欧洲股市年度展望,MSCI Europe 到 2027 年底有 15% 上行空间。银行(增配)是欧洲股指展望的关键且处于「甜蜜点」;欧洲对中国的敞口已明显下降;「SoH 敞口」提供有吸引力的风险回报;欧洲的 AI 资本开支受益者正从试点走向回报;在经历数月的轮动式熊市后,预计债券收益率回升、基本面动能恢复。
2026 年全球经济增速 2.7%,与潜在增速持平——强劲的 AI 资本开支、金融条件放松与财政扩张,抵消了中东能源供给冲击。2027 年预计 2.8%:能源价格回落与仍然强劲的 AI 资本开支,压过金融条件收紧与财政转向中性。但风险偏向下行:一是伊朗局势再升级可能带来又一轮能源价格飙升;二是巨额赤字可能推高长端收益率,法国尤其明显;三是 AI 资本开支可能因产能约束、监管、信用市场压力或需求走弱而不及预期。报告同时提示已出现 AI 拖累就业市场的早期迹象。通胀在 2026 年上冲后应于 2027 年放缓:美国关税传导结束、能源冲击基数效应消退、AI 相关价格压力随产能扩张缓解。政策上预计美联储再加两次、欧央行加一次,两者在 2027 年末重回降息。
2026 年是资本开支大年:实际企业固定投资在 2026Q1–Q3 年化增长 11%,四季度预计仍强。其中 AI 支出(大量为进口资本品)贡献过半;去年的投资税收优惠也带来可观提振,足以抵消 IRA 与芯片法案补贴退坡后厂房建设下滑的拖累。2027 年 AI 仍将是企业投资增长的主导力量,但在官方统计中的体现会小于实际。
近期 AI 相关的市场压力与新的监管不确定性,让「AI 投资周期能否持续」重新成为核心争议。本期 Top of Mind 访谈 Social Capital 的 Chamath Palihapitiya,以及 GS 的 Eric Sheridan、Miriam Wheeler 与其他信用与股票分析师,围绕四个问题展开:当前压力的来源是什么、AI 生态中的风险由谁承担、AI 主题的 ROI 前景现在处于什么位置、投资者在当下应如何应对。
按 GS 估算,财政收紧可能是今年中国 GDP 增长的最大拖累,而税收征管趋严是关键推手。本篇拆解征管如何收紧、今年为何加强、其收入贡献相对其他融资缺口有多大,以及对宏观的影响与后续路径。征管趋严既反映财政压力上升,也得益于数字化监控能力提升;土地出让收入下滑与政府债务高企,加大了对新收入来源的需求。
各国央行越来越把 AI 建设列为通胀驱动因素,关注点集中在供给瓶颈、进口价格上升,以及近期国内需求压力与更滞后、更不确定的生产率收益之间的时点错配。本篇更新 GS 全球模型(扩展美国团队对 AI 通胀压力的分析),评估 AI 相关通胀风险的规模。直接的 AI 通胀压力目前仍属温和,主要通过资本品与电力价格传导。
「AI 即将导致大规模失业」的担忧已经降温,但近期劳动力市场数据仍显示出一些 AI 相关的招聘逆风,市场也越来越关注 AI 的劳动力成本节约是否足以支撑其投资规模。本篇用三种实证方法量化历史上技术对劳动的替代,并推演 AI 的含义:总量冲击显示,技术创新带来的劳动生产率每提升 1%,会带来一段时期的就业减少。
Exhibit 10: $1.6T in Hyperscaler and Neocloud Capex Drives 5% of 2027 Sales and ~25% of Sales Growth AI Capex: The Flow Through to S&P 500 Sales Hyperscaler capex vs. S&P 500 revenue, 2026e-2027e THE SPEND: Hyperscaler and Neocloud AI capex nearly doubles into 2027... 🏗️ $1.0T 2026e capex WHAT THE INDEX CAPTURES: only 65% of that spend lands in S&P 500 revenue... 💵 % of 2027e sales $1.0T 2027e revenue absorbed WHO CAPTURES IT: NVDA alone takes 2/3rds of S&P 500 Revenues... 🖥️ $690B NVDA share of flow-through IMPACT ON GROWTH: a meaningful boost, but the index still grows without it... 📈 8.6% 2027e sales growth BOTTOM LINE: of the $1.6T in 2027e AI capex, $1.0T accrues to the S&P 500 and nearly $700B goes to NVDA. This amount accounts for 5% of S&P 500 sales and one-fourth of 2027e sales growth. For a different approach, we analyzed the breakdown of AI names within the S&P 500 versus non-AI names. Rather than isolating revenues tied to hyperscalers and large neoclouds as in the prior analysis, this approach captures the total sales and earnings contribution of companies broadly classified as AI-related. To determine AI names, we
图 11:标普 500 的吸收模型
AI 与非 AI 的分野在扩大
把 AI 相关公司整体(而非仅超大规模厂商)从标普 500 中拆出来,可以看到更清晰的图景:AI 相关公司的销售与盈利增速正在超过指数其余部分,且对指数增长的贡献在上升。
AI 融资会挤出政府债券吗? 超大规模厂商的自由现金流预计在 2027 年转负,这意味着未来 AI 建设更多要靠信用市场融资。但我们内部的看法是:这不太可能挤出政府债券。信用团队预计市场能吸收额外供给、对利差影响有限;跨资产团队估计约 2,600 亿美元的额外高等级供给只会把收益率推高约 5–10bp。信用利差近几周虽走阔,但按历史标准仍受控——这反映的是收益率与政治风险的重定价,而非信用基本面的恶化。情绪偏悲观之下,若收益率企稳,利差应会收窄。
三大港同比 vs 中国/亚洲/亚洲除中国至美国 TEU 月度同比,纵轴 -20% 至 +60%,横轴 2024 年 2 月至 2026 年 9 月,含中国、亚洲、亚洲除中国、三大港四条线。中国与亚洲 TEU 同比数据截至 9/30。来源:Bloomberg、洛杉矶港、长滩港、奥克兰港。
物流经理指数(LMI)——库存水平扩张
图 21:我们估算 9 月水平同比
9 月上游(B2B)库存扩张,指数 61.4,8 月为收缩的 49。
9 月下游(零售)库存扩张,指数 53.8,8 月为 61.9。
物流经理指数——库存成本指数
9 月库存成本指数 79.9,8 月为 78.6,反映库存成本扩张更快。
图 22:LMI 显示上游与下游
图 21:我们估计 9 月水平同比明显更高
基于 TEU 同比变化与估计的每 TEU 价值推算的贸易额同比变化(百万美元),纵轴 -5,000 至 +6,000 百万美元,横轴为逐月(含两年),另附线性趋势线。来源:Port Optimizer、美国运输统计局(BTS)、Goldman Sachs Global Investment Research。
原文:高盛 Research《CEEMEA in Focus: Updating Our Projections for Egypt's Funding Needs and Sources》,2026 年 10 月 19 日,13 页
本文为中文编译精读,非原文逐句翻译;数字与表述以原文为准。报告版权归高盛所有。
中文原文
CEEMEA 聚焦:更新埃及的融资需求与来源
CEEMEA in Focus: Updating Our Projections for Egypt's Funding Needs and Sources · 高盛 · 2026 年 10 月 19 日 · 13 页
我们预计本财年赤字维持高位,占 GDP 的 5.0%(约 227 亿美元)。在我们看来,这由贸易余额进一步恶化驱动,部分被服务余额以及初次与二次收入余额的改善所抵消。更长期看,随着能源赤字收窄、服务与二次收入余额的持续改善抵消非石油贸易赤字的进一步扩大,我们预测经常账户将收窄并稳定在 GDP 的约 3%。
风险因素——仓位偏高:自伊朗战争爆发以来,外资持有本地债券的规模有所下降,但仍处于约 260 亿美元的偏高水平,意味着短期内仍有进一步流出的可能。触发因素可能是特异性的(对本地风险认知上升,例如与 IMF 计划结束相关)、区域性的(如伊朗战争升级)或全球性的(如核心利率上行、美元走强)。
因此,随着 IMF 借款退出融资组合,我们预计整体对外借款将减少(图 11)。我们预测一般性对外借款将回升,来源预计是双边与多边渠道的组合。
图 11:IMF 融资结束后,一般性借款将承担更多压力
风险因素——与 IMF 挂钩的贷款减少:图 11 中定义的一般性借款,包含以与 IMF 接触为条件的借款,例如部分世界银行与欧盟融资。IMF 退出后为弥补这些缺口所需的额外借款规模,可能使实现我们预测中较高水平的一般性借款变得困难。可能重新接触 IMF:我们认为,若缓解外部融资压力确有需要,埃及有重新接触 IMF 的选项,这对我们的预测构成上行风险。
市场并没有「无视」更高的利率,利率正在产生影响,只是影响并不均匀。可观的居民财富、庞大的政府赤字,以及规模更大的 AI 建设,正在支撑 GDP 和表观盈利。但一个适合整体经济的利率水平,未必适合其中的每一个主体。同一个 10 年期收益率,对超大规模云厂商或许可以承受,对增长更慢的企业则可能是严重得多的挑战。
从这个角度看,从「增长乐观」到「财政恐慌」的这个急转弯本身就很扎眼。毫无疑问,一批欧元区国家需要大幅削减赤字才能稳住债务动态,能不能做到确实存疑。但用于债务稳定的 (r − g) 计算可能也失真了:长期利率 r 的上升,可能快于对长期增长趋势 g 与中性政策利率的评估。r 或 g 任一侧的修正,都会减轻财政挑战。
这项计算怎么做: 名义利率 r 乘以上一年债务存量,得到要加进债务存量的利息支出;名义 GDP 增长 g 决定分母扩大带来多少债务率下降。若 r > g,两项净效应会推高债务率,除非有足够大的基本财政盈余抵消。本页的表格用 2026 年预算执行数、10 月 1 日以来的 10 年期平均收益率、以及当前名义潜在增长估计(2% 通胀目标 + 实际潜在增长)做这个计算。读法:先看 r − g 的符号,再看基本盈余能否盖住它——只有两者一起看,才知道「债务率会不会涨」。
(r − g) 的缺口从哪里来,能不能自己收窄
欧元区 10 年期国债收益率目前高出 SPF(专业预测者调查)对长期趋势增长的评估约 100bp(图 1)。这个缺口要收窄,只有两条路:要么过乐观的增长预期曾推高了 r(预期回落后 r 下行),要么对长期趋势增长的评估向上追赶。我们有三点判断:
除 AI 与科技外,来自汽车部门的订单在情绪偏软的情况下继续增加,订单增长 13.1%,为连续第四个月上升。非制造业核心订单环比(季调)+2.9%。租赁部门出现异常跳升(三位数月度增幅,属一次性)。劳动密集部门分化:运输(-13.9%)与建筑(-17.2%)在近期强势后回落,零售(+29.2%)在连续三个月下滑后恢复。这组分项的含义是:资本开支的强势集中在「技术与自动化」,而传统劳动密集行业的投资在收缩——这正是劳动力短缺的直接后果。
9 月出口环比(季调)跳升 6.6%,高科技产品、汽车与消费品广谱增长。叠加更强的 PMI、有韧性的外需与节前赶产,我们认为应支撑又一份稳健的工业产出读数,对 3Q GDP 构成温和上行风险。但内需可能只有小幅改善:假期消费与旅游应提振社零,但汽车销售疲弱与家庭信贷仍是拖累。财政投放加快应缩小 FAI 的收缩(基建与战略投资加强),但房地产仍是主要抵消项。下周数据应确认一个仍然「K 型」的复苏:生产稳、投资趋稳、家庭需求疲软。
本页的判断价值: 单看 IP 同比 25% 会严重高估景气,把「环比 3.1% + 9 月出口环比 6.6%」放在一起,才是「生产端强、需求端弱」的完整图像——这也解释了为什么 3Q GDP 可能超预期,而市场对 4Q 的信心并没有同步提升。
韩国:10 月初出口偏软但趋势仍强;BoK 下周大概率按住
10 月初出口流偏软,但趋势仍强。
9 月劳动力市场数据具建设性,失业率更低。
BoK 前瞻:GDP 有上行风险,指引可能偏鹰。
韩国最新数据继续指向稳健的 3Q 增长背景,尽管部分高频指标在季末前后变得更嘈杂。10 月初出口按季调看偏软,但这一信号被日历效应严重扭曲,且紧随一个异常强劲的 9 月——底层出口趋势仍在高位。同时,9 月劳动力市场数据具建设性,暗示家庭收入状况在逐步稳固。在这一宏观背景下,下周 BoK 会议的重点大概率不是政策决定本身(我们预计按住),而是 BoK 如何在 3Q GDP 公布前框定增长的上行风险。
PPI 转正而股价下跌,说明市场对「再通胀」的定价是怀疑的。这个背离的收敛方向——是股价追上价格,还是价格回落——决定了明年中国周期股的方向。
原文:高盛 Research《China Weekly Kickstart: Markets fell 2-3%; PPI inflation reached a new high in September; Credit and trade data beat expectations》,2026 年 10 月 17 日,25 页
本文为中文编译精读,非原文逐句翻译;数字与表述以原文为准。报告版权归高盛所有。
中文原文
中国每周策略:市场下跌 2–3%,9 月 PPI 创新高
China Weekly Kickstart: Markets fell 2-3%; PPI inflation reached a new high in September; Credit and trade data beat expectations · 高盛 · 2026 年 10 月 17 日 · 25 页
图 1:本周图表:AI 改变格局
本周图表:AI 改变格局
AI 重估的规模与结构
图 2:AI 重估的规模与结构
图 2:
接近 5 万亿美元的市值已被 AI 重新定价——这个数字是判断「主题是否已经过度」的基准:若市值重估幅度远超盈利上修幅度,说明估值先行、后续需要盈利兑现。
图 3:
AI 出口商跑赢了本国市场——说明市场奖励的是「能出口的 AI」,而不是「本土 AI 概念」。
图 4:
我们的「出口领跑者」筛选预计将受益——这是把主题落到个股的方法。
图 5:
中国 AI 出口领跑者的估值——关键问题是:在跑赢之后,估值是否已经反映了出口逻辑。
专有模型与气压计
图 8:
A-H 轮动模型显示 H 股相对占优——对同一资产,港股更便宜、且对南向资金更敏感。
图 9:
基于新闻搜索的代理指标——用文本数据度量政策与主题的市场关注度,领先于价格。
图 10:
我们筛出的「国家队」偏好 ETF——用于判断稳定资金可能的落点。
图 11:
改版后的 A 股散户情绪指标——散户情绪是 A 股短期波动的主要来源,这个指标把开户、成交、融资与搜索数据合成。
MAS 在 10 月维持 SGD NEER 政策设定不变,与市场进一步收紧的预期相反。声明暗示 MAS 认为现有升值路径已足以抑制通胀,支撑因素是国内成本低迷,以及 2027 年正产出缺口收窄。我们现在预计将延长按兵不动,进一步收紧取决于通胀是否被证明比预期更持久。
请参见 Asia Economics Analyst 15/17《亚洲金融市场对经济数据的敏感度》以及 Asia Economics Analyst《全球宏观数据如何影响 AEJ 金融市场》,两篇报告利用十个亚洲新兴经济体的高频(日内)数据,分析了区域经济数据的市场冲击。我们发现,市场对部分最受关注的经济指标存在一致的短期反应,尤其是工业生产、GDP、贸易数据与通胀。
Taiwan Weekly Kickstart: TAIEX fell 5% as record foreign selling drove an AI/Tech unwind and rotation into non-Tech, while domestic dip-buying provided support; TSMC raised revenue guidance, but GM wa
GS 台湾股票策略团队
TAIEX 单周 -5%,创纪录外资卖超引发 AI 科技股平仓,资金轮动到非科技。
核心结论
GS 的台湾周度策略。TAIEX 单周下跌 5%,创纪录的外资卖超引发 AI 与科技板块的平仓,资金轮动到非科技。报告含 GS 的策略观点、估值、盈利修正,以及外资流向的完整拆解。
与韩国是同一枚硬币
本周韩国 KOSPI 跌逾 14%、台湾 TAIEX 跌 5%,外资同时撤出北亚两个 AI 最集中的市场。这不是本地事件,是同一轮全球 AI 去杠杆。
轮动到哪里
资金从科技轮动到非科技。这与你在这两篇里看到的「质量」「价值」主题是同一批资金在换仓。
外资流向的拆解价值
GS 在报告里逐日拆解外资买卖,这比看指数涨跌更能判断「是谁在卖、卖完了没有」。
关键数字
TAIEX 单周
-5%
外资
创纪录卖超
引发 AI/科技平仓
资金轮动
科技 → 非科技
性质
与韩国同属北亚 AI 去杠杆
对组合的含义
台湾与韩国是 AI 资本周期的「实物端」代理。两者的外资流向同步转向,说明这不是本地事件——对判断 AI 主题的持续性,这比任何叙事都硬。
原文:高盛 Research《Taiwan Weekly Kickstart: TAIEX fell 5% as record foreign selling drove an AI/Tech unwind and rotation into non-Tech, while domestic dip-buying provided support; TSMC raised revenue guidance, but GM wa》,2026 年 10 月 16 日,32 页
本文为中文编译精读,非原文逐句翻译;数字与表述以原文为准。报告版权归高盛所有。
中文原文
台湾每周策略:TAIEX 跌 5%,外资创纪录卖超引发 AI 平仓
Taiwan Weekly Kickstart: TAIEX fell 5% as record foreign selling drove an AI/Tech unwind and rotation into non-Tech, while domestic dip-buying provided support; TSMC raised revenue guidance, but GM wa · 高盛 · 2026 年 10 月 16 日 · 32 页
如果宏观前景恶化,当前估值会提供有吸引力的入场点——但这并非我们的基准情形。 除了近期的大宗商品风险,我们预计随着商品价格回落,通胀将趋缓,从而使利率见顶;同时全球 GDP 增长保持韧性,欧洲经济活动将在 2027 年加速。
因此,我们会有选择地聚焦于资产负债表稳健、自由现金流创造能力强、商业模式能抵御颠覆的公司。
质量因子的表现与驱动(原文图 1–4)
图 1:欧洲质量股近期显著落后大盘
图 1:质量在欧洲与美国同时收复失地——2026 年 9 月 1 日以来的价格表现(欧洲板块口径)。图中可见 US High Quality 与 EU High Quality 均录得正收益,而 US Low Quality、EU Low Quality、Real Estate、Financials 位于负收益端
对融资成本与融资可得性的担忧加剧,使投资者削减股市敞口、并为增长前景的减速定价。自 8 月初以来,能源价格与利率上行压制了许多周期股的表现。但过去两周,资本成本急剧上升对 AI 建设的潜在影响,进一步压制了市场对经济与盈利增长的预期。加剧这些轮动的是:本周 GS Prime Services 观察到对冲基金净杠杆明显下降,同时 AI 相关股票的仓位出现回撤。
利率与信用市场同样反映了融资成本上升的压力以及对增长前景的下修。10 年期美债收益率在过去六个月累计上行逾 100bp 之后,过去两周回落逾 20bp;同期美元高收益信用利差走阔逾 20bp,压力尤其集中在 AI 相关利差上,而防御性的能源与公用事业板块相对抗跌。
EM Weekly Kickstart: MSCI EM fell 5% w/w, dragged by Tech/AI sell-off, while Non-tech stayed resilient; Korea fell 16%; Taiwan saw record outflows; Indonesia/Turkiye sell-off on MSCI Index announcemen
GS 新兴市场股票策略团队
MSCI EM 单周 -5%,3Q26 盈利增速共识 +71% 但剔除北亚与科技只剩 13–14%。
这是一张三段式的大表——上段为指数(欧洲、MSCI 全球、标普 500、MSCI 日本、MSCI 亚太除日本、MSCI EM 的一周/年初至今/RSI),中段为MSCI EM 行业(核心服务、核心商品、房地产、能源、金融、医疗、工业、IT 等的一周/年初至今/RSI),下段为大宗商品与汇率(WTI、布伦特、天然气、铜、铁矿石、黄金的现货/一周/RSI);下方另有一张分行情的分部表,覆盖 24 个 EM 市场的权重、一周、年初至今、RSI 与 5 年 z 分数。
读表要点(口径与时点): ① 该表为 10 月 16 日 15:10 GMT 的盘中快照,因此与第 1 页摘要采用收盘口径的一周读数存在差异——例如摘要中韩国本周 -16%(收盘),而本表的一周列为 -10%;两者不矛盾,只是取数时点不同,引用时须注明;② 权重列是理解「指数跌 5% 由谁造成」的关键:台湾 29.3%、韩国 18.0%、中国 20.4% 三者合计约 68%,所以北亚的抛售必然主导指数;③ RSI 与 5 年 z 分数用来分辨「跌了多少」与「跌到什么位置」:韩国、台湾的 z 分数在本轮下跌后明显走低,而拉美(巴西 31%、墨西哥 34%)仍在中位数附近;④ 大宗段的黄金与铜是少数年内正收益资产(黄金年初至今约 +37%),这解释了为何 EM 的「资源国」与「制造国」在 2026 年走出了完全不同的路径。
收益分解:年初至今的 EM 回报由盈利驱动
图 19:MSCI EM 年初至今的回报由盈利驱动
图 19(MSCI EM 年初至今回报的盈利/估值分解):
把 MSCI EM 的年内涨幅拆成 EPS 增长贡献与 PE 变动贡献两部分。2026 年的结构是「盈利贡献为正、估值贡献接近于零甚至为负」——这与 2021 年那轮(估值扩张主导)方向相反,也是我们对 EM 维持建设性、但不认为会出现 2021 式重估的核心依据。
图 20:EM 区域市场表现图 21:周期 vs 防御
图 20(EM 区域市场表现):
按区域给出年内涨跌。北亚(韩台)是唯一的「两位数正收益 + 高集中度」区域,拉美与 EM 欧洲居中,东盟与 MENA 落后——这一排序与图 19 的分解完全自洽:有盈利的地方才有回报,纯估值故事在 2026 年没有兑现。
图 21(周期 vs 防御):
上图为 MSCI EM 周期相对防御的相对走势(2025 年 1 月=100),下图为其相对估值。周期相对防御的比值在 2026 年上半年随 AI/科技行情走高,三季度后随着北亚回调而回落;相对估值仍在历史中位附近,说明「周期便宜」这个论据并不成立,做多周期的理由必须来自盈利而非估值。
深色为市值加权的 MSCI EM,浅色为成分股等权平均。2026 年两者在 4–6 月一度同步(约 +20%),此后加权指数继续上行至 +25% 以上、等权回落至 0% 附近,7 月后加权与等权之间拉开 20 多个百分点;图中另标注了「伊朗和平协议宣布」与「美伊冲突升级」两个事件时点。等权跑平意味着「买 EM 指数」与「买 EM 的普通股票」在 2026 年是两件完全不同的事。
图 28:MSCI EM 市场广度相对历史水平偏窄
图 27(AI/科技窄幅上涨是否在扩散):
四条指数化曲线(2025/12=100):MSCI EM、MSCI EM 除台积电/三星/海力士、MSCI EM 除科技、MSCI EM 除韩国与台湾。2026 年的关键读数是终点的排序:MSCI EM 约 120,除三巨头约 115,除科技约 92,除韩台约 88——即「剔除北亚与科技后,EM 年内是负收益」。扩散(broadening)目前只有迹象,没有成为事实。
极度的超卖与仓位出清,使韩国成为这轮 AI 去杠杆里弹性最大的市场——向上和向下都是。如果 AI 叙事出现边际改善,它会是第一个反弹的;如果继续恶化,它也没有本土买盘承接。
原文:高盛 Research《Korea Weekly Kickstart: KOSPI plunged more than 14% amid hotter-than-expected inflation, concerns around AI-related credit and Chinese DRAM maker》,2026 年 10 月 16 日,22 页
本文为中文编译精读,非原文逐句翻译;数字与表述以原文为准。报告版权归高盛所有。
中文原文
韩国每周策略:KOSPI 暴跌逾 14%
Korea Weekly Kickstart: KOSPI plunged more than 14% amid hotter-than-expected inflation, concerns around AI-related credit and Chinese DRAM maker · 高盛 · 2026 年 10 月 16 日 · 22 页
韩国每周策略 KOREA WEEKLY KICKSTART:KOSPI 暴跌逾 14%——通胀超预期、AI 相关信用担忧与中国 DRAM 厂商
16 October 2026 | 11:00PM SGT · Timothy Moe, CFA / John Kwon · Goldman Sachs (Singapore) Pte
本周要点
KOSPI 本周暴跌逾 14%,触发因素为通胀超预期、AI 相关信用担忧以及中国 DRAM 厂商。板块方面,制药、食品饮料与休闲本周跑赢,科技、机械与造船跌幅最大(原文图 17)
India Weekly Kickstart: NIFTY rebounded from the lows, up 3% w/w; Domestic fund inflows surged in September; Inflation pressure broadened; 3Q earnings started off on a mixed note
印度是少数「外资撤、本土接」的市场,这使它的回撤幅度天然小于韩国台湾。做 EM 内部配置时,「谁有本土资金承接」应该成为一个显式的筛选条件。
原文:高盛 Research《India Weekly Kickstart: NIFTY rebounded from the lows, up 3% w/w; Domestic fund inflows surged in September; Inflation pressure broadened; 3Q earnings started off on a mixed note》,2026 年 10 月 16 日,20 页
本文为中文编译精读,非原文逐句翻译;数字与表述以原文为准。报告版权归高盛所有。
中文原文
印度每周策略:NIFTY 自低点反弹 3%,国内资金流入激增
India Weekly Kickstart: NIFTY rebounded from the lows, up 3% w/w; Domestic fund inflows surged in September; Inflation pressure broadened; 3Q earnings started off on a mixed note · 高盛 · 2026 年 10 月 16 日 · 20 页
「什么位置可以重新介入韩国」是我们被问得最多的问题。 技术面与估值可以在市场见底之前很久就显示「超卖」。我们还没有看到足以支撑「供给已经出清」这一判断的要素。跌幅的广度也很重要:韩国剔除存储后跌得同样多,说明这不是单一因子的干净重定价,而是一次更广的去风险。我们维持超配韩国与更广的亚洲 AI 复合体,把近期回调视为加仓机会,同时提示韩国的资金失衡尚未完全化解。我们期待的质量更高的拐点,大概率不由某个点位定义,而由市场行为的改变定义:价格行为企稳、外资卖出放缓、系统性卖压消退。
同样重要的是观察全球的盈利进展。英国相对于国际同业提供的是不同的盈利与投资画像。在美国,市场越来越关注庞大的 AI 相关资本开支能否转化为持续的盈利增长。英国市场对该主题的暴露较低,行业结构更偏价值与防御,且现金流生成能力相对较强。英国股票的 FCF 收益率约 6.5%(图 5),并且一直倾向于在价值主导的轮动中表现良好(图 6),这使它提供了与主导其他市场的 AI 与成长主题不同的敞口来源。外资投资者始终是英国股票的买家,这可能已经反映了部分分散化配置的需求(图 33)。虽然我们并不预期其他地区的盈利会出现明显失望,但如果围绕 AI 支出或盈利兑现的担忧升温,这些特征可能使英国股票相对更有韧性,并可能强化流向英国的分散化资金。
MS 从股票端算出 AI capex 会带来 1.7 万亿供应商收入;GS 从信用端提醒:这些投资有多少是债务融资的、条款怎么样。两个视角必须一起看。
关键数字
承压资产
高收益数据中心债
承销四要素
建设风险 / 本息覆盖 / 请求权
附加要素
电力可得性 / 许可 / 保险
方法
项目级承销,非板块判断
对组合的含义
这是把 AI 从「股票叙事」拉回「信用现实」的少数报告。如果 AI capex 融资开始出现项目级违约,股票端的 1.6 万亿叙事会先被信用市场证伪——这是最值得设的预警指标。
原文:高盛 Research《Connecting the Dots: AI De-risk, Legal as a case study, Non-AI Multi-Industry, Earnings, GOAL & UK Budget plus key research》,2026 年 10 月 16 日,12 页
本文为中文编译精读,非原文逐句翻译;数字与表述以原文为准。报告版权归高盛所有。
中文原文
连线各方:AI 去风险
Connecting the Dots: AI De-risk, Legal as a case study, Non-AI Multi-Industry, Earnings, GOAL & UK Budget plus key research · 高盛 · 2026 年 10 月 16 日 · 12 页
Connecting the Dots:AI 去风险、法律行业案例、非 AI 多行业、财报季、GOAL 与英国预算,另附本周重点研究
Sahar Islam · Goldman Sachs International · 2026 年 10 月 16 日 21:00 BST
AI 去风险。 市场出现明显波动,投资者在争论信用市场能否继续为 AI 建设提供融资,新云厂商(neoclouds)以及持有前沿实验室敞口的公司处于风暴中心。高收益(HY)数据中心债券的表现同样承压,但信用团队的 Amanda Lynam 主张按项目逐笔承销:「建设风险、本金覆盖或再融资风险、以及对租户的求偿权,正变得越来越重要。其他考量还包括电力可得性、许可与保险」。我们在 9 月信用会议之后已就此写过报告(可在这里读到更多,含欧洲的优选选址)。
同样的原则也适用于股票投资,尤其是当越来越多行业进入数据中心、并向风险曲线更高处移动时:项目层面的具体条件将决定成败。CL 名单中的 Solaria 宣布了乌拉圭的数据中心交易,市场对此有争议,但 Alberto Gandolfi 认为风险偏向上行,且下个月该公司 CMD 上很可能公布更多交易。
AI 案例研究:法律行业。
Adam Berlin 发布了关于 RELX 的深度报告,可读性更广,也有几张关于 AI 的好图。他把 token 用量、成本考量与数据护城河等细节,带入了这场往往过度笼统的 AI 颠覆讨论。
多行业——非 AI 部分。 我们与多行业的 Daniela Costa 及其团队、以及 Jeremy Elster(Spec Sales, GBM)一起为财报季做准备,关键主题不出意料仍是 AI 集中度。至于非 AI 领域值得关注的(尽管增速远低于 AI 相关领域):矿山设备——Christian Hinderaker 认为复苏即将到来(下周伦敦金属与矿业会议上可以听到他们客户的看法);以及 Rational 和 Trelleborg 这类质量型公司(均为 Buy,后者在 CL 名单),由 Ope Otaniyi 覆盖。你可以在播客里听到这些观点,点击这里收听。
话虽如此,我们认为外汇投资者关注近期主权收益率的压力、并探索欧元的下行尾部风险是正确的。主权利差走阔对货币尤其不利,因为它可能同时导致:(i) 紧缩组合从货币政策转向其他工具(政策利率路径更低、低风险实际利率更低),以及 (ii) 外国投资者风险偏好下降。我们此前指出,一旦出现衰退风险上升或分化的迹象,外汇波动率将重新走高,而主权信用压力会同时激活这两个强力渠道。这就是这类事件中外汇波动往往更大的原因——由此产生的市场走势会自我强化:利差走阔、本地资产跑输、外国投资者要求更高的信用风险溢价。
尽管如此,我们认为有几个理由不应期待谢克尔持续升值。第一,当前民调显示执政联盟与反对阵营势均力敌,结果不明朗、不确定性更高的概率仍然很高。第二,虽然不同选举结果下市场认知可能改变,但各方的经济政策主张相对接近。而且,尽管 2023 年司法改革讨论曾令 ILS 走弱,但在谢克尔接近过去 30 年最强水平时,很难说其中仍计入了可观的国家特定溢价。第三,与此相关,以色列央行一直在抑制货币升值;若 ILS 在选后明显升值,我们预计这一态度仍会延续,尤其是在通胀动态仍相当温和的情况下。具体而言,央行在 5、6 月干预了外汇市场、此后未再干预,这可能意味着 USD/ILS 在 3.00 附近存在一定敏感度。此外,在全球利率更高、美联储加息的背景下,其更偏鸽的利率立场显得突出。
话虽如此,可能推动 ILS 明显走强、且值得密切关注的关键因素,是本地机构投资者对冲比率的变化。这些比率在 2023 年初司法改革受关注期间下降,因此这些风险的反转可能支持比率回升(图 3)。不过最新数据显示,对冲比率年初至今已上升,而谢克尔并未出现明显反应。总体而言,虽然本地事件在选举窗口内可能占主导,但我们认为中期内谢克尔的全球 beta 仍将占上风。因此,我们认为 ILS 仍是对科技股高度敏感组合的有吸引力对冲——因为其对科技股的高敏感度、估值偏高的信号、做空的正套息、以及政策层面对货币走强的阻力上升。在这一背景下,若选后 ILS 升值,我们将视其为重新建立空头的有吸引力入场点。
图 5:AI 资本开支向标普 500 销售额的传导。四条深蓝横幅(THE SPEND / WHAT THE INDEX CAPTURES / WHO CAPTURES IT / IMPACT ON GROWTH)在 PDF 里是转为轮廓的矢量字,取不到文字层、无法替换;对应中文:支出、指数捕获部分、谁在捕获、对增长的影响。
前面的方法只锁「卖给超大规模与大型 neocloud」的收入。这里换一种切法:按公司属性分组,统计被归为 AI 相关的公司对销售额与盈利的总贡献。判定依据是最新的 AI 映射(《全球主题:把主题缩放成 Alpha 信号》),在「赋能者」与「采用者」两类中挑出被标为「Core to Thesis」的 42 家公司。
但今年随着 GW 级部署规模化,AI 已转变为高销量市场,给半导体供应链带来压力,大宗零部件的 ASP 被推高。这种效应正在蔓延到此前被认为与 AI 关系极小的领域——模拟芯片。几个季度前,市场还认为模拟几乎没有 AI 敞口,如今其 TAM 增速已跑赢其他领域。若超大规模厂商继续激进扩张,这对板块是利好;但若因电力瓶颈或 ROIC 疑虑而放缓,该板块没有避风港。举例:GFS、ADI 这类 12 个月前 AI 收入极少的公司,现在 AI 已占其业务的相当部分。
英伟达是风险回报最佳的一只,尤其当市场开始质疑 2027 年 AI 资本开支时。英伟达仍处新产品周期爬坡早期,供电外壳约束反而放大了它的优势,近期智能体热潮还可能加速 Vera 的采用。股价对应 FY28 EPS 仅 15 倍,若 AI 热情回归有估值扩张空间;但估值扩张并不是必要条件——只要数字继续上修,股价也能走。
M Inc., Eversource Energy, EVgo Inc, Exelon Corp, Expedia Inc., F5 Inc, Fadu Inc, Fastenal Co., Figma Inc, FIGS, Inc., First Solar Inc, FirstEnergy Corp, Five9 Inc, Fluence Energy Inc, Fortinet Inc., Fortive Corp, Fositek Corp, Freshworks Inc, Garmin Ltd, Gates Industrial Corporation PLC, GE Vernova, Gen Digital Inc., Genius Electronic Optical Co. Ltd., GitLab Inc, GoDaddy Inc, Hewlett Packard Enterprise, Hiwin Technologies Corp., Honeywell International Inc, HP Inc., Hubbell Inc., HubSpot, Inc., IBM, IDACORP Inc, Infineon Technologies AG, Infleqtion, Inc., Ingersoll Rand INC, Ingram Micro, Instacart, Intel Corporation, Intuit, IonQ Inc, Johnson Controls International Plc, Kennametal Inc., Keysight Technologies Inc, Klaviyo, Inc, Kornit Digital Ltd., LandMark Optoelectronics Corporation, Largan Precision, Leeno Industrial Inc., Lennox International Inc, Lens Technology, LG Display, LG Innotek, Lingyi Itech Guangdong Co, Lite-On Technology, Liveramp Holdings Inc, Logitech International SA, Lotes Co. Ltd., Lumentum Holdings Inc, Lyft Inc, Manhattan Associates Inc., Martin Marietta Materials Inc, Marvell Technology Group Ltd, MasTec, Inc., Match Group Inc, Meta Platforms Inc, MGE Energy, Inc., Microchip Technology Inc., Micron Technology Inc., Microsoft, Mirion Technologies Inc, monday.com Ltd, MongoDB Inc, Motorola Solutions Inc, Nan Ya PCB, Nebius Group NV, NetApp Inc, Netskope, Inc., NextEra Energy Inc, NICE Ltd., NRG Energy Inc, NVIDIA Corp., NXP Semiconductor NV, OGE Energy Corp, Okta, Inc., ON Semiconductor Corp., ONE Gas Inc, Opendoor Technologies Inc, Oracle Corporation, Oshkosh Corp, Otis Worldwide Corp, PACCAR Inc, PagerDuty, Inc., Palantir Technologies Inc., Palo Alto Networks Inc, Parker-Hannifin Corp, PDF Solutions Inc, Peloton Interactive, Inc., PG&E Corp, Pinnacle West Capital Corp, Pinterest Inc, Plug Power Inc., PPL Corp, Public Service Enterprise Group Inc, Qualcomm Inc., Qualys Inc, Quectel Wireless Solutions Co Ltd, QXO Inc, Ralliant Corporation, Rapid7 Inc, Reddit Inc, Resideo Technologies Inc, Revolve Group Inc, RingCentral Inc, Roblox Corporation, Rockwell Automation, Salesforce, Inc., Samsara Inc, SanDisk Corporation., Seagate Technology, Sempra, Semtech Corp., SentinelOne, Inc., ServiceNow Inc, ServiceTitan Inc, Shoals Technologies Group, Shopify Inc, Silicon Laboratories Inc., SiTime Corporation, SK hynix, SK Square Co Ltd., Skyworks Solutions Inc, SmartRent, Inc., Snap Inc., Snowflake Inc., Soitec SA, Solaredge Technologies Inc, Solaris Energy Infrastructure, Sonos Inc., Southern Company, Spire Inc, Sprinklr Inc, Sprout Social Inc, SPS Commerce Inc, Stanley Black & Decker Inc, STMicroelectronics NV, Sunny Optical, Sunrun Inc, Suzhou TFC Optical Communication Co Ltd., Synopsys Inc., Taiwan Union Technology Corporation, Take-Two Interactive Software, Talen Energy Corp, TD Synnex Corporation, Teledyne Technologies Inc., Tenable Holdings Inc, Teradata, Terex Corp., Texas Instruments, Timken Co, Toast, Inc., Trade Desk Inc, Trane Technologies PLC, TSMC, Twilio Inc, Uber Technologies Inc, UiPath Inc, Unimicron, United Rentals Inc., Unity Software Inc, Varonis Systems, Inc., Vertex Inc., Vertiv Holdings Co., Via Transportation Inc, Vistra Corp, Visual Photonics Epitaxy Co Ltd, Vulcan Materials Company, W.W. Grainger Inc., Watsco Inc, Western Digital, Westinghouse Air Brake Technologies Corp, WillScot Holdings Corporation, Wistron Corporation, Wiwynn Corp, Wix.Com Ltd, Wolfspeed, INC, Workday Inc, Xanadu Quantum Technologies Limited, Xcel Energy Inc, Xiaomi Corp, Yageo Corp., Yangtze Optical Fibre and Cable JSC Ltd, Yelp Inc, Zebra Technologies Corporation, Zhejiang Crystal-Optech Co Ltd, Zhen Ding, Zhongji Innolight Co Ltd, Zillow Group Inc, ZoomInfo Technologies Inc, Zscaler Inc, ZTE Corporation. Within the last 12 months, Morgan Stanley managed or co-managed a public offering (or 144A offering) of securities of 3M Co., Advanced Micro Devices, AES Corp., Aeva Technologies Inc, Airbnb Inc, Aixtron SE, Akamai Technologies, Inc., Alliance Laundry Holdings Inc, Alphabet Inc., Amazon.com Inc, Ameren Corp, American Electric Power Co, Analog Devices Inc., Asustek Computer Inc., Autodesk, Axon Enterprise Inc, Bloom Energy Corp., Broadcom Inc., CDW Corporation, CenterPoint Energy Inc, Cerebras Systems, Check Point Software Technologies Ltd., Cloudflare Inc, CMS Energy Corp, Compass, Inc., Constellation Energy Corporation, CoreWeave, Dell Technologies Inc., DigitalOcean Holdings Inc, Dominion Energy Inc, DTE Energy Co., Duke Energy Corp, Dynatrace Inc, Eaton Corporation PLC, eBay Inc, Entergy Corp, ERock Inc, Eversource Energy, Exelon Corp, Fluence Energy Inc, Forgent Power Solutions, Fortive Corp, GE Vernova, GlobalFoundries Inc, Honeywell International Inc, Hubbell Inc., IDACORP Inc, Ingram Micro, Innio N.V., Intel Corporation, Intuit, ITG Inc, Liftoff Mobile Inc., Martin Marietta Materials Inc, MasTec, Inc., MediaTek, Meta Platforms Inc, MGE Energy, Inc., Mitsubishi Heavy Industries, Navan Inc, Nebius Group NV, NextEra Energy Inc, NRG Energy Inc, NVIDIA Corp., OGE Energy Corp, ON Semiconductor Corp., Otis Worldwide Corp, Parker-Hannifin Corp, PDF Solutions Inc, Pinnacle West Capital Corp, PPL Corp, Public Service Enterprise Group Inc, Quantinuum, QXO Inc, Salesforce, Inc., Samsung Electronics, Sempra, ServiceNow Inc, SiTime Corporation, Snowflake Inc., Solaris Energy Infrastructure, Southern Company, SpaceX, Spire Inc, STMicroelectronics NV, Sunrun Inc, Talen Energy Corp, Target Hospitality Corp., Tenable Holdings Inc, Uber Technologies Inc, Unimicron, United Rentals Inc., Vertiv Holdings Co., Vistra Corp, Wistron Corporation, Wiwynn Corp, X-Energy Inc., Xcel Energy Inc, Zhen Ding, Zhongji Innolight Co Ltd. Within the last 12 months, Morgan Stanley has received compensation for investment banking services from 3M Co., Advanced Micro Devices, AES Corp., Aeva Technologies Inc, AGCO Corp, Airbnb Inc, Aixtron SE, Akamai Technologies, Inc., Allegro Microsystems Inc, Alliance Laundry Holdings Inc, Alphabet Inc., Amazon.com Inc, Ameren Corp, American Electric Power Co, Amkor Technology Inc, Analog Devices Inc., Array Technologies Inc, ASM International NV, Asustek Computer Inc., Autodesk, Axon Enterprise Inc, BE Semiconductor Industries NV, Blackline Inc, Bloom Energy Corp., Broadcom Inc., Bumble Inc., CCC Intelligent Solutions Holdings Inc, CDW Corporation, CenterPoint Energy Inc, Cerebras Systems, Check Point Software Technologies Ltd., Chewy Inc, Cloudflare Inc, CMS Energy Corp, Coherent Corp, CoreWeave, CRH, Deere & Co., Dell Technologies Inc., DigitalOcean Holdings Inc, Dominion Energy Inc, DoorDash Inc, DTE Energy Co., Duke Energy Corp, Eaton Corporation PLC, eBay Inc, Entergy Corp, ERock Inc, Eversource Energy, EVgo Inc, Exelon Corp, FirstEnergy Corp, Forgent Power Solutions, Fortive Corp, GE Vernova, GlobalFoundries Inc, GoDaddy Inc, Honeywell International Inc, Hubbell Inc., HubSpot, Inc., IBM, IDACORP Inc, Innio N.V., Instacart, Intel Corporation, Intuit, IonQ Inc, ITG Inc, Lennox International Inc, Lenovo, LG