摩根士丹利：超大規模資料中心資本支出將於2027年觸及1.5兆美元峰值

全球四大雲端供應商將於2027年將資料中心支出推升至約1.5兆美元，隨後於隔年增速驟降至約12%——摩根士丹利表示，此一轉折標誌著AI基礎設施建置進入消化階段，資本將重新導向軟體與應用層。

「資本支出軌跡是此一週期中資金流向何處的核心指標。」主導撰寫《摩根士丹利AI指南：駕馭推理時代》報告的首席分析師布萊恩·諾瓦克（Brian Nowak）在9月7日的研究報告中指出。摩根士丹利預計，亞馬遜、Alphabet、微軟與Meta的合併資本支出將從2025年約4660億美元攀升至2026年約9170億美元，並於2027年達到1.47兆美元——年增約60%——隨後於2028年增速放緩至約12%，總額達到約1.64兆美元。

該銀行主張，增速放緩並非AI需求已觸頂的訊號，而是實體限制——晶片、機架、土地、電力與勞動力——加上已為2027至2029年需求預建的產能，使提前加碼支出的空間所剩無幾。Alphabet旗下的Google擴張速度最快，其資料中心資本支出預計於2027年成長83%，而亞馬遜約50%、Meta約55%、微軟約43%，隨後四家業者於2028年均明顯放緩。

箇中關鍵在於股市中長達多年的資金輪動。摩根士丹利預期，投資人資金將從半導體與硬體層流出，流向掌控模型、基礎設施與通路布局的軟體及AI賦能平台——並點名Meta與Alphabet為價值鏈中最具吸引力的區段——其將此模式比擬為行動網路時代，當時在最初一波硬體浪潮過後，價值沿著技術堆疊向上遷移。

運算能力四倍擴增，客製化晶片取而代之

即便資本支出成長降溫，已安裝產能仍持續擴張。摩根士丹利預測，四家超大規模業者的總運算能力將從2025年約36吉瓦（GW）成長至2028年約144吉瓦，增幅近四倍；其中Google將於2027年新增約9吉瓦、2028年新增約11吉瓦，用於訓練Gemini、驅動Google Cloud Platform，並支援Search與YouTube的生成式功能。

晶片組合正朝內部自研晶片方向明顯轉變。客製化ASIC預計將於2028年佔新增運算產能的66%，高於2025年的34%，由Google的TPU與亞馬遜的Trainium領軍。輝達（Nvidia）仍是核心要角，但該報告主張，產業正從「搶購GPU」轉向提升單位運算效率——即便總需求持續成長，此一結構性轉變仍對商用晶片市佔形成壓力。

該銀行計算顯示，此類支出的回報遠比「燒錢軍備競賽」的敘事所暗示的更為健康。在自有的專屬運算上運行API的模型公司，其投入資本回報率最高，約46%，每吉瓦對應約304億美元營收；超大規模業者以輝達GB300為基準、透過IaaS模式出租GPU，報酬率約31%；而依賴第三方基礎設施的模型公司，在扣除租賃成本後回報率約25%。

商業化成為估值考驗

摩根士丹利表示，真正的考驗在於將運算轉化為營收。其估算全球生成式AI市場規模介於50兆至60兆美元，涵蓋20兆至30兆美元的知識工作市場，以及約30兆美元的消費支出。以公有雲採用曲線作為類比，其預測企業AI支出將於2027年達到約8120億美元，相當於知識工作市場約4%的滲透率——並主張AI的擴散速度將比雲端更快，因為其無需全面的基礎設施遷移。

採用情況已開始反映在企業揭露中。2026年第二季，約25%的標普500指數成分企業量化了生成式AI所帶來的營收效益，高於一年前的14%；科技業財報電話會議中提及AI效益的比重亦從28%攀升至51%。開源模型壓低token價格將引爆傑文斯悖論（Jevons Paradox）——更便宜的推理成本驅動爆炸性需求——同時鞏固超大規模業者「模型路由」層的價值，如AWS Bedrock、微軟Foundry與Google Vertex。

融資並非市場所擔憂的關鍵制約。今年AI相關債券發行量已達約4500億美元，而摩根士丹利預測，四家超大規模業者的合併營運現金流將從2026年的7390億美元攀升至2028年的1.23兆美元，同時新增債務需求從2380億美元降至900億美元——至2028年約佔營運現金流的7%。亞馬遜正籌備其首檔英鎊債券發行，Alphabet則於8月進入澳元債市，在10年期美國公債殖利率徘徊於4.8%附近的背景下，分散幣別融資管道。

然而實體瓶頸確實存在。州及地方政府對電價與用水量的審查日益嚴格，促使超大規模業者轉向電表後方的現場自建發電，每個吉瓦需額外增加約30億美元資本支出。對投資人而言，該報告將未來數年定位為應用層能否維繫營收與獲利的考驗——隨著資本支出增速放緩與滲透率攀升，資本預期將從硬體、半導體與記憶體，輪動至模型、雲端平台與軟體。

本文僅供參考，不構成投資建議。