500指数成分股中有25%的企业在第二季度财报发布会上提到了AI应用带来的可衡量效果。一年前这个比例是14%。2月报告中的数字也是用类似的方式统计的。2025年第四季度，北美采用AI的企业中有30%至少提到了一项定量的AI效果。虽然比2024年第四季度的16%大幅增长，但反过来看，这也意味着被归类为“已采用”的企业中，有70%至今还拿不出任何一个数字。
The Next Web指出了这一点。在财报发布会上说“出现了可衡量的效果”不需要付出任何代价，而在当下的市场中，这句话甚至还能带来回报。统计提到效果的公司，和统计公开了某项业务以什么为基准、发生了多大变化的公司，是两件不同的事。这篇文章也一并指出，独立依据的结果并不那么令人振奋。英国国家统计局认为，AI的应用正在变广，但并未变深；而发表在《哈佛商业评论》上的一项研究则探讨了这样一种现象：为整理AI产出而节省下来的时间，又被重新消耗掉了。
这些指出的问题并不会颠覆摩根士丹利的排序。只是希望大家一起留意一点：通向最后一格的依据，目前仍然更多依赖于“发言”，而非“实测”。
基础设施这一格还没关闭
摩根士丹利也没有把这次转移看作简单的接力棒传递。9 月报告强调的其实是瓶颈。
最大的制约是电力。报告估计 2026～2028 年间将缺少 57GW 电力，相当于所需电量的 30～40%。2025 年以后，美国因地区反对而被推迟或取消的数据中心项目规模达 2,860 亿美元。因此他们认为未来数年计算需求将大幅超过供给，AI 周期不会一格一格地跳跃前进，而是会横向展开。
整理一下，这张地图是这样的：半导体和基础设施格因为瓶颈而开放的时间比预想的更久，软件格从基础设施软件和安全开始打开，采用企业格的数字还在被填充之中。
Oswarld视角
最近我在为AI数据中心项目提供咨询、设计与审查服务，跑了不少地方。每次收到审查请求时，我首先看的不是地块或GPU数量，而是有没有已经确定的租户4，以及贷款团是不是根据该租户的信用在行动。
在摩根士丹利那张地图上，基础设施那一栏为什么拉得那么长，我在这里也看到了同样的原因。芯片和建筑由合同上的数字推动，但填满那栋建筑的需求，归根结底要靠下游的采用企业真金白银地花钱、并确认效果才能产生。只要采用效果还停留在“在财报发布会上提了一句”的阶段，能写进租户合同里的数字也只能同样谨慎。
我再补充一个使用模型的经验。以前，持续时间长或重复性强的任务我会交给Luna或Sonnet级别的模型，现在则交给DeepSeek和GLM。整体规划、编排和初始设计图，仍然交给Claude或GPT-6。即便用Ollama Cloud消耗万亿级别的token，也比用Claude或GPT-6便宜得多，而且只要把harness文件设置得当，性能也相当不错。我一直在说的是：并不是所有人、所有工作都需要顶级前沿模型那种级别的智能。
在去年8月那期讨论美联储主席生产率发言的文章里，我写过：没有反证条件的展望不是分析，而是销售话术。这次的地图也可以套用同样的提问：出现什么样的数字，才会让人放弃“正在向下游转移”这个展望？候选答案其实已经藏在摩根士丹利的资料里。那就是：2027年采用企业利润率扩大的市场共识90个基点，实际业绩是否会超过市场平均的130个基点；以及不是仅仅“提及”效果、而是连同基准一起“公开”效果的企业，数量是否正在增加。
结语
摩根士丹利所描绘的顺序本身是有说服力的。只是最后一格，目前仍是先在财报里、而不是先在股价上被填满；而财报里，又是先在业绩发布会的措辞中被填满，而不是先在账面数字上。 与其盯着图表上的箭头，不如观察那句措辞转变为基准线和数字的速度，这样会更准确。
本文不构成对特定股票或资产的投资建议。文中引用的展望与估算均以摩根士丹利研究报告及相关报道为准。
💬 读者您所在的公司有没有用数字来发布或汇报过 AI 带来的效果？当时是以什么作为基准线的呢？欢迎在评论区分享。
📨 如果您身边有同事正需要把 AI 导入效果整理成报告，请把这篇文章分享给他们。
参考资料与延伸阅读
核心来源
- ANI·Asianet Newsable，“Morgan Stanley sees AI investment cycle shift to software by 2028”，2026.9.28。……设备投资增速展望、电力缺口 57GW、2,860 亿美元的延迟与取消、9.6% 净生产率、软件领域排序等内容的出处。这不是摩根士丹利报告原文，而是经过报道加工的摘要。
- Morgan Stanley Research，“Mapping AI’s Rate of Change: Where the Rubber Meets the Road”，2026.2.11。……采用企业 EBIT 利润率表、成本效率 80%、量化效果提及比例等数据的原始出处。
- The Next Web，“A quarter of the S&P now claims measurable AI benefits. Last year it was 14%”，2026.7.28。……可以同时看到标普 500 中 25% 这一数字及其衡量方式所受到的批评。
背景知识
- Bloomberg Law，“Morgan Stanley Says AI Adopters Set for Solid Profit Margins”，2026.7.27。……威尔逊策略团队关于净利润率提升 100bp 预测的报道。
- The Star（路透社），“AI investors may pivot to hyperscalers from chipmakers, Morgan Stanley says”，2026.7.6。……这是一篇将半导体走弱解读为市场扩散信号的 7 月报告。
值得一起阅读的往期
- 第176号《新任美联储主席为何说话像初创公司》……探讨了该如何看待一个没有反证条件的展望。
- 《AI 服务器能赚 44%，云却为何只有 11%》……审视了摩根士丹利在计算中国 AI 基础设施收益率时遗漏了什么。
你的观点会成为下一期的线索
欢迎留下你的经验与看法。