AI算力需求系统性超越供给,大摩称市场乐观程度还不够

一个让人细思极恐的数字

2026年1月到3月，短短三个月，全球AI的Token使用量从每周6.4万亿次暴涨到22.7万亿次。

涨幅250%。

什么概念？如果这是股价，已经翻了2.5倍。如果这是疫情数据，全世界都要进入紧急状态。

但这是AI的使用量。而且摩根士丹利说，这还只是个开始。

他们最新的研报抛出了一个核心判断：顶尖大模型正在经历"非线性能力跃升"，而算力需求已经系统性超越供给。

翻译成人话就是：AI变聪明的速度，远超我们造芯片的速度。

大模型到底进化到了什么程度？

说实话，作为一个天天跟AI打交道的人，我原本觉得自己对AI的发展速度已经免疫了。但大摩报告里的几个数据，还是让我倒吸一口凉气。

第一个数据：15小时。

第三方机构METR的分析显示，目前最顶尖的大模型已经能独立完成超过15小时的连续复杂任务。按照现有的技术缩放定律推算，这个水平应该只在8小时左右。

实际能力比理论预期超前了近一倍。

第二个数据：54%。

《纽约时报》做了个实验，让读者盲测AI生成的文章和人类写的文章。结果54%的读者更喜欢AI写的。

不是"分辨不出来"，是"更喜欢"。

第三个数据：48%。

Anthropic的Claude Opus 4.1，在48%的人类任务中表现优于人类。这意味着什么？意味着在接近一半的工作场景里，这个AI已经比人强了。

OpenAI的CEO Sam Altman在印度AI峰会上直接放话："世界还没准备好，极具能力的模型即将到来。"

听到这话，我不知道该兴奋还是该害怕。

算力缺口的真相

需求暴涨，供给跟不上了。

大摩算了一笔账：未来算力需求的增速，大概是英伟达算力供给年复合增长率预测值的3倍。

三倍差距。这意味着什么？意味着就算英伟达开足马力生产，就算所有数据中心24小时连轴转，算力依然不够用。

已经有LLM服务商开始对用户设置使用上限了。不是不想让你用，是真的没那么多算力。

更麻烦的是能源。

大摩预测，2025到2028年间，美国数据中心将面临约55吉瓦的电力缺口。已经有180亿美元的数据中心项目被取消，另有460亿美元的项目被推迟。

AI的瓶颈，从芯片变成了电。

你可能会说，那多建几个发电厂不就行了？

问题是，建发电厂需要时间。而AI的发展速度，是以月为单位计算的。

这对普通人意味着什么？

先说坏消息。

大摩调查显示，在受AI影响最深的五大行业里，过去12个月有11%的职位被裁撤，另有12%的岗位空缺后不再补招。综合净裁员率约4%。

报告估计，90%的职业将在某种程度上受到AI自动化或增强的影响。

90%。基本上就是所有人。

但再说好消息。

大摩的"智能工厂"模型显示，一个使用最新GPU、规模约250兆瓦的数据中心，运行GPT-4o查询时，头部LLM开发商的利润率能达到60%。

60%的利润率，这是什么概念？比茅台还高。

而且随着芯片技术迭代，从Blackwell升级到Rubin GPU后，平均Token价格有望下降超过70%。

AI会越来越便宜，越来越好用。

对于会用它的人来说，这是巨大的机会。对于不会用它的人来说，这是巨大的威胁。

我们该怎么办？

大摩报告里有个观点我特别认同：市场对这场AI革命的乐观程度，可能依然严重低估了它的真实爆发力。

换句话说，大部分人还没意识到这事儿有多大。

那普通人该怎么办？

第一，别当鸵鸟。 假装AI不存在，或者觉得"反正影响不到我"，这是最危险的。90%的职业都会受影响，你凭什么觉得自己是那10%？

第二，学会用AI。 不是让你去写代码、造芯片，而是把AI当成工具用起来。写报告、做分析、查资料、学新东西，AI都能帮你。现在不用，以后可能就没机会了。

第三，培养机器干不了的能力。 创造力、同理心、复杂决策、跨领域整合。这些才是人类的护城河。

大摩预测，到2027年实现AGI（通用人工智能）具有"令人惊讶的可能性"。

如果成真，那意味着AI将在所有专业领域超越博士和顶级专家。

到那时候，人类的价值在哪里？

说实话，我也不知道。但我知道，在那之前，我们还有时间准备。

问题是，你准备什么时候开始？