大摩研报:5970亿!2026中国AI资本开支井喷,占比飙升至12.1%

本文内容基于《Asia Pacific Equity Research — China AI 2.0: Entering a New Phase》整理，报告发布机构：Morgan Stanley Research（摩根士丹利研究），发布时间：2026年5月11日。本文仅作金融行业专业交流与研究参考，不构成任何投资建议，市场有风险，投资需谨慎。

摘要

摩根士丹利本期亚洲科技蓝皮书提出，中国AI正从“概念验证”迈入“商业规模化”新阶段。核心标志体现在三个层面：其一，China AI 65框架中“使能者/采用者”占比从31%提升至37%，AI正从少数前沿公司的实验田扩散为更广泛企业的必选项；其二，AI采用者的远期EPS自2023年末以来上涨约60%，远超暴露者约10%，市场正在用真金白银为AI变现能力定价；其三，1H26 CIO调查显示16%的受访者已看到AI对营收的显著影响，转化信号明确。报告全文围绕AI产业链全口径展开，涵盖宏观经济影响、就业风险、电力储能、人形机器人、自动驾驶、AI芯片、互联网平台、大模型、软件等全赛道，给出了从宏观到微观的完整判断。

全文将以Q&A问答形式，对摩根士丹利本期蓝皮书的核心内容做体系化梳理与专业解读，完整覆盖报告的核心逻辑与重点内容，包括宏观经济影响、产业链各环节判断、核心数据与风险提示。

报告共58页

Q1：中国AI 2.0“进入新阶段”的核心标志是什么？

——从概念验证走向商业规模化的关键转折

摩根士丹利在本期蓝皮书中明确提出，中国AI正经历从“概念验证”到“商业规模化”的关键转折。这一判断并非空穴来风，而是基于三个可量化的核心信号：

信号一：AI采用度广泛提升。China AI 65框架中，“使能者/采用者”占比从两年前的31%提升至37%，表明AI正从少数前沿公司的实验田扩散为更广泛企业的必选项。特别值得关注的是，1H26中国CIO调查显示，16%的受访者已看到AI对营收的显著影响，这一比例在两年前几乎为零，转化信号明确。

信号二：AI采用者盈利兑现。AI采用者的远期EPS自2023年末以来上涨约60%，远超“暴露者”的约10%。市场正在用真金白银为AI变现能力定价，而非仅仅是给概念付溢价。AI采用者的EBIT利润率从2021年的约4%扩张至2027E的16-17%，盈利能力的提升是实实在在的，而非仅停留在故事层面。

信号三：AI资本开支加速。中国AI资本开支预计2026年达Rmb597bn（约US$85bn），AI占IT支出的比例从2025年的7.7%跃升至2026年的12.1%。这意味着AI不再是IT预算的边角料，而是正在成为企业技术投入的主流方向。

从研究框架看，摩根士丹利构建了“China AI 65”精选股票宇宙，涵盖5大主题板块：使能者（Enablers，12家）、采用者（Adopters，39家）、暴露者（Exposed，8家）、人形机器人（Humanoids，6家）、自动驾驶（Autonomous Driving，4家）。其中采用者占比最高，反映出AI正在向产业链下游广泛渗透的趋势。

China AI 65框架与主题分类示意图

Q2：AI采用者为何能跑赢大盘？盈利与利润率如何兑现？

——从“故事股”到“盈利股”的踌跃

这是本期报告最核心的论断之一：AI采用者不仅在股价上跑赢大盘，更关键的是在基本面上兑现了盈利。

从EPS表现看，AI采用者的远期EPS自2023年末以来上涨约60%，而“暴露者”（即AI可能对其现有业务构成威胁的公司）仅上涨约10%。这一差异并非纯粹的估值扩张，而是有实际盈利增长支撑。

