炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！
（来源：网易科技）
本文作者：龙玥
来源：硬AI
一场由算力驱动的AI能力大跃升可能正在酝酿。
据硬AI，摩根士丹利在一份最新报告中表示，市场可能严重低估了即将在2026年出现的一项人工智能领域的重大利好——由算力指数级增长驱动的模型能力“非线性”飞跃。
根据这份由Stephen C Byrd等分析师撰写的报告，多家美国大型语言模型（LLM）开发商计划到2025年底，将其用于训练前沿模型的算力提升约10倍。这一前所未有的算力投入，预计将在2026年上半年产出结果，构成一个“未被充分重视的催化剂”。
报告援引了特斯拉首席执行官埃隆·马斯克的观点，即10倍的算力投入可能使模型的“智能”水平翻倍。报告指出，如果当前的“规模法则”得以延续，其带来的后果可能是“地震级”（seismic consequences）的，将广泛冲击从AI基础设施到全球供应链的各类资产估值。
然而，这一乐观前景并非板上钉钉。报告强调，其面临的核心不确定性在于AI发展是否会撞上“规模墙”（Scaling Wall）。这指的是，在投入海量算力后，模型能力的提升却出现迅速递减的令人失望的结果。
算力十倍增长，或催生AI能力飞跃
报告认为，投资者需要为2026年可能出现的AI能力阶梯式提升做好准备。
报告描述了即将到来的算力规模：一个由Blackwell GPU组成的1000兆瓦数据中心，其算力将超过5000 exaFLOPs（每秒五百京次浮点运算）。相比之下，美国政府一台名为“Frontier”的超级计算机算力仅略高于1 exaFLOP。这种量级的算力增长，是市场预期AI能力将出现非线性提升的核心依据。
报告称，尽管许多LLM开发者普遍认同算力投入将带来能力提升，但也有怀疑论者认为，前沿模型的智能、创造力和解决问题的能力可能存在上限。
“规模墙”之辩：AI进步的关键不确定性
尽管前景令人兴奋，但报告同样明确指出了其中的关键风险——“规模墙”（Scaling Wall）的存在。
这一概念指的是，当投入的算力达到某个阈值后，模型在智能、创造力和解决问题能力上的提升会迅速减少，甚至令人失望。这是目前AI领域最大的不确定性。许多怀疑论者认为，简单地增加算力可能无法持续带来智能的飞跃。
然而，报告也提到了一些积极信号。一篇由Meta、弗吉尼亚理工和Cerebras Systems团队联合发表的近期研究论文《揭秘LLM预训练中的合成数据》发现，在使用合成数据进行大规模训练时，并未观察到可预见规模内的性能退化模式，即所谓的“模型崩溃”（model collapse）现象。
这一发现令人鼓舞，因为它暗示了在算力大幅增加后，模型能力仍有持续提升的空间，撞上“规模墙”的风险可能低于预期。
此外，报告还列举了其他关键风险，包括AI基础设施的融资挑战、欧盟等地的监管压力、数据中心面临的电力瓶颈，以及LLM被滥用或武器化的可能性。
全球资产估值如何重塑？
如果AI能力确实实现非线性跃升，资产价值将如何重塑？报告认为投资者应开始评估其对资产估值的多方面冲击，并指出了四个核心方向：
本文来自微信公众号“硬AI”，关注更多AI前沿资讯请移步这里
]article_adlist-->
海量资讯、精准解读，尽在新浪财经APP
新宝策略提示：文章来自网络，不代表本站观点。