Electronics, Liftoff Mobile Inc., Martin Marietta Materials Inc, MasTec, Inc., MediaTek, Meta Platforms Inc, MGE Energy, Inc., Micron Technology Inc., Microsoft, Navan Inc, Navitas Semiconductor Corp, Nebius Group NV, NextEra Energy Inc, NICE Ltd., NRG Energy Inc, NVIDIA Corp., NXP Semiconductor NV, Octave Intelligence Plc, OGE Energy Corp, ON Semiconductor Corp., Otis Worldwide Corp, Parker-Hannifin Corp, PDF Solutions Inc, Pinnacle West Capital Corp, PPL Corp, Public Service Enterprise Group Inc, Quantinuum, QXO Inc, Rockwell Automation, Salesforce, Inc., SanDisk Corporation., Seagate Technology, Sempra, Semtech Corp., ServiceNow Inc, Siemens, SiTime Corporation, Snowflake Inc., Solaris Energy Infrastructure, Southern Company, SpaceX, Spire Inc, Stanley Black & Decker Inc, STMicroelectronics NV, Sunrun Inc, Talen Energy Corp, Target Hospitality Corp., Tenable Holdings Inc, Texas Instruments, Trane Technologies PLC, Uber Technologies Inc, Unimicron, United Rentals Inc., Vertiv Holdings Co., Vistra Corp, WillScot Holdings Corporation, Wistron Corporation, Wiwynn Corp, Workday Inc, X-Energy Inc., Xanadu Quantum Technologies Limited, Xcel Energy Inc, Xiaomi Corp, Yageo Corp., Zeta Global Holdings Corp, Zhen Ding, Zhongji Innolight Co Ltd. In the next 3 months, Morgan Stanley expects to receive or intends to seek compensation for investment banking services from 3M Co., AAC Technologies Holdings, Accton Technology Corporation, Acer Inc., Acuity Inc., Adobe Inc., Advanced Micro Devices, Advantech, AES Corp., Aeva Technologies Inc, AGCO Corp, Airbnb Inc, AirTAC International, Aixtron SE, Akamai Technologies, Inc., Algonquin Power & Utilities Corp, Allegion Public Limited Company, Allegro Microsystems Inc, Alliance Laundry Holdings Inc, Alphabet Inc., Amazon.com Inc, Ambarella Inc, Ameren Corp, American Electric Power Co, Ametek Inc., Amkor Technology Inc, Amplitude Inc., Analog Devices Inc., Appian Corp, Apple, Inc., AppLovin Corp, Arista Networks, Arm Holdings plc, Array Technologies Inc, Asana Inc, ASM International NV, ASML Holding NV, Astera Labs Inc, Asustek Computer Inc., Atlassian Corporation PLC, AU Optronics, Autodesk, Axon Enterprise Inc, BE Semiconductor Industries NV, BILL Holdings Inc, Bizlink, Blackline Inc, Bloom Energy Corp., Booking Holdings Inc, Box Inc, Broadcom Inc., Bumble Inc., C3.ai, Cadence Design Systems Inc, Carrier Global Corp., Catcher Technology, Caterpillar Inc, CCC Intelligent Solutions Holdings Inc, CDW Corporation, Celestica Inc, CenterPoint Energy Inc, Cerebras Systems, Check Point Software Technologies Ltd., Chenbro, Chewy Inc, Ciena Corporation, Cisco Systems Inc, Cloudflare Inc, CMS Energy Corp, CNH Industrial NV, Coherent Corp, Compal Electronics, Consolidated Edison Inc, Constellation Energy Corporation, CoreWeave, Corning Inc, CRH, Criteo SA, CrowdStrike Holdings Inc, Cummins Inc, Datadog, Inc., Deere & Co., Dell Technologies Inc., Delta Electronics Inc., Descartes Systems Group Inc, DigitalOcean Holdings Inc, DocuSign Inc, Dominion Energy Inc, Donaldson Company Inc., DoorDash Inc, DoubleVerify Holdings Inc, Dover Corp, DTE Energy Co., Duke Energy Corp, Duolingo Inc, E Ink Holdings Inc., Eaton Corporation PLC, eBay Inc, Edison International, Elastic NV, Elite Material Co., EMCOR Group Inc., Emerson Electric Co, Ennostar Inc, Entergy Corp, Eoptolink Technology Inc Ltd, ERock Inc, Etsy Inc, Everpure, Inc., Eversource Energy, EVgo Inc, Exelon Corp, Expedia Inc., F5 Inc, Figma Inc, FIGS, Inc., First Solar Inc, FirstEnergy Corp, FIT Hon Teng Ltd, Five9 Inc, Fluence Energy Inc, Forgent Power Solutions, Fortinet Inc., Fortive Corp, Freshworks Inc, Garmin Ltd, Gates Industrial Corporation PLC, GE Vernova, Gen Digital Inc., Giga-Byte Technology Co. Ltd., GitLab Inc, GlobalFoundries Inc, GoDaddy Inc, Gold Circuit Electronics Ltd., GoPro Inc, HD Hyundai Electric Co Ltd, Hewlett Packard Enterprise, Hon Hai Precision, Honeywell International Inc, HP Inc., Hubbell Inc., HubSpot, Inc., IBM, IDACORP Inc, Infineon Technologies AG, Ingram Micro, Innio N.V., Innolux, Instacart, Intel Corporation, Intuit, IonQ Inc, ITG Inc, JFrog Ltd., Johnson Controls International Plc, Kennametal Inc., Keysight Technologies Inc, Klaviyo, Inc, Lennox International Inc, Lenovo, Lens Technology, LG Display, LG Electronics, Morgan Stanley Research 49
North America Insight
M Liftoff Mobile Inc., Lightspeed Commerce Inc., Lincoln Electric Holdings Inc, Lingyi Itech Guangdong Co, Lite-On Technology, Liveramp Holdings Inc, Logitech International SA, Lotes Co. Ltd., Lumentum Holdings Inc, Luxshare Precision Industry Co., Ltd., Lyft Inc, Martin Marietta Materials Inc, Marvell Technology Group Ltd, MasTec, Inc., Match Group Inc, MediaTek, Melexis N.V., Meta Platforms Inc, MGE Energy, Inc., Microchip Technology Inc., Micron Technology Inc., Microsoft, Mitsubishi Heavy Industries, MNTN Inc, monday.com Ltd, MongoDB Inc, Motorola Solutions Inc, Navan Inc, Navitas Semiconductor Corp, Nebius Group NV, NetApp Inc, Netskope, Inc., NextEra Energy Inc, NICE Ltd., Nordic Semiconductor ASA, NRG Energy Inc, Nutanix Inc, NVIDIA Corp., NXP Semiconductor NV, Octave Intelligence Plc, OGE Energy Corp, Okta, Inc., ON Semiconductor Corp., ONE Gas Inc, Opendoor Technologies Inc, Oracle Corporation, Oshkosh Corp, Otis Worldwide Corp, PagerDuty, Inc., Palantir Technologies Inc., Palo Alto Networks Inc, Parker-Hannifin Corp, PDF Solutions Inc, Pegatron Corporation, Peloton Interactive, Inc., PG&E Corp, Pinnacle West Capital Corp, Pinterest Inc, Playtika Holding Corp, Plug Power Inc., PPL Corp, Public Service Enterprise Group Inc, Q Technology (Group) Company Ltd, Qualcomm Inc., Qualys Inc, Quanta Computer Inc., Quantinuum, QXO Inc, Ralliant Corporation, Rapid7 Inc, Reddit Inc, Resideo Technologies Inc, Revolve Group Inc, RingCentral Inc, Roblox Corporation, Rockwell Automation, SailPoint Inc, Salesforce, Inc., Samsara Inc, Samsung Electronics, SanDisk Corporation., Seagate Technology, Sempra, Semtech Corp., SentinelOne, Inc., ServiceNow Inc, ServiceTitan Inc, Shanghai Conant Optical Co Ltd, Shenzhen Transsion Holdings Co Ltd, Shopify Inc, Siemens, Silicon Laboratories Inc., SiTime Corporation, SK hynix, SK Square Co Ltd., Skyworks Solutions Inc, SmartRent, Inc., Snap Inc., Snowflake Inc., Soitec SA, Solaredge Technologies Inc, Solaris Energy Infrastructure, Sonos Inc., Southern Company, SpaceX, Spire Inc, Sprinklr Inc, Sprout Social Inc, SPS Commerce Inc, Stanley Black & Decker Inc, STMicroelectronics NV, Sunrun Inc, Suzhou TFC Optical Communication Co Ltd., Synopsys Inc., Take-Two Interactive Software, Talen Energy Corp, Target Hospitality Corp., TCL Corp., Tenable Holdings Inc, Teradata, Terex Corp., Texas Instruments, Timken Co, Toast, Inc., Trade Desk Inc, Trane Technologies PLC, TSMC, Twilio Inc, Uber Technologies Inc, UiPath Inc, Unimicron, United Rentals Inc., Unity Software Inc, Varonis Systems, Inc., VAT Group AG, Vertex Inc., Vertiv Holdings Co., Via Transportation Inc, Vistra Corp, W.W. Grainger Inc., Webtoon Entertainment Inc, Western Digital, Westinghouse Air Brake Technologies Corp, WillScot Holdings Corporation, Wistron Corporation, Wiwynn Corp, Wix.Com Ltd, Wolfspeed, INC, Workday Inc, X-Energy Inc., Xanadu Quantum Technologies Limited, Xcel Energy Inc, Xiaomi Corp, Yageo Corp., Yangtze Optical Fibre and Cable JSC Ltd, Yelp Inc, Zebra Technologies Corporation, Zeta Global Holdings Corp, Zhen Ding, Zhongji Innolight Co Ltd, Zillow Group Inc, Zoom Communications, Zscaler Inc. Within the last 12 months, Morgan Stanley has received compensation for products and services other than investment banking services from 3M Co., AAC Technologies Holdings, Accton Technology Corporation, Acer Inc., Adobe Inc., Advanced Micro Devices, AES Corp., AGCO Corp, Airbnb Inc, Akamai Technologies, Inc., Algonquin Power & Utilities Corp, Allegro Microsystems Inc, Alliance Laundry Holdings Inc, Allison Transmission Holdings Inc, Alphabet Inc., Amazon.com Inc, Ambarella Inc, Ameren Corp, American Electric Power Co, Amkor Technology Inc, Amplitude Inc., Analog Devices Inc., Apple, Inc., AppLovin Corp, Array Technologies Inc, Asana Inc, ASM International NV, Asustek Computer Inc., Atlassian Corporation PLC, Atmos Energy Corp., AU Optronics, Autodesk, Axon Enterprise Inc, BE Semiconductor Industries NV, Blackline Inc, Bloom Energy Corp., Booking Holdings Inc, Box Inc, Broadcom Inc., BYD Electronics, Cadence Design Systems Inc, Carrier Global Corp., Caterpillar Inc, CCC Intelligent Solutions Holdings Inc, CDW Corporation, Celestica Inc, CenterPoint Energy Inc, Cerebras Systems, Check Point Software Technologies Ltd., Chewy Inc, Ciena Corporation, Cisco Systems Inc, Cloudflare Inc, CMS Energy Corp, CNH Industrial NV, Coherent Corp, Compal Electronics, Consolidated Edison Inc, Constellation Energy Corporation, CoreWeave, Corning Inc, CRH, CrowdStrike Holdings Inc, Cummins Inc, Dell Technologies Inc., DigitalOcean Holdings Inc, DocuSign Inc, Dominion Energy Inc, DoorDash Inc, Dover Corp, DTE Energy Co., Duke Energy Corp, Dynatrace Inc, E Ink Holdings Inc., Eaton Corporation PLC, eBay Inc, Edison International, EMCOR Group Inc., Emerson Electric Co, Entergy Corp, Eoptolink Technology Inc Ltd, ERock Inc, Eversource Energy, Exelon Corp, Expedia Inc., Figma Inc, First Solar Inc, FirstEnergy Corp, Five9 Inc, Fluence Energy Inc, Forgent Power Solutions, Fortive Corp, Freshworks Inc, Gates Industrial Corporation PLC, GE Vernova, Gen Digital Inc., Giga-Byte Technology Co. Ltd., GitLab Inc, GlobalFoundries Inc, GoerTek Inc, GoPro Inc, Hewlett Packard Enterprise, Hon Hai Precision, Honeywell International Inc, HP Inc., Hubbell Inc., HubSpot, Inc., IBM, IDACORP Inc, Infineon Technologies AG, Ingersoll Rand INC, Ingram Micro, Innio N.V., Innolux, Instacart, Intel Corporation, Intuit, JFrog Ltd., Johnson Controls International Plc, Klaviyo, Inc, Lenovo, Liftoff Mobile Inc., Lingyi Itech Guangdong Co, Logitech International SA, Lumentum Holdings Inc, Marvell Technology Group Ltd, MasTec, Inc., Match Group Inc, MediaTek, Meta Platforms Inc, Microchip Technology Inc., Micron Technology Inc., Microsoft, monday.com Ltd, MongoDB Inc, Motorola Solutions Inc, NetApp Inc, NextEra Energy Inc, NICE Ltd., NRG Energy Inc, Nutanix Inc, NVIDIA Corp., NXP Semiconductor NV, OGE Energy Corp, ON Semiconductor Corp., ONE Gas Inc, Opendoor Technologies Inc, Oracle Corporation, Oshkosh Corp, Otis Worldwide Corp, Palantir Technologies Inc., Palo Alto Networks Inc, Parker-Hannifin Corp, Peloton Interactive, Inc., PG&E Corp, Pinterest Inc, Playtika Holding Corp, PPL Corp, Public Service Enterprise Group Inc, Qualcomm Inc., Quanta Computer Inc., QXO Inc, Ralliant Corporation, Reddit Inc, Resideo Technologies Inc, Revolve Group Inc, RingCentral Inc, Rockwell Automation, SailPoint Inc, Salesforce, Inc., Samsung Electronics, SanDisk Corporation., Seagate Technology, Sempra, Semtech Corp., SentinelOne, Inc., ServiceNow Inc, ServiceTitan Inc, Shoals Technologies Group, Siemens, Silicon Laboratories Inc., SiTime Corporation, Snap Inc., Snowflake Inc., Sonos Inc., Southern Company, SpaceX, Spire Inc, Stanley Black & Decker Inc, Sunrun Inc, Synopsys Inc., Take-Two Interactive Software, Talen Energy Corp, Target Hospitality Corp., TD Synnex Corporation, Tenable Holdings Inc, Terex Corp., Texas Instruments, Timken Co, Toast, Inc., TSMC, Twilio Inc, Uber Technologies Inc, UiPath Inc, United Rentals Inc., Unity Software Inc, Varonis Systems, Inc., Vertiv Holdings Co., Vistra Corp, W.W. Grainger Inc., Western Digital, WillScot Holdings Corporation, Workday Inc, WW International Inc, Xcel Energy Inc, Xiaomi Corp, Yageo Corp., Zebra Technologies Corporation, Zeta Global Holdings Corp, Zoom Communications, Zscaler Inc. Within the last 12 months, Morgan Stanley has provided or is providing investment banking services to, or has an investment banking client relationship with, the following company: 3M Co., AAC Technologies Holdings, Accton Technology Corporation, Acer Inc., Acuity Inc., Adobe Inc., Advanced Micro Devices, Advantech, AES Corp., Aeva Technologies Inc, AGCO Corp, Airbnb Inc, AirTAC International, Aixtron SE, Akamai Technologies, Inc., Algonquin Power & Utilities Corp, Allegion Public Limited Company, Allegro Microsystems Inc, Alliance Laundry Holdings Inc, Alphabet Inc., Amazon.com Inc, Ambarella Inc, Ameren Corp, American Electric Power Co, Ametek Inc., Amkor Technology Inc, Amplitude Inc., Analog Devices Inc., Appian Corp, Apple, Inc., AppLovin Corp, Arista Networks, Arm Holdings plc, Array Technologies Inc, Asana Inc, ASM International NV, ASML Holding NV, Astera Labs Inc, Asustek Computer Inc., Atlassian Corporation PLC, AU Optronics, Autodesk, Axon Enterprise Inc, BE Semiconductor Industries NV, BILL Holdings Inc, Bizlink, Blackline Inc, Bloom Energy Corp., Booking Holdings Inc, Box Inc, Broadcom Inc., Bumble Inc., C3.ai, Cadence Design Systems Inc, Carrier Global Corp., Catcher Technology, Caterpillar Inc, CCC Intelligent Solutions Holdings Inc, CDW Corporation, Celestica Inc, CenterPoint Energy Inc, Cerebras Systems, Check Point Software Technologies Ltd., Chenbro, Chewy Inc, Ciena Corporation, Cisco Systems Inc, Cloudflare Inc, CMS Energy Corp, CNH Industrial NV, Coherent Corp, Compal Electronics, Compass, Inc., Consolidated Edison Inc, Constellation Energy Corporation, CoreWeave, Corning Inc, CRH, Criteo SA, CrowdStrike Holdings Inc, Cummins Inc, Datadog, Inc., Deere & Co., Dell Technologies Inc., Delta Electronics Inc., Descartes Systems Group Inc, DigitalOcean Holdings Inc, DocuSign Inc, Dominion Energy Inc, Donaldson Company Inc., DoorDash Inc, DoubleVerify Holdings Inc, Dover Corp, DTE Energy Co., Duke Energy Corp, Duolingo Inc, Dynatrace Inc, E Ink Holdings Inc., Eaton Corporation PLC, eBay Inc, Edison International, Elastic NV, Elite Material Co., EMCOR Group Inc., Emerson Electric Co, Ennostar Inc, Entergy Corp, Eoptolink Technology Inc Ltd, ERock Inc, Etsy Inc, Everpure, Inc., Eversource Energy, EVgo Inc, Exelon Corp, Expedia Inc., F5 Inc, Figma Inc, FIGS, Inc., First Solar Inc, FirstEnergy Corp, FIT Hon Teng Ltd, Five9 Inc, Fluence Energy Inc, Forgent Power Solutions, Fortinet Inc., Fortive Corp, Freshworks Inc, Garmin Ltd, Gates Industrial Corporation PLC, GE Vernova, Gen Digital Inc., Giga-Byte Technology Co. Ltd., GitLab Inc, GlobalFoundries Inc, GoDaddy Inc, Gold Circuit Electronics Ltd., GoPro Inc, HD Hyundai Electric Co Ltd, Hewlett Packard Enterprise, Hon Hai Precision, Honeywell International Inc, HP Inc., Hubbell Inc., HubSpot, Inc., IBM, IDACORP Inc, Infineon Technologies AG, Ingram Micro, Innio N.V., Innolux, Instacart, Intel Corporation, Intuit, IonQ Inc, ITG Inc, JFrog Ltd., Johnson Controls International Plc, Kennametal Inc., Keysight Technologies Inc, Klaviyo, Inc, Lennox International Inc, Lenovo, Lens Technology, LG Display, LG Electronics, Liftoff Mobile Inc., Lightspeed Commerce Inc., Lincoln Electric Holdings Inc, Lingyi Itech Guangdong Co, Lite-On Technology, Liveramp Holdings Inc, Logitech International SA, Lotes Co. Ltd., Lumentum Holdings Inc, Luxshare Precision Industry Co., Ltd., Lyft Inc, Martin Marietta Materials Inc, Marvell Technology Group Ltd, MasTec, Inc., Match Group Inc, MediaTek, Melexis N.V., Meta Platforms Inc, MGE Energy, Inc., Microchip Technology Inc., Micron Technology Inc., Microsoft, Mitsubishi Heavy Industries, MNTN Inc, monday.com Ltd, MongoDB Inc, Motorola Solutions Inc, Navan Inc, Navitas Semiconductor Corp, Nebius Group NV, NetApp Inc, Netskope, Inc., NextEra Energy Inc, NICE Ltd., Nordic Semiconductor ASA, NRG Energy Inc, Nutanix Inc, NVIDIA Corp., NXP Semiconductor NV, Octave Intelligence Plc, OGE Energy Corp, Okta, Inc., ON Semiconductor Corp., ONE Gas Inc, Opendoor 50
North America Insight
Overweight, Equal-weight, Not-Rated and Underweight are not the equivalent of buy, hold and sell. Investors should carefully read the definitions of all ratings used in Morgan Stanley Research. In addition, since Morgan Stanley Research contains more complete information concerning the analyst's views, investors should carefully read Morgan Stanley Research, in its entirety, and not infer the contents from the rating alone. In any case, ratings (or research) should not be used or relied upon as investment advice. An investor's decision to buy or sell a stock should depend on individual circumstances (such as the investor's existing holdings) and other considerations. Global Stock Ratings Distribution (as of September 30, 2026) The Stock Ratings described below apply to Morgan Stanley's Fundamental Equity Research and do not apply to Debt Research produced by the Firm. For disclosure purposes only (in accordance with FINRA requirements), we include the category headings of Buy, Hold, and Sell alongside our ratings of Overweight, Equal-weight, Not-Rated and Underweight. Morgan Stanley does not assign ratings of Buy, Hold or Sell to the stocks we cover. Overweight, Equal-weight, Not-Rated and Underweight are not the equivalent of buy, hold, and sell but represent recommended relative weightings (see definitions below). To satisfy regulatory requirements, we correspond Overweight, our most positive stock rating, with a buy recommendation; we correspond Equal-weight and Not-Rated to hold and Underweight to sell recommendations, respectively. Data include common stock and ADRs currently assigned ratings. Investment Banking Clients are companies from whom Morgan Stanley received investment banking compensation in the last 12 months. Due to rounding off of decimals, the percentages provided in the "% of total" column may not add up to exactly 100 percent. The stock's total return is expected to exceed the average total return of the analyst's industry (or industry team's) coverage universe, on a risk-adjusted basis, over the next 12-18 months. The stock's total return is expected to be in line with the average total return of the analyst's industry (or industry team's) coverage universe, on a risk-adjusted basis, over the next 12-18 months. Currently the analyst does not have adequate conviction about the stock's total return relative to the average total return of the analyst's industry (or industry team's) coverage universe, on a risk-adjusted basis, over the next 12-18 months. The stock's total return is expected to be below the average total return of the analyst's industry (or industry team's) coverage universe, on a risk-adjusted basis, over the next 12-18 months. Unless otherwise specified, the time frame for price targets included in Morgan Stanley Research is 12 to 18 months. Analyst Industry Views Attractive (A): The analyst expects the performance of his or her industry coverage universe over the next 12-18 months to be attractive vs. the relevant broad market benchmark, as indicated below. In-Line (I): The analyst expects the performance of his or her industry coverage universe over the next 12-18 months to be in line with the relevant broad market benchmark, as indicated below. Cautious (C): The analyst views the performance of his or her industry coverage universe over the next 12-18 months with caution vs. the relevant broad market benchmark, as indicated below. Benchmarks for each region are as follows: North America - S&P 500; Latin America - relevant MSCI country index or MSCI Latin America Index; Europe - MSCI Europe; Japan - TOPIX; Asia relevant MSCI country index or MSCI sub-regional index or MSCI AC Asia Pacific ex Japan Index. Stock Price, Price Target and Rating History (See Rating Definitions) 52
Coverage Universe Investment Banking Clients (IBC) Other Material Investment Services
Category Count % of Total Other
Clients (MISC)
North America Insight MISC
North America Insight
M 19(5) of the Financial Services and Markets Act 2000 (Financial Promotion) Order 2005 (as amended, the “Order”); (ii) are persons who are high net worth entities falling within Article 49(2)(a) to (d) of the Order; or (iii) are persons to whom an invitation or inducement to engage in investment activity (within the meaning of section 21 of the Financial Services and Markets Act 2000, as amended) may otherwise lawfully be communicated or caused to be communicated. Morgan Stanley Hong Kong Securities Limited is the liquidity provider/market maker for securities of AAC Technologies Holdings, ASM International NV, BYD Electronics, FIT Hon Teng Ltd, Hon Hai Precision, Kingboard Laminates Holdings Ltd., Lenovo, Lens Technology, Luxshare Precision Industry Co., Ltd., Sunny Optical, Xiaomi Corp, Yangtze Optical Fibre and Cable JSC Ltd, Zhongji Innolight Co Ltd, ZTE Corporation listed on the Stock Exchange of Hong Kong Limited. An updated list can be found on HKEx website: http://www.hkex.com.hk. For this reason, to make an investment decision by relying solely to this information stated here may not bring about outcomes that fit your expectations. The following companies do business in countries which are generally subject to comprehensive sanctions programs administered or enforced by the U.S. Department of the Treasury's Office of Foreign Assets Control ("OFAC") and by other countries and multi-national bodies: Samsung Electronics. The issuers and/or fixed income products recommended or discussed in certain fixed income research reports may not be continuously followed. Accordingly, investors should regard those fixed income research reports as providing stand-alone analysis and should not expect continuing analysis or additional reports relating to such issuers and/or individual fixed income products. Morgan Stanley may hold, from time to time, material financial and commercial interests regarding the company subject to the Research report. Read all the related documents carefully before investing. References to any prediction market or event contract do not constitute an offer, solicitation, recommendation, or endorsement to participate in any such market or contract. Morgan Stanley Research may not be distributed or made available in any jurisdiction where such distribution would be unlawful or otherwise prohibited by applicable law. 56
INDUSTRY COVERAGE: Internet Company (Ticker) Rating (As Of) Price* (10/14/2026) Brian Nowak, CFA Alphabet Inc.
美国逆差是需求侧的;中国的顺差被工业超级周期拉长;韩国与台湾的顺差是 AI 资本开支boom 带来的新现象,规模已达数十年未见。三者的调整路径不可能一样。
基准不是「归零」
用 IMF 的 EBA norm 而不是「经常账户 = 0」。这是这篇在方法上最值得学的地方——很多「汇率需要贬值 X%」的测算,错就错在把均衡定义成了零。
关键数字
失衡来源
美国逆差 / 中国顺差 / 韩台 AI 顺差
性质不同
基准
IMF EBA 经常账户 norm
非「归零」
输出
所需 REER 调整幅度
两种情景:完全 / 消除一半
对组合的含义
对韩台这类 AI 顺差经济体,顺差越大,汇率升值的外部政治压力越大——这与本周 GS 说「韩国 KOSPI 暴跌、外资出逃」是同一枚硬币的两面:汇率与资本流动的压力会先于基本面体现。
原文:摩根士丹利 Research《What FX Moves Are Needed For External Balance?》,2026 年 10 月 13 日,52 页
本文为中文编译精读,非原文逐句翻译;数字与表述以原文为准。报告版权归摩根士丹利所有。
中文原文
汇率要走到哪里,外部才平衡?
What FX Moves Are Needed For External Balance? · 摩根士丹利 · 2026 年 10 月 13 日 · 52 页
执行摘要
全球外部失衡与汇率仍是焦点:美国贸易逆差与中国贸易顺差都维持高位,而 AI 周期又进一步放大了部分亚洲经济体的顺差。IMF 与政策圈的大量研究仍强调「产生经常账户的储蓄与投资决策」,而 BIS 的研究则强调金融流动、投资收益与估值效应在失衡累积与最终调整中日益重要的作用。我们的工作给这场讨论加了一个互补的、与市场更相关的问题:如果只通过影响贸易量,汇率本身究竟能实现多少再平衡?