从利润率看，AI采用者的EBIT利润率从2021年的约4%大幅扩张至2027E的16-17%，提升幅度达12-13个百分点。这一扩张的核心驱动力包括：云计算收入的规模效应、AI应用带来的客单价格提升（ASP提升）、以及AI工具对内部运营效率的改善。值得注意的是，这一利润率扩张路径与美国AI采用者的经验高度一致，进一步印证了AI变现的普遍性规律。

从市场定价看，AI采用者当前交易于约16x NTM P/E，而“暴露者”仅约10x。这一估值差异反映的是市场对AI变现能力的真实定价，而非纯粹的概念溢价。摩根士丹利强调，随着AI采用者盈利的持续兑现，这一估值差并非不可持续，而是有基本面支撑的。

注：数据来源为摩根士丹利研究报告，统计口径与时间周期详见原报告

Q3：AI对中国经济的宏观影响如何量化？短期与长期有何不同？

——从资本开支拉动到全要素生产率提升

摩根士丹利对AI的宏观经济影响做了分层量化，区分了短期与长期两个维度：

短期看，AI资本开支可直接拉动GDP约0.2-0.3个百分点。这一拉动主要通过三个渠道传导：一是AI相关硬件与基础设施的直接投资，二是AI服务与应用的产出效应，三是AI带动的产业链乘数效应。但短期内，这一拉动仍受制于传导时滞和供给侧约束。

长期看，AI可提升全要素生产率（TFP）约3个百分点（累计），潜在使中国GDP到2035年比基准情景高约3.5个百分点。这一判断基于两个核心逻辑：其一，AI作为“通用技术”（General Purpose Technology），其影响将渗透到几乎所有行业，而非仅限于科技板块；其二，中国的产业链完整性和数据规模优势，将放大AI的应用效率与扩散速度。

但报告也明确指出了不确定性：宏观影响的兑现高度依赖于“传导机制”的顺畅性。如果传导受阻（如企业采用意愿不足、数据孤岛问题、监管不确定性），则实际影响可能显著低于上述测算。摩根士丹利特别强调，中国的“传导机制”与美国存在结构性差异：美国更依赖市场化传导，中国则更依赖政策驱动与产业政策协同。

注：数据来源为摩根士丹利研究报告，统计口径与时间周期详见原报告

AI对中国GDP影响的情景分析图

Q4：AI对就业的冲击有多大？政策如何应对？

——“替代”与“创造”的博弈

就业是AI宏观影响中最敏感的议题。摩根士丹利的研究显示，AI对就业的影响并非简单的“替代”二字，而是一个“替代与创造并存”的复杂过程。

从替代端看，AI对重复性、规则化岗位的替代效应更为直接。报告指出，中国约30%的工作任务具有被AI自动化的潜在可能，但这并不意味着30%的岗位会立即消失。实际的替代节奏取决于技术成熟度、企业采用意愿、以及监管对自动化替代的态度。

从创造端看，AI也将创造新的岗位与需求。包括AI训练师、提示工程师、AI安全专家等新职业，以及AI带动的产业链扩张所产生的间接就业。但报告强调，创造就业的节奏可能滞后于替代，这将形成结构性的就业压力。

政策应对方向，摩根士丹利认为中国政府可能采取“稳就业”与“促创新”双轨并行的策略：一方面通过职业培训、社会保障等缓解替代冲击，另一方面通过产业政策、创业支持等促进AI创造就业。值得关注的是，中国的政策应对可能更偏向“稳就业”，这在短期内可能对AI替代的节奏产生一定抑制，但中长期看，产业升级的大方向不会改变。

Q5：电力——AI的下一个增长浪潮在哪里？

——ESS储能成为AI数据中心的“刚需”

摩根士丹利将ESS（储能系统）定义为AI产业链中的下一个重大主题，并给出了极为大胆的市场规模测算。

核心逻辑很清晰：AI数据中心的电力需求呈爆发式增长，但电网扩容速度受制于规划审批、输电线路建设周期等因素，无法即时匹配数据中心的用电需求。ESS作为“缓冲器”，可以在电网扩容完成前，解决数据中心的电力供给约束问题。这一逻辑与美国市场的经验一致，但中国的电网扩容约束更为严格，因此ESS的需求紧迫性可能更高。

