Paano tinitingnan ang malaking pagbawi ng AI, malalim na pagsusuri sa 120 pahinang ulat ng Morgan Stanley

Mula huling bahagi ng Hunyo, naranasan ng global AI sector ang isang kapansin-pansing pag-urong.

Ito ba ay pansamantalang teknikal na pag-urong, o isang senyales na narating na ang tuktok ng siklo? Isa itong tanong na napakahalaga ang sagot.

Noong Hulyo 27, naglabas ang Morgan Stanley ng isang 120-pahinang malalimang ulat na tinatalakay ang isyung ito, na may pamagat na "Playing the AI Infrastructure Dip".

Malinaw ang naging pagsusuri ng ulat: ang pangunahing nagtulak sa pag-urong ay mga teknikal na salik, kabilang ang pagsasaayos ng labis-labis na posisyon, pagde-leverage ng margin financing, at reversal ng momentum factor—hindi ang pagkasira ng fundamental logic.

Maingat kong binasa ang ulat na ito at marami akong natutunan, kaya nais kong ipaliwanag sa inyo ang mga pangunahing nilalaman.

(1) Pag-aalala ng Pamilihan ng Kapital Una: Pagbaligtad ng Tokenmaxxing Narrative?

Isa sa mga negatibong signal na sinusubaybayan ng market kamakailan ay ang pagbaligtad ng "Tokenmaxxing" na kuwentong ito.

Maraming kompanya ang nagsimulang magtakda ng budget cap sa paggamit ng AI Token ng kanilang mga empleyado, na nagbunsod ng mga pagdududa sa sustainability ng kita ng mga malalaking AI model companies.

Ang pag-aalalang ito ay walang sapat na basehan.

Una, napakababa pa ng base ng gastos ng mga AI Token ng mga empleyado ng kompanya sa ngayon, at napakataas ng ROI.

Ayon sa pananaliksik ni Morgan Stanley sa maraming enterprise-level na AI application cases, ang bawat isang AI call ay nakakatipid ng humigit-kumulang $55 sa labor cost, habang ang average na gastos upang matapos ang isang enterprise-level na gawain sa tulong ng agent collaboration ay nasa $2-5 lamang, na ang ROI ay mahigit 10 beses.

Para sa tools na ang ROI ay higit 10x, hindi isyu ng budget decision ang pag-adopt, kundi isyu ng core competitiveness, at ang mga kompanyang hindi masigasig na nagde-deploy ng AI capabilities ay mahuhuli sa kompetisyon.

Pangalawa, ang upgrading ng GPU generation ay magpapataas ng profit margin ng data center, ibig sabihin ay posibleng bumaba nang husto ang presyo ng Token sa hinaharap nang hindi naaapektuhan ang profitability, kaya mas lalong lalaki ang demand.

Ayon sa mga kalkulasyon ng Intelligence Factory model ng Morgan Stanley, base sa Blackwell, ang net profit margin ng data center Token sales ay mga 58%.

Kapag nailunsad ang Rubin at Feynman na GPU generations, tataas ang profit margin sa mga 80% at 90% ayon sa pagkakasunod.

Ibig sabihin, maaari pang ibaba ng mga Hyperscaler ang Token pricing nang hanggang 75% nang hindi bumababa ang profit margin, napakalaki pa ng espasyo para sa pagbaba ng cost curve—magkasama ang price cut at kita.

(2) Pag-aalala ng Pamilihan ng Kapital Dalawa: Pinatunayan ba ng Kimi moment na hindi makatwiran ang capital expenditure?

Sa paglabas ng Kimi K3 ay muling tinutukan ng pamilihan ang isang core hypothesis: Kung kaya ng China na mag-train ng state-of-the-art na model sa mas mababang gastos, bababa ba ang expected return sa mahigit isang trilyong dolyar kada taon na AI Capex ng US Hyperscaler?

Ayon kay Morgan Stanley, hindi pinapalambot ng ultimate efficiency competition sa pagitan ng US at China big model companies ang demand sa computing power, sa katunayan, pinatitibay pa nito ang pangmatagalang "demand far exceeds supply" structure.

Noong ika-19 siglo, napansin ng ekonomistang si William Stanley Jevons na bagama’t malaki ang naitataas ng Watts steam engine sa efficiency ng pagsunog ng uling, mas tumaas pa ang kabuuang konsumo ng uling sa UK—dahil ang steam engine ay ginawang mas cost-effective at kaya inilagay sa mas maraming factory at minahan.

Kaya niya ipinasa ang sikat na Jevons Paradox: Kapag tumaas ang efficiency ng paggamit ng resource, mas tumataas ang kabuuang konsumo.

Akma rin ang Jevons Paradox sa kasalukuyang AI revolution: habang bumababa ang unit cost ng Token dahil sa computing power efficiency, lalong dumarami ang application scenarios, user, at call frequency, na siyang nagtutulak pataas sa total computational consumption.

May datos si Morgan Stanley upang mapatibay ang tindi ng imbalance sa supply at demand:

Ayon sa isang Google executive kamakailan, kailangang mag-double ng computing power kada anim na buwan, o halos 1000x sa loob ng 5 taon.

Gayunpaman, mula sa supply side, ang NVIDIA 2025-2028 AI chip sales CAGR ay halos 140%—kahit i-project nang 5 taon, hindi pa nito maibibigay ang 10% lamang ng projected single client demand ng Google.