贸易年鉴(Trade Almanac): 本次更新依托我们构建的全球贸易数据库——Trade Almanac,用于对全球贸易冲击做供应链分析。这些工作与一年多前的《Supply Chain Strain》和《Call of Duties》一脉相承,之后在《Supply Chain Reconfiguration and Reshoring?》中更新。在客户数据库中,用户可以按月查看美国贸易与关税(按产品与经济体)、中国与欧盟的双边流向,并按部门、产品与地理映射全球贸易流。
图 5:贸易几乎在所有经济体都对实际汇率有反应,但反应强度差异极大
MS 贸易弹性模型:长期、国别、价格感知
我们的模型建立在 IMF 外部平衡评估(EBA)框架之上:EBA 从周期、结构与政策基本面估计中期经常账户标准值,再通过「经常账户对 REER 的半弹性」把与该标准值的距离转换成 REER 缺口。IMF(2023)把该半弹性描述为出口与进口数量响应的贸易份额加权组合,而其分量在跨国混合面板中估计。因此国别差异只通过贸易份额进入。
第一,一个经济体的进口价格可以显著变动,而其贸易加权汇率几乎不动——只因为美元动了。因此 REER 可能错过进口商实际面对的价格变化。第二,汇率向任一经济体进口价格的传导,弱于「生产国货币模型」的预测,因为以美元计价的合同价格在美元上黏性,不会随每一次双边汇率变动重新定价。这两点都让贸易加权汇率成为「进口商支付价格」的噪声度量。
因此我们额外估计每个经济体对计价货币加权汇率的进口响应,检验它是否比 REER 更好地解释进口量。
结果: 对多数经济体,计价货币加权口径改善了拟合;欧元区的改善尤其明显——欧央行指出,区外进口计价中美元占比超过一半,其进口弹性从 REER 口径不显著的 +0.093 升至计价口径的 +0.131。
在《Supply Chain Reconfiguration — China, Tariffs, and AI One Year On》中,我们把 2025 年刻画为「总量贸易保持韧性、但底层驱动变得更窄、更区域化、更受政策驱动」的一年:中美脱钩加速,但流量大多经由其他经济体改道,生产结构的改变则更为渐进。
原文:摩根士丹利 Research《A Floor, Not a Fix》,2026 年 10 月 12 日,24 页
本文为中文编译精读,非原文逐句翻译;数字与表述以原文为准。报告版权归摩根士丹利所有。
中文原文
托底,而非修复
A Floor, Not a Fix · 摩根士丹利 · 2026 年 10 月 12 日 · 24 页
中国随想:托底,而非修复
Robin Xing(首席中国经济学家)/ Eva Hou / Stephen Cheung, CFA / Jenny Zheng, CFA / Zhipeng Cai / Harry Zhao · Morgan Stanley Asia Limited · 2026 年 10 月 12 日 08:45 GMT
9 月的微调应有助于托住投资。我们给出三阶段传导机制:政策性银行工具补上项目资本金缺口;PSL 与银行贷款提供配套融资;实际项目执行把资金转化为固定资产投资。第一阶段已在推进,但第二、三阶段的证据迄今仍有限。我们预计四季度 FAI 同比会有更明显(但仍温和)的改善,部分因低基数,且集中在战略性基建与产业升级,而非全面投资反弹。
中国的科技转型可能在大范围宏观复苏之前先重塑企业盈利。我们预计未来 12–18 个月经济仍呈 K 型:内需疲弱与产能过剩压制名义增长,政策再平衡努力保持克制,AI 相关的劳动替代可能推迟更广泛的生产率收益。但在近期之后,投资引擎应逐步从地产与传统基建转向更具生产性的支出——这就是工业 5.0,中国的下一场工业革命。加上更强的全球工业需求与更大的供给纪律,这应带来全经济范围的利用率、资本效率与企业盈利能力改善。
为何中国科技前沿产业能扩张得这么快:快速商业化 + 充足的 AI 电力:中国不再只是低成本工厂——它是全球迭代与商业化最快的试验场,工程师、供应商与工厂紧密相连,显著压缩了各行业从研发到上市的周期。AI 还可依托中国庞大的电力基础:数据中心仅占中国用电量约 2%,而美国超过 6%。加上不断扩张的电网与储能,这些应帮助新的 AI 项目更早投产、成本更低,支撑更广泛的采用。
我们预计「上臂 K」先于中国更广泛的宏观复苏取得经济权重:我们预计中国的 K 型经济将延续至 2026–27 年,因家庭需求疲弱、地产调整与以供给为中心的政策约束了再通胀。然而,就在中国「十五五」规划加速技术自主与 AI 采用之际,一轮全球工业资本开支超级周期正在强化外部需求。特别是我们相信,工业 5.0——由物理 AI 驱动的下一场工业革命——鉴于中国庞大的制造基础、密集的供应商网络与丰富的工业数据,将使中国受益最多。从 2028 年起,更健康的工业利用率与更广泛的物理 AI 部署,应使前沿增长更实质地转化为生产率与企业盈利。
全球基准权重上升,可为中国股票提供额外的需求来源,未来将有可观的主被动与再平衡流入(基准情形 530 亿美元)。我们预测中国在 MSCI ACWI、MSCI EM 与 MSCI AC Asia 中的代表性上升,隐含到 2030 年约 530 亿美元 的基准隐含中国股票增量配置。我们预计再平衡将逐步展开,支撑来自盈利兑现、市值扩张、指数纳入与中国可投资股票池的持续发展。A 股现有 20% 的 MSCI 纳入因子可能限制其对全球指数权重的即时贡献,但也凸显了随着更多前沿龙头达到上市规模、扩大离岸准入,基准代表性还有进一步提升的潜力。我们把这一估算配置视为基准相关潜在需求的度量,而非对实际净流入的直接预测。
我们识别出三个结构性投资引擎:AI 超级周期、工业 5.0 与全球化、以及医疗创新。近期,半导体、技术硬件、电力基础设施与先进材料应最直接受益于 AI 投资与国产化。从 2027–28 年起,随着产能利用率与资本效率改善,机会应向工业自动化、机器人、先进机械、电池与全球化制造商扩展。更长期看,AI 应用、软件变现……
2. 融资与信用——资本市场将扮演更大角色
内部现金与银行贷款仍应是融资主干,但随着前沿资本开支扩张,资本市场的重要性上升:若中国企业的前沿资本开支在较长时期内持续增加,我们预计它们会逐步把更多融资转向资本市场。若股票估值站得住,中国企业可能偏好可转债与股票发行,其次是境内人民币债券、点心债与美元债,为其前沿资本开支融资。然而,与典型的中国企业不同,中国超大规模厂商因 AI 资本开支前倾,面临更即时的离岸融资需求。若股票估值仍有支撑,它们可能偏好可转债与股票发行而非信用融资,尽管这些选项在近期看起来可能性较低。在信用融资内部,银团贷款目前是其偏好的离岸渠道,其次是点心债与美元债。随着中国新兴前沿投资周期展开,这可能创造选择性的融资机会。
财政过早整固、无纪律的工业投资与更弱的海外市场准入,强化了「需求—通缩—产能过剩」的循环:在家庭去杠杆仍在进行之际更激进的财政收紧,会进一步压制内需;而对 AI 与先进制造的过度投资在需求之前就增加产能,加剧价格竞争。对制造业对外直接投资(OFDI)的限制可能加剧贸易摩擦、约束海外产能吸收。更弱的利用率、利润率与企业现金流,将侵蚀私人投资、并推迟工业 5.0 的生产率收益。在这一情形下,潜在 GDP 增速在 2028–30 年可能降至 3.8% 年复合,GDP 平减指数降至 −0.5% 至 −1.0%,全球出口份额被限制在 15% 附近。
在股票层面,技术进步可能无法转化为股东价值创造:持续的价格压力与疲弱的投资回报,可能把 2028–30 年的盈利增长限制在年均 6.0%,而 MSCI 中国 ROE 到 2030 年可能降至 9.2%。更弱的盈利能力与恶化的投资者信心,可能使 MSCI 中国跌破账面价值、交易在约 0.8 倍 P/B。中国的全球指数代表性将进一步下降——到 2030 年预计权重为 MSCI ACWI 1.6%、MSCI EM 15.4%、MSCI AC Asia 12.9%,隐含 1,630 亿美元 的中国股票配置流出。
近期宏观修复仍然艰难
中国两速经济使全球投资者迟迟不愿更建设性地配置:过去五年,中国持续拓展技术前沿,在 AI 硬件、绿色技术与先进制造上获得全球出口份额。但这些增长引擎向更广泛经济的传导仍然微弱——因为它们资本密集(就业乘数效应更低)、且产能过剩仍普遍(对更广泛资本开支扩张的需求更少)——不足以抵消消费疲弱、地产调整延长与传统基建投资放缓的拖累。
结构性更弱的财政收入,也限制了北京进行有意义需求支持的余量:预算收入与土地出让收入合计,已从疫情前约占 GDP 的 27–28% 降至目前的约 19%,反映地产下行与通缩压力下名义税基的侵蚀。中央政府仍保有资产负债表空间,但对公共债务可持续性、地方道德风险与近期消费支持有效性的顾虑,促成了谨慎的做法。这解释了为何政策制定者在提供更实质的反周期需求支持上犹豫不决,有时甚至顺周期(如更严的税收征管、收缩消费支持)——当公共债务化解优先于短期经济增长时。
K 型经济……
但 K 型的上臂将继续拓宽
虽然决断性的再通胀仍难实现,但我们相信有三股力量会扩大中国中期的工业机会集:结构性更强的外部需求提升利用率、物理 AI 的快速发展强化中国制造优势、以及更优的资本开支结构改善效率。
1. 结构性更强的出口,缓解产能过剩。我们相信亚洲正进入 2000 年代中期以来最强的工业周期,驱动来自 AI 与 AI 相关基础设施、能源转型、国防、以及更广泛的工业升级之间的相互作用。这些将为资本品、设备与零部件的外部需求提供多年跑道。中国将是主要受益者,因其在增长最快的需求池上正有制造优势重叠:它在电动车、电池与光伏上占全球产能的 70–90%,同时在机械、电气设备、机器人与 AI 相关硬件上继续获得份额。
中国的电力系统为 AI 建设提供了充裕的余量:电力正与芯片、数据并列,成为 AI 的战略性投入品,因为模型训练与推理比传统计算耗电得多。这一需求已在中国数据中心用电中显现——2021–25 年复合增长 18.8%,明显快于美国(12.6%)与欧盟(11.4%),使中国成为当今全球第二大数据中心电力市场。即便如此,数据中心仅占中国电力需求的约 2%,而美国超过 6%,反映中国在系统层面有更大容量承接进一步的 AI 部署。我们的公用事业团队预计,随着超大规模厂商投资加速,这一比例到 2030 年升至 4.1%,但相对中国整体电力基础,负荷应仍在可控范围。
工业 5.0 应增添新的出口竞争力来源,因为 AI 开始提升中国既有制造基础的生产率。工业 AI 奖励生产规模、互联设备与工厂级数据的积累——这些正是中国已具备结构性优势的领域。十五五对「AI+」、工厂升级与技术国产化的聚焦,应缩短设计与生产之间的反馈回路,支撑复杂制造中更快的迭代与更好的资本效率。竞争单元应逐步从单个产品扩展到工业系统,使中国企业能够通过设备、软件与全生命周期服务获取价值,同时对技术标准拥有更大影响力。
以中央汇金为锚的「国家队」构成第二支柱。中央汇金事实上充当稳定基金,是可信的系统级后盾。国家队在市场大幅波动期间通过直接买入、以及通过与公开市场沟通产生的信号效应,在稳定 A 股中发挥了关键作用。一个很好的例子是它在 2024 年夏天高调承诺的买入,帮助支撑了长达两年的 A 股反弹。这类努力是双向的:2026 年上半年市场过热时,国家队也曾积极卖出;而自 10 月以来,随着 A 股与全球市场共振加速回撤,又迅速转为买入。
我们认为,尽管战略竞争持续,美国的政策发展可能拓宽中国的机会集。我们区分两类 AI 暴露:依赖全球基础设施订单节奏的公司,以及受中国自主可控议程支撑的本土化受益者。美国更严格的数据中心审批流程,可能给前者带来节奏风险,同时强化后者的逻辑。电力与许可瓶颈可能把价值转向效率、基础设施准入与采用者,而不是平均地转向每一个上游零部件供应商。
6)丰富的生态与强结盟:中国 SuperPod 生态之所以成功,是因为它不是孤立的硬件产品,而是一个整合的产业联盟。通过把上游光学封装与总线标准(NPO、UnifiedBus、BLink)、中游正交液冷机柜工程(华为、中兴、曙光)、开源框架整合(PyTorch、CANN)、以及下游运营商采购打通,中国 AI 生态已建成一套自主、可量产的基础设施栈,足以支撑国家 AI 算力需求。
到 2030 年,真正有意义的惊喜是中国在高价值 AI MLCC 上建立可信地位,而不只是成为更大的通用电容生产国。我们把多层陶瓷电容的机会视为从制造数量转向电气性能、可靠性与客户认证。一个成功的结果,是中国供应商在要求严苛的 AI 平台上获得反复的位置,并从这些位置产生有吸引力的回报。这比扩大 MLCC 总产能的门槛高得多。
我们预计 AI 将加速 RVC 在中国家庭的渗透,并把品类规模从当前约 30 亿美元 推到 2030 年的 60 亿美元,CAGR 16%——仅占 TAM 的 4%。
未来 3–5 年,在位者仍处最有利位置
AI 降低了部分进入门槛,为新进入者创造了机会。小米可通过 AIoT、HyperOS、手机规模与「人-车-家」生态竞争;大疆式的机器人进入者提供感知、导航、传感器融合与高端硬件的信誉;AI 平台可为较小的硬件玩家提供智能家居能力或标准化 AI 模块;人形机器人公司最终可能重新定义家庭内的设备使用方式。
欧洲股市年度展望,MSCI Europe 到 2027 年底有 15% 上行空间。银行(增配)是欧洲股指展望的关键且处于…
核心结论
欧洲股市年度展望,MSCI Europe 到 2027 年底有 15% 上行空间。银行(增配)是欧洲股指展望的关键且处于「甜蜜点」;欧洲对中国的敞口已明显下降;「SoH 敞口」提供有吸引力的风险回报;欧洲的 AI 资本开支受益者正从试点走向回报;在经历数月的轮动式熊市后,预计债券收益率回升、基本面动能恢复。
要点 1
MSCI Europe 到 2027 年底 +15%
要点 2
银行增配、处「甜蜜点」
要点 3
对华敞口已明显下降
原文:摩根士丹利 Research《The Great Diversifier》,2026 年 11 月 16 日,134 页
本文为中文编译精读,非原文逐句翻译;数字与表述以原文为准。报告版权归摩根士丹利所有。
中文原文
2027 展望:更重要的分散化工具
The Great Diversifier · 摩根士丹利 · 2026 年 11 月 16 日 · 134 页
- AI 资本开支 vs 被颠覆暴露——我们认为比率表现与估值差距的收窄现在看起来极端。欧洲对直接 AI 资本开支受益者的敞口约占指数权重的 12.5%、占 2027–28 年共识盈利增长的 18%,且相对「防御性」地偏向 ASML 与 ENR 之类。由于实际资产占比高、监管与人口结构,颠覆暴露低于其他主要地区。我们深入分析了中国竞争/消费暴露的盈利份额下降、德国财政进展、汇率敞口等。
三季度预期微调,结构性增长仍在前面。银行三季度财报季引发争论,因几份高关注度的业绩不及预期,尤其出现在财报季初、且主要在欧元区业务之外。我们的银行团队认为,这轮略软的财报季主要是二季度很强之后的「预期微调」。这一微调很可能接近完成,而本季度之后的前景看起来仍非常正面:贷款增长在二三季度持续加速并扩散到 AI 驱动板块之外,我们的团队视之为三到六年周期的起点。
AI 采用对欧洲股市前景至关重要,因为该地区对「纯」AI 采用者(即不含重要使能者或高度被颠覆者)的倾斜相对更高——占 MSCI 欧洲指数权重的 60% 以上,而标普为 30%。
在我们近期的报告中,我们与美国 AlphaWise 和主题团队合作,分析企业如何量化 AI 采用的 ROI。
最值得注意的是,我们发现欧洲「领先的 AI 采用 ROI 量化者」已出现早期迹象,挑战了市场的普遍怀疑:我们检验了自 2022 年以来最积极量化 AI 采用 ROI 的欧洲企业,是否出现盈利跑赢其所属板块的证据。我们聚焦于一份 59 家 MSCI 欧洲公司的名单(剔除 AI 使能者或重大被颠覆者),并结合板块分析师的反馈。
按国别看,英国量化 AI 采用收益的公司最多,在我们的「欧洲领先 AI 采用 ROI 量化者」名单中也拥有最多标的——这与英国服务业的构成、以及伦敦上市公司的投资者沟通习惯有关。德国与法国紧随其后,但量化程度明显更低。
过去 12 个月,17% 的欧洲企业讨论过 AI 与员工人数的关系。收入增长与人数脱钩(即生产率提升)是这类表述中最大的单一主题;明确由 AI 驱动的裁员确实存在,且集中在银行;除此之外,最大的裁减是一般性重组,其中 AI 的关联很弱;一个反向叙事是 AI 是劳动力短缺的答案(在人口结构承压的欧洲尤其相关),或有助于降低安全事故暴露。
15% 的欧洲企业在评论 AI 采用成本。近期的提及偏向「随着 AI 采用扩大,对支出治理与监控的关注上升」;不过当企业量化成本时,多数表示当前仍小、或被生产率收益覆盖。企业越来越多地量化其 AI 投资计划,显示对持续增长支出的承诺;一些公司用「重新分配的节省」(如来自旧技术、遗留成本项、AI 带来的成本节约)来支付 AI 投入。
在我们近期的报告《到了吗?指数表面之下的轮动式熊市》中,我们分析了近期大量「指数表面之下」的熊市轮动——AI 使能者 vs 被颠覆者、高动量 vs 低动量、基本面动量、周期 vs 防御、霍尔木兹相关轮动、法国/OAT 相关轮动、债券收益率敏感度、杠杆相关轮动。我们重新审视其中多项,并认为这轮轮动式熊市很可能已经结束。
11 预计基本面动量因子表现将恢复
伴随近几个月价格动量的反转,我们看到欧洲「最高 vs 最低基本面动量」股票的表现大幅下滑。我们把基本面动量定义为:共识盈利修正广度、盈利修正幅度、共识目标价修正广度、以及 12 个月特质动量的组合。这些因子是我们板块模型的关键组成。
我们仍对超大规模厂商持建设性看法:估值重置改善了风险回报,同时若干 AI 上行来源仍未被充分定价。如前所述,该群体较早折现了市场对「资本开支纪律」的重新关注,也已吸收了相当程度的风险重定价。该群体倍数近期降至 21 倍,与 3 月低点一致,为「核心盈利强劲、且有多条 AI 变现路径」的业务创造了更好的入场点。其相对盈利强度仍然相当有吸引力。它们既有的客户关系、渠道与把新能力嵌入成熟产品的能力,使其能够参与、并可能引领新能力的开发与分发。
04 AI 采用的顺风正在累积,且对 2027 年展望重要
投资者常问的一个问题是:「公司是否看到了 AI 采用的切实效率提升?」去年秋天,我们与 AlphaWise 团队合作,用 GPT 模型分析财报、会议与投资者日记录,追踪管理层如何向投资者传达 AI 采用的可量化收益。此后我们又加入了「AI 采用成本」与「AI 对劳动力影响」的追踪。今天我们更新了 2026 年三季度与四季度初的财报电话会与会议记录分析(注:三季度举行的电话会主要覆盖二季度业绩)。我们对提示词设置严格,只寻找「AI 与收益、成本、就业效应之间有清晰关联」的实例。
- 高市财政政策正式启动,短期对 GDP 影响有限:FY2027 将是高市内阁推出的一系列财政举措的第一年。三大措施是下调消费税、增加国防支出与增长战略。我们并不预期
对 2027 年 GDP 有大幅拉动——消费税下调的经济刺激可能很小,国防与增长战略相关预算的执行需要时间,其中部分不计入 GDP。虽然长期利率上升仍是财政可持续性的主要挑战,但我们认为公共债务/GDP 比率在未来几年将继续下降。我们维持看法:财政风险短期内不是主要问题,但长期可能构成重大挑战。
2027 年又一个内需稳健的年份
我们的全球经济学团队认为 2026 年全球经济增速 +2.7%,强劲的 AI 资本开支、更宽松的金融条件与财政扩张抵消了能源供给冲击。在能源价格下行、AI 资本开支仍强的基准情形下,该团队预计 2027 年增速相近,为 +2.8%。这一判断的风险包括中东局势再度升级与 AI 资本开支令人失望等,风险偏下行。
2026 年日本经济展现韧性,政府支持措施缓解了中东原油与石脑油短缺的冲击。虽然更高利率与加速通胀可能是 2027 年的主要风险因素,但我们预计经济将保持韧性,维持稳健增长趋势。利息收入增加与实际工资稳健增长应支撑家庭消费。资本开支增长当前受供给约束压制,因此我们认为它对更高利率应相对不敏感。在我们看来,日本对 AI 出口的依赖度相对较低,使其免受全球 AI 投资放缓的冲击,出口增长将与全球经济同步、保持渐进。
FY2027 将推出高市内阁的首批财政政策。FY2027 财政政策的三大领域是消费税下调、国防支出增加与增长战略投资,我们预测这将使日本基本赤字从 FY2026 占 GDP 的 −0.4% 扩大至 FY2027 的 −2.1%(我们假设国防支出逐步升至 GDP 的 3%,但不确定性较大)。
不过,这一更大的赤字不太可能对 FY2027 GDP 形成可观拉动。第一,虽然消费税下调将通过提高家庭实际收入来提振消费,但如上所述,我们预计临时性减税的消费刺激效果有限。第二,增长战略投资的细节有待年底 FY2027 预算草案,但基于各部预算申请的当前估算指向合计约 14 万亿日元(占 GDP 2.1%)。看申请金额较大的项目,只有约一半构成政府消费或公共投资,其余是对私营企业的补贴。补贴不计入 GDP,只有在其刺激新的资本开支需求时才提供拉动,因此最终的 GDP 提升可能有限。确定私营部门合作方与补贴接受方也需要时间,因此我们认为在 FY2027 内完整执行预算将是困难的。第三,国防支出增加虽是永久性支出增加、对长期财政可持续性影响深远,但 FY2027 单年仅为 GDP 的约 0.2%。
除政策利率风险演变之外,不确定性更低的宏观环境,以及使债券作为风险资产对冲处于更有利位置的通胀轨迹(图 4),应有助于压住期限溢价。近期 AI 相关的股市波动,帮助揭示了久期作为组合分散工具的角色;能源价格下行应强化这些属性。财政压力并未朝有利于久期的方向移动,但美国与英国的国债发行看起来可以消化,而从利息支出角度看,更鸽的政策路径可以是缓和力量。
原文:摩根士丹利 Research《Powered by AI, Tested by Oil》,2026 年 11 月 15 日,187 页
本文为中文编译精读,非原文逐句翻译;数字与表述以原文为准。报告版权归摩根士丹利所有。
中文原文
2027 全球经济展望:AI 驱动,油价考验
Powered by AI, Tested by Oil · 摩根士丹利 · 2026 年 11 月 15 日 · 187 页
全球增长仍然稳健,但通胀持续偏高,发达市场央行正开启一轮温和加息。自年中展望以来,增长小幅超出预期,但通胀路径变得模糊。即便是没有加息的央行,也把政策维持得比原本预期的更紧。我们对「短暂加息周期」的判断,依赖能源价格继续回落。美国经济增长的关键驱动是 AI 驱动的资本开支建设与消费支出,后者由财富效应与充分就业支撑。美国的增长正在帮助其他地区隔绝下行风险。我们用替代情景来说明全球经济到 2028 年的可能路径。
能源与商品市场在短期内驱动货币政策选择,而 AI 投资与采用的速度将决定 2028 年前的增长。在基准情形中,全球增长相对稳定,由持续的美国需求支撑,即便更高的能源成本与限制性政策压制活动。G4 经济体在预测期内增长小幅走高,尽管年初前后因能源成本有温和放缓。新兴市场面临更大的放缓——能源价格与金融条件收紧的组合。随着能源价格回落,增长恢复,并由持续的美国 AI 热潮支撑:这类支出为新兴市场(尤其关键出口国)提供了重要浮力,帮助抵消能源带来的不利冲击。
我们假设 AI 采用逐步提升整个经济的生产率。在「AI 生产率上行」情景中,生产率收益更大、来得更早。美国获益最大,但我们假设其他经济体也有收益。美国增长被提振、劳动力需求上升,劳动力市场大体稳定,但去通胀仍在继续。美联储允许更快增长而不进一步收紧,但强劲增长也阻止了宽松。生产率改善也利好欧洲与日本,尽管效果因经济体而异、且逐步显现。中国实际增长更强,但名义改善有限——生产率提升强化了通缩。
推导 AI 支出对 GDP 的贡献是一个复杂过程:需要把支出估计与支出构成结合,还要判断所购商品与服务是否进口。此外,由于收入不透明、商品物量指标滞后,区分价格与数量同样复杂。尽管有这些限制,在本轮 AI 浪潮中,使用微观数据有优势——因为支出高度集中在少数公司,尤其是超大规模厂商。因此,我们以股票分析师的资本开支预测为起点,来映射 AI 支出及其对经济增长(GDP)的贡献。
我们对 GDP 使用两个口径。较宽的口径捕捉国民账户中「包含 AI 支出在内」的类别,我们称之为「AI 相关支出」;较窄的口径试图单独分离出「专门用于 AI」的支出。把两个定义分开很重要,以便区分建设在经济中是如何实现的。
……效率提升。不过更近期,改善已集中在 AI 暴露更高的行业:截至 2026 年二季度的四个季度里,这些行业贡献了 2.4% 的人均产出增长中的 2.0 个百分点。
分解仍主要指向资本深化与利用率提升。1990 年代末科技热潮伴随的全要素生产率(TFP)广泛回升,至今尚未出现。这一顺序可以理解:企业需要先安装产能、把 AI 集成到生产中,更广泛的效率收益才会显现。资本深化在投资强劲时支撑生产率;而持续的 TFP 增长会让改善在投资周期成熟后更持久。
对劳动力市场而言,AI 相关的替代更像微观而非宏观现象。在一些 AI 高暴露行业(含数据处理与软件),就业略有下降,AI 高暴露样本中约一半录得一定程度的就业减少。但更广的劳动力市场吸收了这些损失,失业率一年多来大体不变。我们估计 2026 年上半年 AI 对整体失业率的推升不超过 15bp,影响集中在更高暴露职业的年轻劳动者。我们认为技术扩散的速度是关键:一个仍比互联网时代快一倍的「中等」扩散速度,很可能带来可控的劳动力市场调整。
增长有韧性叠加更高利率,重新打开了「中性政策利率在哪」的问题。理论上,当产出处于潜在水平、通胀处于目标时,实际中性政策利率既不刺激也不抑制活动。问题在于中性利率不可直接观测。经济学家从模型、以及经济对政策的反应中推断它,这使它成为判断「利率有多限制性」的有用但不确定的基准。今年,来自能源、消费韧性与 AI 的交叉气流让这一判断更难。
与我们的预期形成鲜明对比,在这个风险情景中,2027 年 AI 投资直接下降,因为电力与建设瓶颈延迟了项目建设。这个情景设想的是「支出水平下降」,而不只是「高位增速放缓」——这是与其他情景(支出水平维持高位)的关键区别。非住宅企业固定投资先收缩、2028 年小幅回升。随后资产价格走弱压制信心与消费,使放缓超出最初的投资冲击。
尽管债务指标更强,财政稳定尚未达成。总体上,债务指标相对历史标准仍相当差。我们在 2024 年《黄灯闪烁:发达市场主权债务与财政引爆点》中开始评估债务指标,当时谨慎但未警觉,因财政状况仍在整固。一年后,《发达市场主权债务:失去 G≤R》认为风险在上升——债务指标恶化、名义增长放缓快于财政整固、债务比率高于此前预测数个百分点、且付息成本上升在几个经济体收窄了 R 与 G 的差距。这样的情景并不遥远。
在欧洲内部,来自廉价债务与低国防支出的财政顺风已变成逆风,且分化在扩大。我们的欧洲经济学家把这描述为「从廉价债务到艰难选择」:老龄化、国防与利息成本在争夺同一块财政空间。在这场辩论中,增长不是一个可选目标,而是整个问题。法国是焦点中心——尽管有市场压力,其赤字仍未整固。按当前法国国债收益率,我们的经济学家认为到 2040 年债务将升至 GDP 的近 160%。
结构性顺风仍在,受更强名义 GDP 增长趋势支撑,尽管私人消费仍面临短期逆风。我们预计日央行把政策利率升至 1.75%,而全球经济围绕的重大不确定性给增长、通胀与利率路径带来双向风险。
结构性基础更强。在数十年通缩停滞后,日本名义 GDP 已回到持续增长路径。价格与工资上涨支撑企业利润、员工收入与税收,而结构性劳动力短缺、AI 驱动的创新、以及仍低的实际利率,正在鼓励节省人力的投资。尽管有建设成本与劳动力短缺的约束,AI 与数据中心、半导体、电力基础设施、供应链韧性等领域的基础投资需求仍然强劲。随着这些需求落地,资本开支增长应逐步提升生产率与潜在增长。
财政整固、资本开支增长、私人部门资产负债表清理与劳动力市场再平衡,使英国相对其他发达市场处于稳健位置。能源冲击消退最终带来略少限制性的政策设置。叠加 AI 采用的正面效应,这促成稳健的增长动能积累——尽管年初前后可能有一段疲软。我们看到英央行加息两次(12 月与 2 月),随后按兵不动至 2028 年降息。
增长|一个被重塑的经济?