规模测算方面，摩根士丹利预计全球数据中心ESS部署量到2030年将达约321GWh，对应约US$1.5万亿的累计市场空间。这是一个全球性的主题，但中国市场将是其中最重要的增量来源之一。报告重点提示了宁德时代（CATL）作为核心受益标的，其在ESS电芯领域的全球领先地位将直接受益于这一趋势。

注：数据来源为摩根士丹利研究报告，统计口径与时间周期详见原报告

Q6：人形机器人——中国如何从“运动能力”走向“大脑”？

——从工业场景到通用场景的跨越

人形机器人是本期报告最具前瞻性的主题之一。摩根士丹利的核心判断是：中国在人形机器人的“运动能力”已经处于全球第一梯队，但“大脑”（即AI感知与决策能力）仍是关键短板。

从出货量看，摩根士丹利预计2026年中国人形机器人交付量将达到约28,000台，较今年的约14,000台实现翻倍增长。到2029年可能达到约10万台，2038年达到约1,000万台。这一增长曲线的核心驱动力是工业场景的快速落地，特别是汽车制造、电子装配等领域。

从市场空间看，报告给出了极为大胆的长期测算：中国人形机器人市场到2040年可能达US$4,800亿，全球市场到2050年可能达US$7.5万亿。这一测算的前提是人形机器人从工业场景成功过渡到通用场景，而这一过渡的关键就是AI“大脑”的突破。

从投资逻辑看，摩根士丹利认为当前人形机器人仍处于“早期投入”阶段，类似于2016年的AI芯片或2020年的电动车。短期内难以贡献显著盈利，但如果“大脑”突破，则可能触发指数级的市场空间重估。China AI 65框架中的6家人形机器人公司，包括优必选（UBTECH）、宇树公司等，是跟踪这一主题的核心标的。

注：数据来源为摩根士丹利研究报告，统计口径与时间周期详见原报告

Q7：自动驾驶——L2+渗透率与Robotaxi何时爆发？

——从辅助驾驶到无人出行的路径拆解

自动驾驶是AI落地最快的场景之一，也是本期报告的重点赛道。

L2+渗透率方面，摩根士丹利预计2026年中国L2+渗透率将达到32%，到2030年可能超过50%。L2+的快速渗透主要得益于三个因素：一是硬件成本的快速下降（激光雷达、芯片等），二是中国新能源车企业在智能驾驶上的激进投入，三是消费者对智能驾驶功能的付费意愿提升。

Robotaxi方面，报告预计到2030年，中国Robotaxi车队规模可能达到36-40万辆，占当时出租车队的约8%。这一判断基于三个前提：一是L4+技术的成熟度达到商业化运营标准，二是监管政策的持续开放，三是运营成本的持续下降。值得注意的是，中国在Robotaxi领域的推进速度可能快于美国，主要得益于政策的更积极开放态度和更密集的城市测试环境。

从投资视角看，摩根士丹利在China AI 65中纳入了4家自动驾驶相关公司，包括小鹏汽车、理想汽车、百度、微创等。其中短期内L2+渗透率提升带来的硬件与软件收入增长更为确定，而Robotaxi的大规模商业化则需要更长的观察周期。

注：数据来源为摩根士丹利研究报告，统计口径与时间周期详见原报告

中国L2+渗透率与Robotaxi车队规模预测图

Q8：中国AI芯片——谁能胜出？自给率如何演进？

——在约束中寻找突破口

AI芯片是中国AI产业链中最受关注也最具争议的环节。摩根士丹利的核心判断是：中国AI芯片的自给率将从当前的较低水平，逐步提升至2030年的约86%。

从TAM看，报告预计中国AI芯片市场到2030年将达US$670亿。这一规模的核心驱动力是云端推理需求的爆发式增长，特别是随着中国大模型应用的广泛落地，对推理芯片的需求将远超训练芯片。

