投资者内参丨李静怡
日前，摩根士丹利在《互联网行业：至2028年，1.4万亿资本开支、算力规模扩容4倍，值得关注的AI收入赛道》报告中测算，2025年到2028年间，全球头部超大规模云厂商累计AI资本资本开支将突破1.4万亿美元，整体算力规模预计扩张四倍，总量达到120GW。
海量资金涌入的背后，算力分配结构却并不均衡，目前，行业内大量硬件资源，都被用于训练前沿大模型、中型模型、小型模型，谷歌、Meta等企业每年投入数十亿美元自研模型，但最终只能依靠推理业务完成商业化变现。
这种反差让投资者对AI项目长期投入资本回报率（ROIC）产生强烈质疑，同时也对互联网及超大规模云服务商板块的估值形成压制。
为此，摩根士丹利Brian Nowak团队在7月27日推出专项测算报告《The Paths to 25-50% GenAI ROIC》，通过三类自下而上的盈利模型，量化拆解推理时代生成式AI的真实收益水平，给出的结论是：三大赛道增量ROIC区间25%-50%。
三套测算框架，拆解AI商业模式盈利
第一套测算框架：云厂商GPU租赁（IaaS），基准情景ROIC约31%
关于GPU租赁这门生意，大摩算了一笔账：1GW数据中心、41万颗GB300 GPU、75%利用率、8.5美元/小时，年收入可达229亿美元，增量利润率67%。
当小时租金从7美元涨到10美元，ROIC就能从23%跳升到39%。67%的增量利润率说明超大规模企业的定价权比市场预期的要强得多。
不过，大摩提醒了一个容易被忽略的细节：当前报表利润率其实被低估了。因为大部分产能还在跑H100和B200，GB300占比还小。随着新一代芯片部署比例提升，实际利润率会逐步向“稳态”水平靠拢。
第二套测算框架：企业自建算力运营模型API，基准情景ROIC约46%
大摩在报告里提到一个反直觉的发现，即模型层比硬件层更赚钱。
同样是1GW数据中心、390亿投入，模型层不卖算力卖Token，65%算力跑推理、每GPU每秒2750个Token、每百万Token收费1.75美元，年收入304亿，ROIC 46%。
同样的投入，比出租GPU多赚50%。这也就是说，谁离用户更近，谁就能拿走更大的蛋糕
但大摩指出一个关键矛盾：参数越大的模型定价越高，推理速度越慢。Token价格在1到2.5美元之间浮动时，ROIC能从19%跳到63%。
这意味着“堆参数”不是最优解，芯片和软件层面的效率创新（提高每秒Token吞吐量）比单纯涨价更能驱动回报。两个杠杆必须同时用，不是二选一。大摩在结论里反复强调“产品创新”和“芯片/软件创新”，就是这个意思。
第三套测算框架：第三方算力托管模型API：基准情景ROIC约25%。模型层租别人算力的模式，ROIC确实是最低的，大约只有25%。但这恰恰验证了一个关键逻辑：即使不建数据中心、不买GPU，只要模型本身够强，依然能赚钱。这给大量没有千亿美元烧算力的模型公司，指明了一条现实可行的路。
纠正市场三大主流认知误区
这份报告的真正价值，在于回应了市场对AI资本开支盈利能力的核心疑虑。
第一，投资者容易拿短期季度数据，直接判定行业长期盈利水平。
报告指出，投资者仅依据短期财务数据来判断AI投资的长期回报，容易产生偏差。一方面，当前大部分产能仍以H100、B200等旧款芯片为主，高毛利的GB300推理产能尚未大规模铺开；另一方面，相当一部分算力需要预留用于模型迭代训练，这部分投入不产生收入，会持续摊薄当期利润。大摩提示，多数投资者忽略规模效应：后续推理需求持续爆发，单位折旧、用电成本会持续摊薄，盈利改善空间被市场严重低估。
第二，自有算力是行业核心壁垒，四大科技巨头充分受益。
三套测算框架统一证明：自有算力是AI时代的核心竞争壁垒。报告对亚马逊、谷歌、微软、Meta全部维持“超配”评级，目标价分别给到330、400、600、775美元。
微软依靠Azure与Copilot双轮驱动营收增长，当前估值性价比突出；AWS搭配会员、广告等高毛利业务，对冲大额算力投入；Meta是本次覆盖首选标的（Top Pick），自研模型API有望拿到最高一档回报率；谷歌同时布局算力租赁、自研模型两条高景气赛道。
报告也提到，25%-50%的可观回报会吸引新玩家入场，但新进企业大多只能租赁第三方算力开展业务，回报率上限锁定在25%附近，行业马太效应会持续巩固龙头优势。
第三，板块短期回调不用过度悲观，中长期价值清晰。
大摩同日配套发布《Playing the AI Infrastructure Dip》，佐证算力资产长期稀缺属性，两份研报形成完整逻辑链：当下市场因万亿资本开支担忧压制股价，但中长期推理业务落地后25%-50%的稳定增量回报会逐步兑现，无需过度放大短期风险。
风险提示：本文为内容资讯，不构成个人投资建议。市场有风险，投资需谨慎。
热门跟贴