摩根士丹利：AI 基建投資機會 2.9兆美元

Q: AI 基建資本支出 2.9 兆美元是否包含中國市場？會不會因地緣政治大幅縮水？

摩根士丹利模型以全球超大規模雲端為核心樣本，五大巨頭資本支出佔比超過 60%。中國雲端廠商雖受晶片禁令影響，但已轉向自研 ASIC 與國產替代，其資本支出規模納入全球 2.9 兆美元估算中。地緣風險主要影響誰供給 GPU，而非是否建設資料中心。

Q: 若 Agentic AI 在 2026 年未大規模落地，CPU 需求預期會不會落空？

會。這正是報告隱含的關鍵風險。模型假設 Agentic AI 2026 年進入生產級部署，若延遲至 2027 年後，CPU/記憶體需求增長曲線將右移 12-18 個月。投資者應監控 OpenAI、Anthropic、Google DeepMind 的代理式產品實際發布節奏、企業級 SaaS 採用率。

Q: 現在買 NVIDIA 會不會太晚？估值是否已反映所有利好？

從絕對估值看，NVIDIA 2025 年預測市盈率約 35-40 倍，不便宜。但從相對機會成本看，若 2.9 兆美元資本支出中 55% 流向硬體，NVIDIA 以 80%+ 佔有率鎖定最大切片，其確定性溢價合理。建議採用核心倉位 + 期權防護策略，同時配置基建鏈條與架構轉型標的分散風險。

AI 基建投資機會是這篇文章討論的核心

摩根士丹利驚人預測：AI 基建回調是陷阱還是千載難逢的 2.9 兆美元進場機會？

圖片來源：Pexels / Mikhail Nilov —— 霓虹紫藍光暈交織的主機板，隱喻 AI 基建 2.9 兆美元的資本支出黑盒

⚡ 快速精華：30 秒掌握核心戰略

💡 核心結論： 當前 AI 基建股回調非泡沫破裂，而是「資本支出超級週期」前夜的喘息；摩根士丹利鎖定 2025-2028 累積 2.9 兆美元 全球資料中心資本支出，其中 1.6 兆流向晶片/伺服器，1.3 兆砸向建設與電力。
📊 關鍵數據： 五大超大規模雲端（微軟、Google、亞馬遜、Meta、SpaceX）2027 年資本支出達 1.2 兆美元、2028 年衝向 1.4 兆美元；NVIDIA GB200/GB300 機櫃需求 2026 年將翻倍至 6 萬組以上，帶動液冷市場 2027 年達 48 億美元。
🛠️ 行動指南： 佈局三條主線——算力核心（NVIDIA/AMD/博通）、基建鏈條（Vertiv 液冷、電力管理、光模組）、架構轉型受益者（CPU/記憶體/ASIC 供應鏈）。
⚠️ 風險預警： 60% 硬體依賴進口、電力瓶頸與債務融資比例飆升、Agentic AI 若延遲落地將重創 CPU 需求預期。

引言：我在摩根士丹利報告裡看見的「隱形資本戰爭」

上週深夜翻閱摩根士丹利最新發布的《AI Infrastructure Stocks: Key Investment Opportunities》與後續追蹤報告時，有個細節讓我脊背發涼——不是那些兆級數字，而是報告頁腳一行小字：「60% 的 AI 硬體資本支出流向進口設備，美國 GDP 提振僅 40 基點」。

這意味著什麼？意味著這場號稱「人類歷史最大基建熱潮」的大戲，主角雖然是美股七巨頭，但劇本裡真正拿錢的、流汗的、甚至背負債務風險的，可能分佈在台灣、韓國、馬來西亞、甚至德州的變電站工地上。作為一名長期觀察半導體供應鏈與資料中心建設週期的從業者，我必須承認：這波回調絕非簡單的「估值修正」，而是資本市場在為 2026-2028 年的「算力交付現實」重新定價。

本文將結合摩根士丹利 Brian Nowak 團隊、Vishwanath Tirupattur 團隊及 Ted Pick 最新公開數據，拆解三個市場普遍忽視的關鍵轉折：資本支出結構性上修的債務驅動邏輯、液冷從「選配」變「標配」的供應鏈重組、以及 Agentic AI 將如何把晶片戰場從 GPU 拉向 CPU 與記憶體。若你手握 AI 基建相關部位，或正評估進場時機，請繼續往下——這不是財報摘要，而是一份為 2026 年佈局的「作戰地圖」。

為什麼這波回調可能是「最後上車機會」？

市場恐慌通常源於兩種敘事：一是「AI 需求見頂」，二是「資本支出不可持續」。摩根士丹利用兩組數據直接反制這兩種敘事：

需求端： NVIDIA 已揭露未來五個財季約 1,400 萬顆 Blackwell 與 Rubin 架構 GPU 訂單，換算單價，這筆訂單金額已超過 3,000 億美元——尚未計入網路、機櫃、電力與液冷配套。
供給端： 同一份報告指出，超過 95% 的現有資料中心仍以風冷為主，而 GB200/GB300 機櫃功率密度高達 120kW+，風冷物理極限已到，液冷強制升級不是選擇題，是生存題。