从竞争格局看，摩根士丹利重点分析了三家中国AI芯片公司的差异化定位：寒武纪（Cambricon）在云端推理领域最具竞争力，其思元系列芯片在大模型推理场景中已建立起一定优势；天数智芯（Iluvatar）的优势在于供应链韧性，其与多家代工厂的合作关系提供了产能保障；壁岂征（MetaX）则在图形渲染与AI计算融合方向上具有差异化优势。

但报告也明确指出了风险：中国AI芯片企业仍面临三大挑战——一是与英伟达的技术差距仍然存在（尽管在缩小），二是美国出口管制可能进一步收紧，三是中国芯片企业的生态系统仍在建设中，软件兼容性和开发者社区的成熟度与CUDA生态相比仍有差距。

注：数据来源为摩根士丹利研究报告，统计口径与时间周期详见原报告

Q9：互联网平台——谁拥有全栈AI优势？

——从“AI Cloud”到“AI应用”的变现路径

互联网平台是中国AI产业链中最具全栈能力的环节。摩根士丹利的核心观点是：拥有“底层模型+中层云平台+上层应用场景”全栈能力的平台，将在AI变现中占据最大份额。

从AI Cloud市场看，报告预计中国AI Cloud TAM将从2024年的Rmb150亿增长至2029年的Rmb2,180亿，复合增长率达72%。这是整个AI产业链中增速最快的细分赛道之一。阿里巴巴被摩根士丹利列为最优先（OW）标的，其核心逻辑是阿里拥有从底层模型（通义千问）到中层云平台（阿里云）再到上层应用场景的全栈布局，这使其能够在AI变现的每个环节截取价值。

从AI应用看，腾讯被视为最佳的AI应用标的。其核心逻辑是腾讯拥有微信和QQ两大超级应用入口，AI功能的嵌入可以直接触达超过10亿用户，这是任何独立应用无法比拟的分发优势。此外，MiniMax被视为被低估的AI应用标的，其ARR增长可能超出市场预期；Z.ai则因强劲的短期动量被纳入重点关注名单。

注：数据来源为摩根士丹利研究报告，统计口径与时间周期详见原报告

中国AI Cloud TAM增长预测与互联网平台AI布局对比图

Q10：大模型——中美差距如何变化？定价权是否出现？

——从“追赶”到“并跑”的关键转折

大模型是AI产业链的“灵魂”，也是市场争议最大的环节。

中美差距方面，摩根士丹利的核心判断是：中国大模型与美国的差距已从此前的“代差”缩小至“3-6个月”。这一判断基于两个事实：一是中国大模型在多个基准测试中的得分已接近或达到GPT-4水平，二是中国大模型在中文场景中的表现已经超越美国同类模型。差距的缩小主要得益于三个因素：开源模型的快速迭代、中国研发团队的快速学习能力、以及中文语料的独特优势。

定价权方面，报告揭示了一个重要现象：中国大模型的API定价正在上升。从2Q25到1Q27，输入价格累计上涨约80%，输出价格累计上涨约36%。这一趋势表明，中国大模型已经度过了“价格战”阶段，开始具备一定的定价能力。定价权的出现，是大模型从“基础设施”向“变现工具”转变的关键信号。

从Token使用量看，中国大模型的Token使用占比从2025年4月的约5%，大幅提升至2026年3月的约32%。这一数据表明，中国大模型的实际使用量正在快速增长，而非仅仅是市场情绪的反映。这也从侧面印证了中国AI正在从“概念验证”走向“实际应用”的判断。

注：数据来源为摩根士丹利研究报告，统计口径与时间周期详见原报告

Q11：软件——终端价值是否面临风险？

——Agentic AI对传统软件的颠覆性威胁

与AI采用者的乐观形成鲜明对比的，是AI对传统软件的潜在威胁。

摩根士丹利的核心观点是：Agentic AI（代理式AI）可能对传统软件的终端价值构成实质性威胁。具体逻辑是：Agentic AI能够自主完成任务流程，这意味着很多传统上需要人工操作多个软件工具才能完成的工作，现在可以由AI代理直接完成，这将削弱传统软件作为“工具”的不可替代性。

