摩根士丹利揭AI「十大投資真相」！重塑企業、產業與全球經濟
摩根士丹利投資管理日前發布 2026 年第二季度深度研究報告《AI：十條投資真相》（Artificial Intelligence: Ten Investment Truths），報告指出，AI 已不再僅是技術競賽，而是一場橫跨基礎設施、軟體、資本、能源、機器人、地緣政治與企業治理的系統性變革，正在重寫全球產業與組織運作的根本規則。
報告開篇即點明核心轉變：三年前，AI 還只是令人好奇的議題；如今，它已成為資本配置的對象，代表討論焦點已從技術能力本身，轉移至「誰來投入、誰來承載、誰來治理」的戰略層次。
分析指出，摩根士丹利這份報告的核心訊息，並非強調「AI 有多熱」，而是示警：企業管理者的思維框架必須升級。
過去習慣看人頭、預算、流程與系統；未來還需看算力、Token 消耗、AI 代理部署、數據治理與 AI 工作流的整體佈局。
能否在下一波應用浪潮真正爆發前，提前備妥基礎設施、數據資產、人才培育與組織治理能力，將是決定企業在 AI 時代勝負的關鍵分水嶺。
以下是摩根士丹利以「十條投資真相」為框架，系統性地剖析這波變革的深度與廣度。
一、四股力量共振，AI 進入飛輪效應
報告認為，推動此波 AI 躍升的，並非單一模型的突破，而是演算法、算力、人才與資本四股力量同步加速。
摩根士丹利指出，自 2017 年 Transformer 問世以來，AI 相關資本支出承諾金額已達約 2.3 兆美元；2025 年 Token 消費量更年增逾 10 倍。
換句話說，AI 已不再是單點創新，而是形成自我強化的成長飛輪：模型能力提升帶動更多應用，更多應用創造更多收入與資本投入，進一步推升算力和基礎設施，再反過來加速 AI 能力與應用擴張。
因此，企業推動 AI 轉型的關鍵，不在於使用哪個模型或員工是否會寫提示，而是能否有效整合技術、人才、資本、數據與業務場景，建立持續成長的競爭優勢。
二、摩爾定律失效，物理世界成新瓶頸
過去「算力將越來越便宜」的信念正在鬆動。
報告指出，AI 瓶頸正持續從晶片轉移至電力、記憶體、網路、冷卻設備與資料中心供應。
該行預計 AI 與資料中心需求將在 2027 年創造 75 至 100 艾位元組（exabytes）的新增記憶體需求，且 2028 年將再次翻倍。
這代表 AI 轉型已不只是技術長與資訊長的課題，更牽涉財務、採購、能源與供應鏈等跨部門協作。
三、Token 經濟崛起，算力正在變成收入
報告提出一個引人深思的比喻：「資料中心是工廠，Token 是產品。」
過去作為成本中心的資料中心，正轉型為生產智慧輸出的製造設施，而 Token 就是這種智慧輸出的計量單位。每一次提問、每一次文件產生、每一次程式碼修改、代理每一次執行任務，背後都在消耗 Token。
摩根士丹利認為，Token 可以被衡量、定價和規模化，就像電力以千瓦時計價一樣，AI 智慧開始以百萬 Token 計價，一個非常關鍵的新指標是「每一單位能源可以生產多少 Token」。
更關鍵的是，從生成式 AI 到推理型 AI，再到自主執行任務的 AI 代理，所需算力分別呈現約千倍、百萬倍的指數級增長，Token 儼然成為企業未來衡量效益的新型成本與收入指標。
四、代理時代來臨，員工角色從執行轉為管理
摩根士丹利把 AI 的下一階段稱為「代理化轉型」。AI 正從「回答問題」進化為「執行任務」，調用工具、管理流程、持續自主運行。
報告引用微軟 (MSFT-US) 的觀察，將 AI 在職場中的形態分為三類：簡單對話、委託任務，以及擁有獨立身份與工作空間的「數位員工」。
摩根士丹利警示，組織的崗位設計、績效評估、權限邊界與問責機制，都必須隨之重建。
換句話說，AI 原生組織的關鍵，不是每個人多一個 AI 助手，而是組織能否圍繞代理重新設計工作。
五、軟體護城河重塑，數據、領域與分發才是關鍵
