260511--大摩亚洲科技：...

核心观点：中国AI进入2.0新阶段，投资逻辑已发生根本性转变

中国AI产业正从基础设施建设驱动的1.0阶段，全面迈入以商业兑现、物理世界交互和能源系统为支撑的2.0新阶段。核心变化在于，AI不再仅是主题炒作或资本开支竞赛，而是开始在企业盈利层面产生实质性的正向拉动，同时产业瓶颈的转移正催生全新的投资赛道。

首先，AI的商业化重心已从基础设施层下沉到应用盈利层。采纳AI的企业正实现切实的财务收益，体现为盈利预期上修和结构性的利润率扩张。AI正成为驱动效率提升和经营杠杆的生产力引擎，而不仅仅是增收工具。摩根士丹利的调查显示，高达91%的AI采纳者已经在成本效率端受益，印证了AI对利润率的初期影响远大于对收入加速的拉动。

其次，产业瓶颈已从“算力”转向“电力与部署”。核心矛盾不再是AI能否被开发出来，而是能否获得充足的电力供应、实现规模化扩展并完成实时交付。AI基础设施的指数级需求正与现实世界的电力约束激烈碰撞，这使得能源系统，特别是储能和电网灵活性，成为AI发展的关键使能者。

第三，新战场正转向新能源系统和物理AI。从人形机器人到自动驾驶，AI正变得具身化。中国凭借其强大的制造业基础、深厚的供应链深度和丰富的真实世界数据，在引领这一轮“物理AI”浪潮方面具备独特优势。

这一转变背后有深刻的宏观和产业动因。宏观层面，“AI+”已被提升为中国2026-2030年“十五五”规划的核心战略，旨在应对人口老龄化和劳动力萎缩的结构性挑战，将AI作为提升全要素生产率的关键杠杆。摩根士丹利估算，到2035年，AI有望累计提升中国全要素生产率约3个百分点，使潜在GDP水平相比无AI情景高出约3.5个百分点。不过，短期内由于劳动力替代摩擦，其对GDP增长的净贡献可能相对温和。

产业层面，经过过去12个月的快速发展，中国在AI商业化规模、基础设施建设和自主可控方面取得了实质性进展。国内AI芯片通过系统级优化，正在缩小与美国的算力差距，竞争力评估标准正从单一追求先进制程转向更实际的成本效益比。这使得中国AI实验室能以美国模型15-20%的推理成本，提供相近的模型智能水平。

基于上述逻辑，报告梳理了未来值得关注的结构性机会和关键数据。

在能源系统领域，AI数据中心面临的最大约束是“通电时间”和峰值负荷管理，储能系统因此成为经济高效的必然选择。摩根士丹利预测，到2030年，全球数据中心带来的储能年增量需求将达到约321吉瓦时，其中中国为85吉瓦时。这驱动全球储能年增量部署在2030年前保持30%的年复合增长率。同时，报告也看好受益于全球电力系统扩张周期的燃气轮机和高压电网设备，如变压器等。

在物理AI领域，人形机器人方面，报告预测2026年中国出货量将翻倍至2.8万台，主要驱动力来自企业端试点应用的铺开。预计在2026至2027年积累足够数据和验证商业价值后，规模化应用浪潮可能于2028年启动，届时中国市场年销量有望在2029年突破10万台。自动驾驶方面，预计L2+级别智能驾驶在中国市场的渗透率将从2025年的25%提升至2026年的32%，并在2030年超过50%。同时，L4级自动驾驶出租车正开启全球化商业扩张，预计到2030年将占中国出租车及网约车车队规模的约8%，即36至40万辆。

在AI使能层，中国AI芯片的总可用市场规模预计到2030年将增长至670亿美元。尽管先进制程产能受限，但通过系统级能力，如先进封装、光互连和软硬件协同优化，国内AI芯片在推理工作负载上的实际竞争力正在提升。云服务市场格局也在重塑，以阿里云和字节跳动为代表的互联网云厂商正凭借AI能力，从电信运营商和华为手中重新夺回市场份额。企业AI支出意愿强劲，摩根士丹利的首席信息官调查显示，AI在IT总预算中的占比已从2023年的6.1%提升至2026年的12.1%。

最后，报告提示了两种宏观情景风险。下行风险在于，若AI过快地在弱需求环境中被企业用作纯成本削减工具，可能引发大规模失业，形成通缩负反馈，使微观效率提升反而抑制宏观总需求。而上行风险则在于，若能实现更渐进的、以增强人类能力为主的AI扩散，并辅以更积极的、侧重消费拉动的政策，则可能形成生产力提升与需求扩张的良性循环。