The Math Checks Out! Morgan Stanley: In the AI Inference Era, Generative AI ROIC Could Reach 25-50%

AI 资本支出浪潮引发的回报质疑，正在得到华尔街的正面回应。

追风交易台消息，摩根士丹利最新研究报告指出，随着 AI 推理时代到来，生成式 AI 投资的增量资本回报率（ROIC）可达 25% 至 50%，远超市场悲观预期，并对亚马逊、谷歌、微软及 Meta 维持看多立场。

摩根士丹利分析师 Brian Nowak、Stephen C Byrd 及 Adam Wood 在 7 月 27 日发布的报告中，构建了三套自下而上的生成式 AI ROIC 测算框架，覆盖超大规模云服务商 GPU 租赁业务（IaaS）、自有基础设施上的模型 API 业务，以及依托第三方基础设施运营的模型 API 业务。

三套框架均显示出可观的增量单位经济效益，ROIC 区间分别约为 31%、46% 和 25%。

上述结论对当前市场情绪具有直接意义。此前，持续攀升的 AI 资本支出规模令投资者对回报前景产生疑虑，并对互联网及超大规模云服务商板块的估值形成压制。摩根士丹利的分析认为，这一担忧存在低估，并强调数据中心容量的战略价值正在上升，规模化玩家的竞争优势将进一步凸显。

资本支出持续扩张，ROIC 争议悬而未决

AI 基础设施投资规模正处于加速扩张轨道。

据摩根士丹利此前报告，主要超大规模云服务商的资本支出总额预计将超过 1.4 万亿美元，算力容量预计从 2025 年至 2028 年翻两番，届时达到约 120 吉瓦（GW）。

在这一庞大投入中，相当一部分被用于训练大型（前沿级）、中型及小型模型。谷歌、Meta 等公司及众多私有模型实验室正斥资数十亿美元开发模型，以期最终通过推理服务实现商业变现。然而，持续攀升的支出规模令投资者对 ROIC 产生疑虑，并对相关板块的情绪和估值形成拖累。

摩根士丹利对此持乐观态度，认为市场低估了推理阶段的长期回报潜力，并通过三套量化框架加以论证。

框架一：超大规模云服务商 GPU 租赁业务，ROIC 约 31%

在第一套框架中，摩根士丹利对超大规模云服务商的 GPU 租赁业务（IaaS）进行了自下而上的测算，核心变量为英伟达 GB300 GPU 的每小时租赁价格及利用率。

基准假设下，单个 1GW 数据中心配置约 41 万块 GB300 GPU，GPU 利用率 75%，每小时租赁价格 8.5 美元，对应年收入约 229 亿美元/GW。主要成本项包括 IT 设备折旧（约 50 亿美元）、非 IT 设施折旧（约 10 亿美元）及能源与其他运营支出（约 20 亿美元），合计运营成本约 76 亿美元/GW。

据此测算，该业务可实现约 67% 的增量 EBIT 利润率，ROIC 约为 31%。在价格区间 7 至 10 美元/小时的情景分析下，ROIC 对应区间为 23% 至 39%。摩根士丹利指出，GPU 定价是核心监测变量，并对 AWS、GCP 及 Azure 维持看多判断。

值得注意的是，报告同时提示，超大规模云服务商近期报告的增量利润率将低于上述区间，原因在于：当前增量业务仍以前代芯片为主，GB300 产能尚在爬坡；工作负载结构中传统云业务与 AI 专属业务并存；以及部分运营支出（如人员及研发）未被纳入本框架。随着 GB300 推理业务占比提升，利润率有望随时间改善。

框架二：自有基础设施上的模型 API 业务，ROIC 约 46%

第二套框架针对模型开发商通过自有数据中心向开发者、企业及中小企业提供 API 访问的商业模式。当前，谷歌 Gemini、Meta 近期发布的 API、SpaceXAI Grok 等公众模型，以及众多私有模型实验室均属于这一类别。

该框架的核心变量为推理算力占比、每 GPU 每秒处理的 token 数量（token 吞吐量）及 token 定价。基准假设下，65% 的算力用于推理，token 吞吐量为 2750 个/秒/GPU，混合 token 定价为每百万 token 1.75 美元，对应年收入约 304 亿美元/GW。

成本结构与 IaaS 框架相近，总运营成本约 76 亿美元/GW，由此产生约 75% 的增量 EBIT 利润率，ROIC 约为 46%。在情景分析中，当 token 定价从每百万 1 美元升至 2.5 美元，推理算力占比从 50% 升至 80% 时，ROIC 区间可从 19% 扩展至 63%。

摩根士丹利强调，token 定价（由产品创新驱动）与 token 吞吐量（由芯片及软件创新驱动）是决定该业务盈利能力的两大关键杠杆，这也意味着持续的重投入是赢得竞争的必要条件。此外，报告指出，更大参数量的模型虽可收取更高 token 价格，但每 GPU 吞吐量也相应下降，两者之间存在反向关系，高定价并不必然线性转化为更高的收入/GW。

框架三：依托第三方基础设施的模型 API 业务，ROIC 约 25%

第三套框架考察模型提供商在租用超大规模云服务商或其他第三方算力的情况下提供 API 服务的经济效益。由于需要支付"中间商利润"，即算力租赁成本，该模式的回报率相对较低，但仍具吸引力。

基准假设下，GPU 租赁价格为 7.75 美元/小时，65% 算力用于推理，token 定价为每百万 1.75 美元，对应年收入约 405 亿美元/GW，算力租赁成本约 279 亿美元/GW，增量 EBIT 利润率约 31%，NOPAT 利润率约 25%。

情景分析显示，当 token 定价低至每百万 1 美元时，该业务将出现亏损（NOPAT 利润率约-9%）；而当定价升至 2.5 美元时，NOPAT 利润率可达 32%。这一框架突出了 token 定价、token 吞吐量以及算力获取成本三者对盈利能力的共同影响，也从侧面印证了超大规模云服务商在算力供给端的议价优势。

规模化玩家受益，竞争格局持续演进

摩根士丹利的整体结论是，上述三套框架均指向可观的增量 ROIC，这对超大规模云服务商亚马逊、谷歌、微软，以及模型开发商谷歌和 Meta 构成利好。

报告同时指出，健康的潜在回报也将吸引更多竞争者入场，包括新进入者和开源方案的涌现。这将进一步强化两方面趋势：一是产品与算力效率创新的持续重要性；二是算力基础设施资产的稀缺价值。

~~~~~~~~~~~~~~~~~~~~~~~~

以上精彩内容来自追风交易台。

更详细的解读，包括实时解读、一线研究等内容，请加入【追风交易台▪年度会员】

风险提示及免责条款

市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。