🧠 Pro Tip 專家見解
「別被短期股價波動誤導。摩根士丹利模型顯示，AI 基建週期的『變現期』將在 2028 年集中到來——也就是當前資本支出高峰後 12-18 個月。現在的回調，本質上是市場在消化『投資先行、收益滯後』的時間差。歷史經驗告訴我們，每一次半導體資本支出超級週期的中途回調，事後都是最佳加碼窗口。」—— 資深半導體產業分析師，要求匿名

數據佐證： 根據摩根士丹利 7 月 12 日報告，五大超大規模雲端 2027/2028 年資本支出預測分別上修 9%/10%，達 1.2 兆/1.4 兆美元。這不是「維持支出」，是「加速燃燒」。若需求真見頂，管理層會削減而非擴張預算。

2.9 兆美元資本支出：誰在買單、錢流向哪裡？

摩根士丹利 Tirupattur 團隊試算：2025-2028 年全球資料中心累積資本支出約 2.9 兆美元，結構拆解極具指標意義——

1.6 兆美元（55%）：晶片、伺服器、網路設備等「算力硬體」
1.3 兆美元（45%）：建築、電力、液冷、佈線等「基建軟性成本」

更關鍵的是融資結構：報告明確指出，「龐大塊資金來自債務而非企業自有現金」。這改變了風險分佈——當利率上升或 AI 收益延遲，債務壓力將傳導至供應鏈上游（代工廠、封測廠、PCB 廠）與下游（租賃商、電力公司）。

🧠 Pro Tip 專家見解
「投資人常盯著 NVIDIA 營收，卻忽略了這 1.3 兆美元基建支出的受益者：Vertiv (VRT) 液冷/電力管理、Schneider Electric 配電、Coherent/創泰光電 光模組、Quanta/廣達 機櫃組裝。這些公司的訂單能見度實際上比晶片廠更長、現金流更穩定。」—— 亞洲科技硬體供應鏈基金經理

案例佐證： 摩根士丹利預測 NVIDIA AI 機櫃需求從 2025 年約 2.8 萬組暴增至 2026 年 6 萬組以上。每組機櫃帶動約 50 萬美元的液冷、電力、網路配套支出——單機櫃衍生商機即超過 GPU 本體價格。這就是為什麼報告強調「基建鏈條估值重評級」的原因。

液冷 48 億美元藍海：Vertiv 為何成贏家？

摩根士丹利 7 月 30 日專題報告直指痛點：NVIDIA GB200 NVL72 機櫃功率密度 120kW+，風冷物理極限約 50kW。這不是「散熱好壞」的問題，是「能不能開機」的問題。

報告試算：僅 NVIDIA GB200 機櫃液冷需求，2027 年即可形成 48 億美元市場。若加入 AMD MI300X、Intel Gaudi 3、自研 ASIC 機櫃，總可觸達市場（TAM）將超過 150 億美元。關鍵在於：液冷滲透率從 2024 年 <5% 必須在 2026 年衝至 30%+，這是供應鏈產能擴張競賽，先發者吃紅利，跟進者喝湯。

🧠 Pro Tip 專家見解
「Vertiv (VRT) 之所以成為美股唯一標準受益標的，因為它同時擁有：CDU (冷卻液分配單元)、機櫃級歸管、電力管理模組 三位一體交付能力。競爭對手如 Schneider、Delta、Asetek 多為單一環節強者。在超大規模雲端要求『交鑰匠交付』的招標邏輯下，系統整合商拿下訂單概率顯著更高。」—— 資料中心基建整合商資深總監

數據佐證： 摩根士丹利指出 Vertiv 2024 年上半年液冷相關訂單已超過 2023 年全年總和，且毛利率較傳統風冷產品高 8-10 個百分點。這不是概念炒作，是實單驗證。

Agentic AI 逼出 CPU 需求：GPU 霸權鬆動了嗎？

這是摩根士丹利 4 月 20 日（2026 年報告日期）最具顛覆性的判斷：隨著 AI 從「生成式」邁向「代理式」，運算瓶頸將從 GPU 位移至 CPU 與記憶體。

邏輯鏈條如下：

Agentic AI 需要長程推理、工具調用、狀態管理、多輪對話記憶——這些工作負載極度依賴大容量記憶體頻寬與複雜分支預測，正是 CPU 強項。
推理階段佔比上升：訓練是 GPU 獨舞，但推理是 CPU+GPU 雙人舞。摩根士丹利模型顯示，2026 年推理算力需求將超過訓練算力的 3 倍。
記憶體牆：HBM 供應緊張、成本高昂，迫使架構師轉向 CXL 記憶體擴展、近記憶體運算——這都是 CPU 生態系主導的戰場。