AI 大幅降低了複製程式功能的門檻，傳統軟體壁壘正在瓦解。
報告提出新護城河的「三個 D」：數據（Data）、領域知識（Domain）與分發能力（Distribution）。
AI 正快速降低程式碼與功能開發的門檻，軟體公司的競爭優勢已從產品功能轉向更難複製的核心資產，包括企業數據、產業知識、客戶網路、合規能力及深度嵌入業務流程的經驗。
尤其在垂直 SaaS 領域，真正的護城河在於能否整合分散於各系統的數據，讓 AI 代理跨系統理解並做出決策。
因此，AI 時代可以外購模型與工具，但無法外包的是企業累積的數據與領域知識，唯有將這些資產持續轉化為更好的決策與行動，才能建立長期競爭優勢。
六、AI 從分析經濟走向運行經濟
摩根士丹利指出，AI 正從「分析經濟」邁向「運行經濟」。
隨著具身智慧（Physical AI）快速發展，AI 已從知識工作延伸至交通、物流、製造、醫療、能源等實體產業，自動駕駛、機器人、無人機與智慧基礎設施正加速商業化，人形機器人也因模擬訓練大幅縮短學習時間。
這代表 AI 原生組織不再侷限於科技公司，未來工廠、港口、醫院、物流中心等都將形成「人＋AI 代理＋機器人＋智慧設備」協作模式，企業管理重心也將從辦公室延伸至實體作業現場。
七、AI 是全棧資本週期，非單一產業故事
摩根士丹利認為，AI 並非單一產業趨勢，而是一場橫跨基礎設施、模型到應用層的全棧資本週期，涵蓋晶片、資料中心、模型訓練、AI 代理、機器人等完整生態。
對企業而言，AI 轉型不是導入一套工具或成立 AI 團隊，而是整合基礎設施、數據、模型、流程、業務場景與治理機制的系統工程。
更重要的是，AI 的價值不只在於降低成本，而是能否創造全新的產品、服務、流程與商業模式，開拓新的需求與成長機會。
八、中美形成平行 AI 架構，效率之爭不亞於算力之爭
摩根士丹利認為，AI 競爭已上升至國家安全與地緣政治層次，全球正逐漸形成美中兩大 AI 生態。
美國憑藉龐大資本支出、先進晶片與算力發展高成本創新模式；中國則在晶片受限下，依靠開源生態、供應鏈整合與工程效率打造低成本 AI 體系。
報告指出，中國模型的投入雖僅約為美國超大型雲端業者的 18%，但公開性能已大致追近美國，差距縮小至約一個月。
這顯示未來 AI 競爭不僅比拼資本與模型規模，更取決於成本控制、工程能力、供應鏈整合、應用落地速度與組織效率。
九、AI 已是戰略基礎設施，治理卻嚴重落後
摩根士丹利指出，AI 能力正快速進步，但治理機制卻明顯落後。
隨著越來越多關鍵 AI 決策由企業而非政府主導，模型部署、關鍵基礎設施存取及 AI 代理權限等議題仍缺乏完善規範。
同時，AI 也擴大了資安風險，尤其當 AI 代理開始自主執行任務時，任何錯誤都可能直接轉化為實際損失。
因此，企業推動 AI 轉型不能只追求速度或部署更多代理，更必須建立完善的權限控管、日誌追蹤、稽核機制、人工介入流程與責任歸屬，才能讓 AI 成為提升生產力的工具，而非放大組織風險。
十、基礎設施先行，最大回報的應用可能尚未誕生
摩根士丹利以海底電報與網際網路光纖建設為例指出，AI 基礎設施雖然投資規模龐大，但歷史顯示，當基礎設施成熟、成本快速下降後，往往會催生當初難以預見的新應用。
報告認為，AI 也正走在相同軌跡，隨著 Token 成本大幅下降，未來真正消耗 AI 算力的殺手級應用可能尚未誕生，甚至相關企業都還未成立。
不過，相較過去數十年的技術週期，AI 演進速度快得多，因此企業不能等到技術完全成熟才投入，而應提前布局基礎設施、數據、人才、流程與組織能力，才能在下一波 AI 應用爆發時搶占先機。
更多鉅亨報導
•GPT-5.6下週登場？OpenAI代碼曝光「三大模型」、價格或比Claude便宜一半
•iPhone 18將升級9GB RAM不夠？郭明錤：「無法使用」iOS 27兩大AI功能