Ibig sabihin, kahit puspusan ang production ng pinakamalaking global computing power supplier, maliit na bahagi pa lang ng nag-iisang giant client ang nasasakop.

(3) Pag-aalala ng Pamilihan ng Kapital Tatlo: Ang physical supply constraints ba ay matinding limitasyon?

Ang ikatlong pangamba sa capital market ay: Kahit malinaw ang demand side, baka hindi kayang tugunan ng physical world ang pangangailangan para sa power infrastructure?

Tinawag ni Morgan Stanley ang physical world constraints na 3P: People, Power, Politics.

People: Kulang sa skilled workers (electrical, welding, piping) na kailangan sa pagtatayo ng data center.

Power: Ang panahon ng paghihintay sa grid connection ay umaabot na ng 5-7 taon sa ilang rehiyon, na siyang pinakamatinding bottleneck sa data center deployment.

Politics: Ang pagtatayo ng data center ay nakakaranas ng multi-level na political resistance mula local hanggang federal, at ang direksyon ng regulasyon ay tumatalikod na.

Noon, nag-uunahan ang mga estado sa pagbibigay-incentives para maakit ang data centers, ngunit ngayon, marami nang states ang nagpa-pause, naglalagay ng kondisyon, o kumakansela ng mga tax break para sa mga data center.

Ang pagpapabagal ng pag-develop ng data center at proteksyon sa electric bill ng residente laban sa pagtaas dulot ng infrastructure cost ay nagiging mahalagang tema sa kampanya ng mga gobernador—inaasahan ding magiging major issue sa election ngayong Nobyembre.

Samantala, sinusubukan ng federal government na magpataw ng nationwide "data center tariff".

Pinagdedebatehan sa House ang Ratepayer Protection Act—unang pagtatangkang gawing batas ang cost-sharing sa infrastructure, na humihikayat sa public utility companies ng states na gumawa ng "large load standard" na magpapabayad ng grid upgrade sa data centers.

Noong Marso, pumirma na sina Amazon, Google, Meta, Microsoft, Oracle, xAI sa White House's Ratepayer Protection Pledge, kusang nangakong poprotektahan ang kasalukuyang consumer laban sa data center infrastructure cost.

Ang batas na ito ang gagawing obligasyon ang nasabing voluntary commitment, at efektibong magtatayo ng nationwide data center surcharges sa kuryente.

Inaamin ni Morgan Stanley ang katwiran ng pangambang ito, ngunit tinuturing lamang na "speed bumps", hindi structural barriers.

Habang tumatagal ang grid connection queue (5+ taon sa ilang lugar) at dumarami ang pressure sa data center na mag-sariling power, nagiging pangunahing solusyon ang onsite power generation.

(4) Time to Power: Napapababaang Arbitrage ng Oras ng Kuryente

Sinukat ni Morgan Stanley ang kakulangan ng kuryente sa mga data center sa US.

Ayon sa kalkulasyon, sa 2026-2028, ang demand ng data center electricity sa US ay mga 68GW. Bawas ang on-construction capacity (15GW) at ang naka-sign na grid capacity (15GW), mayroon pang potensyal na gap na 38GW, kung saan ang grid connection ay kadalasang may 5-7 taong paghihintay.

Sa ganitong kalagayan, naniniwala si Morgan Stanley na ang time value ng electricity access ("Time to Power") ang pinakaminamali ng market sa kasalakuyan.

Maliwanag ang logic: Dependent ang operation ng data centers sa power supply → 5-7 taon ang grid connection queue → Malaking value ang alternatibong makakapagbigay ng power sa loob ng 1-3 taon.

Dalawang pangunahing paraan ng "debottleneck" na kinilala ni Morgan Stanley:

• Bitcoin mining sites: Ang mga kumpanyang ito ay may malaking kapasidad at physical land na nakakonekta na sa grid na maaring i-convert bilang data centers (10-19GW).

• Power generation schemes na pwedeng mabilis i-deploy: Mga solusyun tulad ng natural gas turbines (15-20GW), at fuel cells (5-8GW) na mas mabilis kaysa grid connection nang 1-3 taon.

Kahit isama ang probability-weighted scenario ng natural gas turbines, fuel cells, direct nuclear power supply, at Bitcoin mining conversion, may netong gap na humigit-kumulang 1GW (base case) at 11GW naman sa pessimistic case.

Sa madaling salita, ang pinakakakulangan ng Hyperscaler ay hindi Capex kundi ang physical space na may handang kuryente—tinatawag na "Powered Shell".

Ayon sa research ni Morgan Stanley, hindi sapat ang pricing ng market sa mga Powered Shell Provider na ito.

Upang masukat ang undervaluation na ito, ikinumpara ni Morgan Stanley ang EV/Watt sa traditional renewable PPA, gaya ng nasa tabla sa ibaba:

Sa ngayon, ang EV/Watt ng mga Powered Shell Provider na gaya ng TeraWulf, Cipher Mining, HUT 8, Riot Platforms, Applied Digital, Galaxy Digital ay nasa $2-4 pa lamang.

Base sa mature data center operators (tulad ng Equinix, Digital Realty) na may 20-25x EV/Watt, binigyan ni Morgan Stanley ng 15x target valuation discount multiple ang batch na ito ng mga nagta-transform na kumpanya.