年初前后 GDP 增速放缓,因通胀持续偏高与金融条件收紧使家庭储蓄率小幅上升。我们估计,自 2024 年以来 AI 与科技资本开支驱动了英国增长的至多三分之一,2026 年影响尤为明显。英国看起来是全球 AI 采用的冠军。我们认为高附加值服务的强劲增长可以延续,企业资本开支在预测期内平均拉动增长 40bp。2025–26 年的周期性生产率回升可能反映部分结构性强化,因此我们把 2027–28 年的潜在 GDP 增速定在约 1.75%,高于 OBR 与英央行的估计。
本土上行、离岸下行。消费活动明年应回升,因政府支持(税收减免、电价补贴)与实际工资增长,2028 年货币政策宽松将带来进一步提振。能源商品价格上涨对出口是顺风,抵消了货币走强的负面冲击,但产能约束限制了效果。石油投资前景有改善可能,但在基准中我们把离岸投资视为拖累——2022 年税收优惠后的正常化叠加能源价格下行。私人投资将受益于 AI 数据中心建设。
增长——韧性中的正常化。印度今年增长超预期,尽管有全球贸易不确定性与地缘紧张下的贸易条件恶化等外部逆风,活动仍强于预期。高频数据保持稳健,尤其与资本开支相关的指标。2027 日历年,我们预计 GDP 增速从高基数正常化至 7%(同比),驱动因素是天气不利导致农村需求放缓、实际利率小幅上行、以及更高通胀压制增长。但资本开支驱动的转向为持久复苏奠定基础。
资本开支深化与服务业支撑。我们预计正面的国内溢出将锚定 2027 年增长。在 2026 年科技驱动的异常 GDP 扩张之后,内需将接棒:加速的厂房设备投资与名义工资上涨提振消费,抵消净出口贡献的减弱。尽管半导体出口仍受益于 AI 驱动的存储短缺,年度动能可能因高基数而正常化。我们也提示:与科技动能隔绝的国内部门,在这份表面韧性之下仍面临持续的脆弱。
投资执行仍是主要增长上行风险。更大的项目管道、可预测的审批与改善的激励,可能加速建设与家庭收入增长。整固一直依赖矿业收入与受控的资本支出。拟议的 2027 年预算目标为结构性赤字与实际赤字均占 GDP 1.8%。在控制经常性支出的同时为公共工程腾出空间,将很困难。改革支撑潜在增长,但收益需要生产率提升、劳动力市场调整与执行。
但如我们在 2026 年中期展望中指出的,这一宏观背景对今天的风险资产,比在以往周期中更不重要。股票良好回报的主要驱动仍将是 AI 资本开支主题,但对「变现证据」与「AI 采用」的关注在上升。因此 2027 年的主要问题与其说是全球增长(尽管它很重要),不如说是超大规模厂商与其他 AI 相关资本开支的水平。
摩根士丹利研究预计 2027 年超大规模厂商及相关资本开支 1.7 万亿美元、2028 年 1.8 万亿。若 AI 相关支出强于这些水平,可能意味着 AI 投资回报率(ROIC)的动能更强——包括通过生产率与在基础设施、采用层的价值捕获。正是这种改善的 ROIC(它支撑整个 AI 生态的经济性),我们认为可能驱动全球股市上涨。
AI 基础设施投资的规模、时点与构成,是我们 2027 年经济与市场展望的核心。本节我们给出 AI 资本开支预测、说明如何构建与验证这些估计、并审视塑造它们的关键假设与约束。随后讨论对信用市场的含义,重点是支出在「短寿命芯片与服务器」与「长寿命带电力数据中心」之间的构成变化。我们区分两类主体:拥有多渠道融资能力的高质量超大规模厂商,以及 AI 生态中的其他参与者。
我们从两个角度估算 AI 资本开支。自上而下的方法:把股票与主题分析师的全球数据中心容量模型转化为「将上线算力」的预测,再用带电力数据中心、芯片与服务器的成本假设换算成隐含支出。这对投资规模是有用的交叉验证,但对时点不够精确——这些部件的支出发生在建设与安装的不同阶段,往往远早于容量投产,因此把投资归到容量上线那年会扭曲年度归属。
2026 与 2027 年的对比因此指向 IT 硬件支出的显著上升——IT 硬件约占「让 1GW 算力上线」所需总支出的 65%。更高的单位成本会放大这一增幅:存储价格在上涨,而更新、算力更强的芯片价格更高。安装量的跃升叠加更高的设备成本,共同支撑我们对 2027 年 IT 硬件资本开支总额急剧上升的预期。
需要强调:向 IT 硬件倾斜,并不意味着用于数据中心「壳」的资本开支会减少——只是其占比在下降。
按发行人信用质量拆分 IT 硬件支出
信用含义取决于「谁在买硬件」以及他们可用的融资选项。我们的容量成本估计显示,高质量超大规模厂商占 2027 年 AI 资本开支总额的约三分之二(含现金资本开支与数据中心租赁)。我们半导体分析师的客户级芯片销售预测提供了交叉验证:同一群体占 AI 芯片采购的 65%–70%。把这一拆分应用到我们预测的 1.2 万亿美元 IT 硬件资本开支上,意味着约 8,000 亿美元来自高质量超大规模厂商。
股票——风险回报有利:强劲的趋势性盈利增长与有吸引力的估值支撑对全球股票的建设性看法。在美国,随着中周期转换演进,偏好顺周期的质量;对日本,再通胀与私人资本开支周期是顺风;欧洲的上行来自 AI 采用 ROI 提升、能源价格见顶与重估;新兴市场中,通缩压制中国,我们基于估值偏好韩国而非台湾。我们预计 2027 年四季度标普 500 到 8,700。
我们基准展望的关键假设是:尽管货币收紧、且市场担忧 AI 支出的变现能力,AI 相关支出仍按轨道推进。基于股票分析师更新的预期,我们预计超大规模厂商 2027 年资本开支 1.6 万亿美元、2028 年 1.8 万亿。尽管部分低质量发行人可能对更高利率更敏感,但超大规模支出的大部分来自高评级、大市值主体,这些公司预期的投资回报率远高于其资本成本。AI 支出的融资方式可能变化,但我们假设「AI 支出会被融资」。这通过非住宅固定投资、以及受益于财富增加的高收入家庭消费,对 GDP 增长形成稳健贡献,从而保持增长韧性。
强劲的 AI 支出不会导致国内过热
第二个关键假设是:AI 相关支出不会让国内经济过热。超大规模厂商的 AI 资本开支在总额上可能很大,但很大一部分被计为进口的服务器、芯片与其他设备支出——在国民账户中,这部分对 GDP 的净贡献远小于支出总额。
低招聘、低解雇的劳动力市场,叠加温和的 AI 扰动
我们认为劳动力市场最可能的结果,是延续过去两年大部分时间所呈现的「低招聘、低解雇」均衡。移民管制限制了劳动力增长,而需求不确定性、融资约束、政策与地缘不确定性、高福利成本以及低员工流动率,使劳动力需求保持低迷。我们的基准展望还假设高 AI 暴露职业会出现一定扰动:我们的估计显示,这些职业的失业率高于「更广经济演变所能解释」的水平。简言之,AI 对劳动力市场的替代主要是微观故事,但它通过略高的失业率在基准中留下印记。净来看,我们不认为劳动力市场会成为通胀上行压力的来源。
中期选举后,我们的股票分析师维持超大规模资本开支预测不变,并指出若建设推迟,2028 年存在下行偏差。已在建设中的项目不太可能被打断,因此 2027 年 AI 资本开支不变。新当选的州长可能对新数据中心项目提出要求,把德州与俄亥俄的部分 2028 年项目推迟,使原本预计 2028 年投产的约 5GW 产能延至 2029 年。这些延迟会拉长建设周期,通过推迟算力供给而可能放缓 AI 采用与相应的生产率收益;另一方面,也可能意味着 2028 年的电力缺口更小。
……从官方公开数据中,无法知道其中多少用于 AI。其次,GDP 衡量的是本国产出的最终使用,而服务器、芯片等设备大量为进口,因此在考察 AI 投资对美国 GDP 的影响时,其美元价值应被扣除。
我们用「较宽」与「较窄」两个口径来追踪 AI 投资对美国 GDP 的影响:识别出 8 个非住宅私人固定投资的细分项(涵盖 AI 基础设施建设与 AI 采用所需的资本投入),以及 2 个进口细分项(涵盖超大规模建设所用的进口设备)。把进口从 8 个投资类别中扣除,得到「AI 相关投资」——一个较宽、且构成上界的口径。
非 AI 投资:一次被打断的脆弱复苏
自 2023 年底以来,AI 企业支出与非 AI 企业支出的增速分化越来越显著。我们预计非 AI 相关企业支出在 2027 年因持续加息而走弱,2028 年随着货币政策回到中性而缓慢恢复增长。强劲 AI 支出对资本的挤占与竞争,可能起次要作用。
非 AI 的企业支出自 2023 年中以来大体走平,2025 年甚至小幅下降。2026 年似乎出现复苏的早期迹象,年初至今对实际 GDP 增长的贡献平均 0.2 个百分点。这可能是企业支出正在向 AI 之外扩散的信号。
企业支出展望的风险
上行风险可能来自:各州在 2028 年对新数据中心项目的审批更宽松、以及芯片制造产能高于我们预期。两者都可能支撑 2028 年超大规模资本开支预测的上调、以及 AI 相关投资对增长更高的贡献。
下行风险很多:政治阻力强于预期、出于国家安全考虑的更严监管或政策、投资者下调对 AI 盈利能力的预期从而触发股市重定价、超大规模厂商融资对货币收紧更敏感、以及电力短缺阻碍算力投产。这些因素会推迟 AI 基础设施建设与采用扩散。
我们预计 AI 对劳动力需求带来略多的下行压力。AI 建设是经济中「建筑」板块少数强劲领域之一,但建筑工人的劳动力市场仍然偏软。与此同时,越来越多证据显示 AI 高暴露行业、职业与年龄组出现劳动替代:AI 高暴露行业的 payroll 现在在下降,这在半年前还没有出现;AI 暴露最高的年轻人失业率已上升。我们估计这些年轻、高 AI 暴露群体对整体失业率的推升为 0.15 个百分点——这同样在半年前还不明显。
沃什还强调利率会「渗入经济的裂缝」,暗示 AI 相关资本开支对更紧政策并非免疫。尽管高评级超大规模厂商的 AI 投资可能更有韧性,但一位认为「即使温和加息也可能削弱支出」的主席,不太可能在筹划激进加息周期。他同样指出金融条件已经收紧、虽尚未「明显偏紧」,表明政策已在施加约束。最后,沃什似乎认为近期增长主要来自供给端、即生产率上升。
地缘与经济的不确定性为经济打开了不同的可能路径。我们勾勒几个认为合理的备选情景并给出主观概率(基准为 45%)。一个上行情景是「动物精神」——由财富效应、财政刺激、AI 投资支出与劳动力需求回升带来的需求端提振;第二个上行情景是更快的 AI 驱动生产率提升。另外两个是下行情景:一是油价大幅上涨与货币收紧同时发生(美联储盯住整体通胀);四是 AI 支出骤降,使 2027 年 AI 相关支出水平明显下滑。
AI 投资继续上升,但增速放缓:我们的美国股票策略与 GVAT 团队估计,超大规模厂商与新型云厂商的 AI 相关资本开支(含租赁)将从 2026 年的 9,780 亿美元 升至 2027 年的 1.583 万亿美元 与……
区分训练与推理:关于 AI 发展放缓的辩论往往把「训练」与「推理」混为一谈——训练创造前沿模型,推理则在工作和日常生活中使用已完成的模型。训练涉及少数开发者的集中投资,已被指出存在「增加算力的性能增益递减」与「开放模型普及带来的效率提升」两个问题。相反,推理随每次使用重复发生,并随 AI 渗透商业活动与个人生活而累积。AI 基础设施市场预计从……
……2025 年的 380 亿美元 增至 2029 年的 940 亿美元,其中推理约占市场的 70%(Equinix)。截至 2026 年 8 月,美国仅 26% 的人每天使用 AI 工具,这意味着用户数量、使用频率、输入 AI 的信息量、以及由智能体自动执行的任务数量都还有增长空间。
……具备 AI 增强功能的广告产品。我们把(1)视为支撑进入壁垒,(2)视为一条变现路径,(3)视为让投资者得以验证进展。可量化的结果证据,是股价反映 AI 盈利贡献的前提。
我们也关注成本结构。依赖外部模型的应用公司,会随使用量增长而承担更高的模型使用费。趋势科技把 F12/26 营业利润指引从 564 亿日元 下调至 444 亿日元,理由包括云相关成本上升(含 AI token)。我们认为,拥有行业数据的公司若能提供自有专用模型、走向全栈方式,就能在差异化与成本两方面取得优势。
投资含义:我们把 AI 相关仓位从「与数据中心投资挂钩的非经常性业务」转向「收入随使用扩张而累积的经常性业务」。这并不意味着回避所有 AI 相关股票。在 7 月底的财报中,爱德万测试把全年营业利润指引从 6,275 亿日元 上调至 8,460 亿日元,理由是用于推理的 AI 半导体测试需求大幅超出其初始预期。
推理的扩张也拓宽了受益的存储领域,包括 DRAM 与机架内 SSD。重新评估的条件也很清晰:如果 AI 投资计划再次大幅超出市场预期、同时变现取得进展,我们就需要重新考虑对数据中心相关股票的谨慎立场。
我们在全球新兴市场/亚太框架内维持对 MSCI 中国的标配建议,因为看不到中国股市在指数层面跑赢区域同业的太多机会(我们预计更受偏好的 A 股市场在预测期内与 MSCI 新兴市场指数表现相当)。整体上,我们在其他市场的指数层面仍看到充足机会——全球范围内偏爱发达市场股票而非新兴市场,理由是盈利可见度更强:美国顺周期质量受益于中周期转换,日本受益于再通胀与私人资本开支复苏,欧洲受益于 AI 采用回报改善与重估潜力。在新兴市场内部,我们基于相对估值偏好韩国而非台湾;而中国挥之不去的通缩,意味着应做选择性选股,而非广泛的指数暴露。
我们认为进入 2027 年中国股市的估值是合理的,存在一定重估空间;但要回到显著更高的估值区间,需要盈利与国内再通胀有更清晰的改善。这与年中展望的设置不同:当时 MSCI 中国 12 个月前瞻 PE 为 11.9 倍、大体在五年均值附近,因此我们把估值定义为「合理、仅有边际上行」。此后,MSCI 中国的前瞻 PE 已修正 19% 至 9.6 倍(截至 2026 年 11 月 12 日),而中国国内宏观并未出现有意义的进一步恶化。我们认为这更多反映了围绕油价不确定性、通胀前景与全球收益率/融资成本环境的风险偏好大幅下降,以及持续的 AI 泡沫争论。MSCI 中国从来不是全球 AI 交易的主要受益者,这意味着相当程度的盈利与宏观不确定性已经反映在区域估值中。
8 月以来的调整之后,当前 PE 处于 MSCI 中国五年估值区间的 24% 分位,比五年均值 10.6 倍低 9%。它距离我们在近期报告中强调的 8 倍前瞻 PE 的历史绝对底部仍有距离。
更重要的是,我们对美债的看法比市场远期定价更建设性,这意味着市场定价有向更有利方向移动的空间。
对 A 股市场而言,「国家队」的支持应能提供底部支撑。国务院已承诺加强资本市场稳定,券商也开始在央行第三次互换便利操作下投入资金。此外,我们一直强调 A 股的市场构成转型比香港离岸市场更快、更广——科技与创新密集的「新兴前沿」板块在 A 股中的占比远高于 H 股。这类公司的高成长属性,长期看有助于抬升 A 股的整体估值中枢。我们预计沪深 300 的 12 个月前瞻 PE 将从当前 11.6 倍逐步升至 2027 年底的 11.8 倍。
总体而言,我们预计中美关系与多极世界格局下的地缘动态,从此到 2027 年、甚至特朗普剩余任期内会变得更颠簸,这导致更分叉的组合构建方式,以及即便在同一板块内也出现分化的表现。即将出台的措施已超出直接的芯片出口,延伸至半导体设备、芯片产地核查,以及中国获取海外算力的渠道。这些措施的方向与执行,对互联网平台/超大规模厂商、大模型公司、以及更偏出口的 AI 硬件公司与更广的 AI 供应链都有影响。
我们建议在 AI 内部采取更分叉的方式:强烈偏好国内 AI 算力、半导体设备与材料本地化、以及系统级集成,而非那些投资逻辑严重依赖持续获取受限外国技术的公司。这并不意味着本地化受益者对更严管控免疫——开发时间表、制造能力与商业化仍需密切审视。
股票持续流出反映:印度对全球 AI 主导投资周期的暴露相对有限、中东冲突中油价偏高、以及外国资本转向对 AI 与半导体机会暴露更大的市场。话虽如此,随着油价缓和与全球 AI 暴露型涨势趋缓,2026 年四季度股票流动已显现初步转折迹象。尽管外国股票流动仍低迷,我们预计 2026 年印度国际收支(BoP)录得约占 GDP 3%(1,260 亿美元)的顺差,主要因期间动员的非居民存款流入约 1,330 亿美元。
我们预计 2027 年印度经常账户赤字扩大至 GDP 的 1.1%(500 亿美元),部分反映侨汇从 2026 年创纪录高位(受中东冲突中非居民预防性汇款提振)回落。服务出口应继续缓冲经常账户赤字,但鉴于 AI 对传统软件服务的潜在扰动,缓冲程度会小一些。
资本账户方面,若地缘政治紧张缓和、且油价按我们商品策略师的预测下跌,我们预计外国组合股票流入恢复,支撑资本可能向印度重新配置。明年印度政府债券若被纳入彭博全球综合指数,债务流入也可能受益。总体而言,我们预计 2027 年资本流入约占 GDP 1.3%(560 亿美元)。
尽管有这些周期性挑战,我们看到若干理由对英国 2027 年经济前景更建设性。第一,今年支撑增长的部分顺风看起来是结构性的。企业投资的强劲部分反映信息与通信资本开支上升,这很可能因持续的数据中心投资而延续。这一投资应支撑技术服务产出的持续增长——其需求因 AI 采用而上升。与可再生能源相关的公用事业资本开支进一步增长,也应继续支撑……
我们也看到围绕英国长期经济前景的情绪有改善空间。鉴于其在高附加值服务上的专业化,英国有条件受益于 AI 采用。IMF 估算表明,相对高比例的劳动力暴露于 AI,其中相当多劳动者处于可能获得生产率提升、但较不可能被替代的岗位。调查数据显示,企业预计采用将在未来几年带来可观的生产率提升。尽管这些收益不太可能完全叠加到当前生产率趋势之上,这些数字仍表明我们供给增长估算存在上行风险。
这些主题在某种程度上都体现在我们对 2027 年的预期中(图 3)。第一,我们对能源价格在未来一年正常化的预测,主张商品敏感交叉盘(如澳元/纽元与挪威克朗/瑞典克朗)出现一定回归。第二,鉴于政策利率分布极宽,我们预计 carry 仍将是重要因素。但在多年稳健表现之后,我们认为超额收益的理由现在看起来更有限。第三,我们预计 AI 相关贸易条件的近期受益者——尤其亚洲——应继续受益于远高于长期常态的投资流与经常账户余额。第四,我们预计汇率管理将继续为人民币提供坚定的政策锚,并将最终对日元转为明显更支持。最后,总体上我们预计外汇回报相对有限,但鉴于隐含波动率处历史低位、且基准两侧都有风险,我们仍认为对冲更宽尾部有价值。
退一步看,今年广义美元最显著的趋势,也许是「解放日」后投资者负面情绪的惊人逆转。2025 年投资者大部分时间在寻求分散与对冲美元持仓,而 2026 年对美元资产的跨境需求回到了此前的趋势(图 4)。行业层面分析显示,这一逆转源于投资者对 AI 相关资产的需求,以及美国相对隔离于更高能源价格的冲击之外。随着美国预期回报再次显得「例外」,且外汇相关性回归正常,除政策不确定性的几轮反复(一季度围绕美国国防政策、三季度围绕美联储与财政部政策)外,投资者忧虑的迹象相对很少——而那几轮反复也对应着美元全年的低点。我们认为数据表明、且 2026 年的经验佐证:美元之所以能在过去十年维持高估值,是因为强劲的相对回报前景。但这仍是一场高空走钢丝——全球回报更均衡的迹象,应从当前水平对美元构成压力。
值得注意的是,股票在美国组合流入中的占比越来越高(图 5)。虽然我们认为这有助于解释美元近期的强劲表现,但它也揭示了一个关键风险。美元固然仍是避险货币,但它也变得越来越顺周期。我们发现美元表现看起来与 AI 相关股票表现挂钩——无论好坏。
对 2027 年整体而言,我们把这视为美元的下行风险,也是我们预计美元年内走软的原因之一。我们的经济学家预计 AI 相关资本开支预期不久将显现见顶迹象,而投资者可能要求更大的价格让步(包括通过汇率)来继续为美国不断扩大的资本账户余额融资。更长期看,我们认为货币中这些更顺周期的动态,也可能压制储备管理者等某些类型投资者的美元配置。
AI 相关波动加大的可能性,进一步改善了用日元对冲科技暴露的理由。过去五年做多日元作为美股下行对冲之所以失败,原因之一是美国经济总体上比预期更有韧性,仅从历史低位短暂上升的衰退概率,限制了持续的避险需求。还发生过多次供给冲击导致美国收益率上升与美联储更鹰派,加上日本央行此前的收益率曲线控制(YCC)与随后缓慢退出超宽松政策,把日元推得弱得多。但近几周我们已看到更多股票与收益率同时下行的例子——这是日元跑赢的背景(避险资金流与利差压缩,日元对此最敏感之一)。其中部分源于 AI 资本开支预期周围的更大波动,我们预计这将持续。
虽然美墨贸易关系今年退居次席——尤其随着 USMCA 维持现状成为市场参与者的基准——但随着关税协议可能最终敲定,2027 年贸易相关头条可能再次成为比索的更大焦点。过去几年,墨西哥对美贸易越来越多地反映 AI 相关供应链的发展(多数 AI 相关品项归入「核反应堆、锅炉、机械及零件」类别;图 31),而汽车等历史上重要类别的贸易则停滞。因此,即便墨西哥的增长结果未像美国那样反映 AI 相关资本开支,我们认为这一底层宏观暴露是近年比索对美国周期定价高 beta 的重要驱动。在这一背景下,进一步 AI 特有的跑输若压制美元,也可能转化为比索在 EM 内的相对跑输。
年内大部分时间,雷亚尔与哥伦比亚比索跑赢其他 EM 货币,延续 2025 年的升值趋势,受益于多重因素:更高能源价格对各自贸易条件的正面影响(图 32)、对 carry 友好的风险背景、以及各自选举后对市场友好型财政政策转变的预期升温。哥伦比亚在选举后得到「新东西」——最新财政信号指向有意义的财政收紧努力,建立在合理的宏观假设之上,并将稳定债务/GDP 比率。而巴西的选举结果意味着「旧东西」均衡——宽松财政与紧缩货币——得以延续。
确实,今年两地货币政策都保持紧缩。我们与市场都预计未来一年仍将如此,使雷亚尔与哥伦比亚比索以较大差距成为 EM 内的高 carry 货币(图 33)。除 carry 对回报的正面贡献之外,现汇回报近期很可能继续反映国别动态,但随着年内推进将日益由全球市场发展驱动。在这里,按我们商品团队的预测,能源价格将从顺风转为逆风,指向相对其他 EM 货币的跑赢幅度小于年内大部分时间所见。
CEEMEA 各经济体增长与通胀的温和反应,反映多个因素叠加。增长方面,冲击前活动已在加速,而外部需求全年保持稳健,受益于 AI 投资热潮。通胀方面,三个因素解释了有限的反应。第一,能源冲击发生在 CEEMEA 经济体原本通缩的背景中——强劲的 EM 汇率遏制了进口通胀,负产出缺口限制了国内生成的通胀。第二,异常疲弱的食品通胀帮助抵消了更高的能源通胀。第三,各国政府通过补贴与更广泛的燃料市场管制,主动限制了向零售燃料价格的传导。
过去一年黎巴嫩当局在改革上取得相当进展,议会 8 月通过了《银行重组法》的修订版,IMF 对此表示欢迎,称其为推进改革议程的「重大一步」。在我们看来,这消除了通往最终 IMF 计划与债务重组道路上的一个重要障碍。话虽如此,《银行重组法》只是 IMF 要求的立法改革之一;另一项重大立法是《金融规范化与存款恢复法》,通常称为《缺口法》。这部法律将决定银行业损失(我们估计约 800 亿美元,为黎巴嫩当前 GDP 的三倍)在政府、央行、银行股东与存款人之间的分配。目前由内阁于 2025 年 12 月批准的草案为讨论提供了基础,但未获得包括 IMF 在内的所有利益相关方支持。根本分歧仍在,在我们看来弥合这些分歧很可能是艰难而漫长的过程。
IMF 代表团目前正在该国,我们认为在其结束后有可能宣布工作人员级别协议(SLA)。然而,如 2022 年 4 月的 SLA 一样,我们预计任何即将达成的协议都会包含重大的前置行动(包括通过《缺口法》),且不会改变我们对最终计划的时点与可能性的看法。
使前景更复杂的是地缘政治背景,它对任何最终的 IMF 协议与债务重组构成重大挑战。虽然并非正式要求,但我们认为解决真主党解除武装问题是 IMF 计划、以及超出近端人道救援之外的任何未来双边/多边财政援助的前提。在我们看来,若不重新确立对武器的垄断、且真主党与以色列之间的冲突风险仍高,黎巴嫩政府不太可能获得重大国际财政支持。尽管近几个月美国斡旋的黎以谈判取得一些进展,包括……
Asia Economics Analyst: 2027 Macro Outlook: Still Strong, Still Uneven: AI Spillovers in Korea, Taiwan and Vietnam
Goldman Sachs Global Investment Research
AI 热潮将继续驱动韩国、台湾、越南 2027 年的增长,因其科技部门占比大。全球 AI 投资增速将放缓但仍强劲,预计三…
核心结论
AI 热潮将继续驱动韩国、台湾、越南 2027 年的增长,因其科技部门占比大。全球 AI 投资增速将放缓但仍强劲,预计三地实际 GDP 增长放缓但保持稳健、高于彭博共识。AI 向内需的传导会分化:科技拉动台湾与韩国的出口与资本开支,对实际 GDP 增长的贡献分别为 4.8pp 与 1.4pp;韩国向内的溢出弱于台湾,原因是其科技部门较窄、GDP 扩张由价格(而非数量)驱动、存在潜在负财富效应、工资与信贷增长偏软。越南增长主要靠政府资本开支与供应链转移带来的 FDI。韩国与台湾通胀应在 2027 年中回落至 2%,受加息、货币走强与稳价措施帮助;两地 CPI 篮子中约五分之一的管制价格也有助于压通胀。
要点 1
AI 驱动韩台越 2027 增长
要点 2
科技对台湾/韩国 GDP 贡献 4.8pp / 1.4pp
要点 3
韩台通胀 2027 年中回落至 2%
原文:高盛 Research《Asia Economics Analyst: 2027 Macro Outlook: Still Strong, Still Uneven: AI Spillovers in Korea, Taiwan and Vietnam》,2026 年 11 月 13 日,18 页
本文为中文编译精读,非原文逐句翻译;数字与表述以原文为准。报告版权归高盛所有。
中文原文
亚洲 2027 宏观展望:仍强劲,但更不均衡
Asia Economics Analyst: 2027 Macro Outlook: Still Strong, Still Uneven: AI Spillovers in Korea, Taiwan and Vietnam · 高盛 · 2026 年 11 月 13 日 · 18 页
亚洲 2027 宏观展望:仍强劲,仍不均衡——AI 外溢在韩国、台湾与越南
- AI 热潮将继续驱动韩国、台湾与越南 2027 年的增长,因其科技部门规模庞大。全球 AI 投资增速将趋缓但 2027 年仍强,我们预计实际 GDP 增速放缓但仍稳健,高于彭博共识。
- AI 热潮向内需的传导将出现分化。科技应推升台湾与韩国的出口与资本开支,科技对实际 GDP 增长的贡献分别为 4.8pp 与 1.4pp。韩国向国内需求的溢出弱于台湾——其科技部门更窄、GDP 扩张是价格驱动(而非数量驱动)、可能存在负财富效应、工资与信贷增长疲软。越南的增长将主要依靠政府资本开支与与供应链转移相关的外商直接投资。
- 两地经常账户应升至约占 GDP 20% 的纪录高位,因出口量强劲与贸易条件进一步改善。韩国存储公司对韩元的本地需求(工资、税收、分红)可能增加相当于 GDP 的 8%,是去年水平的两倍以上、台湾预计增幅的五倍,支撑韩元。非银机构在外汇暴露上的监管宽于银行,一直是两地盈余循环的关键,若本币快速升值可能较为脆弱。
韩国、台湾与越南都拥有受 AI 热潮影响的大型科技部门,三者科技出口合计近期已超过中国大陆科技出口总额的 80%。但它们在全球 AI 供应链中的位置差异很大。韩国两家芯片厂生产高端存储芯片——所有 AI 服务器的基础投入品——使它们处于供应链起点,是 AI 的「卖铲人」。台湾位于 AI 服务器生产的中心,涵盖 CPU、印制电路板、散热模组、先进封装等关键部件。越南位于供应链末端,生产使用 AI 应用的消费电子(如智能手机与电视)。
经济活动在出口与消费之间持续分化,韩国尤为明显。在全球 AI 相关产品(高端存储芯片与 AI 服务器)需求强劲带动下,出口持续超预期;设备投资同样强劲,企业在半导体产能紧张之际加紧满足激增的 AI 需求。相反,私人消费与非科技部门依然疲弱,韩国尤其如此——其外溢迄今主要通过存储价格上涨实现,而非台湾那种科技生产的广泛扩张。
鉴于全球 AI 投资增速 2027 年可能趋缓但仍强,我们预计这些经济体的实际 GDP 增速略有放缓但仍强劲,高于共识的 3.8。我们预测韩国、台湾与越南 2027 年增速分别放缓至 3.2%/6.3%/8.5%(2026 年为 3.8%/13.0%/9.4%),均高于彭博共识的 2.7%/5.9%/8.2%。
2027 年增长的关键因素,可能是全球 AI 需求变化的速度与方向,韩国与台湾尤其如此。韩国芯片出口与台湾科技出口在 AI 热潮中激增,两地股市亦上涨。但韩国股市近期大幅回调——先是杠杆投资产品超调引发的调整,随后是民主党在中期选举中赢得参众两院多数后全球科技股的普遍回落、以及对美联储加息的担忧升温。
由于在 AI 供应链中位置不同,中期宏观影响在时点与广度上也有差异,主要取决于上文提到的行业定位。短期看,宏观前景还取决于政策框架——尤其是财政与外汇安排——以及人口结构、金融部门结构、家庭资产负债表等结构性问题。
韩国与台湾科技部门的规模与表现,可能是 2027 年增长的主要驱动。我们估计,2026 年台湾科技部门通过生产渠道对实际 GDP 增长的直接贡献为 9.3 个百分点,占该经济体增长的 72%。我们预计这一贡献放缓至 4.8pp(接近 2026 年水平的一半),但由于科技部门在经济中权重很大(占 GDP 的 29%,韩国为 12%),其在整体增长中的占比将升至 77%。韩国方面,我们预计科技贡献从 2.0pp 降至 1.4pp,占总增长的比重略低于一半。
第三,非银金融机构在 AI 相关贸易顺差的国内循环中也扮演了重要角色。台湾金融机构的对外资产数据显示,近期增量的大部分绕过了银行(银行面临严格的外汇暴露监管),转而通过非银金融机构——尤其是寿险公司——其对外资产已超过名义 GDP。韩国金融机构(包括国有养老金)以美元计的对外资产也增至与台湾相当的水平,但相对 GDP 仅为台湾的一半。因此,与 AI 热潮起伏相关的剧烈汇率波动,可能冲击持有大量未平仓外汇头寸的金融机构资产负债表——尤其是台湾寿险公司——如果本币快速升值。
不过,我们并不预期整体通胀向底层通胀有实质传导(图 9)。到目前为止,我们看到能源价格上涨对核心通胀的间接效应证据很少,能源密集型核心商品价格变动温和。相反,我们估计近期核心商品通胀回升的大部分反映 AI 相关设备。鉴于进口价格与生产者价格以及机票的管道压力,我们预计未来几个月将累积更明显的间接效应,推升核心通胀。
话虽如此,我们也看到通过改革带来的重大增长机会,如德拉吉报告所述。特别是欧洲可通过有针对性的公共投资(含国防)、在增长型行业(如制药与绿色技术)的领先地位、以及 AI 的广泛采用来改善经济表现。估算也指向来自金融市场改革(在德国养老金改革基础上)与内部市场进一步整合(包括以 EU Inc 支持企业创设)的重大增长上行空间。
2026 年拉美不得不应对多重外部挑战与冲击:持续存在的美国贸易政策不确定性、严重且更持久的价格冲击与全球成本压力、美国与核心收益率上行、以及对中国竞争暴露上升。这与国内挑战叠加——巴西、哥伦比亚与秘鲁两极分化的选举、黏性通胀(尤其服务)、若干国家令人失望的增长动态、以及巴西与哥伦比亚上升的政策与财政担忧。上行的一面是,商品价格获良好买盘支撑,强化了贸易条件。全球增长也出奇地有韧性,即便面对大规模能源冲击。全世界与 G3 经济体都在按潜在 GDP 的估计水平增长,财政宽松与 AI 热潮的正面脉冲,抵消了伊朗战争的负面脉冲与更高美国关税的持续拖累。加上拉美温和的内需增长,这使拉美各地录得稳健贸易顺差(哥伦比亚逆差是例外)与温和的经常账户失衡。
2026 年拉美实际增长低于预期——阿根廷与智利明显如此,哥伦比亚程度较轻——而通胀普遍更高,因 2026 年初的通缩趋势被全球石油冲击打断。墨西哥增长意外上行,但除此之外,强劲的 AI 建设并未在整个区域产生显著外溢。货币政策方面,巴西年初降息幅度小于预期,哥伦比亚加息更多,两者都是对持续……的回应。
外部背景预计仍尚可。 2026 年部分有利的外部宏观与金融驱动因素预计在 2027 年延续,即更强的商品价格(铜、黄金)与有韧性的全球增长——高盛预测全球增长稳健达 2.8%(与 2026 年的 2.7% 一致),因能源价格下行与稳健 AI 投资的顺风预计抵消更紧的金融条件与更小的财政脉冲。全球增长的风险天平偏下行,尤其若能源价格不回落、从而对消费者与能源进口经济体产生负面影响,或 AI 周期转向。债市重新动荡、全球货币与金融条件进一步收紧、对中期财政动态的担忧、加上 AI 相关借款,也可能在 2027 年产生……
2027 展望:2026 年的小兄弟。
由于外部环境预计大体中性偏支持,2027 年拉美宏观展望在若干关键维度上与 2026 年大体相似。具体而言,我们预测:(1)温和且大体不变的低于 2% 的实际 GDP 增长;(2)巴西、哥伦比亚与墨西哥通胀高企且高于目标,阿根廷从高位进一步通缩,智利与秘鲁在预期更低平均油价的支撑下通胀向目标正常化;(3)高息货币降息,由巴西领衔(−125bp),其次是哥伦比亚(−75bp);(4)财政图景好坏参半偏负——财政账户仍是巴西的关键宏观脆弱点与汇率及利率风险溢价的驱动,哥伦比亚有望开启多年财政整固路径,而在阿根廷强财政锚之外,财政基线仍低于与中期债务稳定相符的基准;(5)温和的、由 FDI 融资的……
我们预测 LA7 合计基本赤字从 2025 年占 GDP 的 0.5% 收窄至 2026 年的 0.3%,因厄瓜多尔、墨西哥与秘鲁从小额赤字转为小额盈余、智利收窄赤字。值得注意的是,阿根廷过去三年平均实现超过 GDP 1.4% 的基本财政盈余,与……形成彻底背离。
2027 年,我们预计 LA7 合计基本赤字小幅收窄至占 GDP 的 0.2%,哥伦比亚基本收支改善 1.1 个百分点至 GDP 的 −2.6%——仍是拉美最宽的基本赤字。巴西预计再录得基本赤字,因对财政纪律与支出约束的承诺疲弱、且财政规则宽松。在墨西哥,我们预计小额基本盈余,几乎或完全没有额外财政……
拉美名义财政赤字呈双峰分布。 阿根廷预计维持大体平衡的财政账户。其他地区的总赤字预计仍呈双峰:巴西赤字预计连续第五年超过 GDP 的 8%,而哥伦比亚尽管有实质财政整固努力,预计仍高达 6.9%。基本赤字与高偿债成本(反映高实际利息支付)拖累两国,巴西疲弱的底层增长加剧了这一点。拉美其他经济体聚集在一组财政赤字相对温和的区间,占 GDP 的 2.1%(智利)至 3.5%(墨西哥)。
整个区域的财政缓冲仍然极小或缺失。 脆弱的债务动态要求结构性财政调整,尤其在巴西与哥伦比亚,也在墨西哥与美元化的厄瓜多尔。然而,在税负没有实质上升的情况下,更多支出与更广泛社会保障网的压力将阻碍调整。巴西与哥伦比亚降低赤字将有助于重新平衡政策组合,减轻货币政策把通胀拉回目标的负担。总体而言,LA7 基本收支预计仍过低,无法使公共债务相对趋势 GDP 走上明确的下行路径、或建立财政缓冲。由于公共债务已超过其他 EM 地区的水平,在温和增长、高实际利率与疲弱基本收支之下,拉美的中期债务前景仍不利。
Global Economics Analyst: Macro Outlook 2027: Steady Baseline, Downside Risks
Goldman Sachs Global Investment Research
2026 年全球经济增速 2.7%,与潜在增速持平——强劲的 AI 资本开支、金融条件放松与财政扩张,抵消了中东能源供给…
核心结论
2026 年全球经济增速 2.7%,与潜在增速持平——强劲的 AI 资本开支、金融条件放松与财政扩张,抵消了中东能源供给冲击。2027 年预计 2.8%:能源价格回落与仍然强劲的 AI 资本开支,压过金融条件收紧与财政转向中性。但风险偏向下行:一是伊朗局势再升级可能带来又一轮能源价格飙升;二是巨额赤字可能推高长端收益率,法国尤其明显;三是 AI 资本开支可能因产能约束、监管、信用市场压力或需求走弱而不及预期。报告同时提示已出现 AI 拖累就业市场的早期迹象。通胀在 2026 年上冲后应于 2027 年放缓:美国关税传导结束、能源冲击基数效应消退、AI 相关价格压力随产能扩张缓解。政策上预计美联储再加两次、欧央行加一次,两者在 2027 年末重回降息。
我们不预期 2027 年因更高利率而出现有意义的财政整固,但过去几年的大规模财政扩张正在消退。主要例外是日本——消费税下调、国防支出增加与高市政府的投资计划,指向对 GDP 增长 0.7pp 的有意义提振。我们也预期德国与美国有小幅正脉冲。
我们预期 2027 年不会改变的主要全球增长脉冲是 AI 资本开支增加。我们预测全球 AI 投资的名义规模从 2026 年 1.1 万亿美元升至 2027 年 1.8 万亿,主要由美国硬件支出增加逾 5,000 亿美元驱动。
我们预计这轮投资激增前置:投资同比变化占 GDP 的比重在 2027 年上半年见顶(投资水平占 GDP 的比重在 2028 年见顶)。即便增速放缓,对 GDP 增长的影响依然可观:我们估计 AI 投资将推动全球 GDP 增长 0.4pp。尽管我们再次估计 2027 年美国实测 GDP 增长仅获 0.2pp 提振(因半导体投资与芯片相关知识产权出口持续被低估),我们估计对「真实」GDP 增长的提振为 0.6pp。
2026 年另一个显著的增长脉冲将在 2027 年延续——来自中国的「世界其他地区」增长拖累。我们对 2027 年中国增长的预测仍高于共识(GS 4.5% vs 共识 4.4%),但这再次反映对中国出口非常强劲、以及中国贸易顺差进一步扩大的预期。
相反,我们预计 2027 年中国内需增长仍然疲弱——因地产对 GDP 的 1.3pp 拖累与底层消费疲软——导致对世界其他地区 GDP 增长形成 0.1pp 的温和逆风,制造业密集经济体拖累更大,如德国(-0.3pp)与中欧(-0.2pp)。
综合来看,我们对 2027 年全球 GDP 增长的预测 2.8% 属于温和乐观,比我们估计的潜在增速高 0.1pp。一如过去几年,我们对美国增长更乐观(2.4% vs 共识 2.2%,因投资有韧性),对欧洲增长更悲观(0.9% vs 1.3%,因金融条件更紧、且预期更高能源价格今冬开始发力)。
我们也预期韩国(3.2% vs 2.7%)与台湾(6.3% vs 5.9%)继续稳健增长,反映又一个 AI 出口强劲的年份。
下行风险——三个原因让风险偏向下行
1. 能源冲击重现:第一个也是最直接的风险是,伊朗战争升级可能导致能源价格更显著上涨。
2. 债市动荡:我们担心更大的财政风险溢价。2026 年,大规模赤字——叠加 AI 相关借款与央行加息——更清晰地体现在更高的长端利率上。尽管过去几周利率有所回落,发达市场收益率曲线仍比 2026 年初高 85bp。
若持续,我们估计这一上升将通过住房、耐用消费品与企业投资的疲弱,累计削减 GDP 约 0.5%。这一拖累只有一部分计入了我们的现有预测,因为我们预期随着央行加息少于市场定价,债券收益率会回落。
2027 年我们的核心宏观预测相当友好:增长稳定、通胀下行、政策利率见顶。但随着经济周期延长,市场周期越来越显出老态。2026 年我们的判断是,尽管资产估值跑在宏观基本面之前,但包括强劲投资增长在内的正向周期背景应当占上风。伊朗战争打乱了许多预测,但即便没有能源冲击,市场也在撞上更常规的晚周期逆风:实际利率更高、信用利差更宽、波动率抬升——尤其是表面之下的波动。此外,今年历次冲击中一直是市场关键支撑的 AI 脉冲,看起来将在明年见顶。
由于 AI 在支撑股市上的作用更大,它见顶对利润与资产市场图景的冲击,可能大于对增长的冲击。市场已部分反映了「AI 基础设施板块盈利的超常飙升难以外推」这一点,因此该板块涨势的走平,可能被瀑布下游 AI 使用者或其他周期性板块的上涨所抵消——尤其在能源价格与利率进一步下行的情形下。但这是个难度很高的平衡动作,股指进一步上行很可能伴随更高的波动率中枢。也存在 AI 相关回撤更明显地收紧金融条件、或能源与政策纾困未能按时到来的风险。
这让整体风险资产的图景比过去几年更趋双向,也支持更分散、对冲更充分的组合。
2. AI 投资脉冲见顶
- AI 投资脉冲见顶,对市场是比经济更大的考验。
- 该脉冲对市值与盈利增长的贡献,大于对 GDP 增长的贡献。
- 市场已对 AI 基础设施受益标的降估值。
- 估值泡沫不那么显眼了,焦点转向创纪录利润的可持续性。
进入 2026 年时,我们预计 AI 投资持续加速将盖过股市的估值担忧,但很可能伴随更高波动率与更宽信用利差。虽然我们预期 AI 投资仍将稳健增长,但预测隐含「投资增长脉冲」——即 AI 增量投资占 GDP 的比重——将在 2027 年初见顶。从宏观角度看,这应当是可管理的事件;但对市场可能是更大的考验,原因有三。
第一,AI 脉冲对盈利与市值增长的贡献,远大于对 GDP 增长的贡献。第二,AI 相关股票已把显著的宏观生产率提升「算作自己的功劳」,尤其是直接从基础设施热潮中受益的公司,这使它们对任何「路径不如预期乐观」的迹象更脆弱。第三,增速见顶这个点(「二阶导」拐点)往往本身就有意义,即使底层增速(「一阶导」)仍然健康。跨过这个顶,市场就会给一个不确定分布的上限划定边界;而随着增速放缓,超预期期往往也同时结束——AI 资本开支周期可能正开始出现这种情况。
市场已经在反映这些担忧。6 月以来,与 AI 基础设施主题高度绑定的公司出现明显降估值,它们对投资前景变化最敏感,也是 2026 年上半年最大的市场赢家。
稳健的利润、以及流向上市公司的收入份额上升,共同帮助压住了我们在 1990 年代末看到的失衡与深度估值泡沫。本轮周期的关键问题是:市场是否正确评估了近期利润加速(已把标普 500 盈利相对 GDP 推至历史新高)中有多少能够持续,尤其在投资周期本身退潮之际。缺少 1997、1998 年 EM 危机带来的资本流入,也没有那一轮科技周期中商品价格通缩所允许的降息,融资需求的上升已在更明确地推高资本成本。
3. 接力棒传递——或者掉棒
- AI 投资增长与盈利能力仍强,应能限制压力。
- 接力棒可能从 AI 基础设施传到其他市场领域。
- 但如果市场看得太远、或其他领域接不住,我们看到的是更大的总量冲击风险。
- 金融条件或信用条件收紧,可能形成反馈回路。
对于「穿越投资周期顶部这段路有多颠」,有两点让我们相对安心。第一,尽管 AI 的投资脉冲看起来要见顶,2027 年 AI 投资与盈利的增长应仍明确为正,尤其是在上半年。我们预计标普 500 盈利增速从 2026 年的 36% 放缓至 2027 年仍属稳健的 11%。这最终可能有助于限制即便最直接受影响领域的降估值,也应减轻对更广泛增长敏感型资产的冲击——不过这也意味着核心利率定价的舒缓空间更小。
第二,接力棒至少在一定程度上可能从 AI 投资热潮的直接受益者,传到市场其他领域:AI 板块内部的其他部分(如超大规模云厂商,如果变现路径更清晰);可能开始显现 AI 生产率提升好处的公司;或因资本被挤出效应缓解而受益的非 AI 公司。
在伊朗战争前夕的低点之后,2026 年利率走高。随后的能源价格飙升与央行定价,是多数 DM 与 EM 利率市场的主要驱动,但实际利率——尤其是美国——在 AI 建设带来的投资需求与持续财政赤字相互作用下继续上行。尽管有这一背景,我们认为包括美国与英国在内的许多经济体,其央行定价相对「大概率会兑现的路径」过于鹰派。即便有能源冲击,底层通胀故事仍相当温和,这意味着政策利率的顶部可能低于 2023–2024 年的水平,并且更早转向。这一判断的风险在于:能源冲击进一步延长,或通胀更黏、劳动力市场像今年一样更有韧性。
在能源供给冲击、加息,以及私人与公共部门支出推升实际利率的环境里,债券一直是对冲效果很差的资产。但我们认为久期的理由已转向更具建设性的方向,原因有三。第一,从静态看,债券收益率现在提供了不错的持有收益和对现金的合理利差。第二,估值便宜(我们预计 2027 年底美国 10 年期国债收益率 4.6%)、仓位低配,且在温和基准情形下,从当前水平还有一定幅度的浅降息空间;若 AI 支出减速更快,空间更大。第三,收益率上行已开始造成压力,暗示更高的实际利率水平可能难以维持。债券已开始展示其作为此类冲击对冲工具的价值——法国主权利差走阔时德债上涨,科技股承压时美债上涨。尽管能源飙升仍是近期风险,但即便在近期上涨之后,我们对债券配置仍更偏正面,部分原因就是这一对冲价值。
但外汇真正的摇摆因素,可能是 AI 相关科技支出见顶如何影响美国股票回报。过去几年,美国在科技相关的宏观与市场超额表现,吸走了来自世界其他地区的股票资金流,也是支撑美元溢价估值的主要因素。我们的基准预测设想全球回报分布更均匀,而不是美国跑输。但如果美国科技表现明显削弱,那很可能伴随美元某种周期性的跑输,而不是传统的「避险买盘」——过去两年我们已在短时间段内看到过。
在这些情形下,英国可能更亮眼。英国国债对油价的 beta 最高,因此这些压力的缓解,可能对英国利率与其财政图景提供最大舒缓。英国股指的科技暴露也低于美国(尽管内含可观的能源暴露),因此在 AI 相关支出放缓及随之而来的市场压力中,也可能更防御。虽然货币也可能受益于更弱的美元背景,但英镑已是我们 G10 覆盖中最被高估的货币。近几个月英镑顺利的事情不少——向新工党政府的平稳过渡、「不添乱」的预算交付、英国央行转向加息、以及有关与欧盟达成更紧密安排的令人鼓舞的表态。但我们认为进一步上涨可能更具挑战,因为我们对英国货币政策的预测相对市场定价最为鸽派。
8. 为热潮融资的压力
- AI 投资融资已把信用与股票发行推至周期纪录。
- 迄今可以被消化,但信用市场需要折价定价,已使利差走阔。
- 美国利差进一步走阔看起来很可能,明显走阔的概率高于明显收窄。
- 欧洲提供更多风险溢价;按揭与结构化信用提供一些避开企业供给的避风港。
信用与股票发行一直在创周期新高,而 AI 投资热潮的融资需求意味着 2027 年这些需求可能进一步累积。到目前为止,这些发行大体上是可以消化的——尽管需要折价定价;我们因这些动态在 2026 年预期的信用跑输,也只是最近几个月才真正显现。主要借款人的资产负债表强劲,虽然超大规模厂商的自由现金流状况急剧恶化,但整体企业部门平衡得多。我们预计 AI 相关发行人与「其他所有」之间的分化将持续,巨型 AI 债务融资的阶段性消化不良,会导致 AI 相关板块利差走阔。
我们预计 2027 年指数层面的信用利差进一步走阔,但在基准情形下幅度相当有限。不过围绕这一判断的风险是偏斜的:很难设想美国信用利差大幅收窄的情形(欧洲风险溢价上升更多,收窄空间更大),而利差如何走阔则更容易设想——尤其如果经济状况比我们预期更差,或投资者对 AI 投资热潮的盈利能力更不安。基准情形下我们预计美国高收益温和跑输(分级走阔),
……但风险在于,较弱借款人的左尾问题会给更广泛的融资造成更动荡的环境。按揭与结构化信用市场可能在一定程度上提供避开沉重企业供给的避风港。1998 至 2000 年,信用利差持续走阔,信用与股票市场之间出现显著脱钩。但缺少 1997、1998 年 EM 危机带来的大规模资本流入与商品价格通缩,我们认为如今那种背离更难出现。
尽管 2027 年的基准宏观背景看起来有利于 EM 投资与 carry 收割,但估值与 carry 水平不那么有吸引力,意味着现在的重点是获取硬通货与本币固定收益中高而分散的收益率。在很多情况下——如南非、匈牙利、哥伦比亚与印度——这些更高收益率伴随改善的财政与结构性改革故事。同样地,就 EM 股票而言,主要市场并不贵,但主指数中的大部分价值是 AI 盈利激增的产物,而这种激增难以重复。因此,看多 EM 股票的理由同样在于获取分散的盈利结构。
EM 股票指数——尤其集中度更低、等权版本——提供的暴露不只是北亚的科技与 AI 板块,还有南非与拉美的周期性与商品相关增长,以及印度这类更大的内需故事。而如果我们看到核心利率或美元的下行幅度大于基准预期,EM 本币资产提供的上行凸性是别处较难复制的。
10. 增长风险与尾部对冲
- 基准温和,但增长风险目前已偏向下行。
- 分散收益来自债券、商品与个股选择。
- 股指波动率还有进一步上行空间。
- 利率下行、USD/JPY 下行、能源上行,以及股票期权的保护。
在经济背景稳定的情况下,我们对 2027 年的基准预测是股票与债券都取得正回报。但市场周期趋于成熟、前景核心驱动因素存在显著不确定性,我们继续强调分散与对冲的价值,以防范关键风险。其中一些风险——更高的油价或黏性核心通胀——可能推高利率;但越来越多的风险——AI 热潮更急剧反转、网络安全担忧、AI 相关的裁员或金融压力——会同时压低增长与利率预期。越往后进入 2027 年,关键风险对债券越可能是有利的,因为央行加息、能源价格飙升与 AI 投资顺风的威胁都在消退。在这种环境下分散仍有价值。如我们所说,随着风险偏斜转变,债券作为分散资产的价值正在回归;而商品——尤其能源——继续为组合扮演对冲角色,尤其在隐含风险溢价如近期那样下降时。
US Economics Analyst: 2027 Capex Outlook: How Much of an AI Boost?