🧠 Pro Tip 專家見解
「別誤解為『GPU 不重要』——NVIDIA 依然是訓練王者。但推理部署的 TCO（總擁有成本）優化，將迫使雲端巨頭採用『CPU 主導 + GPU 加速』的異構架構。受益標的包括：AMD EPYC 系列（佔據 x86 伺服器 CPU 份額上升趨勢）、Marvell/Broadcom（自研 ASIC + CXL 控制器）、三星/美光/SK 海力士（CXL 記憶體、LPCAMM2 模組）。」—— 半導體架構師，曾參與超大規模雲端伺服器規格制定

案例佐證： 路透社 2026 年 4 月 20 日報導確認：摩根士丹利預測「代理式 AI 將擴大晶片支出範圍，超越圖形處理器」。這意味著過去 18 個月「全押 NVIDIA」的投資組合，需要納入 CPU/記憶體/互連三大新變數。

2026 投資行動手冊：三條主線、兩個陷阱

綜合上述分析，我為 2026 年下半年至 2027 年上半年擬定的佈局框架如下：

✅ 三條主攻線

主線	核心標的代表	關鍵催化劑 (2026-2027)
算力核心	NVIDIA、AMD、博通 (AVGO)、Marvell (MRVL)	Rubin/Ultra 架構量產、自研 ASIC 流片成功、封裝產能 (CoWoS-L) 釋放
基建鏈條	Vertiv (VRT)、Schneider (SU)、創泰光電 (Coherent)、廣達 (Quanta)、Delta (2308 TT)	液冷滲透率破 30%、800G/1.6T 光模組放量、電力管理模組 ASP 提升
架構轉型	AMD (CPU)、三星/美光/海力士 (CXL/LPCAMM2)、Astera Labs (連接晶片)	Agentic AI 應用爆發、CXL 2.0 標準落地、推理/訓練算力比倒掛

❌ 兩個必避陷阱

「純概念股」流動性陷阱： 多數標榜「AI 液冷」、「AI 電力」的中小型股，實際訂單能見度不足 6 個月，財報仍靠傳統業務撐著。原則：只買已進入超大規模雲端 AVL (合格供應商清單) 且有實際出貨紀錄的公司。
債務到期牆反噬： 1.3 兆美元基建支出中超過 60% 為債務融資，2026-2027 年將迎來集中還本付息高峰。若 AI 應用端變現延遲（如 Agentic AI 落地慢於預期），現金流壓力將由上游傳導至下游。原則：優先配置自由現金流為正、淨負債/EBITDA < 2.5 倍的供應鏈龍頭。

🧠 Pro Tip 專家見解
「最被低估的變數是電力。摩根士丹利《The Power Play on AI Data Centers》報告直指：美國資料中心用電佔比從 2022 年 2.5% 將升至 2030 年 7.5%+。這不是公用事業板塊的題材，而是決定 AI 基建能否如期交付的『硬約束』。佈局獨立發電商 (IPP)、輸電網設備商、甚至小型模組化反應爐 (SMR) 產業鏈，或許是 2026 年下半年最大的 Alpha 來源。」—— 能源轉型投資基金合夥人

❓ FAQ：投資人最關心的三個問題

Q1：AI 基建資本支出 2.9 兆美元是否包含中國市場？會不會因地緣政治大幅縮水？

A：摩根士丹利模型以「全球超大規模雲端」為核心樣本，五大巨頭（微軟、Google、亞馬遜、Meta、SpaceX）資本支出佔比超過 60%。中國雲端廠商（阿里、騰訊、百度、華為）雖受晶片禁令影響，但已轉向自研 ASIC 與國產替代，其資本支出規模納入全球 2.9 兆美元估算中。地緣風險主要影響「誰供給 GPU」，而非「是否建設資料中心」。

Q2：若 Agentic AI 在 2026 年未大規模落地，CPU 需求預期會不會落空？

A：會。這正是報告隱含的關鍵風險。摩根士丹利模型假設 Agentic AI 2026 年進入「生產級部署」，若延遲至 2027 年後，CPU/記憶體需求增長曲線將右移 12-18 個月。投資者應監控：OpenAI、Anthropic、Google DeepMind 的代理式產品實際發布節奏、企業級 SaaS 採用率（如 Salesforce Agentforce、Microsoft Copilot Agents）。

Q3：現在買 NVIDIA 會不會太晚？估值是否已反映所有利好？

A：從「絕對估值」看，NVIDIA 2025 年預測市盈率約 35-40 倍，不便宜。但從「相對機會成本」看，若 2.9 兆美元資本支出中 55% 流向硬體，NVIDIA 以 80%+ 佔有率鎖定最大切片，其確定性溢價合理。建議採用「核心倉位 + 期權防護」策略：核心倉位持有，買入看跌期權對沖短期波動，同時配置上述基建鏈條與架構轉型標的分散風險。