顶尖大模型‘能力突变’加速演进,算力与能源瓶颈成全球性制约——摩根士丹利2026年AI前沿研判

2026年4月11日,摩根士丹利发布重磅AI行业研报,首次系统性提出‘前沿大模型能力正经历阶跃式、非线性突变’的核心判断。报告指出,以GPT-5原型、Qwen-VL-Max及DeepSeek-R1为代表的新一代顶尖模型,在复杂任务持续执行、跨学科推理、自主工具调用等维度已显著突破传统缩放定律预测轨道。第三方评估机构METR实测显示,当前最优模型可独立完成超15小时的多步骤物理建模与代码调试闭环任务,而按既有Scaling Laws外推值仅为约8小时,实际能力超前理论预期近一倍。这一‘能力突变’并非渐进优化,而是由强化学习驱动的慢思考机制、动态专家路由(MoE)、具身动作令牌(Action Token)等底层范式重构所引发的质变。

报告进一步揭示,能力跃升正以前所未有的强度反向拉升基础设施需求。2026年一季度全球LLM周Token使用量从6.4万亿飙升至22.7万亿,增幅达250%,部分服务商已对API调用实施硬性配额。更严峻的是,算力供给增速(NVIDIA CAGR预测)仅为需求增速的三分之一;与此同时,美国数据中心电力缺口在2025–2028年间预计达55吉瓦,相当于180亿美元项目被取消、460亿美元项目延期,即便启用天然气涡轮与比特币矿场转供等应急方案,净缺口仍占同期部署总规模的18%–30%。

该趋势已开始重塑全球AI竞争格局与产业分工。一方面,模型研发重心正从‘参数竞赛’转向‘推理效率+能源感知架构’,如Qwen-Max采用动态稀疏MoE激活策略,在保持141B总参数的同时仅激活39B,推理成本降低60%;另一方面,劳动力市场出现结构性调整:受AI影响最深的五大行业中,过去12个月净裁员率达4%,其中11%岗位被裁撤、12%空缺不再补招,而新增招聘仅占18%。报告援引Leo Aschenbrenner《情境感知》论文警示:若智能跨度再复制一次GPT-2到GPT-4的跃迁,人类或将直面AGI临界点——2027年实现AGI已非科幻设想,而是具备‘令人惊讶的可能性’。