Goldman Sachs Global Investment Research
2026 年是资本开支大年:实际企业固定投资在 2026Q1–Q3 年化增长 11%,四季度预计仍强。其中 AI 支出(…
核心结论
2026 年是资本开支大年:实际企业固定投资在 2026Q1–Q3 年化增长 11%,四季度预计仍强。其中 AI 支出(大量为进口资本品)贡献过半;去年的投资税收优惠也带来可观提振,足以抵消 IRA 与芯片法案补贴退坡后厂房建设下滑的拖累。2027 年 AI 仍将是企业投资增长的主导力量,但在官方统计中的体现会小于实际。
要点 1
2026 企业投资年化 +11%
要点 2
AI 贡献过半
要点 3
2027 AI 仍是主驱动,统计上被低估
原文:高盛 Research《US Economics Analyst: 2027 Capex Outlook: How Much of an AI Boost?》,2026 年 11 月 12 日,14 页
本文为中文编译精读,非原文逐句翻译;数字与表述以原文为准。报告版权归高盛所有。
中文原文
美国 2027 资本开支展望:AI 到底能推多少?
US Economics Analyst: 2027 Capex Outlook: How Much of an AI Boost? · 高盛 · 2026 年 11 月 12 日 · 14 页
2026 年是资本开支强劲的一年:2026 年一至三季度实际企业固定投资折年增长 11%,我们预计四季度再录得一个强劲季度。AI 支出——其中大部分是进口资本品——贡献了该增长的一半以上。去年财政法案中的投资税收激励很可能带来可观提振,超过 IRA 与《芯片法案》补贴效应消退导致的制造业厂房建设下滑所带来的温和拖累。
2027 年 AI 仍将是企业投资增长的主导驱动,但其在官方统计中的影响会小于企业支出数据所显示的。我们估计,到 2026 年底,AI 相关硬件与知识产权支出将超过折年 9,000 亿美元(较 2025 年增加 5,500 亿美元),到 2027 年底达 1.4 万亿美元(再增 5,000 亿美元),约相当于美国 GDP 的 4%。然而,半导体投资在企业投资统计中被低估,且多数信息处理设备为进口、因而在 GDP 中被净掉。结果是,我们估计 AI 相关投资将直接提振 2027 年真实资本开支增速 5.3pp,但只提振统计资本开支增速 4.3pp;将提振真实 GDP 增速 0.6pp,但统计 GDP 仅……
中期选举结果目前对 AI 投资只构成温和风险。我们预计在占全美计划数据中心容量三分之一以上的州,新当选的民主党州长将对新建数据中心实施禁令。但这些很可能只影响尚未获批的项目,2027 年计划建设的绝大部分不受影响。因此我们预计明年数据中心建设支出仍强劲,不过若禁令比我们预期更严或更久,则构成下行风险。
在 AI 之外,我们预计 IRA 与《芯片法案》补贴的制造业厂房支出下滑将继续拖累资本开支。该下滑今年拖累资本开支增长 0.5pp,我们预计明年再减去 0.4pp。这一拖累将被部分抵消——为装备建设接近完工的工厂而产生的设备支出。
知识产权与设备投资今年非常强劲,很大程度上源于 AI 支出——我们估计其贡献了今年整体企业固定投资增长的 6.5pp。去年财政法案中的投资税收激励通过降低美国企业的资本成本来激励企业投资,很可能带来约 3pp 的可观提振。这超过了通胀削减法案(IRA)与《芯片法案》补贴效应消退导致的制造业厂房建设下滑所带来的温和拖累。
AI 投资仍将是 2027 年资本开支增长的主导驱动。我们估计,AI 相关硬件与知识产权支出到 2026 年底将超过折年 9,000 亿美元(其中硬件约 8,000 亿美元),到 2027 年底达 1.4 万亿美元(硬件折年 1.3 万亿美元),约相当于美国 GDP 的 4%。我们的预测反映了股票分析师对超大规模厂商与领先 AI 基础设施提供商的资本开支预期。我们预计明年的投资增量会前倾,投资增速在下半年有所放缓。
我们预测 2027 年 AI 支出增加 5,000 亿美元、即 GDP 的 1.5%,略低于 2026 年的 5,500 亿美元增量。但对统计 GDP 增长的贡献仍会小得多,原因有三。第一,虽然我们预计名义支出增加 5,000 亿美元,但我们预计实际支出增长 2,500–3,000 亿美元、约合 GDP 的 0.8%,主要反映计算机与半导体价格非常强劲的上涨。
第二,用于驱动 AI 基础设施的多数设备是进口的,因此投资提振在 GDP 统计中大体被更高的进口抵消。如图 4 左panel 所示,信息处理设备支出的变化与信息处理进口的变化几乎一一对应。虽然进口半导体(尤其)的增值很大一部分来自芯片设计——在美国完成、应计入美国 GDP——但图 4 右panel 表明,其中只有很小份额被计为美国技术服务的出口。
第三,GDP 统计把半导体视为中间投入(从而排除在投资支出之外),因为过去它们几乎总是作为其他再售商品的投入,若计为投资在历史上会导致重复计算。但对用于训练 AI 模型的半导体,这并不合适,这意味着统计资本开支增速低估了真实资本开支增速。事实上,这意味着用于 AI 的进口半导体对 GDP 是负贡献,因为它们被计为进口、却不……
我们的估计隐含:AI 投资的直接效应将在今年与明年各提振统计实际 GDP 增速 0.2pp。在加回半导体投资与芯片设计服务出口后,我们估计对真实 GDP 增速的影响在 2026 年为 0.8pp、2027 年为 0.7pp,更为可观。
我们还估计了几项对 GDP 的间接外溢效应,包括:AI 公司带动的股市财富效应对消费支出的提振;AI 需求外溢导致的更高电价与其他价格对家庭实际收入与消费支出的打击;以及我们估计的对其他支出的有限挤出效应。把 AI 投资可统计与不可统计的直接效应、加上这些间接外溢效应一并计入,我们估计 AI 支出将在 2026 与 2027 年各提振实际 GDP 增速 0.6pp。
中期选举结果目前对 AI 投资只构成温和风险。我们预计在得克萨斯、佐治亚与密歇根——这三个州占全美计划数据中心容量三分之一以上——新当选的民主党州长将对新建数据中心实施禁令。但我们不预期 2027 年出现实质中断,原因有三。第一,这些禁令很可能只影响尚未获批的项目,2027 年计划建设的绝大部分不受影响。第二,支出通常集中在 2–3 年建设期的后半段,意味着任何被推迟的未来超大规模厂商支出,其大部分本来也不会发生在 2027 年。第三,我们不预期禁令会长期存在。
近期 AI 相关的市场压力与新的监管不确定性,让「AI 投资周期能否持续」重新成为核心争议。本期 Top of Mind…
核心结论
近期 AI 相关的市场压力与新的监管不确定性,让「AI 投资周期能否持续」重新成为核心争议。本期 Top of Mind 访谈 Social Capital 的 Chamath Palihapitiya,以及 GS 的 Eric Sheridan、Miriam Wheeler 与其他信用与股票分析师,围绕四个问题展开:当前压力的来源是什么、AI 生态中的风险由谁承担、AI 主题的 ROI 前景现在处于什么位置、投资者在当下应如何应对。
要点 1
AI 周期可持续性成为核心争议
要点 2
拆解 AI 生态中的风险分布(谁承担风险)
要点 3
ROI 前景的最新定位与应对方式
原文:高盛 Research《Top of Mind: Is the AI investment cycle durable?》,2026 年 11 月 10 日,24 页
本文为中文编译精读,非原文逐句翻译;数字与表述以原文为准。报告版权归高盛所有。
中文原文
Top of Mind:AI 投资周期还可持续吗?
Top of Mind: Is the AI investment cycle durable? · 高盛 · 2026 年 11 月 10 日 · 24 页
AI 投资周期还可持续吗?
近期 AI 相关的市场压力与新的监管不确定性,正对 AI 投资周期的持久性提出新的疑问。为寻找答案,我们请来 Social Capital 的查马斯·帕里哈皮提亚,以及高盛的埃里克·谢里丹与米丽亚姆·惠勒,还有其他高盛信用与股票研究分析师,讨论当前压力的来源、AI 生态系统中谁承担风险、回报率(ROI)前景现在处于什么位置,以及投资者该如何应对当前的低谷。
查马斯·帕里哈皮提亚(Social Capital 创始人兼 CEO)
「(我看到)承诺的数据中心容量、实际容量与回报之间存在错配。这对新型云厂商尤其重要——它们对 GPU、电力与数据中心容量作出巨大承诺,而支撑这些承诺所需的需求,最终取决于终端客户能否从其 AI 支出中获得有意义的回报。」
AI 投资周期几乎看不到放缓迹象,科技公司对 AI 建设的承诺金额越来越大。但近期股票与信用市场中 AI 相关的压力、日益增加的循环融资安排、以及美国中期选举「蓝色海啸」后新的监管不确定性,正对「当前支出节奏能否持续」以及「AI 主题本身的持久性」提出新的疑问。那么,AI 投资周期有多持久?什么可能导致它转向?放缓对那些一直受益的公司与市场意味着什么?
我们首先与 Social Capital 创始人兼 CEO 查马斯·帕里哈皮提亚讨论 AI 生态系统中压力最大的领域:新型云厂商。他解释,它们的根本脆弱性在于一种用投机性短期收入支撑固定长期义务的商业模式。他说,这使新型云厂商依赖其承诺交付的数据中心容量的利用率,而交付这些容量本身就复杂得令人头疼。但他强调,利用率门槛同样令人生畏——因为算力需求必须以足够快的速度增长,才能超过持续的芯片与模型效率提升、并支撑新型云厂商已承诺建设的容量。他认为,实现这种需求增长最终取决于大型企业能否从其 AI 支出中获得有意义的 ROI——他认为这终将发生,但质疑是否快到足以让投资者坚持到底。话虽如此,他指出新型云厂商并非生而平等,拥有土地、电力与机壳这些约束性资源的一方,比租赁这些资源的一方处境更好。
接着我们请到高盛资本解决方案集团信用与资产融资部杠杆融资全球主管米丽亚姆·惠勒,从第一手视角看资本市场对这种非投资级发行在告诉我们什么投资者胃口。她指出,在投资者对交易供给与变化中的政治背景的担忧中,高收益市场 AI 交易的节奏已明显放缓。虽然她认为数据中心交易在高收益市场仍可完成,但她预计市场将日益分化,顶级开发商与项目可能继续比其他方更容易获得资本。
随后高盛首席信用策略师阿曼达·莱纳姆讨论继续为 AI 建设融资面临的更广泛信用市场挑战。她认为,更高的资本成本可能成为进一步资本开支的门槛(尤其对非投资级),但更大的问题是市场饱和——鉴于投资级债务发行的规模、以及日益上升的表外义务,正让评级机构与信用投资者愈发犹豫。她说,资产配置者正越来越多地在一系列资产类别(包括股票、银团信用与私募市场)之间平衡其整体 AI 暴露。因此她预计投资者对在何处、以什么价格承担 AI 暴露会越来越挑剔。而与帕里哈皮提亚一样,莱纳姆认为变现的证据将是缓解评级下行压力、并维持投资者继续为 AI 建设融资意愿的关键。
所以关键问题仍是:大量 AI 资本开支能否产生足够回报?若能,这些回报会在投资者放弃该主题之前变得可见吗?我们再次与高盛美国互联网与互动娱乐首席分析师埃里克·谢里丹交谈。他认为,围绕回报潜力的「幻灭低谷」是算力周期的常见特征,当前这一幕与本轮周期中此前出现的低谷并无不同——尽管投入的美元大幅增长,赌注无疑更高。他说,虽然 ROI 的可见性从来不会像投资者希望的那么快,但超大规模厂商如今的收入储备远高于几年前,且在他看来可以「轻松实现 15% 以上的投入资本回报率」(高盛美国高级组合策略师瑞安·哈蒙德认为应用层要爬的收入之墙比超大规模厂商更高,但也认为可能可以实现)。
话虽如此,谢里丹呼应帕里哈皮提亚的总体看法:若算力需求令人失望、资本获取广泛受阻、或 AI 生态系统发现数据中心所需电力不足,「当前的幻灭低谷可能变成更深的低谷」。
那么投资者应如何穿越当前低谷?我们的受访者一致认为应布局安全性——惠勒看到投资者持续聚焦于「向更高质量信用上移」。帕里哈皮提亚与谢里丹解释,凭借强劲的资产负债表、多元化的商业模式、以及现有数据中心容量(若监管最终限制 AI 扩张,这些容量可能更有价值),超大规模厂商在抵御 AI 投资周期潜在放缓方面仍处于相对有利位置。
查马斯·帕里哈皮提亚是 Social Capital 的创始人兼 CEO,这是一家投资变革性技术的风险投资公司。他曾是 Facebook 高管团队的早期成员,并在 Mayfield Fund、AOL 与 Winamp 担任领导职务。下文他认为,AI 投资周期的可持续性最终取决于终端客户能否从其 AI 支出中获得有意义的回报,而这尚未发生。
我先说明:我对 CoreWeave 没有特别的意见,也没有多空立场。我的担忧来自我在 AI 栈上下游的经历。在栈的下游,我花了大量时间投资土地、电力与机壳——即实体数据中心基础设施——因为很明显电力正成为 AI 建设的约束性瓶颈。在栈的上游,我创办了 8090(一个 AI 原生的软件开发平台),以理解 AI 如何转化为实际的 ROI,因为我不确信它在转化。这些经历揭示了承诺的数据中心容量、实际容量与回报之间的错配。这对新型云厂商尤其重要——它们对 GPU、电力与数据中心容量作出巨大承诺,而支撑这些承诺所需的需求,最终取决于终端客户能否从其 AI 支出中获得有意义的回报。
需求侧最难的问题是变革管理。企业起步时对 AI 提升生产率与盈利能力有宏大的设想,但现实是 AI 项目难以落地。企业中层往往对该技术持怀疑或恐惧态度,因此抵制实施,显著拖慢扩散。而即便 AI 带来生产率提升,这些收益也常常在价值链其他地方流失;AI 也许每天为员工省下两小时,但这不一定意味着雇主获得两小时的生产性产出。因此,今天能把盈利或利润率改善归因于 AI 的公司数量基本为零。
这正是终端客户 ROI 如此重要的地方。芯片与模型效率可能改善客户的 AI 经济性,但对新型云厂商不一定。一家对特定 GPU 等级作出长期承诺的运营商,不能因为英伟达发布新版本就每年升级硬件,因为它必须摊销已购资产。而如果更小的模型能完成与更大模型相同的工作,客户用更少的 token 与更少的算力就能得到相同结果。所以,需求增长必须足以抵消这些效率提升、并支撑新型云厂商已承诺建设的容量。
关键在于,这种需求必须与 ROI 挂钩。如果终端客户——尤其是大型企业——开始出现有意义的 ROI,AI 支出将大幅增加。届时 token 消耗与利用率会爆表。那种情形下……芯片厂商与模型公司。这是新型云厂商的牛市情形。熊市情形很大程度上是现状:企业继续在 AI 上花钱,但大部分支出留在试验阶段,而非变成大额、经常性的企业承诺。那种情形下 token 消耗永不爆炸,新型云厂商困在 75–85% 的利用率灰区——赚钱,但不足以在硬件过时之前还清债务。这个结果不需要情况变得多糟。
艾莉森·内森:为什么即便在大规模使用 AI 的组织里,有意义的 ROI 仍未出现?
帕里哈皮提亚:token 消耗增加与 AI 智能体使用上升,并不必然让企业更赚钱。事实上可能降低利润,因为更多智能体干更多活,可能提高总成本,即便每 token 成本在下降。
帕里哈皮提亚:大概不会。行业更可能经历一段理性化过程,可能发生在几个地方。一个是终端市场:客户可能拒绝增加支出,除非、并且直到他们看到清晰回报。另一个是债务市场:如果贷款方仍不认同新型云厂商的利用率假设、或它们未能用具体证据支撑这些假设,资本成本会上升。最弱的信用可能面临接近 20% 的借款成本,CDS 利差可能接近 1000bp,甚至 IG 借款人也可能面临接近两位数的融资成本。资本成本是最强大的强制机制:如果 AI 生态系统必须以 12–20% 的利率为自己融资,市场实际上就是在告诉参与者别再胡闹、把 ROI 的逻辑讲清楚。
这一切都不需要灾难性结果。少数新型云厂商可能只是得出结论认为其商业模式不可行,选择出售资产或转让租约。容量的需求是真实存在的,包括来自超大规模厂商——它们仍极度受供给约束。所以,如果融资市场动摇,那些公司可能成为自然的资产买家,如我们讨论的。因此更可能的结果是调整与资产重新分配,而不是崩盘。但底层问题不变:仍须有人提供直接、可证伪的证据,证明 AI 支出与 ROI 之间存在直接联系。而目前还没有人做到。
不过,token 通缩未必是负面发展。部署 AI 的成本是阻碍企业采用的关键因素,所以 token 成本下降最终应有助于推动更广泛采用——这几乎是每一个技术创新周期的情形。所以超大规模厂商可能在量上弥补价格上的损失。
珍妮·格里姆伯格:用债务为 AI 建设融资日益增加,是近期担忧的另一个关键领域。资本市场最终会制约投资周期吗?
谢里丹:我关注这些担忧,但问题比「债务市场是否会继续为持续建设开放」更微妙,因为并非所有发行人都一样。例证:CoreWeave 的债务几周前经历相当压力,而微软次周的债务发行获得 5 倍 超额认购。目前,超大规模厂商强劲的经营现金流、资产负债表与底层业务,使它们比生态系统中许多其他参与者拥有更大的融资灵活性。即便如此,资本获取是 AI 投资周期的关键门槛。信用市场不会以完美线性的方式扩张,消化不良的时期可能推迟项目或提高所需回报。所以我们会密切关注资本市场准入从此如何演变。
珍妮·格里姆伯格:上次交谈时你说,相互关联的 AI 融资安排令人担忧。这种复杂性是否增添了又一层担忧?
谢里丹:是的;循环性继续让我不安,让我想起 1990 年代末的电信基础设施大建设——当时公司之间用债务互换产能,一家公司的收入是另一家的产能,一旦债务负担过高,整个结构就崩塌。循环融资可能制造这样一种动态:有人开始抽一根线头,然后你的整件毛衣就掉到脚边。但我更担心生态系统中较弱的公司,而非较强的。关键区别在于依赖外部融资的公司,与用自身现金流为 AI 投资融资的公司。对 Meta、亚马逊与 Alphabet,来自外部的循环性融资很少。循环融资在供应链中普遍得多——信贷被提供给扩张者、建设者、以及为这些供应商创造收入的公司。那是我看到与 1990 年代最接近的类比。
珍妮·格里姆伯格:你认为最可能导致投资周期放缓的是什么?
谢里丹:人们似乎希望我根据股价来回答这个问题,但股价不会驱动这个决定。超大规模厂商不是那样运作的——它们承受股价痛苦的时间远长于多数投资者,这在多个周期中都成立。当 Meta 开始转向短视频时,其股价下跌,每个投资者都认为 Meta 得认输。但它没有,而当投资者接受公司更长久期的看法后,股价暴涨。如果 AI 投资周期逆转,将是因为三个问题之一:需求令人失望、如我所说缺乏资本获取、或缺乏电力。我们没看到需求问题。几乎以任何标准衡量,AI 需求信号都在增强而非减弱,而供给远未跟上。但需求曲线出现未预见的扰动可能导致过度建设,促使企业收回投资。资本获取的持续中断可能在需求之外延长供需失衡的时间,这会压垮那些需要需求来履行财务义务的公司。而为满足需求而上线的供给,取决于公司能否找到并建设土地、电力与机壳。能源无法像土地与机壳那样快速扩张,所以即便资本与建设意愿都在,生态系统也可能发现电力不足。所以,如果这三个拼图之一缺失,当前的幻灭低谷可能变成……
珍妮·格里姆伯格:如果数据中心开发放缓、且中期选举后 AI 监管加强,会如何影响你的展望?
谢里丹:它很可能首先放慢供给上线的速度,而非根本改变需求图景。若监管使建数据中心或获取电力更难,超大规模厂商可能不得不延展投资时间表、优先考虑预期回报最高的项目、并在何处部署资本上更挑剔。在某些方面,这实际上可以通过让算力供给更长时间保持紧张,支撑既有资产基础的经济性。若监管提高建设基础设施的成本或复杂度,超大规模厂商处于相对有利位置,因为它们有资产负债表、既有产能与经营现金流来吸收这些成本。事实上,更高的进入壁垒可能进一步有利于更大平台、而非更小或杠杆更高的平台。但若监管实质性限制 AI 如何部署或变现,则可能影响需求曲线,进而影响所有这些投资的回报。
珍妮·格里姆伯格:最终,如果 AI 投资周期逆转,谁承担风险?
