$美国电力(AEP)$ $GE Vernova(GEV)$ $哈尔滨电气(01133)$
转发：
Morgan Stanley 提醒市场：AI 的真正瓶颈可能不是算法，而是电力
过去两年，整个 AI 行业都在讨论一个问题：
下一次突破来自哪里？
很多人以为答案在模型架构。
但 Morgan Stanley 给出的判断却完全不同。
他们认为，AI 的关键变量其实是算力规模。
如果用于训练模型的硬件规模增加 10 倍，模型的智能水平很可能会出现一次明显跃升。
这背后的逻辑并不复杂。
大模型的能力，很大程度上来自三个变量：
数据规模
模型参数
训练算力
当算力大幅增加时，模型能够进行更长时间、更复杂的训练，从而在推理、逻辑和专业任务上取得明显进步。
最近发布的 GPT-5.4 思维模型已经显示出这种趋势。
在专业能力测试中，它在 GDPVal 基准测试中取得 83% 的成绩，已经开始接近人类专家水平。
这意味着 AI 正在从“工具”逐渐向 专业执行系统 转变。
但 Morgan Stanley 指出，一个新的问题正在浮现：
能源。
如果算力继续以指数级增长，电力需求也会同步飙升。
根据他们的估算，美国电网在 12 月 28 日可能面临约 18 吉瓦的电力缺口。
这对 AI 产业意味着什么？
意味着算力扩张不再只是芯片问题，而是 能源问题。
一些 AI 公司已经开始绕过传统电网。
他们直接接管原本用于加密货币挖矿的电力设施，或者部署天然气涡轮机，为数据中心提供独立能源。
这种变化正在带来一个新的投资周期。
大型 AI 数据中心正在签署 长达 15 年的电力租赁合同。
原因很简单：
只要 AI 能持续产生价值，每一瓦电力都可以被转化为利润。
换句话说，电力本身正在变成一种新的 AI生产要素。
与此同时，AI 的能力提升也开始改变企业结构。
随着新一代 AI 工具可以以极低成本完成专业任务，一些大型公司已经开始削减部分岗位。
这并不是短期现象，而更像是技术周期中的结构变化。
当生产效率出现数量级提升时，组织结构往往会被重新设计。
更值得关注的是研究人员提出的一个观点：
未来 AI 可能会进入 递归自我改进阶段。
一旦软件能够在无需人工干预的情况下优化自己的代码，它的发展速度就可能进一步加快。
如果这种模式成立，那么未来经济的基础资源可能会发生变化。
过去工业时代的核心资源是：
石油
钢铁
土地
而在 AI 时代，一个新的资源正在出现：
原始智能。
这种智能不是来自个人，而是来自庞大的计算与能源集群。
这些集群不断训练、升级、优化模型，并将智能以服务的形式输出给整个社会。
如果这一趋势继续发展，未来的经济体系可能会围绕一个新的核心展开：
谁拥有算力和能源，谁就拥有生产智能的能力。
而智能本身，可能会逐渐变成一种可以被生产、分配和交易的商品。
当 AI 开始规模化生产智能时，一个问题也越来越值得思考：
未来真正稀缺的资源，会是算力、能源，
还是人类自己的创造力？