转：摩根士丹利最新测算显示，AI推理时代生成式AI投资的增量资本回报率（ROIC）可达25%至50%，显著高于市场预期，回应了市场对AI巨额资本支出“难回本”的质疑。报告认为，随着推理需求爆发，亚马逊、谷歌、微软及Meta等规模化玩家将持续受益。

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%。

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。

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%。

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%。

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。