开源模型崛起，算力需求会“缩水”吗？摩根士丹利推演 AI 三种未来

一场关于“算力需求”的路线之争

当开源大模型的性能持续逼近闭源产品，一个尖锐的问题开始困扰资本市场：如果人人都能免费获取高效模型，那些投入千亿资金建设的数据中心和芯片订单，是否会在未来几年面临需求萎缩？摩根士丹利近期在一份研究报告中推演了这种可能性，并描绘了 AI 产业可能走向的三种截然不同的未来图景。这份报告的核心关切在于，开源生态的繁荣是否将从根本上改变 AI 算力市场的供需曲线。 从产业结构看，当前全球算力投资仍处于高位。据市调机构 IDC 估算，2025 年全球 AI 服务器市场规模有望突破 1000 亿美元，而训练和推理需求共同构成了这一增量市场的基本盘。摩根士丹利此次推演的潜台词是：若开源模型成为主流，推理环节对高端 GPU 的依赖可能下降，而训练端的边际需求也会因模型复用而减少。值得注意的是，报告并未给出明确结论，而是以情景分析方式呈现，这本身也反映了投行对产业拐点判断的谨慎态度。

三种未来：从“通吃”到“分化”再到“重估”

据了解，这份报告将 AI 产业的未来路径划分为三种情景。第一种情景下，开源模型与闭源模型的性能差距持续扩大，头部厂商凭借算力壁垒和技术护城河维持主导地位，算力需求保持刚性增长，这一假设延续了当前“越大越好”的规模法则。第二种情景则相反，开源模型在通用任务上迅速追平闭源模型，推理成本大幅下降，企业用户倾向于本地化部署或小型算力集群，导致云端大规模算力订单增速放缓。 第三种情景更具颠覆性——开源模型催生出大量的垂直应用和边缘计算场景，虽然单体算力需求变小，但终端设备、中小企业和行业解决方案带来的“碎片化”算力需求反而推高了总量。从历史数据看，类似路径曾在移动互联网时代上演：据 Gartner 统计，2015 年全球企业级数据中心支出增速约为 4%，但随着应用爆发，2018 年云计算基础设施支出增速回升至 30% 以上。因此，“算力需求被杀死”可能是一个伪命题，更值得关注的是需求结构的迁移速度。

对芯片与半导体产业链的潜在影响

无论哪种情景实现，芯片设计公司、代工厂和云服务商的战略选择都将受到深远影响。如果第二情景成为现实，高端 AI 训练芯片的需求增速可能放缓，而面向推理场景的中低功耗芯片、边缘 NPU 以及定制化 ASIC 将获得更大市场空间。根据半导体行业协会（SEMI）的预测，2026 年全球半导体设备支出预计增长约 5%，但这一预期并未充分考虑开源模型对算力结构的影响，若需求向长尾转移，设备投资重心或将从先进制程逐步向成熟制程倾斜。 对于中国科技企业而言，开源模型的普及还可能降低 AI 应用的门槛，使更多公司绕过昂贵的海外大模型 API，转而基于开源权重进行私有化部署。这一趋势与国内云计算厂商目前力推的“私有云 AI 一体机”方案不谋而合。不过，该判断属于基于现有信息的合理外推，并非本次新闻直接披露的事实。需要指出的是，摩根士丹利报告本身并未提供具体财务模型或数据表格，其推演更多依赖行业常识与趋势假设，因此相关结论的验证仍需等待后续产业数据的支撑。

数据参考

• 全球 AI 服务器市场规模：IDC 估算，2025 年有望突破 1000 亿美元（行业参考数据，非本次新闻披露）。
• 企业级数据中心支出：Gartner 统计，2015 年全球增速约 4%；2018 年云计算基础设施支出增速回升至 30% 以上（历史行业数据）。
• 半导体设备支出：SEMI 预测，2026 年全球半导体设备支出预计增长约 5%（行业预测数据）。
• 本次新闻已确认信息：摩根士丹利发布报告，对开源模型影响算力需求进行了三种情景推演；报告来源为 odaily.news 于 2026 年 8 月 9 日的报道。报告中的具体量化数字暂缺可核验数据。 #AI #半导体 #算力 #云计算与算力租赁