谢里丹:虽然超大规模厂商处于 AI 基础设施建设的心脏,但鉴于其资产负债表与核心业务的强度,它们不太可能陷入不利境地。更尖锐的风险很可能落在 AI 生态系统更外围、未来收入更集中于 AI 主题的参与者身上。当前估值倍数在这方面提供了一些线索;交易在个位数到低两位数 EPS 倍数的 AI 相关公司之所以如此,是因为投资者完全不知道其收入在 2028 年会增长还是崩塌——取决于 AI 经济性、供给与采用如何演变。所以市场已经嗅到了这一风险。
这些情形下的所需收入规模很大,但可能可以实现。例如,全球企业每年在软件上支出约 1.5 万亿美元,其中一部分可重新分配给 AI 应用层公司。额外收入也可能来自我们经济学家估计 AI 最终将产生、并归属资本的 1.8 万亿美元 潜在年度美国劳动生产率收益——尽管并非所有这些收益都必然归属于 AI 基础设施与应用层公司。话虽如此,若 2028 年资本开支再强劲增长一年,收入门槛将进一步提高。若计入物理 AI 或出现……资本开支需求、进而收入门槛也将大幅上升。
但这在很大程度上取决于 token 需求……
往前看,token 数量的增长需要超过 token 价格的下降,才能维持算力需求、从而维持投资支出的增长。一些 token 数量的替代指标在夏天放缓,恰逢许多 AI 基础设施股票遭到抛售,尽管近几个月数量已回升。
企业 AI 采用仍处早期,但将是应用层收入的关键来源。三季度财报季,约一半标普 500 公司讨论了内部 AI 用例,其中 13% 量化了 AI 生产率对特定用例(如编程或客服)的影响,4% 量化了其对盈利的影响——两者均较二季度略有上升。多数公司还指出 AI 成本仍相对较小、AI 支出有纪律、和/或 AI 使用的收益超过成本。我们估计当前 AI 推理费用相对其他企业费用仍非常小,但近期企业 AI 支出的加速表明,企业 AI 采用的影响在未来几个季度应会越来越清晰。
AI 投资周期图集
AI 投资周期有望达到比以往任何技术投资周期都更高的 GDP 占比……(各类基础设施平均年度支出占 GDP 比重)
Asia Economics Analyst: China’s Tighter Tax Enforcement: A Structural Trend, but Insufficient to Resolve Government Funding Shortfalls
Goldman Sachs Global Investment Research
按 GS 估算,财政收紧可能是今年中国 GDP 增长的最大拖累,而税收征管趋严是关键推手。本篇拆解征管如何收紧、今年为何…
核心结论
按 GS 估算,财政收紧可能是今年中国 GDP 增长的最大拖累,而税收征管趋严是关键推手。本篇拆解征管如何收紧、今年为何加强、其收入贡献相对其他融资缺口有多大,以及对宏观的影响与后续路径。征管趋严既反映财政压力上升,也得益于数字化监控能力提升;土地出让收入下滑与政府债务高企,加大了对新收入来源的需求。
要点 1
财政收紧或是今年最大拖累
要点 2
征管趋严=财政压力+数字化监控
要点 3
土地收入下滑推高新收入需求
原文:高盛 Research《Asia Economics Analyst: China’s Tighter Tax Enforcement: A Structural Trend, but Insufficient to Resolve Government Funding Shortfalls》,2026 年 11 月 9 日,15 页
本文为中文编译精读,非原文逐句翻译;数字与表述以原文为准。报告版权归高盛所有。
中文原文
中国:税收征管趋严是结构性趋势,但不足以化解财政缺口
Asia Economics Analyst: China’s Tighter Tax Enforcement: A Structural Trend, but Insufficient to Resolve Government Funding Shortfalls · 高盛 · 2026 年 11 月 9 日 · 15 页
按我们估算,财政收紧可能是今年中国 GDP 增长的最大单一拖累,而税收征管趋严是关键驱动。本篇分析更严的征收如何运作、为何今年加剧,量化其相对其他融资挑战的收入影响,并评估其宏观含义与未来轨迹。
……广泛的税率上调,但税收征管趋严应持续存在,而非一次性。在我们看来,更高的税收收入与持续的预算外融资压力,可能终结中国广义财政赤字连续十年徘徊在 GDP 10% 以上的局面。
按我们估算,财政收紧可能是今年中国 GDP 增长的最大单一拖累,而税收征管趋严是关键驱动。本篇分析更严的征收如何运作、为何今年加剧,量化其相对其他融资挑战的收入影响,并评估其宏观含义与未来路径。
由于征管趋严的收入影响难以单独剥离,我们采用间接方法:把税收收入增速对实际 GDP 增长与 GDP 平减指数做回归,检视残差。2020–24 年间歇性的减税与递延、以及相关基数效应显著扭曲了收入增速。但今年没有重大扭曲,我们估计约 3,000 亿元 的税收增量无法由实际 GDP 增长与通胀(以 GDP 平减指数代理)解释,可能反映税收征管趋严。若征管趋严能解释全部残差,按我们估算,它将贡献中国广义财政赤字(AFD)从 2025 到 2026 年预计收窄 1.4pp 中的 0.2pp。除财政影响之外,更严的执法也削弱了私营部门信心与……
1. AI 工厂的崛起:正如我们在此前报告中写到的,我们看到新的商业模式正在涌现——围绕如何重新思考数据中心、并协调日益复杂的基础设施(电力、算力、网络、冷却与数据),构成更广义的 AI 工厂。我们把这个主题下的公司分为四类:1)电力(或加速获取电力);2)算力(提升可用算力交付);3)网络与光互连;4)冷却与数据。
China Investment Dashboard: 2026Q3: Investment Growth Slowed Further on Fiscal Tightening and Property Weakness
Goldman Sachs Global Investment Research
三季度整体固定资产投资增速进一步放缓。GS 仍提示国家统计局对既往高报数据的「统计修正」可能放大了近期 FAI 波动,但…
核心结论
三季度整体固定资产投资增速进一步放缓。GS 仍提示国家统计局对既往高报数据的「统计修正」可能放大了近期 FAI 波动,但其他口径同样确认:在财政进一步收紧与地产下行加深的背景下,投资持续减速。GS 自建投资跟踪指标显示,三季度实际投资增速由 Q2 的 2.0% 微降至 1.9%,为 2021Q4 以来最慢;国企与民企之间的 FAI 增速分化依然显著。
要点 1
Q3 实际投资 +1.9%,2021Q4 以来最慢
要点 2
财政收紧+地产加深双拖累
要点 3
国企与民企分化显著
原文:高盛 Research《China Investment Dashboard: 2026Q3: Investment Growth Slowed Further on Fiscal Tightening and Property Weakness》,2026 年 10 月 29 日,15 页
本文为中文编译精读,非原文逐句翻译;数字与表述以原文为准。报告版权归高盛所有。
中文原文
中国投资仪表盘 2026Q3:财政收紧与地产拖累下增速再放缓
China Investment Dashboard: 2026Q3: Investment Growth Slowed Further on Fiscal Tightening and Property Weakness · 高盛 · 2026 年 10 月 29 日 · 15 页
投资动能:三季度整体 FAI 增速进一步放缓。虽然我们仍谨慎认为,国家统计局对以往高报数据偶发的「统计修正」可能放大了近期 FAI 的波动,但替代指标确认了在财政进一步收紧与地产下行加深之下,投资持续放缓。我们自有的投资跟踪指标显示,中国实际投资增速从二季度的 2.0% 同比微降至三季度的 1.9% 同比,为 2021 年四季度以来最慢。国企与非国企之间、较发达的沿海与欠发达的内陆之间、以及高科技与其他行业之间的 FAI 增速分化仍然显著。关于 AI 相关投资,我们的互联网研究团队预计中国超大规模厂商的名义资本开支在未来几年可能继续上升,但仍远低于美国水平。不过数据中心的在运容量显示,中美差距小于超大规模厂资本开支所暗示的——这反映两者在……
1. 2026 年迄今,全球增长出奇地「不出彩」。全世界与 G3 经济体都在按我们对潜在 GDP 的估计增长。我们的解读是:财政宽松与 AI 热潮的正向脉冲,抵消了伊朗战争的负面脉冲与更高美国关税的持续拖累。
2. 我们常设的全球 GDP 预测显示 2027 年大同小异,因更低能源价格抵消财政与 AI 顺风的消退。但风险天平偏下行。最直接的担忧是:能源价格非但没有回落,反而因对中东局势再度升级的恐惧再次大幅攀升。汽油、柴油、航空煤油与欧洲/亚洲天然气价格现已接近甚至高于 3/4 月高点,对消费者与能源进口经济体很可能产生负面影响。
3. 虽然我们不预期 2027 年财政政策有重大变化,但大规模赤字的后果——加上 AI 相关借款与央行加息——已开始更清晰地体现在更高的长期利率上。这些变动大体有序,但自 2026 年初以来在 DM 收益率曲线上平均上升了可观的 100bp。若持续,我们估计这一上升将通过楼市、消费耐用品与企业投资的疲弱,累计减去 GDP 的 0.6%。(我们的常设预测只纳入了部分拖累,因为我们预计随着央行加息少于市场定价,债券收益率会回落。)
4. 即便在近几周对 AI 投资热潮可持续性的担忧加剧之前,AI 热潮的增长脉冲本就定于 2026 年末或 2027 年初见顶。虽然 AI 投资仍在快速增长,但我们预计其占 GDP 的增量将在未来一年放缓。加上去年美国折旧免税额提高带来的提振消退,这将压制资本支出增长,尤其在美国。AI 还通过正财富效应在过去一年为美国消费支出增长贡献了估计 0.4pp(或 GDP 的 0.25%)。这一影响在未来一年很可能减弱——若股市表现符合我们策略师相对乐观的预期则渐进减弱,若 AI 相关股票继续下跌则更急剧。
5. 我们的基准情形仍是 AI 投资最终将以更高生产率与全经济利润的形式回报。但这一回报的一个关键渠道是劳动力市场扰动,它带来近期的负面宏观影响。虽然 DM 劳动力市场在总量上仍显稳健,我们开始看到更清晰的迹象表明 AI 的影响正扩散到科技部门之外。在非制造业中,已把 AI 用于常规业务职能的美国企业占比,与就业增长呈统计显著的负相关、与失业率呈统计显著的正相关。
Global Economics Comment: A Moderate Boost to DM Inflation from AI Demand
Goldman Sachs Global Investment Research
各国央行越来越把 AI 建设列为通胀驱动因素,关注点集中在供给瓶颈、进口价格上升,以及近期国内需求压力与更滞后、更不确定…
核心结论
各国央行越来越把 AI 建设列为通胀驱动因素,关注点集中在供给瓶颈、进口价格上升,以及近期国内需求压力与更滞后、更不确定的生产率收益之间的时点错配。本篇更新 GS 全球模型(扩展美国团队对 AI 通胀压力的分析),评估 AI 相关通胀风险的规模。直接的 AI 通胀压力目前仍属温和,主要通过资本品与电力价格传导。
要点 1
央行开始把 AI 基建视为通胀来源
要点 2
供给瓶颈+进口价格是主渠道
要点 3
需求先于生产率到来造成错配
原文:高盛 Research《Global Economics Comment: A Moderate Boost to DM Inflation from AI Demand》,2026 年 10 月 26 日,9 页
本文为中文编译精读,非原文逐句翻译;数字与表述以原文为准。报告版权归高盛所有。
中文原文
全球通胀:AI 需求对发达市场的温和推升
Global Economics Comment: A Moderate Boost to DM Inflation from AI Demand · 高盛 · 2026 年 10 月 26 日 · 9 页
全球经济学评论:AI 需求对发达市场的通胀带来温和提振
全球央行官员越来越多地把 AI 建设列为通胀驱动因素,评论聚焦于供给瓶颈与进口价格上涨带来的通胀风险,以及「近期国内需求压力」与「更滞后、更不确定的生产率收益」之间可能的时点错配。
本篇刷新我们的全球模型(延伸美国团队近期对美国 AI 通胀压力的分析),以评估 AI 相关通胀风险的规模。
Asia in Focus: China: Property Downturn Deeper Than Previously Anticipated, But Its Growth Drag Should Still Ease Gradually in the Years Ahead
Goldman Sachs Global Investment Research
中国地产下行已进入第六年。GS 此前预计地产对实际 GDP 的拖累会从去年到今年有所收窄,但今年至今多数住房活动指标远弱…
核心结论
中国地产下行已进入第六年。GS 此前预计地产对实际 GDP 的拖累会从去年到今年有所收窄,但今年至今多数住房活动指标远弱于预期。此外,近期宣布的从预售转向现房销售,意味着未来几年开发商融资更紧、地产投资更低。本篇更新地产对实际 GDP 增长贡献的估计。
要点 1
地产下行第六年
要点 2
多数指标弱于预期
要点 3
预售转现房将进一步压制投资
原文:高盛 Research《Asia in Focus: China: Property Downturn Deeper Than Previously Anticipated, But Its Growth Drag Should Still Ease Gradually in the Years Ahead》,2026 年 10 月 25 日,10 页
本文为中文编译精读,非原文逐句翻译;数字与表述以原文为准。报告版权归高盛所有。
中文原文
中国:地产下行比预期更深,但对增长的拖累应会收窄
Asia in Focus: China: Property Downturn Deeper Than Previously Anticipated, But Its Growth Drag Should Still Ease Gradually in the Years Ahead · 高盛 · 2026 年 10 月 25 日 · 10 页
中国的地产下行现已进入第六年。虽然我们此前预测地产对实际 GDP 增长的拖累会从去年到今年有所收窄,但今年迄今多数住房活动指标都比预期弱得多。此外,近期宣布的从预售转向现房销售,意味着未来几年开发商融资更紧、地产投资更低。本篇更新我们对地产部门对实际 GDP 增长贡献的估算,以反映年内数据与这一政策变化。
我们更新的估算显示,地产市场占中国实际 GDP 的比重将从当前约 15%(峰值时近 30%)降至 2030 年起的约 8%。把五个直接渠道加总——建筑、地产服务、上游效应(通过商品需求)、入住相关消费、以及土地出让相关的财政渠道——我们估计 2026 年对实际 GDP 增长的拖累为 1.8pp,略大于 2025 年的 1.7pp。我们预计这一直接拖累到 2027 年收窄约 0.5pp 至 1.3pp,到 2030 年大体消退。计入间接的住房财富效应会放大估算的增长影响,但这不改变我们的结论:地产对实际 GDP 增长的拖累在未来几年应逐步减弱。
中国前所未有的地产下行现已进入第六年。虽然我们此前预测地产对实际 GDP 增长的拖累会从去年到今年有所收窄,但今年迄今多数住房活动指标都比预期弱得多。此外,近期从预售转向现房销售的政策公告,意味着未来几年开发商融资更紧、地产投资更低。本篇通过纳入年内数据、计入政策变化影响、并调整部分底层估算假设,更新我们对地产部门对实际 GDP 增长贡献的估算。
住房模型设定回顾
我们把地产部门对中国实际 GDP 同比增速的贡献分解为五个主要直接渠道:建筑、地产服务、上游效应(主要通过商品需求)、入住相关消费、以及土地出让相关财政效应。估算基于一系列广泛的住房指标——包括新开工、销售、施工面积、地产固定资产投资(FAI)与土地出让收入——及其与相关经济部门活动的历史关系。把这些渠道加总,可以估算该部门的年度增长影响,并用我们对关键地产指标的自有预测外推其未来路径。我们 2018 年引入这一框架,此后几年持续更新。
Taiwan: AI-Boom Boosts Broad Activity—Upgrading the Growth Forecast and Expecting a Rate Hike Cycle to Begin in December
Goldman Sachs Global Investment Research
台湾是本轮 AI 热潮的关键受益者。韩国同样受益,但台湾的宏观影响更快更强:台湾的溢出主要通过本地科技供应链的产出扩张,…
核心结论
台湾是本轮 AI 热潮的关键受益者。韩国同样受益,但台湾的宏观影响更快更强:台湾的溢出主要通过本地科技供应链的产出扩张,韩国主要靠存储涨价。内需全面走强:台湾工资增长快于韩国,叠加正财富效应加速了私人消费;企业贷款增速在 2026 年中加速至 12.4%,为 1998 年以来最快。
要点 1
台湾受益更快更强(产出扩张 vs 韩国涨价)
要点 2
工资+财富效应推消费
要点 3
企业贷款 +12.4%,1998 年来最快
原文:高盛 Research《Taiwan: AI-Boom Boosts Broad Activity—Upgrading the Growth Forecast and Expecting a Rate Hike Cycle to Begin in December》,2026 年 10 月 23 日,11 页
本文为中文编译精读,非原文逐句翻译;数字与表述以原文为准。报告版权归高盛所有。
中文原文
台湾:AI 热潮带动全面活动,上调增长并预期进入加息周期
Taiwan: AI-Boom Boosts Broad Activity—Upgrading the Growth Forecast and Expecting a Rate Hike Cycle to Begin in December · 高盛 · 2026 年 10 月 23 日 · 11 页
台湾:AI 热潮带动全面活动——上调增长预测,并预计 12 月启动加息周期
台湾是当前 AI 热潮的关键受益者。韩国同样受益,但台湾的宏观影响更快、更强。台湾的外溢主要透过本地科技供应链的产出扩张传导,而韩国主要透过存储涨价传导。
内需正在全面走强。台湾工资增长快于韩国,加上正财富效应……
AI 对台湾经济活动的影响
台湾是当前 AI 热潮的关键受益者。韩国同样受益,但台湾的宏观影响要快得多、强得多——其外溢主要透过广泛的本地科技供应链的即时产出扩张传导。相反在韩国,外溢仍集中在存储芯片涨价上,其直接影响局限于两家主要存储公司。更广泛的外溢要取决于 AI 相关资本开支、财政政策、财富效应与汇率,往往更慢、更弱、更不确定。
Global Economics Analyst: Revisiting the Extent and Timing of AI Labor Displacement
Goldman Sachs Global Investment Research
「AI 即将导致大规模失业」的担忧已经降温,但近期劳动力市场数据仍显示出一些 AI 相关的招聘逆风,市场也越来越关注 A…
核心结论
「AI 即将导致大规模失业」的担忧已经降温,但近期劳动力市场数据仍显示出一些 AI 相关的招聘逆风,市场也越来越关注 AI 的劳动力成本节约是否足以支撑其投资规模。本篇用三种实证方法量化历史上技术对劳动的替代,并推演 AI 的含义:总量冲击显示,技术创新带来的劳动生产率每提升 1%,会带来一段时期的就业减少。
要点 1
AI 失业担忧降温,但招聘已有逆风
要点 2
三种实证方法量化替代效应
要点 3
生产率每升 1% 的就业代价
原文:高盛 Research《Global Economics Analyst: Revisiting the Extent and Timing of AI Labor Displacement》,2026 年 10 月 22 日,15 页
本文为中文编译精读,非原文逐句翻译;数字与表述以原文为准。报告版权归高盛所有。
中文原文
重新评估 AI 替代劳动力的幅度与时点
Global Economics Analyst: Revisiting the Extent and Timing of AI Labor Displacement · 高盛 · 2026 年 10 月 22 日 · 15 页
对 AI 即将造成大规模失业的担忧已经降温。但近期劳动力市场数据已显示一些 AI 相关招聘逆风的迹象,而市场参与者越来越关注:AI 节省的劳动成本是否足以证明投资的合理性。本篇用三种实证方法,量化技术史上如何替代劳动,及其对 AI 劳动力冲击的含义。
那么这些保证金流量在本文的储蓄率分解中落到哪里?答案是:哪里都不落。这是因为 BEA 在 NIPA 中对储蓄的定义包含一项判断性处理:从个人储蓄流量的角度看,以金融资产作抵押的保证金借款不计入负债,因为这类债务被视为一种纯粹的金融资产互换。与之相对,房地产贷款(如抵押贷款,含房屋净值授信额度)对应的是实物资产,BEA 对两者的处理不同。保证金债务在 FAD 更宽口径的家庭资产负债表中是计入的,但在与 NIPA 储蓄对齐时被剔除。
M Exhibit 13: The key beneficiaries lie in five categories, and will create a new generation of winners across automation, robotics, semiconductors, materials, etc, for foundational layers, and Industry 5.0 productivity adopters to achieve global leadership Source: Morgan Stanley Research Exhibit 14: Investment implications – 45 stocks to own GICS Sector Industrials Materials Health Care Info Tech Cons. Communication Services Source: Morgan Stanley Research Morgan Stanley Research 19
工厂里已能看到非常活跃的 AI 采用。 例如法雷奥深圳工厂在 42 个用例中部署了 AI 赋能的制造与先进算法,该厂报告生产率提升 60.2%、成品缺陷下降 45.9%、交付周期缩短 34.5%、单位能耗下降 27.1%。美的芜湖基地落地 113 个数字化用例,其中 35% 由 AI 驱动,包括实时订单管理、高级排程与供应链控制塔;端到端交付周期下降 39%、库存天数下降 30%、市场缺陷下降 86%。
图 25:中国已推出大量数字工厂
M Exhibit 25: China has rolled out a large number of digital factories China Digital Factories 5G + Industrial IoT Projects (LHS) 5G Factories (RHS) 25,000 20,000 15,000 10,000 5,000 2021 2022 2023 2024 2025 Source: MIIT announcement, Morgan Stanley Research Exhibit 27: China’s equipment digitization has reached a high level with a policy target to further improvement Equipment digitalization Key-process numerical control rate Equipment numerical control rate 80% 70% 60% 50% 40% 43% 30% 25% 20% 2012201320142015201620172018201920202021202220232024202520262027 Source: Huawei, MIIT, NDRC, Morgan Stanley Research. The dotted line to 75% represent policy target. Morgan Stanley Research 29
图 27:中国设备数字化已达较高水平,政策目标要求进一步提升
工业 5.0 的早期案例:宁德时代的制造——复杂与智能
宁德时代的制造展现出极高的复杂性与智能化水平:自研产线、大规模实时质量控制,以及海量数据处理能力,构成了显著的竞争优势与高进入壁垒。我们的电池分析师 Jack Lu 去年参观了宁德时代工厂,以下是一些关键数字:
因此,机会更多不是「全面进口替代」,而是构建可互操作、商业可靠的技术栈。我们看到中期潜力最强的,是那些对多个行业有广泛下游拉动的领域——尤其是工业软件、精密设备与先进材料——因为那里的进展可以同时解锁半导体、机器人、航空航天、医疗设备与 AI 原生制造。航空航天与科学仪器也是重要的战略缺口,但由于认证周期长、产量小、更依赖长期积累的科学与系统工程能力,其商业化可能更有选择、也更慢。
中国如何从国产化推进到工业技术主权?
中国从国产化走向技术主权的能力,建立在一个其他经济体很少具备的结构性优势之上——一个巨大的下游制造体系,能够在商业规模上为上游技术提供融资、测试与打磨。如上文所分析,主权要求国产软件、设备、零部件与材料协同工作,并达到可接受的良率、可靠性与全生命周期成本;该系统还必须能够自我重新设计、并为下一代出资。中国约占全球制造业增加值的 30%,拥有完整的工业覆盖,以及电子、机械、电动车、电池与新兴物理 AI 产业的密集集群,这提供了异常强大的领先客户与验证机制。基于以下原因,我们对这一「从国产化到主权」的转变有信心。
中国的对外投资也变得更加以制造为导向:2019–24 年对外直接投资(ODI)年均复合增长 19%,2023 年制造业占 ODI 总量的 15%。中国制造业 ODI 越来越集中在汽车、金属与运输设备,反映从「出口产品」转向「把生产与供应链放到更接近终端市场的地方」。投资在东盟、拉美与部分欧洲增加,因为企业本地化生产以缓解贸易壁垒。这为生态出口提供了起点:产品建立装机基数;海外工厂与服务网络提高客户依赖;接口与标准随之变得更有影响力。
2)海外投资正把中国从出口国变成本地运营者。 2019–24 年中国 ODI 年均增长约 19%,2023 年制造业占 ODI 总量的 15%;制造业 ODI 越来越集中于汽车、金属与运输设备,反映从「出口产品」转向「把生产与供应链放到更接近终端市场的地方」。在我们看来,这为生态出口提供了起点:产品建立装机基数,海外工厂与服务网络提高客户依赖,接口与标准随之更有影响力。在多极世界中,这一进程可能加速——关税与本地含量要求让纯出口模式更难持续,但也鼓励领先的中国制造商发展本地运营以满足本地需求。
中国既有的工业优势在于工程化、商业化、规模化与降本。 在 AI 时代,这一优势将支撑其向上游延伸、进入「发现」环节——通过缩短科学知识、仿真、实验、中试生产与制造反馈之间的循环,在我们看来形成「从发现到制造」的闭环。许多全球产业领袖主要强在研发辅助与预测性设计,而中国的潜在差异化在于中试规模优化与制造反馈,因为它拥有用于实验、中试与商业化的大型物理基础。AI 的工业价值将体现在缩小「实验室到晶圆厂」的差距。
从采纳者到领导者。 如上所述,2025 年中国全国研发支出升至 GDP 的约 2.8%(每年约 5,500 亿美元),绝对额仅次于美国。不断深化的研发生态,强化了它本地化、打磨并商业化下一代工业技术的能力,为长周期的制造业升级提供了可信的创新基础。
M Exhibit 46: China leads globally in top innovation clusters, with 24 clusters in the top 100, underscoring the depth of its R&D ecosystem Note: Gray points (noise) refer to all inventor/author locations not classified as being within a cluster. Total Patent Applications China United States Germany Japan Korea
工业投资已成为对冲中国整体资本开支放缓的主要力量。 自 2015 年人口趋势转向——经济从收入创造者向净消费者倾斜——国民储蓄率下行,压低了投资占 GDP 的比重。但工业资本开支(含工厂、制造设备、工业相关软件与研发、以及发电与电网)逆势而上,2021–25 年年复合增长 8.8%,高于 2016–20 年的 6.1%,占 GDP 比重从 15.4% 升至 17.4%。工业资本开支的韧性来自疫情时期的闭环生产、新能源热潮以及 AI 与前沿行业支出的激增,并应进一步受到亚洲资本开支超级周期的支撑——由 AI 及 AI 相关基础设施、能源转型、国防与区域工业资本开支上升驱动。这些对冲了地产(占 GDP 比重下降 4 个百分点至 3.3%)与传统基建(下降 1.7 个百分点至 7.6%)的拖累。
AI 驱动数据中心、电力、制冷与网络资本开支;自主化驱动机器人、传感器、运动控制、机床与软件;主权推动国产替代、冗余与战略产能建设;密集的工业生态加速在供应商与下游用户之间的复制。
一、AI 与物理 AI 的快速渗透。 在我们看来,工业智能带来的资本开支扩张源于三个核心顺风:其一,AI 革命本身需要重资产基础设施投资;其二,AI 将推动制造业升级周期,在中国的工厂基础上打开效率、韧性、质量改善与出口竞争力的新来源,智能设备与 AI 智能体的渗透会出现指数级加速;其三,中国的资本品公司受益于全球 AI 建设需求,份额不断扩大。
智能设备、机器人与自动化的价值池将指数级增长。 工厂的物理层变得更加模块化、更具适应性、更 AI 原生。就设备而言,我们认为升级路径是从传统设备走向内嵌 AI 功能的智能设备。实践中,这意味着把更多摄像头、机器视觉、力/力矩传感器、环境传感器、控制器、通信模块与边缘半导体嵌入机器本身,使设备更具适应性、能自我诊断,并能对变化的生产条件做出响应。最直接的受益者应是机器人、智能设备以及自动化厂商。
AI 将以更高的生产率进一步放大中国的制造竞争力。 中国在供应链纵深、工程人才、制造规模与快速迭代能力上已有强优势;有了 AI,这些优势应更强大,使中国能提升生产率并继续沿全球制造价值链上移。我们认为未来十年中国制造业占 GDP 的比重可维持在目前约 25% 的水平,与「十五五」规划「保持制造业在国民经济中比重处于合理水平」的指引一致。除对制造升级的持续政策支持外,这还有两个支撑因素。
下一个十年,中国企业在越来越多新 0–1 产业中有条件直接引领,而不只是在全球领先者定义市场之后才进入。中国目前正在投资核聚变、商业航天、6G、人形机器人、量子技术、下一代 AI 基础设施、合成生物、先进半导体、新材料与下一代储能等前沿领域,有条件在创新周期的起点就参与其中。如果中国企业能从第一天起定义产品、标准、生态与供应链,就可能更早获取全球领导者的经济性,避免在许多已国产化行业中出现的即时商品化压力。
工业 5.0 应到 2035 年把中国的潜在 GDP 水平提高约 3.5%,部分对冲人口拖累。我们现在把中国潜在增速预测上调:2028–30 年上调 30 个基点至 4.3%,2031–35 年上调 50 个基点至 3.9%——足以实现北京 2020–35 年 GDP 翻倍的目标。近期 GDP 影响大概率大体中性,因为过剩产能、技术瓶颈与 J 型的劳动力调整会抵消早期收益;随着部署面扩大,从 2020 年代末起转为更正向。产能过剩问题也应比过去五年更可控,受反内卷政策与全球资本开支超级周期支撑。但决定性的再通胀仍有挑战,因为北京的政策框架仍以供给为中心、再平衡保持有节制。我们预计 GDP 平减指数自 2028 年起才逐步向 0.5–1.0% 的低通胀区间靠拢,前提是住房企稳、产能被吸收、利润率改善传导至工资;若居民快速去杠杆与顺周期财政收紧同时出现,通缩重来仍是近期下行风险。
上调长期潜在 GDP 预测
工业 5.0 可能成为中国老龄化的重要对冲,到 2035 年把潜在 GDP 水平提高约 3.5%(相对没有工业 5.0 的路径)。提升来自:其一,工业 5.0 带动的制造业资本开支超级周期——一场资本密集的工业转型,横跨 AI 基础设施、电力系统、机器人、传感器、工业软件与工厂改造,其规模超过地产与传统基建的结构性走弱;这应在未来十年累计把总资本投入对 GDP 的贡献提高 1.5 个百分点。其二,未来十年全要素生产率(TFP)累计提高 3 个百分点,因为 AI 在经济中更广泛部署,改善决策、优化资源配置、提升供应链与业务职能之间的协同,并催生新的生产与服务模式。这些应远超 AI 的劳动力替代效应(对 2026–35 年 GDP 增速累计约 1 个百分点的拖累)。
外部需求结构性更强。我们的亚洲经济学家认为,该地区正进入 2000 年代中期以来最强的多年工业周期,动力来自 AI 与 AI 相关基础设施、能源转型、国防的相互作用以及工业资本开支上升。中国应是主要受益者:它在「新三样」(电动车、电池、光伏)上占全球产能的 70–90%,有条件承接结构性更强的全球能源转型需求;而 AI 上行周期为其硬件、AI 相关设备与机器人出口商提供了多年的窗口,中国在这些领域持续取得份额。更关键的是,随着工业升级面扩大,需求将从科技行业扩展到非科技行业,有助于在更多行业缓解中国的产能过剩。
M Exhibit 104:Overall policy framework to remain supply-centric Source: Government website, Morgan Stanley Research Exhibit 105:Structurally weaker fiscal revenue constrains meaningful counter-cyclical demand support % of GDP, 12M Trailing Sum 35% 30% 25% 20% 15% 10% 5% 0% Dec-17 Dec-18 Dec-19 Dec-20 Dec-21 Dec-22 Dec-23 Dec-24 Dec-25 Jun-18 Jun-19 Jun-20 Jun-21 Jun-22 Jun-23 Jun-24 Jun-25 Jun-26 Tax Non-tax Govt. Fund Revene (Mainly Land Sales) Fiscal Revenue (Budget+Land) Fiscal Expenditure (Budget+Fund) Source: MoF, Morgan Stanley Research Morgan Stanley Research 73
图 104:整体政策框架仍以供给侧为主
Actual Household Saving Rate-LS Hypothetical Household Saving Rate following demographic trend-LS Age Dependenncy Ratio, Moved Forward for 2 Years, Value in Reverse Order-RS
图 105:财政收入的弱化制约了有力的逆周期需求支持
因此我们预计未来十年维持低通胀
2026–27 年在双速经济下通缩压力仍将持续。 我们把今年的通胀回升视为假象,由地缘政治引发的油价冲击驱动,而根本的供需失衡依然严重。经济仍处在固化的 K 型之中:出口改善、内需疲弱,同时地产下行、居民去杠杆与财政投放偏慢仍在延续。出口强势向国内需求的传导有限,因为最初的驱动是技术与资本密集型的,且产能过剩仍在。但出口的韧性降低了政策支持的紧迫感,造成事实上的财政收紧——不过我们预计这一拖累会在今年秋季缓解,随着进一步的政策微调推动预算投放加快。
因此我们预计 GDP 平减指数从 2026 年 0.8% 回落至 2027 年 0.2%,风险偏向下行——若居民快速去杠杆与更激进的顺周期财政收紧同时出现,通缩压力可能重现。
我们认为中国能在未来十年把全球制造业 GDP 的领先优势再扩大 2 个百分点。 诚然,中国不是工业 5.0 的唯一受益者。AI 赋能的制造会降低劳动强度、提升良率,使小规模本地生产更经济,从而支撑半导体、电池、国防与医疗供应链等部分发达市场行业的回流/近岸化。但这不意味着中国的广泛被替代。工业 5.0 奖励的是那些能把新技术部署到大型工厂网络、把生产数据转化为工艺改善、并通过密集供应商生态与协同政策支持快速迭代的经济体。在每一个维度上,中国的起点都是优势——当年支撑工业 4.0 的同一套工业基础,如今支撑着工业 AI 的规模化。
规模到数据的飞轮:中国庞大的工厂基础、联网设备与工业互联网平台,提供更多真实生产数据来训练工业 AI 模型、优化工艺与改善质量控制。随着智能工厂从试点扩展到更广的集群,生产率收益可以在各行业间复利,帮助对冲人口拖累。
通过生态纵深实现更快执行。工业 AI 只有在洞察能迅速转化为设计变更、工艺微调、零部件替代与产能重配时才创造价值。中国完整的工业覆盖与密集的供应商集群显著缩短了这一反馈回路。发达市场同业即便拥有很强的 AI 栈,仍面临更长的供应商验证、更高的集成成本与更慢的产能爬坡,部分原因是它们同时还要重建中国已经拥有的底层资本存量。
近期看,发达市场回流本身就是进口密集型的,反而利好中国与北亚供应商。 当前贸易周期异常狭窄,集中于 AI 相关资本品——恰恰是北亚拥有难以替代的上游产能、而中国主导中游零部件与设备的品类。因此建设本土 AI 与制造产能,需要进口它最终想要替代的那些投入品:更强的美国投资会先抬高芯片、服务器、变压器与电网设备的进口,然后才抬高本土产出。考虑到从零建晶圆厂、电力基础设施与供应商生态的长周期,我们预计这种前置的进口密集性会贯穿当前资本开支周期——延长而非侵蚀中国在美国以外的制造份额提升。
当前贸易周期异常狭窄,集中于生产高度集中的复杂商品。AI 相关投资、数据中心基础设施、半导体、服务器、电力设备、电气设备与资本品,驱动了不成比例的全球贸易动能。往前看,机器人及其零部件、电动车以及类似与 AI 应用相关的高科技产品,可能驱动下一波贸易扩张。这些因素有利于在半导体、电子、机械、电池与高复杂度工业品上已有制造生态的经济体——中国在 AI 贸易演进中处于独特有利位置,可继续受益。
M Exhibit 126:China has built capital stock faster than other major economies, and its capital stock is more geared towards goods driving the industrial cycle 300.0 Range of DM Range of EM ex China, India China India 250.0 US Germany Japan Mexico 200.0 150.0 100.0 50.0 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 Source: National Statistical Agencies, Morgan Stanley Research The core distinction in a global trade context is between trade rerouting and capacity relocation. Rerouting changes where goods are shipped from. The evidence so far points more strongly to rerouting, reallocation, and selective de-risking than to broad-based capacity relocation. China’s influence is therefore changing form, rather than diminishing. Its direct share in US imports has fallen, but China remains embedded through intermediate goods, components, Exhibit 127:China has diversified trade more than the US since 2015 Diversification of Trade Index (2015 = 100) 200 China Exports China Imports 175 US Exports US Imports 150 125 100 75 2015 2017 2019 2021 2023 2025 Source: IMF, Morgan Stanley Research 86
图 126:中国资本存量的积累快于其他主要经济体,且
Gross Fixed Capital Formation (Real, 2010 = 100)
图 127:中国的贸易多元化程度已超过美国
machinery, capital equipment, and regional supplier networks. As final assembly shifts to ASEAN, Mexico, and other economies, China remains central to the production system behind those exports. China's trade is broadening and exposing it to both faster growing economies and faster-growing products. The growing diversification of trade destinations has allowed exports to not only be resilient, but even be the driver of growth while trade tensions rose.
M Exhibit 135:China is a key supplier of electrical and electronics inputs across Asia 70.0% Electrical and Electronics Equipment: China Share in 60.0% 50.0% 40.0% 30.0% 20.0% 10.0% 0.0% ADB, Morgan Stanley Research Understanding the Vectors of Trade: Complexity, Concentration and Geopolitical Distance In Supply Chain Strain, our deep dive on Global Supply Chains, we laid out a framework for assessing shifts in supply chains based on three factors: complexity, concentration, and geopolitical distance. We find that China is well situated across all three axes, and Industry 5.0 will further enhance their position. Complexity favors economies that already produce sophisticated goods at scale. China, alongside Korea, and Japan remain well positioned on this measure, as importers of low-complexity goods and exporters of high-complexity goods. Their export bases are aligned with the sectors driving current demand: electronics, machinery, semiconductors, electrical equipment, batteries, and high-end capital goods. Canada underperforms relative to income on this dimension, while Europe’s challenge is maintaining competitiveness against China in sectors where it historically had strength. 90
图 135:中国是亚洲电气与电子投入品的关键供应方
Intermediate Inputs as % of all Intermediate Inputs as % of Imported Intermediate Inputs goods than it imports 1.5 45-Degree Line (Equal Import and Export Taiwan Japan Complexity) 1 Germany Hungary Ireland Belgium Slovakia Finland Sweden Mexico Korea Poland Slovenia Italy 0.5 Malaysia France Netherlands Romania Spain 0 Portugal USA Import Complexity Greece India -0.5 United Kingdom South Africa Canada Argentina -1 Egypt Export Complexity Brazil Chile -1.5 Norway Australia -2
as % of all Intermediate Inputs as % of Imported Intermediate Inputs the complexity frontier Japan Taiwan Germany Israel Italy Ireland France Spain Canada Australia
图 137:中国出口更高复杂度的产品
United States of America Vertical Axis: GDP Per Capita
M Exhibit 154:US Manufacturing Capacity Month on Month change (bps) – Showing material growth for the first time in ~15yrs and driving TAM expansion for US Industrials that serve these facilities 15 10 5 0 -5 -10 -15 Jan-13 Jan-14 Jan-15 Jan-16 Jan-17 Jan-18 Jan-19 Jan-20 Jan-21 Jan-22 Jan-23 Jan-24 Jan-25 Jan-26 Source: Morgan Stanley Research, US Census Bureau Exhibit 156:US Manufacturing Construction Starts, avg. monthly announcements: The # of US Mfg projects started has inflected higher post 'Liberation Day' – while the avg. size is below what was observed during the 2021-23 Mega Project boom, we take confidence in the breadth Source: Morgan Stanley Research, Dodge Analytics Morgan Stanley Research 99
Exhibit 163:While Industrial Machinery orders inflected shortly after April 2025 Liberation Day, we are now seeing Process Machinery (O&G + Mining) inflect into 2026 - importantly, this ramp up came ahead of the US-Iran conflict which could add further tailwinds in the coming months 60.0% 50.0% 40.0% 30.0% 20.0% 10.0% 0.0% -10.0% -20.0% -30.0% -40.0% Jan-19 Jan-20 Jan-21 Jan-22 Jan-23 Jan-24 Jan-25 Jan-26 Source: US Census Bureau, Morgan Stanley Research
在中国与美国工业雄心驱动十年资本开支上行的背景下,欧洲企业既有威胁也有机会。我们看到差异化较弱的欧洲行业(如照明、叉车、风机)竞争风险更高,而在美国与中国市场已有份额的高价值软件/设备公司则有望受益。如果工业 AI 嵌入工厂自动化、EDA 与数字孪生工作流,西门子这类自动化厂商与工业 AI 使能者会脱颖而出。同样,对这些区域收入敞口大、且本地化生产的欧洲企业,将受益于工业项目支出上升的第二阶效应。
我们也开始看到欧洲制造商出现初步的 AI 采用:宝马在试点人形机器人,凯傲在客户 QXO 处落地 AI 赋能的仓储自动化。尽管这些物理 AI 的落地可能落后于中国的一些进展,我们仍看到采用正在发生。此外,作为全球最大的离散自动化公司,西门子仍处有利位置,可在物理 AI 中扮演核心角色。更进一步,西门子正在开发工业基础模型(IFM),用西门子及其客户的大规模工业与工程数据训练,以支撑设计、制造与运营各环节的 AI 应用。该模型旨在理解工业语境,包括三维模型、技术规格与生产数据,输出领域特定的洞察与自动化。
欧盟工业生产横向徘徊
欧洲制造业增加值占 GDP 的比重已从 1990 年代初约 19–20% 降至 2024 年约 15%,且欧洲制造业增加值增速在过去五年落后于美国与世界其他地区。这在很大程度上源于欧洲聚焦高价值服务业,以及把廉价制造外包给中国等劳动成本更低的国家。
M Exhibit170: Raw materials inflation in 2026 (assuming 2026 remains at spot). Key inflationary elements are Copper, Plastic and Silver driven by the Middle East Crisis. This has an outsized impact on European Electrical equipment company's direct raw materials purchasing. Mechanicals raw materials exposure is more driven by steel, and as a result the raw material pressure are relatively lower. Direct raw materials for Cap Goods companies are typically 5-10% of group revenues. 120% 100% 80% 60% 40% 20% 0% -20% -40% Source: Datastream, Morgan Stanley Research This competitiveness gap has been felt across the European Industrial majors. Especially capital intensive sectors have been forced into significant job cuts with Siemens, Thyssenkrupp, BMW committing to reducing head count by 8%, 12% and 5% respectively (see Exhibit 13). Siemens highlighted the "muted demand primarily in Morgan Stanley Research 105
图 170:2026 年原材料通胀(假设 2026 年维持现货价)。主要通胀项为铜、塑料与白银,
2025 2026 0% 3% -7% -6% Stainless Steel Carbon Steel Exhibit 171:Recent Restructuring Plans among European Industrial players. Thyssenkrupp argued that the layoffs were needed to "become more competitive and secure as many jobs as possible for the future". Company Restructuring Plan Total Workforce % total Date completed BASF FY29 Siemens 5,600 68,000 8% FY27 Thyssenkrupp 11,000 95,560 12% FY30 BMW 7,700 155,000 5% FY26 VW Group(1) 50,000 684,000 7% FY30 Source: Company Data, Morgan Stanley Research Note: (1) 100,000 job cuts rumored but not officially confirmed
Raw Material Average Cost Increase -9% -15% -18% Plastic Aluminium "20% total fixed costs in its core business"
图 171:欧洲工业企业近期重组计划。蒂森克虏伯认为裁员是必要的,
22% 2% -10% Nickel Scrap Steel the key markets of China and Germany coupled with increased competitive pressures have considerably reduced orders and revenue in the industrial automation business". Furthermore, Thyssenkrupp argued that the layoffs were needed to "become more competitive and secure as many jobs as possible for the future".