但报告也指出，这一威胁并非均匀分布。对于那些能够将AI深度嵌入现有产品、提升用户粘性的软件公司，AI反而是机会；而对于那些仅提供简单工具功能的软件，AI的威胁则更为直接。报告重点提示了北森（Beisen）、美图（Meitu）、石头科技（Roborock）作为AI采用者中风险回报最优的标的。

Q12：AI资本开支与投资策略——如何把握中国AI的投资机会？

——从“使能者”到“采用者”的全链路布局

摩根士丹利对中国AI资本开支的量化测算，是理解全文投资逻辑的关键基础。

从规模看，中国AI资本开支预计2026年达Rmb5,970亿（约US$850亿），到2030年达Rmb7,110亿（约US$1,010亿）。AI占IT支出的比例从2025年的7.7%跃升至2026年的12.1%，这意味着AI正在从IT预算的“边角料”变为“主菜”。

从投资策略看，摩根士丹利的建议是“全链路布局”，而非单一赛道下注。具体来看：使能者层面，寒武纪（云端推理最佳）和天数智芯（供应链韧性）是核心标的；采用者层面，阿里巴巴（全栈AI平台）、腾讯（AI应用最佳）、MiniMax（被低估的ARR增长）、Z.ai（强劲短期动量）是重点关注对象；人形机器人和自动驾驶则是更长周期的主题投资。

值得强调的是，摩根士丹利特别提示了两类风险：一是技术风险，包括AI技术迭代速度不及预期、中国AI芯片受制于出口管制等；二是宏观风险，包括中美关系、监管政策变化、以及AI对就业的影响可能引发的政策反应。这些风险因素可能影响AI产业链的投资节奏与收益率。

注：数据来源为摩根士丹利研究报告，统计口径与时间周期详见原报告

总结

摩根士丹利本期蓝皮书的核心判断可以概括为：中国AI正从“概念验证”迈入“商业规模化”新阶段，这一转折有三大核心支撑——AI采用度广泛提升（31%→37%）、AI采用者盈利兑现（EPS+60%、EBIT利润率+12-13ppt）、AI资本开支加速（IT支出占比7.7%→12.1%）。

从产业链视角看，AI的影响正在从“使能者”向“采用者”全链条扩散：云端推理芯片（寒武纪、天数智芯）是基础设施层的核心，互联网平台（阿里、腾讯）是变现层的主战场，人形机器人和自动驾驶是未来的指数级赛道，而ESS储能则是当前被市场低估的“隐藏主线”。大模型中美差距缩小至3-6个月、API定价上升、Token使用占比从5%跃升至32%，这些信号都在印证AI正在从“故事”走向“数据”。

风险方面，需重点关注三类不确定性：一是技术层面的不确定性，包括AI芯片受制于出口管制、AI技术迭代速度不及预期等；二是宏观层面的不确定性，包括中美关系、监管政策变化、AI对就业的影响可能引发的政策反应；三是传导层面的不确定性，AI对宏观经济的影响取决于传导机制的顺畅性，如果传导受阻，实际影响可能显著低于测算。对于投资者而言，在把握AI变现机会的同时，对这些风险因素保持清醒认知同样重要。

#摩根士丹利研报 #AI商业化 #AI规模化 #AI半导体 #AI芯片 #寒武纪 #天数智芯 #阿里巴巴 #腾讯 #宁德时代

免责声明：市场有风险，投资需谨慎。本文内容仅代表调研观点，不代表本公众号立场。

本期内容分享完毕。后续将持续更新行业分析、调研纪要、外资研报与市场复盘内容。

感兴趣的朋友，可自行参考文末体验通道。