摩根士丹利在最新发布的AI采用与未来工作调查报告中，对科技硬件与半导体行业在AI浪潮中的角色给出了明确判断：这一行业并非AI冲击的受害者，而是提供“镐与铲”的核心供给方，整体上是净受益者。

报告数据显示，过去12个月，科技硬件与半导体行业录得约8.6%至8.2%的净生产率提升，同时面临约5%至8%的净岗位流失。摩根士丹利分析师指出，裁员主要集中在早期阶段，且整体行业影响为正面——企业既通过内部运营效率改善降低成本，又因外部AI基础设施需求激增而直接受益于芯片及相关设备的订单增长。

从具体应用看，欧洲半导体企业的AI落地已相当多元。ASML将AI用于计算光刻解决方案的精度与效率提升，STMicroelectronics则应用于缺陷分类与良率优化。此外，23%的英国和德国科技硬件受访企业表示已部署制造设施数字孪生技术，供应商涵盖Cadence和Synopsys。在人员结构调整方面，ASML、Infineon和Aixtron均于2026年宣布裁员计划，但管理层并未直接归因于AI；而ams OSRAM于2026年2月宣布计划未来三年削减逾2000个岗位，明确将欧洲业务的AI自动化列为裁员理由之一。

报告的核心逻辑在于：AI效率收益越显著，企业对AI基础设施的投入意愿就越强，形成对半导体需求的正向循环。调查显示，全行业平均净生产率提升为9.6%，其中银行、软件等高强度AI采用行业的生产率增益尤为突出。从资本开支看，摩根大通2026年科技预算接近200亿美元，其中约23亿美元（占总投资预算的25%）直接用于AI投资，这类企业级支出将沿供应链传导至芯片设计、晶圆制造及半导体设备环节。

分析师进一步指出，随着AI从生成式模型向智能体（Agentic AI）演进，CPU、半导体设备及存储器将成为关键受益方向。智能体AI的大规模部署对算力密度、推理效率及内存带宽提出更高要求，现有硬件架构面临新一轮迭代压力，也预示着下一个供给瓶颈正在形成。

报告也揭示了制约AI硬件扩张的多重结构性障碍。在软件行业受访者列出的未来12个月主要挑战中，“基础设施与能源约束（算力容量、电力可用性）”被明确提及。从供应链看，“遗留系统集成”和“数据准备度”是各行业AI部署的普遍痛点，“AI技能短缺”在多个行业均位列前三大障碍，半导体行业高度依赖专业工程人才，在人才竞争中面临更大压力。

澳大利亚软件行业的观察提供了另一维度参照：随着AI采用向更广泛部署推进，对数据中心和算力基础设施的需求将显著增强，但资本密度和电力强度也将同步上升。摩根士丹利分析师认为，下一阶段AI硬件的真正瓶颈将从芯片设计转向能源、电力、数据中心容量及制造产能，这些供给约束或成为AI基础设施扩张的关键限制。