摩根士丹利的 2027 年 AI 基礎設施模型將 Nvidia 置於一波支出浪潮的核心，這波浪潮可能占標普 500 指數獲利成長的很大比重，同時也加劇資料中心電力供應與企業信貸市場的壓力。該銀行估計，與 AI 資本支出相關、流向供應商的約 6,900 億美元營收將流入 Nvidia，相當於預計流向標普 500 成分公司的約 1.03 兆美元中的 67%。
這項估計意味著，標普 500 其餘 499 家成分公司將分得約 3,390 億美元的 AI 相關供應商營收。摩根士丹利計算，完整的支出週期將在 2027 年貢獻該指數銷售成長約 25%，以及獲利成長的 78%，使市場對單一晶片設計商滿足需求並維持利潤率的能力，給予異常高的權重。
這項預測涵蓋 Alphabet、Amazon Web Services、Microsoft、Meta、Oracle、SpaceX、CoreWeave、Nebius，以及一批租賃的運算容量，總計 1.58 兆美元的 AI 預算。該模型追蹤半導體與伺服器、網路設備、光學元件、資料中心基礎設施、儲存系統及海外供應商的支出。
Nvidia 主導預測中的標普 500 營收流向
半導體與伺服器是摩根士丹利模型中最大的類別，預計 2027 年將獲得 6,720 億美元。與 Nvidia 相關的需求占這筆支出的大部分，反映其作為先進加速器主要供應商的地位；這些加速器用於訓練及運行大型 AI 模型。
摩根士丹利估計，Nvidia 2027 年營收的 91.7% 將與 AI 基礎設施建置相關。在該銀行的模型中，幾家服務資料中心供應鏈相鄰環節的公司也呈現高度曝險：Erock 為 91%、Vertiv 為 90%、Applied Optoelectronics 為 83%、Broadcom 為 81%，以及 Bloom Energy 為 80%。
這種集中度造成的市場結果，比表面上的 AI 支出數字所暗示的更為狹窄。摩根士丹利估計，若從計算中剔除 Nvidia，AI 熱潮對標普 500 銷售成長的貢獻將降至 1.6%。供應電力系統、網路、冷卻、儲存及光學設備的公司仍將獲得大量訂單，但它們合計的營收貢獻將遠小於 Nvidia。
很大一部分支出也完全繞過了標普500指數。摩根士丹利將5,110億美元歸入「國際」類別，其中包括三星和SK海力士的記憶體產品、總部位於台灣的原始設計製造商，以及與台灣積體電路製造股份有限公司相關的基礎設施。這些供應商位於AI硬體供應鏈的關鍵環節，但不在美國大型股指數涵蓋範圍內。
租賃使2027年支出預估增加近2,000億美元
摩根士丹利預估的1.58兆美元包括預計現金資本支出1.39兆美元，以及與租賃相關的額外1,950億美元。該銀行將這些租賃視為與AI相關、具備類似債務經濟特性的支出，並採用已簽署但尚未開始的承諾、產能預測，以及每增加一吉瓦資料中心容量的預估支出進行計算。
租賃調整使2027年預計支出年增率提高至約60%。對於2028年，摩根士丹利預估AI支出為1.81兆美元，其中包括1.57兆美元的現金資本支出，以及2,460億美元的租賃相關承諾。按照該銀行的模型，2028年的增長率將放緩至約14%。
在這項分析中，甲骨文公布的2027年租賃承諾金額最大，達570億美元，其次為微軟的450億美元、Meta的370億美元、亞馬遜的280億美元和Alphabet的270億美元。摩根士丹利表示，截至2026年第二季，已簽署但尚未開始的租賃管線達到1.118兆美元，兩季內增加超過一倍。微軟占3,290億美元，甲骨文占2,880億美元，Meta占2,790億美元。
這些承諾顯示，融資負擔正在增加，而這項負擔似乎並未完整反映在標準資本支出項目中。摩根士丹利的信貸團隊預期，隨著建設、設備採購和租賃付款 converging，超大規模雲端服務商及新興雲端業者的自由現金流將在2027年降至最低點。
債務市場在為AI建設提供資金方面扮演更重要的角色
根據摩根士丹利的資料，超大規模雲端服務商在2026年至今已發行約2,550億美元的無擔保債券，相當於其全年預估資本支出的約30%。亞馬遜已發行980億美元，Alphabet則為810億美元；與年初相比，包含所有成本的借款殖利率已上升100至180個基點。
債務成本對 AI 基礎設施經濟效益的重要性日益提高。摩根士丹利表示，甲骨文 10 年期債券的利差已擴大 180 個基點。在一項壓力測試中，該銀行假設獲 AA 評級的超大規模雲端服務商以 7% 利率發行 4,000 億美元債務，使利息保障倍數從 30.7 倍降至 11.9 倍。
另一種情境假設甲骨文與 SpaceX 以 8.5% 的利率籌集 1,200 億美元。摩根士丹利估計，兩者合計的利息保障倍數將從 4.0 倍降至 1.8 倍。這些情境並不代表該銀行的基本預測，但說明當債務、租賃與設備成本同步上升時，融資條件可能多快改變資料中心擴建的經濟效益。
電力競爭延伸至比特幣挖礦設施
實體限制可能與金融限制同樣具有重大影響。摩根士丹利估計，美國需要 97 吉瓦電力來支應預期的 AI 擴張。即使計入可滿足其中 34% 需求的快速供電方案，該銀行仍預測，2028 年前將出現 32 吉瓦的淨短缺，2029 年前則約有 72 吉瓦的短缺。
這項短缺使 AI 資料中心與比特幣挖礦及其他高密度運算業務，直接競爭電力、輸電接入、冷卻設備，以及具備現有電網連接的場地。擁有已確保電力容量的上市挖礦及資料中心託管公司，可能有更多選項將設施轉向高效能運算客戶，尤其是在長期合約能提供比挖礦更穩定收入的情況下。
這項轉型不會自動發生。比特幣挖礦設施需要進行改造，才能支援 AI 工作負載，包括不同的網路、冷卻、備援及客戶服務標準。然而，與電網連接容量相關的溢價，讓挖礦業者擁有潛在的策略性資產，因為超大規模雲端服務商正尋求更快取得新運算容量的途徑。
摩根士丹利也警告，電力延遲的影響不僅限於 GPU 交付。若資料中心專案暫停或延後，儲存、網路、光學設備及原始設計製造商仍將面臨風險。該銀行引用 2022 年 NAND 下行週期作為提醒：當需求假設改變時，硬體週期可能在數量與價格兩方面同時走弱；當時出貨量下滑約 5%，價格則下跌 20% 至 30%。
對於加密貨幣市場而言，直接傳導管道可能是基礎設施，而非代幣需求。借貸成本上升、電網容量稀缺，以及資料中心設備的競爭，可能重塑上市礦企與託管服務提供商的經濟效益，尤其是那些需要決定要保留容量用於比特幣雜湊運算，還是轉而承接 AI 運算合約的企業。
想在 Nvidia 之外把握 AI 巨型趨勢？探索 Toobit 的 AI 聚焦市場機會 ，立即行動。
免責聲明： 本頁內容僅供一般資訊參考，不代表 Toobit 的觀點或財務建議。我們不對此資訊的準確性或完整性作出任何保證，亦不對因使用此資訊而產生的任何錯誤、遺漏或結果承擔責任。投資數位資產涉及風險；用戶應自行評估其財務狀況及相關風險。如需進一步詳情，請參閱我們的 服務條款 及 風險披露.