中国智能制造资本开支的另一些明确赢家,将是工业 AI 的使能者。在欧洲,西门子提供了在其 Industrial Copilot 与 EDA 软件方案中集成智能体 AI 解决方案的首个例子。西门子近期在 Industrial Copilot 生态中集成了工业 AI 智能体。这些智能体在人的引导下独立执行完整的工业工作流,并被设计为可与第三方 AI 智能体集成,确保在不同工业环境与需求下的互操作性。通过把这项新技术贯穿整个制造价值链,西门子预计可为客户带来最高 50% 的生产率提升。
西门子还把工业 AI 智能体视为制造业劳动力短缺的关键解决方案——光辉国际的《未来工作报告》估算,到 2030 年制造业岗位缺口将超过 700 万。
图 180:西门子工业 Copilot 中的 AI 智能体
除这一方案外,西门子还在其专用 EDA 软件 Solido 中推出了智能体工具。Solido 利用西门子的 EDA AI 系统,在整个 Solido 定制 IC 平台上提供先进的生成式与智能体 AI 能力,以变革下一代设计与验证。但这只是智能体 AI 解决方案的开端。西门子近期一份白皮书指出,「EDA 的真正变革需要更自主的 AI 解决方案,能够独立推理、行动与迭代」。就智能体 AI 的进展,西门子估计 EDA 中完全自主的 AI 智能体会分波次逐步演进,每一波都建立在此前创新的基础上,并要求多领域专业知识。
来自中国与美国资本开支上行的进一步正向第二阶影响,将使那些对工业建设需求有敞口的设备商受益。这里的主要受益者,是拥有本地生产与可防守份额的欧洲企业。例如在中国,Atlas Copco(增持)除真空技术部门(受益于半导体资本开支上行)之外,其压缩机技术与工业技术部门也可能受益。我们越来越把 Atlas Copco 视为该板块中关键的「扩散受益」标的——近期 AI 相关标的走软,令人思考 2026 年下半年是否终于会看到更多工业敞口标的的股价补涨。
日本在工业机器人上也继续保持强势地位,发那科、安川电机等公司位居全球领先者之列。据国际机器人联合会,日本工业机器人产量仍居高位,占全球机器人供应的 38%。这使日本企业在全球制造物理 AI 的发展中扮演重要角色。通过与海外 AI 提供方合作、同时发展本土能力,日本可以继续为全球工厂提供自动化解决方案。
在人形机器人上,日本目前落后于中国与美国的领先公司,尽管硬件与关键零部件两端的活动都开始升温。日本在电机、传感器、精密零部件与工厂自动化上仍具强能力,随着人形机器人应用发展,这些能力可能越来越相关。地缘政治顾虑也可能支撑物理 AI 更本土化的发展,尤其考虑到日本需要应对人口下降带来的制造与非制造行业劳动力短缺。
A 股与港股对 AI 投资周期提供的敞口非常不同。A 股严重偏向 AI 使能者——在我们覆盖的香港/中国股票中,有 31 家使能者、合计市值超过 1 万亿美元,反映 A 股在半导体、光学元件、工业自动化与 AI 基础设施上的深厚储备。相反,港股提供集中的 AI 采用方敞口:摩根士丹利在香港市场覆盖 88 家采用方公司,合计市值 1.35 万亿美元。这些公司主要是互联网平台、消费科技龙头与企业软件提供方,随着 AI 越来越深地嵌入产品、服务与运营流程,它们将受益。
这一差别对投资机会如何随时间展开很重要。在工业 5.0 的早期,资本流向「卖铲子」的公司——芯片、服务器、光模块与机器人——而这压倒性地是 A 股的故事。
但随着 AI 采用在各行业扩散——改善单位经济性、自动化工作流、增强客户互动——价值创造会转向采用方,而那里港股的权重更大。因此我们把 A 股视为 AI 使能者与基础设施的早周期,港股则是采用规模化的下一段。
图 193:摩根士丹利覆盖的港股/中概股按上市地分的 AI 敞口
板块配置上,我们强烈偏好上游、资产密集、对 AI 驱动的颠覆敞口较小、且更可能受益于工业 5.0 资本开支周期的行业,尤其是当能源自给与供应链韧性在全球范围内被重新置于优先位置时。这包括部分材料、工业与能源标的,其全球份额上升与定价权改善提供结构性顺风。我们也看好科技国产化主题,它继续利好半导体与 IT,动力来自政策支持与 AI 基础设施建设带来的真实需求拉动。
考虑到 A 股在高端上游制造、硬科技与 AI 使能者上更集中,近期我们更偏好 A 股而非港股。港股的机会会随 AI 采用规模化而扩大,但那是下一段。
M Exhibit 195:China – sector/industry group allocation: we continue to favor a barbell approach between structural tech/growth opportunities and quality dividend plays 150 Active Risk (bps) 100 50 0 -50 -100 Financials Energy Source: Morgan Stanley Research Exhibit 196:Snapshot of high-end upstream manufacturing and hard-core tech companies – Much bigger representation in the A-share market than in MSCI China and Hang Seng Index (%) 50 44.8 45 40 35 30 25 20 15 10 5 0 CSI 300 MSCI China HSI Source: Factset, Morgan Stanley Research. Morgan Stanley Research 119
Semi TelecomSvs Major GICS Industry Group 14.7
图 195:中国——板块/行业配置:我们继续看好
IT Con. Staples
Real Estate Tech Hardware Semiconductors Electronics Tech Hardware Comm. Equipment IT Services Machinery Electrical Equipment Construction & Engineering Aerospace & Defense
AI 在电动车制造中:AI 可作为贯穿设计、电池、总装、质量、物流与软件反馈的全厂运营层。正如比亚迪 2025 年年报所述,「AI 赋能已超越智能驾驶单一领域,渗透到从研发、制造到供应链、服务与能源管理的全价值链,如今已是决定车企未来竞争力、效率上限与价值创造能力的关键」。中国电动车工厂正越来越多地成为「AI 汽车工厂」,把机器人、计算机视觉、数字孪生与实时优化结合起来。
比亚迪(作为传统电动车厂的例子):据 EV Magazine,比亚迪西安工厂约 97% 自动化运行,采用 AI 驱动的机器人、自动导引车(AGV)与智能仓储系统。比亚迪还为其电池制造环境建立了「数字孪生」,让工程师无需实物测试即可仿真与优化生产,据报道使电池缺陷率降低 40%、电池平均寿命提升 20%。据优必选,比亚迪已在工厂部署优必选的 Walker S1 工业人形机器人。Walker S1 可执行螺钉装配、零件分拣与质量检测等任务,并可与无人物流车协同,为大规模无人化运营铺路。
图 199:比亚迪在工厂部署优必选仿人机器人
理想汽车(作为新势力的例子):其在常州与北京运营两个绿色智能制造基地,践行「AI 驱动制造理念」,利用算法、数据与自有 AI 技术。公司部署了连山质量监控预警平台与 Li-MOS 制造管理系统等自有系统,推动智能提效与质量闭环。据报道,理想北京工厂每天产生约 2TB 数据。管理层称,通过 AI 检测、模块化工位与以机器人为核心的工艺规划,理想显著提升了生产效率、制造一致性与维护稳定性。
AI 在整车研发中:AI 正在加速中国车企的产品开发周期。AI 工具支撑生成式设计与数字孪生原型,使材料与技术的实验更快,并优化空气动力学与安全性。同时我们注意到,多数中国整车厂对 2026 年研发支出给出双位数同比增长指引,动力来自对 AI、算力与自动驾驶投入的增加。虽然若研发增速超过销量增速,近期可能带来经营去杠杆风险,但我们也看到机会:长期看,这会转化为有意义的非整车收入流(如物理 AI)与更强的基于自动驾驶的销售。
其一,中国对外直接投资(ODI)近年实现可持续增长。据商务部,2020–2024 年中国 ODI 年复合增长 7%,说明在国内增长放缓、全球经济波动加大、贸易紧张与保护主义上升的背景下,中国企业正主动转向「走出去」寻找增长机会。其中制造业 ODI 稳步增长——2020–2024 年复合增速 13%,2024 年占 ODI 总额的 19%,由汽车、电子、电池、关键金属等驱动。
分区域看,中国在东盟的 ODI 快速增长,动力来自近岸供应链战略。欧洲 ODI 总体保持韧性。对美 ODI 疲弱复苏,而对墨西哥 ODI 快速增长,说明中国正积极寻找替代路径以缓解中美贸易不确定性。
图 215:中国企业「走出去」更加主动,对外直接投资
分行业看,过去三年汽车占制造业 ODI 总额的 60% 以上,居主导地位,尤其是在欧洲——通过强化本地生产来缓解贸易壁垒与反倾销/反补贴调查。第二大制造业是金属制品,由中国对印尼、南非等矿业资源国的投资驱动。第三大是运输设备,由「一带一路」国家等基础设施投资带动。
M Stock Implications We prefer: 1) companies with high/increasing overseas exposure with global recognition, competitive product lineups, and expanding global market share potential. We like Weichai Power for its largebore engine global market share gain, especially in the US market, and transition into a broader power and energy equipment platform. We like Sany Heavy Industry for its leading position in the construction machinery market with comprehensive product matrix and 130
Exhibit 218:China battery companies have aggressive overseas capacity expansion plans into 2030 140 120 100 80 GWh 60 40 20 0 Source: Morgan Stanley Research estimates. We like Sinotruk for its HDT global market share gain and electric HDT expansion; and 2) companies benefitting from AI upgrades and ongoing equipment/factory intelligence. We like Han's Laser for its edge in PCB drilling equipment and ultrafast laser equipment, and broader laser penetration in precise processing. We like Bochu for its dominant position in laser cutting machine motion control systems, and its expansion into other industrial applications for advanced manufacturing.
AI 采用强化全球竞争力:这套日益强化的国内生态帮助缩小了历史技术差距,并支撑了中国传统上依赖进口的更高端细分的出口增长,包括影像设备、IVD 平台、手术机器人与隐形矫治。同时,AI 正越来越多地嵌入医械价值链,从产品设计与图像重建,到临床决策支持、机器人辅助手术与智能诊断。凭借庞大的国内数据集、垂直整合的制造能力与不断增长的工程专长,中国器械公司在未来十年更有条件获取全球高端医疗技术市场更大的份额。
银行更适合服务沿供应链的信贷需求,并为已验证的技术提供规模化资金。高端制造可能越来越受 PE 追逐,因为潜在上行大;注册制 IPO 也让市场领先者更容易进入二级股权市场。即便如此,沿各供应链的多数工业企业——许多是中小型——对一般股权市场而言可能仍不够有吸引力,这会让投资机构识别机会的成本更高;而银行凭借通过账户与结算对企业天然形成的广泛触达,以及充足的人力,更有条件获取这类信贷需求。
中国的材料板块是一个相互强化的生态,放大着国家的工业竞争力。其间的联系很深:玻纤供给 AI 服务器 PCB 与风机叶片;铜与铝支撑电网扩张与储能部署;锂电池驱动电动车与电力存储;稀土磁材支撑电动车电机、风机与人形机器人;碳纤维为航空航天、低空经济与下一代交通提供结构骨架。这些材料不只是投入品,而是中国 AI 原生工业经济的结构骨架,使中国能够在最具战略关键性的行业压缩成本曲线、扩大生产规模并主导全球供应链。
我们在材料板块偏好的一篮子标的体现了这一整合视角:紫金矿业(铜、金与锂)、洛阳钼业(铜与钴)、中国铝业与中国宏桥(铝)、天齐锂业与赣锋锂业(锂)、金力永磁(稀土磁材)、中国巨石(玻纤)、中复神鹰(碳纤维)、华友钴业(电池材料)。这些公司共同构成中国工业 5.0 雄心的物质基础——一个可规模化、日益被 AI 放大的工业材料生态,在全球鲜有可比者。
铜:受益于电力与数据中心建设
铜需求正在经历结构性转变。在新兴领域,新能源汽车及配套充电设施的生产保持持续增长;AI 算力的爆发加速了数据中心建设,数据中心带来的铜需求预计在未来五年上升。AI 数据中心每 MW 约消耗 30 吨铜,我们的全球大宗团队估算 AI 约占全球需求的 2%。
未来的智能工厂是高度自主的「黑灯」环境:机器、机器人与供应链系统通过工业物联网、AI 与实时数据回路互联。生产不再是线性的,而是自适应的——设备健康被持续监测、缺陷在线检出、工作流由 AI 模型与数字孪生动态优化。人工干预被压到监督层面,机器人与智能系统无缝协同,实现预测性维护、实时排产与规模化定制。
从投资角度看,这在大中华形成哑铃型机会:一是模拟/功率/MCU 厂商(如工业与功率分立器件、信号链),受益于规模、国产化与在设备端的广泛部署;二是国产 CPU/GPU/AI 公司,随着工厂向更高自主性升级,在边缘 AI 与工业推理上获得战略重要性。净结论是:我们把智能工厂资本开支视为中国半导体生态未来数年的顺风,量的主导来自工业半导体,而价值结构越来越由算力渗透与 AI 使能决定。
股票含义:扬杰科技、兆易创新、寒武纪、英诺赛科、豪威集团
扬杰科技(增持)。 扬杰凭借其广泛的分立功率半导体组合(MOSFET、二极管、整流器与保护器件),在使能智能制造上扮演关键角色,这些器件对工业设备的电源转换、电机控制与电路保护至关重要。其功率分立模块广泛用于工业与 AI 相关应用,保障稳定供电、提升能效并保护敏感系统。通过支撑更精确的电气控制、提升机器人与电源、自动化产线等应用的可靠性,扬杰的器件帮助制造商造出更智能、响应更快、更节能的设备,从而支撑向智能制造的转型。
兆易创新(增持)。 兆易创新定位为智能制造「感知 + 控制」层的核心受益者,组合覆盖 NOR Flash、MCU 与模拟。在智能工厂中,其 MCU 充当分布式「神经系统」,嵌入 PLC、机器人控制器与工业物联网节点,存储(NOR/NAND)则支撑代码存储与本地数据缓冲。随着工厂向更高自动化、数千个边缘节点扩展,兆易的价值在于其对工业控制与边缘智能的高数量、广覆盖敞口,同时受益于国产化顺风与单机半导体含量上升。
寒武纪(增持)。 寒武纪作为国产 AI 算力提供者,切入智能制造的「思考层」,聚焦推理与训练的 AI 加速器。在工厂场景中,其芯片在边缘服务器与集中式计算枢纽支撑机器视觉检测、预测性维护与实时优化。
尽管按数量计需求相对 MCU 或功率器件有限,寒武纪在使能 AI 驱动自动化上获取了超额价值;随着工厂从基础自动化迁移到与工业 4.0/5.0 架构一致的 AI 原生、数据驱动运营,其战略定位会改善。
英诺赛科(中性)。 英诺赛科作为领先的 GaN(氮化镓)功率半导体供应商,相较传统硅基器件,可支撑更高效率、更高频率、更紧凑的电源转换系统,从而服务智能制造。其 GaN 器件与模块提升能效、降低发热,并在工业电源、电机驱动与自动化设备上实现更精确的控制——这些是智能化、高自动化产线的关键要求。例如,GaN 模块可通过改善转换效率与系统级能量管理,帮助宁德时代等电池厂降低产线电耗;在人形机器人等新兴用例中,GaN 的高功率密度与快速开关可支撑更轻、更高效的执行系统。这使 GaN 成为「物理 AI」的关键使能者——在智能工厂里,机器人与智能设备以更高效率、更快响应与更高自主性运行。
阿里巴巴(BABA,增持,首选)。 我们认为阿里是中国云厂商中,对「开放权重模型 + 云 + 物理 AI」三者融合体现最清晰的标的。通义千问正通过 Qwen-Robot Suite 扩展到机器人,覆盖操作、自主导航与世界模型仿真,企业客户试点已在推进;高德也展示了自主四足导览机器人。加上阿里全栈 AI 基础设施,这形成潜在的「模型—机器人—云」飞轮,因为物理部署会带来推理与真实世界数据生成。我们预测阿里云 F27E 收入增长 50%,由 AI 训练/推理需求激增支撑,进一步强化云作为阿里扩张中 AI 生态的关键变现渠道。
腾讯(0700.HK,增持)。 腾讯的物理 AI 敞口更早期,但日益具体。其具身 AI 栈现已覆盖 VLM/VLA/推理模型、TairosAgent 与「具身 AI 即服务」;Hy-Embodied-0.5-VLA 在超过 1 万小时的操作数据上训练,并已在一条化妆品产线上验证,准确率超过 95%、节拍 6 秒;腾讯还部署了基于宇树 G1 的 AI 导览机器人。我们认为这些部署是腾讯把云与模型能力延伸为工业与具身 AI 使能平台的早期证据。
M Exhibit 290:Current focus areas are on manufacturing execution, but adoption in other stages is still low Software Adoption Across Production In Impletmation Pilot Stage Looking for Vendor No Plan Remote Maintainence Simulation / Virtual testing (CAE) Computer-Aided Design (CAD) Production planning / scheduling (APS) MES/MOM (Factory execution) Source: iResearch Survey (n=45), Morgan Stanley Research. Dimension Industry 4.0 Industrial 5.0 Decision-making Human-led, data-assisted AI-assisted or AI-led within guardrails Changeovers Require re-program, timeAlgorithmically optimized, increasingly consuming and high cost low-friction Quality control Sampling + rule-based vision Continuous, model-updating inspection and root-cause learning Scheduling Periodic replanning Real-time dynamic sequencing Labor role Operator and line monitor Supervisor Inventory posture Buffers to absorb forecast error Dynamically adjusted for the optimal level Engineering cycle Linear, phased approach Continuous digital loop from design to production feedback Economics Scale benefits strongest Scale plus adaptability benefits strongest under volatility in stable volume Source: Morgan Stanley Research
M Exhibit 305:China's industrial policy covers an increasing number of emerging sectors Sector 10th FYP 11th FYP 12th FYP 13th FYP 14th FYP 15th FYP Robotics X X X X X X Hydrogen energy X X X Next-generation IT X X X X X X New energy X X X X X X New materials X X X X X X Connected NEVs X X X Biomedicine / biotech X X X X X X Aerospace equipment X X X X X X Marine equipment X X X X X Energy storage X X X Quantum technology X X X Integrated circuits X X X X X X Medical devices X X X X CNC machine tools X X X X X Shipbuilding X X X X X X Rail equipment X X X X NEVs X X X X X New batteries and storage X X X 6G X X Low-altitude economy X Intelligent driving X New solar cells X Biomanufacturing X Nuclear fusion energy X Brain-computer interfaces X Embodied intelligence X Source: Rhodium Group compilation based on official documents and literature review. Labor costs (to calculate value added) are inferred from employee counts. Land subsidies and subsidized credit are based on advantages for the manufacturing sector relative to other sectors, excluding the real estate sector. The numbers on the right indicate the GDP shares of each category in 2023. 180
图 307:据 IMF,中国产业政策(含税收、现金、信贷与
BluePaper Property Utility Energy Financial Communication Consumer Staplers Healthcare Materials Consumer Discretionary IT Industrials
「AI+」成为政府政策的核心
中国把「AI+」放在 2026–30 年五年规划的核心位置,用以驱动生产率提升,明确把数字化与智能化升级同持续的生产率增长挂钩,并设定劳动生产率增速超过 GDP 增速的目标。「AI+」贯穿整个规划框架——从算力基础设施与数据治理,到工业、服务业与公共管理的大规模采用——释放出从前沿突破转向规模化部署的清晰信号。政府设定了一系列明确目标:
工业智能不仅需要软件工程师,还需要具备特定行业诀窍的前端工程师,以及横跨工业生产、机器人、自动化与机械的跨学科知识。中国庞大的工程基础,使其在工业部署、工艺优化、机器人集成、工厂改造与运营 AI 系统的规模化上具备优势,而不只是前沿研究。此外,凭借庞大的工程队伍,中国可以同时推进多条技术路径,形成有活力、有竞争的产业格局。
工业 5.0 由更聪明的软件、更好的数据与 AI 驱动的编排来定义,但竞争优势仍取决于货物、零部件与电力能否以低成本、可靠且大规模地流动,而中国在这方面保有显著的结构性优势。
图 323:中国计划到 2027 年将社会物流总费用与 GDP
Exhibit 324:China owns six of the world's top 10 ports, or 17 of the top 50 ports Shanghai Singapore Ningbo-Zhoushan Shenzhen Qingdao Guangzhou Harbor Busan Tianjin Jebel Ali, Dubai Port Klang Source: World Shipping Council, Morgan Stanley Research. Data infrastructure: China is investing heavily in computer power in the global AI race. Our China internet team expects China hyperscaler capex of US$87bn and US$101bn for 2026 and 2027e, respectively. While it still falls short of US hyperscalers, the computing power provides a base for growing industrial intelligence.
图 325:中国在全球班轮航运连通性上扩大领先,强化出口物流优势图 326:中国超大规模云厂商将大幅增加 AI 相关资本开支,
WTO 时代的案例提示,这一轮中国工业 5.0 的资本开支周期也应被当作一个相互强化的系统来分析,而不是简单的设备替换周期。如果中国能把全球制造份额提升,与 AI 驱动的生产率、智能工厂改造、电力/算力基础设施以及下游物理 AI 的采用结合起来,那么即使地产资本开支仍然偏弱,资本开支强度也可以维持多年高位。
图 332:中国资本形成总额占 GDP 的比重从 1990 年代图 334:中国工业机器人密度随中国成为「世界工厂」而飙升
最大的按揭发起机构应能从更高的再融资量中受益,但竞争格局值得跟踪。我们认为该行业相对容易受 AI 颠覆:按揭发起与承保流程仍以人工、劳动密集为主,产品高度同质化且基于规则,行业高度分散(没有任何一家占发行量 10% 以上)。申请处理、材料收集、错误识别这类流程非常适合 AI 与自动化。如我们此前所写,一个风险是:随着 AI 工具更广泛可得,较小的参与者也能提升效率、加剧竞争、压低费用利差。不过我们仍预计最大的发起机构是净受益者,尤其是 RKT(增持)——它拥有适合 AI 应用的大规模、数据丰富的平台,并应能从更精简的成本基数中受益,因为自动化降低了发起与服务成本。此外,尽管销售利差的上行空间可能不如以往周期那么强,RKT 仍处于有利位置,可以捕捉我们预计未来三到五年借款人再融资响应率的提升。
我们可能错在哪里?(1)该论点建立在借款人会用 AI 去行使他们历史上一直忽视的再融资激励之上,但这种行为转变也许根本不会以我们假设的速度出现。约 29% 的历史提前还款率,除了流程摩擦,也反映了惰性;如果房主不再融资是因为不想再融资……
我们预计,按揭市场的 AI 颠覆更多来自消费者用 AI 管理个人财务并再融资,而不是来自发起机构降低交割成本、提升效率。虽然多数大型发起机构已利用技术精简流程并在采用 AI,但监管障碍可能阻碍一些最具颠覆性的应用。当前按揭利率比房主存量按揭的平均利率高约 200bp,只有约九分之一的房主有足够的再融资激励。AI 颠覆更多是一个「在未来按揭利率下行时加速效率影响」的故事。
按揭发起机构:作为一个相对分散的行业,发起环节是 AI 的绝佳候选,尤其是考虑到流程仍以人工、劳动密集为主,且承保环节有清晰的定义与规则。虽然 AI 变成所有规模玩家的「入场券」,带来竞争加剧与利差压力的风险,但我们认为规模最大、最有体量的发起机构才是 AI 的净受益者——尤其是 RKT(增持),它拥有适合 AI 应用的大规模、数据丰富平台,应能在自动化提升中受益于更精简的成本基数;并且在未来 3–5 年借款人采用度更高的情况下,处于捕捉更高再融资响应率的有利位置。具体而言,随着交易协同(包括把它一流的 recapture 率应用到收购自 Mr. Cooper 的大型服务平台上)兑现,RKT 的经营杠杆还将显著改善;我们认为,随着 AI 收益在组织内传导,这些协同还能进一步加速。
虽然部分收益可能被竞争消耗,但我们预计 AI 采用会扩大全行业产能、提高定价透明度,从而限制按揭牛市周期中典型的销售利差上行空间。我们把这看作对盈利上行空间的部分抵消。更多内容见《Rocket:精简高效的火箭机器——利率到位时即准备就绪;上调至增持》。
REITs:对住宅 REITs,即多户住宅与单户租赁 REITs(SFR),争论在于 AI 驱动的按揭与交易简化,是否会改变现有租客「买还是租」的算法与决策。如果这种简化确实实质影响了消费者的买租决策,我们认为它会对租赁型 REITs 构成逆风。
需要指出,历史上也出现过简化再融资的先例:全球金融危机后,GSE 曾为资不抵债的房主推出高 LTV 再融资计划。Ginnie Mae 为其 FHA 与 VA 借款人都设有 streamline 再融资计划——例如 VA 借款人可通过 IRRRL 计划再融资为一笔新的 VA 贷款,无需估值或信用审查。如果我们转为允许常规借款人也可 streamline 再融资(HousingWire 曾提到这在讨论之中),AI 采用的影响就可能被提前释放。我们的基准假设是,几年后按揭市场的再融资效率会向 VA 的效率靠拢。
在功能上,尽管 AI 当然可以协助按揭承保,但这项监管常常迫使在最终放贷决定前保留一层人工复核,因为在法律眼里「模型说不行」不是一个可接受的答案。例如,UWM 的 MIA 在给借款人打电话时只能标记更低的按揭利率,不能直接报出利率,借款人必须被引导到其经纪商处获取报价。这一限制短期内不太可能改变。
AI 对按揭关键摩擦点的影响
借用 Daft Punk 的话说,按揭流程正因 AI 的加持而变得「更好、更快、更强」。据报道,使用 AI 的按揭贷款机构比例已从 2023 年的 15% 显著升至 2024 年的 38%,2025 年预计达 55%。近期一项调查发现,超过半数借款人(54%)对贷款机构在按揭流程中使用 AI「完全放心」,另有 31%「部分放心」。如今超过 60% 的谷歌搜索以不点击任何结果结束,一些贷款机构报告称每 3 个借款人中就有 1 个在自己这一侧使用 AI,我们预计消费者的接受度还会继续上升。
整体上,我们看到的方向是一致的:成本更低、时间更短、体验更顺……同时也把潜在的陷阱讲清楚。
(1)借款人与贷款机构之间的发现:把网撒得更大
图 13:按揭全流程——AI 可带来借款人节省、更高效的提前还款与更低的贷款方成本
我们认为,借款人对 AI 的采用可能是按揭市场最被低估的影响。疫情期间再融资活动之所以高效得多,原因之一就是房主有更多时间处理再融资的痛点。起点是意识到按揭利率很低、再融资是一个选项(这通常由媒体效应驱动);但即便只是拿到一个利率报价、在不同贷款机构之间比较,也并不简单——借款人需要人工逐一联系多家机构。
代理式 AI 可以显著降低再融资的这些初始门槛:自动监控按揭利率,甚至自动向各贷款机构询价。如前所述,目前用算法向借款人提供具体报价存在明确的监管障碍……
AI 可以通过调取文件、整理记录、预填申请表、在提交前标记缺失信息,来消除其中大部分摩擦——对于已在使用 AI 助手管理个人财务的借款人尤其如此(参见 Intuit 与 SoFi 的案例)。同样的机制也让贷款机构受益:它们可以用 AI 录入与核验文件,避免人工录入错误、材料缺失,以及借款人与信贷员之间反复来回的沟通。
往前看,我们相信 AI 将通过把宏观层面的信号(销售历史、物业特征、社区趋势、卫星图像等)与受训检查员通常会采集的微观物业属性(室内照片、外部景观、户型图等)结合起来,进一步缩小需要完整传统估值的贷款范围。进展已相当显著:Zillow 的 AI 估值……
……Zestimate 对在售房源报告的全美中位误差率为 1.83%,但对非在售房源误差会跳升至 7% 以上。随着标准化输入变得更丰富,我们预计 AI 既能以更紧的置信区间扩大豁免资格,也能标记出需要人工升级处理的边缘案例。
AI 估值也可能有助于缓解传统估值中的人为偏差与主观性。研究发现,在少数族裔家庭占比较高的普查区内,房屋更容易被低估,这类案例已被广泛报道。当然,AI 并不会自动「无偏」——用历史上带有偏见的结果训练出的模型,可能继承甚至放大这些模式。要确保性能提升不以公平性为代价,需要公平信贷测试、透明度与适当的控制。
另一方面,产权保险是更难以用 AI 直接解决的领域,但自动化与 AI 赋能的核验可以减轻借款人的流程与财务负担。产权保险很贵,通常至少给前期交割成本增加房屋价值的 0.5%,是交割时最贵的费用之一。房利美已有一个在推进中的产权保险试点项目,对某些产权风险较低的再融资交易豁免产权保险要求;近期公告显示该试点将很快扩大。围绕 AI 文件提取、红旗识别的进一步努力,以及自动复核,都将推进产权保险的现代化。
Jay Bacow、Janie Xue。按揭投资者获得报酬,是承担凸性风险,而不是信用风险。这种凸性风险来自借款人对再融资期权行使效率不高。提醒一句:如果借款人能完美高效地行使该期权,按揭看上去与交易起来就像可赎回债务,其 OAS 通常更接近零。为了训练模型,机构按揭投资者可以拿到覆盖 4,000 万笔以上贷款的月度数据、回溯多年,用来观察借款人是否再融资。问题在于,这些模型按定义是向后看的,而 AI 有潜力让借款人和贷款机构都高效得多,这意味着历史的凸性不太可能是未来的凸性。再融资响应的变化幅度与速度,将决定未来几年按揭的估值。
凸性风险是双向的,但我们认为绝大部分风险在于赎回保护被削弱。这种保护之所以存在,是因为一些摩擦:认知有限、时间约束、文书负担,或前期交割成本所需的现金。AI 可以直接应对这种惰性。自 2022 年首批面向消费者的生成式 AI 模型发布以来,我们看到价内借款人的提前还款响应有所抬升,同比增长了几个 CPR(图 23)。当然,效率还有很大提升空间——尽管 AI 已被采用,但由于缺少媒体效应,同样激励、同样贷款规模的借款人,其提前还款响应如今仍低于 2019 年或 2022 年(图 24)。
借款人对 AI 的采用增加——尤其是在个人财务管理上——将有助于提升财务认知、降低再融资负担。我们再一次把疫情当作「可再融资性」的指路星:在那段房主对再融资的时间负担顾虑更少的时期,即便把激励因素考虑在内,再融资活动也是金融危机以来最高的。我们认为,房主采用 AI 工具管理家庭财务,可以把再融资活动推得更高。
同样,如按揭发起机构一节所述,发起与服务流程可以借助 AI 更自动化,从而降低成本,进而降低借款人在净额上「处于价内」所需的利率降幅。触达可以更有针对性、更及时,服务商用个性化营销更高效地与借款人互动。当借款人可以在营业时间之外与 AI 智能体互动时,排期摩擦就会下降。而当 AI 更早发现错误、引导借款人满足要求、减少反复来回的繁琐时,文书环节也不再那么痛苦。
撇开可携带性(portability)或可承接性(assumability)之类的可能变化,这一层面的变化很可能来自两个来源之一。第一,精简/自动化估值流程会让套现再融资更容易。第二,房主对 AI 的采用增加,也可能提高套现的使用率,以降低消费者总债务负担(即通过套现再融资来偿清车贷/信用卡账单)。
简言之,我们预计 AI 将消除许多历史上阻碍借款人在利率下行时高效再融资的障碍。贷款很可能既在量上更多、也在时间上更早完成再融资,因为更小的利率降幅就可能让它们更深入地进入价内。虽然 AI 颠覆的确切幅度不确定,但我们在上文给出了三种牛市/基准/熊市颠覆情景,并在图 25 中给出随利率变动、MBS 整体提前还款响应可能变化的粗略估计。
部分地区的短缺,原因之一在于繁琐且往往昂贵的土地使用等地方监管。据全美住宅建筑商协会(NAHB)2026 年的一份报告,94.2% 的开发商表示遵守现行监管导致了工期延误,平均延误约七个月。AI 可以帮助建筑商更具成本效益地穿行监管障碍,既让建房更容易,也让他们能以更低价格出售。此外,《21 世纪通往住房之路法案》(21st Century ROAD to Housing Act)也试图消除或缓解从分区限制到监管成本与延误的各种障碍。含义: 住房开工上升,同时新房价格下降。
AI 颠覆/优化对房价的影响,不如对住房活动的影响那么清晰。一方面,我们可以画出需求上升推高房价的路径;另一方面,也能看到供给增加(存量挂牌与新建)压制房价涨幅的清晰路径。从可负担性看,借款人期权价值上升会使按揭利率高出几个 bp,但同一借款人可以在购房后更高效地再融资,等于用一部分前期可负担性换取可能更好的长期状况。AI 颠覆各面向铺开的节奏,将决定其对房价升值(HPA)的最终影响。
Jeff Adelson、Joe Leeman、Ben Bayanfar。按揭发起行业比其他行业更容易受 AI 颠覆,但我们仍认为大型发起机构是净受益者。我们认为该行业相对容易受 AI 颠覆:按揭发起流程仍以人工、劳动密集为主,按揭高度同质化且基于规则,行业高度分散,没有任何一家占发行量 10% 以上(图 54)。
图 53:按揭生产环节 AI 潜在机会的深入剖析
申请处理、材料收集、错误识别这类流程非常适合 AI 与自动化。如我们此前所写,一个风险是:随着 AI 工具更广泛可得,较小的参与者也能提升效率、加剧竞争、压低费用利差。不过我们仍预计规模最大、数据最丰富、最有体量的发起机构是净受益者,尤其是 RKT(增持)与 UWMC(中性)。
除了对借款人再融资交易更活跃这一更宏观的含义之外,在公司层面,AI 对按揭发起机构的价值有两重:每笔贷款的成本更低、更可变,以及一个更少依赖「招人/裁人」周期的行业产能约束。在 AI 赋能的再融资潮中,收入可以比人员费用增长更快,让更大比例的增量落到利润里。我们认为这个成本故事同样有利于领先的发起机构。
AI 攻击的是生产费用中最大、也最可变的那部分,而规模最大的发起机构位置最好。在我们看来,最快采用 AI 的公司可以在量回升时进一步把员工成本可变化、提升盈利,而不必在需求回来时大规模招人培训。AI 最容易自动化的职能恰好落在人员成本里:材料收集、收入核验、数据提取、合规复核、借款人沟通。采用最快的发起机构可以进一步把员工成本可变化,并在量回升时把经营杠杆转化为利润。领先者已经走在前头:RKT 与 UWM 的人员费用占其总费用的 40–48%,而行业平均约 60%(不过考虑到口径差异,这组数据未必完全可比)……
1. 产能与竞争:招人历来是瓶颈——利率下行时,贷款机构培训贷款专员的速度赶不上需求,这拖慢了二级(MBS)利率向借款人的传导,并在再融资潮中把销售利差推得更宽(图 68)。如果 AI 在全行业消除了这一瓶颈,那个历史上制造出超额利差扩张的机制就可能减弱,尤其是当现成的 AI 工具或其他技术让较小的同行更具竞争力时。
4. 监管:针对 AI 过度实施的监管,包括公平信贷/反歧视要求或数据安全要求,可能阻止 AI 扩散发挥全部优化潜力。
图 67:按揭发放机构——AI 风险
Originations per Employee ($M) RKT DTC GoS (RHS)
图 69:各贷款方的按揭利率——跨机构比价可为借款人带来更优结果
Exhibit 67: Mortgage Originators: AI Risks Category Risk Mitigation Strategy Competition Regulatory Data Security Model Risk Operational Reputation Source: Morgan Stanley Research However, one benefit of increased capacity responsiveness could be lower GoS volatility over cycles. The other side of the coin that drove GoS wider into refi waves was a sharp reversal in margins which went sharply negative when volumes collapsed. Per MBA industry data, net production income (production revenues less expenses) swung from +157bps at the 2020 peak to negative -13bps and -37bps in 2022–23, as the industry (1) could not shed headcount fast enough when refi demand evaporated and (2) competition for limited origination demand further pressured GoS margins. A more variable, less labor-constrained cost structure could compress that amplitude in both directions, driving lower peaks but shallower troughs in the down-cycles. Rates will continue to dictate the volume side of the story, but lower volatility in gain on sale margins could help drive a more stable earnings profile than in the past. That benefit skews toward the scaled originators already running more variable cost bases. -Increased automation drives up competition, revenue margins lower -Fair lending & discrimination concerns -CFPB & state compliance requirements -Sensitive borrower data breaches -Third-party AI vendor vulnerabilities -AI model bias in credit decisions -Black box decision-making concerns -Over-reliance on automated systems -Technology integration challenges -Customer distrust of AI decisions -Negative publicity from AI errors Exhibit 69: Mortgage Rates by Lender: Rate shopping across different lenders can enable better outcomes for borrowers 6.65% 6.60% 6.55% 7.0% 6.50% 6.5% 6.45% 6.0% 6.40% 5.5% 6.35% 5.0% 6.30% 4.5% 6.25% 4.0% 6.20% 3.5% 3.0% 2.5% Note: RKT represents total company weighted average mortgages rates offered that year… direct-to- consumer rates are likely even higher as this includes partner channel/wholesale rates.
尽管如此,在量充沛的下行中净回报仍可改善,而优势归向有规模、数据丰富的发起机构。同样这股采用压力在压价的同时也提升了人均产出;销售利差每压缩约 10bp,会被约 10% 的生产率提升(人均交割笔数)所抵消。再叠加扩大的再融资池与固定成本杠杆,基准情景就是净增值。我们不排除在 AI 快速扩散的情况下次规模玩家也能跟上——那等于把高效承保的能力民主化给更广泛的参与者——但经营杠杆的优势归于那些早期投入的人。
在业绩会与申报文件中,与 AI 相关的提及在整个金融板块(包括按揭发起机构)显著增加,同时围绕 AI 相关举措的公司公告也明显放量(图 72)。但与此同时,我们尚未看到有意义的效率收益——按揭量的复苏仍相对早期,而最大的发起机构也已在此轮更快的量复苏(在未来一年)之前,对技术与 AI 相关举措做了大量投入。往后看,采用速度与推动底线盈利的能力将是关键观察点,因为 RKT 与 UWMC 这类发起机构希望其 AI 投入产生正的 ROIC。
Pennymac:推进 AI 驱动的借款人互动、流程自动化与运营效率,改善借款人体验与信贷员产能(自有 AI 平台与外部合作)。
图 72:按揭发放机构的 AI 举措
Fairway / Guild Mortgage:把 AI 用于营销、获客、客户互动与信贷员产能,改善借款人获取与转化。
图 73:标普 500 金融股中约 40% 已提及 AI 相关影响,板块排名第二、高出指数均值 15 个百分点图 74:可量化的 AI 相关提及同比亦升 15 个百分点,为所有板块最高
BluePaper Exhibit 74: Quantifiable AI-related mentions are also up +15pts y/ y, the highest of all sectors. % of SP500 Company in each sector mentioning quantifiable impact 60% 2025Q1 2025Q2 2025Q3 2025Q4 2026Q1 50% 40% 30% 20% 10% 0% Communication Services Consumer Staples Materials Health Care Real Estate Utilities Industrials Financials Energy Information Technology Consumer Discretionary Note: Data as of 1Q26; Source: Morgan Stanley Research
AI 与更高程度的自动化,为按揭发起机构提供了一条回到疫情前盈利水平的路径,而且不需要发起量完全正常化。随着时间推移,一个更具可扩展性、更可变的成本基数,也应降低行业传统的盈利周期性,并提升跨周期的盈利韧性。
M Exhibit 80: AI and other technology efficiency gains can improve mortgage production productivity, enable materially higher volume per loan officer. Assuming a ~20% productivity uplift, the average loan officer could close ~29 loans per year, up from 24 in 2025. Closings per production employee/year AI Productivity Gains Source: Mortgage Bankers Association, Morgan Stanley Research estimates Morgan Stanley Research 67
Closings Per Production Employee Per Year 24
图 79:2025 年按揭发放机构平均净生产收入约 500 万美元
Total Loans Originated for Average Originator $2.5 Total Loans Originated AI Productivity Gains
Heather Berger、Arunima Sinha。我们看到按揭市场的 AI 进展影响消费者支出与资产负债表的三个主要渠道:再融资效率提升带来的月供下降、房屋净值与债务整合的可得性上升,以及购房可得性上升。
就此而言,净值可得性上升,加上 AI 在债务整合上更广泛的效率提升,可以降低非按揭债务的还款压力。信用卡与无担保分期贷款往往是最贵的债务形式;按揭、车贷、HELOC 等有抵押贷款一般利率更低,但贷款结构与条款会影响还款额(图 87)。更高的 HELOC 量,以及 AI 在消费者教育与信贷可得性上的潜在作用,可能提高债务整合。
Stephen Byrd、Michelle Weaver。自 2022 年末首批面向消费者的生成式 AI 模型发布以来,AI 已成为市场的定义性力量,重塑企业运营、投资与竞争的方式。当前这轮创新遵循着与过去算力周期相似的模式:价值创造先发生在半导体,然后是基础设施,再到互联网/软件/服务。但其影响并不局限于科技行业——与以往周期一样,各行业的企业正开始通过技术扩散获得实实在在的收益。这场转变不只关乎技术,也关乎企业如何演进、如何重新配置资本、如何释放新的效率。评估企业与消费者的采用程度,对判断其对按揭生命周期与关键玩家的潜在影响都很重要。
在我们跟踪的多项指标上,金融板块相对其他板块是 AI 的重要且快速的采用者。我们的分析师把该板块覆盖范围内 75% 的公司列为「AI 采用者」。在电话会文本分析中,该板块 37% 的标普 500 公司在 2026 年二季度量化了 AI 带来的收益,提及量的同比变化幅度在所有板块中排第二。在我们近期的企业调研中,90% 的银行提到过去一年 AI 对人力资本的影响(包括员工再培训与岗位再配置),并称 AI 带来平均 10% 的净生产率提升。不过,在所调研的板块中,生产率收益主要集中在 IT、客户服务与运营。采用意图在各板块仍以提升员工生产率、降低运营成本为中心,但约半数银行也打算改善客户体验、增强决策、支持新产品开发与改善合规。在我们金融板块分析师的股票投资逻辑中,AI 的重要性大体稳定在「中等」(44%),与我们最近两次映射调研相比,敞口与重要性几乎没有上移。
我们认为这些数据反映出:随着采用深化,瓶颈与竞争优势正在向产业链下游移动,具体细节取决于终端市场。在我们的企业调研中,美国(包括银行)最常被提到的 AI 采用挑战是信任、安全、隐私与声誉风险。对银行而言,从遗留系统迁移是另一个主要障碍,此外还有数据就绪度与 AI 技能不足。对银行与金融这类高度受监管的行业,监管障碍会影响扩散的速度与路径。在评估 AI 对生物制药行业潜在生产率提升时,我们的同事认为 AI 是对药物研发流程的结构性重构,而不是一次工具升级。他们指出,关键监管机构 FDA 是通过围绕 AI 设置护栏来「热身」,而不是提供加速捷径。该机构对 AI 赋能的计算机模拟模型、预测分析与计算毒理学的接受度在提高,尤其在用于降低研发不确定性或替代人体相关性较低的方法时——前提是申办方解决生命周期管理、偏见、数据漂移与可解释性问题。监管机构的行动表明,AI 已不再被视为实验性工具,而是必须像其他研发技术一样被工程化、验证与治理的合法工具集。重要的是,我们的同事认为 AI 改变了研发风险的经济分布——降低了早期投入的风险资本、提高了期权价值……
消费者一侧,我们最新的月度调研显示,约半数消费者报告至少每周一次因个人或工作原因使用 AI,但因个人财务而使用的仍是少数。年轻消费者整体上仍是更频繁的 AI 使用者,与 55 岁以上群体相比尤其明显。消费者主要用 AI 研究与了解新话题,查找菜谱是另一个主要用途。
个人财务与预算在我们调研中是一个独立类别,19% 的消费者(自 1 月以来保持稳定)报告为此使用 AI。我们 5 月调研中对 AI 的情绪似乎由直接效用与使用驱动(44% 的受访者持正面情绪),而负面情绪则由抽象风险,以及围绕治理、信任与社会影响的不确定性塑造。
总体看,我们认为企业与消费者两侧的采用信号都是正面的。我们认为,受监管行业若要加快采用、并把 AI 整合进数据敏感且直接产生收入的工作流,还需要更多行业定制、治理与安全措施。反过来,这可能为消费者打开更个性化的产品与工具之门,从而提升 AI 在更大人生决策与财务规划上的采用。不过也要考虑,个人目前也因治理与信任而对使用 AI 犹豫,感知收益必须超过这种犹豫。
投资者中存在一种感知上的脱节:底层技术的创新速度与采用节奏不匹配——有人问,为什么前沿进展如此之大,却还没看到 AI 带来更广泛的利润率改善。研究者的能力与普通员工如何使用 AI 工具之间存在明显滞后,因为企业需要时间落实保障措施、再培训员工。历史上,通用技术重塑经济,不仅靠发明,更靠被整合进日常业务流程——这才是「技术扩散」的真正含义。我们认为,AI 故事的「采用」部分会在 2026 年进一步深化与加强。
我们去年夏天的「工作的未来」模型估计,智能体 AI 可为标普 500 带来每年约 4,900 亿美元的经济价值创造(已扣除实施智能体 AI 方案的示意性成本,我们估计为客户收益的 5%)。我们承认任务可以被 AI 增强或自动化,估算结果只计入后者带来的收益。长期看,「自动化驱动的经济价值创造」占 2026 年预期税前利润的比例,在必需消费品分销/零售、房地产管理与开发、运输,以及医疗设备与服务几个行业最高。此后我们……
在第二轮覆盖的行业中,受访企业最常把员工生产率与效率列为实施 AI 的关键目标,但相对侧重因行业而异。半导体是最以生产率为导向的一组,70% 的企业把生产率与效率提升列为核心 AI 目标;软件紧随其后,为 60%。第二常见的目的一般是通过个性化互动改善客户体验……
……但科技硬件与设备是明显例外——在那里客户体验是优先级最高的目标:67% 的受访者把客户体验与个性化列为 AI 目标,明显高于把生产率列为目标的 57%。重要的是,至少 40% 的企业表示打算用 AI 改善合规、降低监管风险(银行达 45%)。总体看,结果表明企业推进 AI 时混合了成本/生产率、收入/客户体验与风险管理三类目标。
图 99:AI 实施目标
在美国,最常被提到的 AI 采用挑战是信任、安全、隐私与声誉风险,占全部提及的 27%。这再次说明,AI 采用不只受技术可行性约束,也受治理、风险控制,以及对 AI 输出与数据如何被管理的信心约束。除信任与风险之外,企业也提到更实际落地障碍:AI 缺乏完成所需任务的能力占 23%,其次是数据就绪度与获取问题占 19%,与遗留系统及工作流的整合占 18%,AI 技能与专业人才短缺占 18%。这些结果说明,扩大 AI 用例不只需要工具可得,企业还需要更好的数据基础设施、工作流整合、员工培训与风险管理框架。以美国银行为高度受监管行业的代表来看,主要顾虑类似,只是在信任与安全之后,「与遗留系统整合」升至第二。对第一轮企业而言,首要顾虑一致,不过「负责任 AI」与可持续性也是重点领域。
这套调研工作与我们近期更新的另一项分析相互印证。去年秋天,我们与 QuantWise 团队合作,用 GPT 模型分析了 1.7 万多份会议与电话会文本,追踪管理层如何向投资者传达 AI 采用的可量化收益。我们最近把这套分析更新到二季度发生的业绩会与会议文本(注意:二季度举行的业绩会主要覆盖一季度业绩)。
M BluePaper Exhibit 118:All banks hold mortgage servicing assets representing less than 10% of CET1 capital; a removal of 10% (for Cat I/II banks) and 25% (for Cat III/IV) banks would allow banks to increase mortgage servicing. Mortgage Servicing Assets as % of CET1, RWAs % of CET1 % of RWAs 10% 9% 8% 7% 6% 5% 4% 3% 2% 1% 0% CFG PB COF JPM VLY RF AXP HBAN PNC C FITB WFC BAC TFC USB STT MTB NTRS SFNC WBS CBSH EWBC ALLY CBC KEY Note: Blue bars show fair value of MSAs as % of pre-deduction CET1. Yellow line inflates MSAs by applying 250% risk-weight to MSAs, shown as % of total RWAs. We don't excluding any associated DTLs from MSAs given lack of disclosure Source: SNL Financial (Y9C reports), Morgan Stanley Research 86
图 119:巴塞尔 III 终局方案定稿后,住宅按揭风险权重预计调整
Current Rules 50% 50% 50% 50% 50% 50% Basel III Int. MSAs currently carry a 250% risk weight, making them capital intensive for banks to hold. Banks are advocating for the final rules to lower the risk weight to 100%, which could encourage banks to lean back into mortgage servicing.
我们认为,「回归」的结束恰好遇上按揭市场的 AI 扩散,将放大家装行业销售对按揭利率与住房周转的敏感度,使上行与下行情景都更宽。如此前所写……
图 123:耐用品同比、耐用品占 PCE 比重变化与按揭利率同比,三者与家装需求高度相关
……我们认为家装行业已经见底,「回归」正接近尾声。在这一背景下,按揭利率与二手房销售将是未来几年行业销售最大的驱动因素之一。如「住房含义」一节所述,锁定效应把销售量压到近 40 年低点,家装零售销售(HIRS)增速也因此远低于过去几年的均值(图 124)。重要的是,按揭市场的 AI 扩散可能放大这种锁定效应,这意味着住房周转的情景区间变宽:若按揭利率上行,销量会下滑更快;若下行,销量会增长更快。
图 124:锁定效应令 HIRS 近数年下滑,当前模型预计将重回……
虽然结果区间更宽,但我们认为风险偏向上行,这对有久期的投资者构成有吸引力的入场点。虽然我们的住房策略团队预计按揭利率近期将相对区间震荡,但我们认为长期看按揭利率的路径是下行。叠加我们对家装「回归」已见底的判断,我们认为这为 HD 与 LOW 创造了有吸引力的布局——它们是我们覆盖范围内最好的周期上行期权性机会之一。在多年下滑之后,按揭市场的 AI 扩散对加速这一增长是受欢迎的顺风。
AI 很可能提升整个按揭生态的效率,尤其是在申请录入、文件处理、承保支持、欺诈识别、客服与营销环节。AI 可以降低摩擦、降低单笔贷款成本、缩短周期、提升贷款机构产能。随着时间推移,这些改善整体上应有利于征信机构——它们受益于更高的按揭活动,以及贷款机构对信用、身份、欺诈、核验、营销与分析解决方案的需求。AI 还可能让高质量数据更有价值,因为它让贷款机构能更快、更一致、更大规模地使用这些数据。
图 127:TransUnion 与 Equifax 的按揭业务占 2025 年收入比重
AI 是「量的赋能者」。 更具可扩展性的发起平台与更高的转化率有利于征信机构,因为更高的申请与发起活动通常支撑对信用报告、评分、身份核验、欺诈工具、收入与就业核验、组合监控、预筛、营销与分析解决方案的需求。对征信机构而言,这个机会是 100% 交易性的:按揭量约 65% 为增量,因此随着量上升,传导会越来越赚钱。通过降低单笔成本、减少摩擦、缩短周期,AI 能帮助贷款机构在需求改善时用既有资源处理更多申请。
这对征信机构意味着什么? AI 可以让按揭贷款机构更高效、减少发起摩擦、提升产能,并更依赖结构化、可信的数据。随着按揭工作流更自动化,贷款机构很可能需要更可靠的数据输入,而不是更少——这支撑了超越传统信用报告、进入欺诈识别、身份核验、收入与就业核验、营销、预筛、组合监控与分析的需求。不过我们也要指出,鉴于监管与合规要求,AI 采用可能是渐进的,某些工作流或数据产品也可能面临新的竞争或定价压力。但整体上,我们认为 AI 是通过改善申请流程效率,对征信机构构成潜在顺风。
ICE Mortgage Technology 已是一个有规模的平台,2025 年收入约 22 亿美元。该业务是通过一系列收购逐步搭建起来的——包括 MERS(2016)、Simplifile(2019)、Ellie Mae / Encompass(2020)与 Black Knight / MSP(2023)——形成了一套端到端的按揭技术栈,覆盖客户互动、发起、承保、交割、MERS/eRegistry、服务、数据/分析,以及二级市场连接,并与约 85% 的美国按揭相连。我们把 ICE 视为按揭 AI 的持久受益者:技术应压缩申请录入、承保支持、服务与再融资触达各环节的摩擦,同时越来越有利于嵌入合规按揭工作流的基础设施提供方。在我们看来,ICE 通过 Encompass、MSP、MERS/eRegistry、交割解决方案,以及其按揭数据与分析能力,占据的正是这一关键基础设施层。
ICE 的长期按揭战略,核心是把碎片化、模拟式的工作流,转化为由中立基础设施提供方运营的「全生命周期贷款」平台。我们认为这与我们更宏观的按揭 AI 框架高度契合:虽然完全的信用自动化仍受监管要求与可解释性标准的约束,AI 仍能实质降低借款人发现、申请录入、承保支持、估值、服务与再融资各环节的摩擦。管理层估计当前发起一笔按揭的成本约 1.1 万美元,并认为 ICE 可以通过工作流自动化、更快的数据提取与更高的运营效率消除「几千美元」。在行业规模上,我们认为这为客户带来了可观的 ROI 机会,同时支撑 ICE 一体化按揭平台更广泛的采用。
(其定位是)受监管的记录系统,而不是自主承保。Encompass 与 MSP 仍是发起与服务的核心平台,AI 能力叠加其上,用于分析数据、识别错误与工作流瓶颈、自动化文件采集、路由例外情形,并提供自然语言的工作流指引。在服务环节,ICE 正把 AI 用于来电预测、通话摘要、智能路由、可执行付款安排等动作的虚拟与文本智能体,以及能用既有服务数据自动填充再融资或 HELOC 申请的工具。
从投资者角度看,我们认为 AI 的传导含义与按揭发起机构有实质不同。虽然 AI 应降低生产成本、提升借款人认知,并可能带来更陡的再融资周期,但我们认为发起机构的许多收益最终可能被更低的销售利差与更高的定价透明度竞争掉。相比之下,ICE 是通过更高的客户 ROI、更深的发起与服务工作流渗透、在其收购来的技术栈上交叉销售、扩展数据产品,以及在按揭量复苏时获得更大的交易杠杆,来变现底层基础设施。
在我们看来,主要风险是 AI 原生的点状方案在借款人互动、文件处理、承保支持等离散的按揭工作流上夺取份额。不过,我们认为整平台被替代的可能性要小得多。Encompass 与 MSP 作为受监管的记录系统运作:维护长期数据仓库、管理按揭还款/托管余额/MBS 池之间的资金流转,并支撑监管审查所需的审计轨迹。
因此,我们认为 AI 更可能提升 ICE 的数据、工作流与合规基础设施的价值,而不是把它去中介化。
结论: 我们把 AI 视为 ICE 按揭科技板块的中期正面因素。在我们看来,机会的核心不是自主承保,而是大规模部署的受监管工作流自动化。虽然 AI 原生点状方案在文件处理或借款人互动等离散功能上是竞争风险,但考虑到 ICE 在记录系统、合规工作流、审计轨迹、资金流转、服务记录与下游证券化基础设施中的核心角色,我们认为整平台被替代仍不太可能。
Adam Kramer、Derrick Metzler。对住宅 REITs——即多户住宅与单户租赁 REITs(SFR)——而言,争论在于 AI 驱动的按揭与交易简化是否会有利于自有住房、不利于租赁,或以其他方式影响自有与租赁之间的动态。
关键争论在于:AI 是加速了 Z 把搜索意图转化为交易意图的能力(例如比价、预批、看房、匹配经纪、交割),还是前沿实验室的代理式工具在消费者到达 Zillow 之前就越来越多地截取了「发现」环节。我们把谷歌的房源挂牌产品视为近期影响有限、但长期是真实威胁——代理式工具最终可能替用户找房、总结社区情况、把买家直接接到经纪商,从而同时争夺消费者注意力与经纪商广告预算。更多内容见《GOOGL 房源挂牌广告对 Zillow 意味着什么》。
对 COMP 而言,按揭/AI 之争更多不在消费漏斗归属,而在经纪生产力、平台规模,以及向下一轮住房复苏的整合。近几个季度,Compass 大幅扩张了经纪人数、地理覆盖、加盟/周边业务敞口,以及在更大专业网络上部署 AI 工具的能力。在近期收购 Anywhere 之后,COMP 已把其 AI 平台扩展到约 34 万名房地产专业人士,在预测洞察、工作流自动化与后台效率上带来收益。在 AI 减少文书(例如线索跟进、定价分析、营销物料生成、按揭交接与交易协调)的世界里,更大的经纪平台理论上应获得经营杠杆。抵消因素是:更便利的按揭比价与更透明的消费者工具,也可能削弱经纪商历史上的信息优势,并压缩经纪价值链的某些环节。对 OPEN 而言,AI 更多不在获客,而在改善即时住房交易的经济性。更好的承保、定价模型、文件自动化、验房、装修范围界定与按揭工作流,可以降低收购成本、提升定价准确性、缩短持有期,最终扩大「即时购房在经济上可行」的那部分住房市场。
更重要的争论或许是 AI 如何在整个住房生态中转移价值。我们认为,区分「AI 让按揭更便宜」与「AI 改变谁获取住房交易的经济利益」是有帮助的。若 AI 让 Z 把更大比例的浏览活动转化为成交,同时提升按揭、租赁、看房与经纪服务的附加率,Z 就受益。若 AI 让每位经纪服务更多客户、自动化行政工作、深化其一体化经纪平台的价值,COMP 就受益。若 AI 实质改善定价准确性与交易效率、降低运营复杂性与库存风险,OPEN 就受益。在我们看来,这些结果互补而非互斥。与此同时,AI 也可能削弱历史上……
……在发现环节日益代理化、按揭比价完全商品化、或交易工作流在各平台间标准化的情形下,各公司所享有的(历史竞争优势)。因此,我们认为关键争论不在于 AI 对住宅地产是否为正面,而在于交易日益数字化时,谁最终成为主要的客户界面。
最终,我们把 AI 赋能的按揭简化视为对 Z、COMP、OPEN 温和正面,但单靠它不足以压过住房宏观。对 Z,上行是更高的消费者转化与按揭附加率,风险是 AI 对漏斗顶端的颠覆。对 COMP,上行是经纪生产力与整合带来的经营杠杆,风险是 AI 让部分经纪工作流更商品化。对 OPEN,AI 有潜力通过降低运营成本与库存风险改善单位经济,但宏观住房条件与资本可得性仍是盈利能力的首要决定因素。三者共同的结论是:更大的盈利解锁仍需要住宅交易量复苏,AI 更像是份额、附加率与利润率的加速器,而不是独立的需求创造者。
要达成北约新目标,每年至少需要约 10bp GDP 的财政努力。 达成该目标在多数国家所需的调整大体相近,通常在 1–1.5pp GDP 的区间(图 18)。主要例外是希腊(已相对接近目标)与奥地利(非北约成员,不受此约束)。以 2035 年为截止期限,这意味着多数国家每年至少需要约 10bp GDP 的财政努力。一个关键问题是:各国政府最终是否愿意承诺、并持续承担这一财政调整。
M Exhibit 33: A complex outlook: The only time in its recent history when a UK government contended with higher debt servicing costs, nominal GDP growth was in excess of 7%Y. Lower-thanaverage nominal GDP growth + higher-than-average debt servicing costs = 1.5% primary surplus needed to stabilise the debt-to-GDP ratio 4.0% Mar-26 f'cast Average debt interest spending, as % of GDP 3.5% FY19/20 to 24/25 3.0% FY96/97 to 2.5% 01/02 FY05/06 to 2.0% 09/10 1.5% FY17/18 to 19/20 1.0% 0.0% 5.0% 10.0% 15.0% 20.0% Average annual nominal GDP growth, %Y Source: OBR, Morgan Stanley Research estimates. Blue markers = Conservative PM, red markers = Labour PM. Each marker = fiscal years spanning a parliament (e.g. FY1996/97 to FY2001/02 = Blair's first term) 22
如何腾出空间:直接削减支出难度很大,政府可能选择更渐进的策略——把某些项目支出的名义增速限住,从而逐步稀释它们在 GDP 中的权重。把相当于 GDP 25% 的支出按通胀指数化、而不跟随实际增长,在实际 GDP 增速 1% 的情形下,可使这部分支出在 GDP 中的权重每年下降 20bp(实际增速 2% 时每年下降 40bp)——一个缓慢但有效的策略。在 1% 年均实际增长的保守假设下,支出冻结可提供遵守欧盟财政规则所需基本收支改善的大约一半;反之,若实际 GDP 年均增长 2%,则全部调整需求都可以在不追加任何财政措施的情况下达成。
冻结支出是遵守欧盟财政规则、并为未来支出压力腾挪的可行经济策略。 本节主张:各国可以在不依赖额外增收、且对经济增长冲击有限(我们估计约每年 10bp)的前提下,可信地应对未来的支出压力。我们的分析假设政府实际支出被冻结、部分支出类别的增速被限制在通胀率。随着时间推移,这些支出占 GDP 的比重会自然下降。在保守假设下(欧元区实际 GDP 年均增长 1%),模型显示这一路径可创造可观的财政空间:它可以满足遵守欧盟财政规则所需基本收支改善的一半,意味着债务率平均每年下降 1pp。在这一保守增长假设下,剩余调整需要来自更深的支出冻结(或削减)、支出压力的下降(例如通过养老金改革),或额外的增收措施(加税)。但如果实际经济增速年均达到 2%(是我们基准的两倍),单靠支出冻结就足以完全吸收预计的支出压力,同时仍符合财政规则。换言之,债务率仍能平均每年至少下降 1pp,使公共财政走上明确的可持续路径。
……但这并非唯一可用的政策工具。 通过聚焦支出冻结,我们给出了一套可统一适用于各国的政策路径,且按我们的结果,其经济扭曲最小。不过,更高的收入显然也可以是解决方案的一部分。在某些国家,提高收入很可能就是恰当的政策回应,取决于既有税负以及经济处在拉弗曲线的哪个位置等因素。此外,在我们保守的增长假设下,单靠支出冻结只能满足为容纳未来支出压力并符合财政规则所需财政调整的约一半,剩余调整因此需要通过削减支出、增收措施与经济改革的组合来实现。不过我们认为,支出冻结作为一种「被动式」财政整固,属于相对容易摘到的果子:它比加税或削减支出更易被接受,同时对 GDP 增长的冲击相对有限。
支出可以怎么削(或者,更准确地说,怎么放缓)……
图 38:2001 年以来养老金与医疗支出合计上升 3 个百分点 GDP图 35:欧元区债务变动(年均,占 GDP 百分点)
社会支出、国防与利息支出这三类合计占欧元区 GDP 的 23%,其余 26% 的 GDP 才是可能动手调整的空间。因此政府面临的关键挑战是:如何在现行预算里找出腾挪余地。图 37 展示了欧元区当前政府支出的结构。
图 37:难以削减的支出领域合计占 GDP 23%图 38:2001 年以来养老金与医疗支出合计上升 3 个百分点 GDP
其中有些项目很难压:国家养老金(约占 GDP 11%)、医疗(约 7%)、国防与公共秩序(3%)、利息支出(约 2%)。2024 年这些类别合计约占欧元区 GDP 的 23%,剩下的约 26% 的 GDP 才是相对更可行地削减支出的领域。
按实际值冻结支出…… 不过,要削减这 26% GDP 里的支出并不容易,因为它包含教育、气候政策、警务等同样被视为优先项的领域。归根到底,削减任何类别的公共支出都很难。从这个角度看,一种能腾出空间的策略是「稀释」而非「削减」:政府可以把某些支出的名义增速限定在通胀水平,即按实际值冻结。由于名义 GDP(实际增长与通胀之和)增长更快,这些项目占 GDP 的权重会逐步下降。实际效果是,支出占 GDP 比重的下降速度取决于实际 GDP 增速。
……并允许一定偏离。 弹性不止于此。尽管各国计划设定了明确的净支出路径,仍允许某种程度的偏离,超出欧委会建议的支出不会自动触发过度赤字程序(EDP)。实际操作中,欧委会维护一个「控制账户」,跟踪各成员国相对其净支出路径的累积偏离。我们整理了欧委会最新公布的数据(图 56),其中超支被记为正值(占 GDP 比重),支出不足记为负值。按现行框架,每年最多允许 0.3pp 的 GDP(或累计 0.6pp)偏离。只要控制账户的余额仍在这些门槛之内,该成员国就被视为合规;一旦超出,则可能触发基于债务的过度赤字程序。
如果国家不遵守规则会怎样? 对不在 EDP 中的国家,超出控制账户设定的门槛可能导致启动基于债务的过度赤字程序。话虽如此,即便在这一情形下,决定也不是完全自动的——欧委会可能考虑债务与赤字水平等额外因素。但对已在 EDP 中的国家,后果可能更严重:如果它们不按欧委会的建议行动、超出其控制账户所隐含的支出上限,欧委会可能决定升级程序。对欧元区成员国,这种升级还可以包括施加或加码制裁,包括按上一年 GDP 的 0.05% 处以罚款、每六个月支付一次,直到欧委会认定已针对通知采取了有效的纠正措施。另一个有力的执行工具,是欧洲央行传导保护工具的合格条件:当金融条件恶化而无法由各国基本面解释时,该工具允许欧洲央行购买公共部门证券。由于遵守财政规则是这些条件之一,该工具对政府落实欧委会财政建议形成了额外激励。
The EU budget alone won't move the needle: A topic that has increasingly featured in investor discussions is whether the EU budget could help alleviate some of the fiscal burden by taking on a larger share of spending compared to previous budget cycles. The EU budget should not be viewed as fiscal space external to Member States. Since the EU is ultimately composed of the same countries facing national fiscal constraints, a larger EU budget generally implies either higher national contributions or common borrowing backed by Member States. In aggregate, this does not eliminate the fiscal burden, but reallocates it across countries and across time. The case for EU-level spending is therefore strongest where it delivers genuine efficiency gains. A collective entity may be better placed to provide certain European public goods than individual Member States. Defence is often cited as a compelling example, with proponents arguing that pooling resources to develop a European defence industrial base could generate meaningful savings. While some of these arguments are clearly relevant, particularly in the current geopolitical context, the direction of travel does not suggest that the EU budget's size will be a decisive factor in terms of overall spending volumes. That said, the next EU budget cycle may still play a more meaningful role via a potential reallocation of spending priorities towards items with higher fiscal multipliers. A new EU budget cycle is coming: Starting with some context, the EU’s long-term budget, the Multiannual Financial Framework (MFF) is a seven-year strategic plan that sets out the Union’s financial priorities. It determines both how resources are raised and how they are allocated across policy areas and Member States. The EU is approaching the end of its current budget cycle (which runs until 2027), and negotiations for the next MFF, covering
Annual and cumulated deviations (% GDP) of net expenditure growth Annual deviation Annual deviation 2025 2026
Annual and cumulated deviations (% GDP) Cumulated deviation 2025
M Exhibit 3: The other indirect channel of fiscal to equities is through sovereignty spreads, in particular OAT and BTP spreads 52w correlation: MSCI France vs OAT spread and MSCI Italy vs BTP spread 0.4 0.2 0.0 -0.2 -0.4 -0.6 -0.8 -1.0 1992 1996 2000 2004 2008 2012 2016 2020 2024 Source: LSEG Data & Analytics, Morgan Stanley Research Exhibit 5: Sovereign spreads can become an important driver of equities, particularly during periods when fiscal sustainability moves to the forefront of investor attention MSCI Italy Rel. vs MSCI Europe (rebased, LC) 125 General election 120 115 110 105 100 95 90 MSCI Italy 85 BTP-Bund Spread (R.H.) 80 Jan-18 Apr-18 Jul-18 Oct-18 Jan-19 Source: LSEG Data & Analytics, Morgan Stanley Research Exhibit 7: In 2024, after snap elections were called, OAT spread and performance of companies with high exposure to France were following a similar pattern (but less so at the overall index level) Relative performance vs MSCI Europe (rebased, LC) CAC 40 vs MSCI Europe 103 Elections: 1st & 2nd round 101 99 97 95 93 91 89 Snap Election called 87 100 85 Jun-24 Jul-24 Aug-24 Sep-24 Oct-24 Nov-24 Dec-24 Jan-25 Feb-25 Mar-25 Source: Company data, Factset, MSCI, Morgan Stanley Research. * High exposure = revenue exposure to France >20%, stock price decline from June 7-14, 2024 >4% and price decline from Aug 22 to Sep 2, 2025 >4%. Morgan Stanley Research 61
MSCI Italy vs BTP spread MSCI France vs OAT spread Final budget approved Fitch downgrade EU rejects Italian budget Deficit target of 2.4% announced High exposure vs MSCI Europe Potential no- confidence vote OAT spread (R.H., inverted) news No-confidence vote passed Budget passed
BluePaper Exhibit 4: At the sector level, banks and infrastructure tend to be most sensitive to sovereign spread moves MSCI index: 52w correlation to sovereign spread by sector 0.6 MSCI France vs OAT spread 0.4 MSCI Italy vs BTP spread 0.2 0 -0.2 -0.4 -0.6 Cap Goods Telcos M&M Food Retail Aerospace Travel & Leisure Div Fins HPC Utilities Pharma Software & Svcs Autos Chemicals Insurance Defence Business Svcs Energy Banks Real Estate Food & Bev Luxury Medtech Transportation Semis & Equip Construction Life Sciences Media & Entm't Source: LSEG Data & Analytics, Morgan Stanley Research Exhibit 6: Although, even in the case of Italy in 2018, there is sector performance dispersion – with financials among the most impacted MSCI Italy EW Sector Perf (rebased, LC) 135 125 115 105 95 85 75 65 55 May-18 Jun-18 Jul-18 Aug-18 Consumer Discret Financials Healthcare Industrials Energy Staples Utilities Communication Svcs. * High exposure = revenue exposure to France >20%, stock price decline from June 7-14, 2024 >4% and price decline from Aug 22 to Sep 2, 2025 >4%.
M Exhibit 20: A scenario of fiscal consolidation and low economic growth would support the environment for M&A activity in Europe 12M Aggregate Data: European Deal Value 16 14 12 10 8 6 4 2 1990 1993 1996 1999 2002 2005 2008 2011 2014 2017 2020 2023 Peak of Cycle Europe Deal Value (% of Mcap) Deal Value (USDbn, R.H.) Source: Thomson Financial, Datastream, MSCI, IBES, Eurostat, Markit, Moody's, The Yield Book, NBER, ECB, Morgan Stanley Research Morgan Stanley Research 65
航空航天与国防:更高的国防支出需求
Ross Law、Marie-Ange Riggio。全球冲突与对更大战略自主的追求,正推动欧洲国防支出上行。但财政压力与政治不确定性构成潜在制约。
据北约与 SIPRI 数据(按现价与现行汇率),欧洲北约成员国 2025 年国防支出约 5,820 亿美元,占 GDP 的 2.4%,相比 2024 年的 4,840 亿美元(占 GDP 2.0%)同比增长 17%。我们预计 2026 年将再增 8% 至 6,300 亿美元(占 GDP 2.5%)。此后,我们对各国国防支出承诺的更新分析显示,到 2030 年将保持 5% 的年复合增速、超过 7,500 亿美元(占 GDP 2.9%),比 2024 年高 56%。
我们有两点关键观察:(i)我们预计各国之间差异极大——例如我们预测德国到 2030 年支出达 GDP 的 3.2%,贡献这一时期欧洲国防支出总增量的 29%,抵消意大利与西班牙的影响(我们预计两国仅为 2%)。(ii)对当前国防支出承诺的分析显示,欧洲支出到 2035 年仍将维持在 GDP 的约 3%,低于近期北约峰会新设的 3.5% 核心国防支出目标。尽管如此,我们的基准支出展望仍支撑我们对该板块稳健的中期增长判断,支持我们的「具吸引力」行业观点。
2025 年 6 月签署的一份宣言中,北约成员国承诺了一套新的国防支出目标,不再沿用此前 2% GDP 的目标。联盟通过的声明强调各国承诺把 GDP 的 5% 用于国防。这一目标可视为两部分之和:GDP 的 3.5% 用于「核心国防需求」,加上 GDP 的 1.5% 用于非核心国防(也被定义为「国防与安全相关」支出),侧重基础设施。