摘要

· 摩根士丹利估算，当 1GW GB300 算力用于模型 API 时，模型层 ROIC 大约为 20%-60%。

· 如果通过云平台直接租用 GPU，按照 75% 利用率计算，IaaS ROIC 大约为 23%-39%。

· 该报告继续看好亚马逊和谷歌；Meta 仍然是首选，但其 AI 回报更多来自广告、自有应用和开放模型生态。

摩根士丹利的 Brian Nowak 团队在最新报告中提出了一个逆向的观点：开放权重模型正在压低 AI 代币价格，但拥有算力、调度能力和企业入口的平台仍然可能从 AI 资本支出中获得可观回报。

报告分别计算了两种情况。

在模型 API 层面，摩根士丹利以 1GW GB300 数据中心为基础，假设每百万代币的价格为 1 至 2.5 美元、单个 GPU 的吞吐量为每秒 2000 至 3500 代币，并将 50% 至 80% 的算力用于推理。在不同的情景下，模型层的 ROIC 大约为 20% 至 60%。

在云平台层面，报告假设 1GW 数据中心配置约 41 万颗 GB300、GPU 利用率为 75%、租金价格为每小时 7 至 10 美元。据此估算，云平台出租 GPU 算力的 IaaS ROIC 大约为 23% 至 39%。

这两组数据共同阐明了摩根士丹利的核心观点：AI 模型的价格下降首先影响模型提供商的单元经济性；但对于亚马逊、谷歌等云平台来说，企业采用 AI 仍需要 GPU、存储、数据库、安全和模型部署工具。模型可能变得更便宜，但支撑模型的基础设施并不会因此失去价值。

开放权重降低价格，也促进更多 AI 工作负载落地

开放权重模型的直接影响是降低企业使用和部署 AI 的门槛。

与封闭模型不同，开放权重模型允许用户下载模型的权重，利用私有数据进行微调或重新训练，并选择在本地、云端或 API 上部署。企业无需完全依赖单一模型供应商，也能更灵活地控制数据、成本和部署方式。

開放權重與封閉權重模型的差異，包括權重能否下載、是否支持私有數據微調，以及能否在自有硬件運行。

代價是，模型 API越來越難維持高價。隨著接近前沿能力的低成本模型增加，模型實驗室需要通過更低價格、更快響應和更完整的工具鏈爭奪客戶。報告提到，Meta最新推出的 Muse Spark 1.2 等低價近前沿模型，正在進一步加劇模型層的價格競爭。

這也是市場擔心AI資本支出回報的原因。科技公司投入數百億美元購買GPU、建設數據中心並鎖定電力，如果推理價格持續下降，最終回報將越來越依賴三個變量：GPU利用率、單卡token吞吐量，以及AI工作負載能否帶動其他雲服務收入。

摩根士丹利認為，價格下降會壓縮模型層利潤，但不一定意味著整個AI基礎設施的回報同步惡化。更便宜、更靈活的模型也可能推動更多企業採用AI，進而擴大對底層算力和雲服務的需求。

20%-60%：模型API層的回報測算

模型API層的測算圍繞三個核心變量展開：token價格、GPU吞吐量和用於推理的算力占比。

摩根士丹利將每百萬tokens約1.75美元作為基準價格，並在1至2.5美元區間內進行情景分析。報告參考DeepSeek-V4-Pro 1.6T等開放權重模型在GB300硬件上的公開推理基準，將單GPU吞吐量假設放在每秒2000至3500tokens。

在基準情景下，報告假設65%的算力用於推理、單GPU每秒處理2750 tokens、每百萬tokens價格為1.75美元，對應約400億美元收入/GW。完整情景區間對應的收入約為230億至520億美元/GW。

據此，報告估算1GW GB300算力對應的模型層ROIC約為20%至60%。

模型API收入與成本框架。不同token價格、吞吐量和推理算力占比，對應每GW約230億至520億美元收入。

這裡需要注意，20%至60%並不是在固定1.75美元價格下自動獲得的回報，而是不同價格、吞吐量和算力分配組合形成的情景區間。

這套賬能否兌現，關鍵在於效率提升能否跑贏價格下降。如果 token 價格繼續快速下探，而 GPU 利用率和吞吐量沒有同步提高，模型層回報就會明顯收窄。

23%-39%：雲平台出租 GPU 的另一套賬

對亞馬遜和谷歌等雲平台而言，更直接的收入來源是出租算力，而不是自己承擔模型 API 的價格風險。

摩根士丹利假設，1GW GB300 數據中心可以配置約 41 萬顆 GB300。在 75% 利用率下，如果每顆 GPU 的租賃價格為每小時 7 至 10 美元，對應年收入約 189 億至 270 億美元/GW。

扣除 IT 設備折舊、非 IT 資產折舊、電力、人工和維護等成本後，報告估算雲平台每 GW 的稅後經營利潤約為 89 億至 153 億美元，對應 ROIC 約為 23% 至 39%。

雲平台 GB300 GPU 租賃模型。每小時 7 至 10 美元的租賃價格，對應約 23% 至 39% 的 ROIC。

這組測算更直接地支撐了摩根士丹利對雲平台 AI 資本開支的樂觀判斷。

即使模型 API 價格下降，企業仍需要租用 GPU 運行開放權重模型。對雲平台來說，關鍵不是單個 token 能賣多貴，而是稀缺算力能否維持較高利用率和租賃價格。

摩根士丹利還強調，低價模型可能帶來更多使用量。即使單位價格和利潤率下降，只要 AI 工作負載的整體規模擴大，雲平台的 EBIT 絕對額仍可能增長。

雲平台賣的不只是 GPU 和 token

摩根士丹利認為，雲平台能夠消化價格戰，主要有四個原因。

第一，算力仍然稀缺。企業即使選擇開放權重模型，也需要 GPU、推理集群、存儲、網絡和安全環境。大型企業可以自建基礎設施，但更多客戶仍會通過 AWS、Google Cloud 或 Azure 租用算力和托管模型。

第二，云平台可以通過規模提高系統效率。更大的內存容量、更快的互連、MoE 架構和請求批處理，都能提升單位 GPU 的 token 吞吐量。大型雲平台擁有更大的企業客戶流量，更容易合併和調度請求，從而提高 GPU 利用率。

第三，自研晶片能夠降低服務成本。亞馬遜擁有 Trainium，谷歌擁有 TPU。自研晶片和軟體優化讓雲平台在價格競爭中擁有更大的調整空間，也降低了對單一 GPU 供應商的依賴。

第四，AI 工作負載還會帶動其他雲服務收入。企業部署 AI 時，通常還需要購買物件存儲、資料庫、向量檢索、RAG、安全治理、身份驗證和監控服務。這些附加服務可以擴大每個 AI 工作負載帶來的雲收入，並提高整體盈利貢獻。

因此，開放權重模型雖然可能讓 API token 收入變成「引流產品」，卻也可能帶來更多 GPU 租賃、資料存儲和資料庫需求。

亞馬遜、谷歌和 Meta 的回報邏輯並不相同

基於上述判斷，摩根士丹利維持亞馬遜和 Alphabet「增持」評級，目標價分別為 335 美元和 400 美元。

亞馬遜的優勢在於 AWS 企業客戶基礎、Trainium 自研晶片和完整的雲服務生態。谷歌則同時擁有 TPU、Gemini 模型、搜索和 YouTube 應用場景，以及 Google Cloud 的企業分發能力。對於兩家公司，AI 資本支出的回報主要來自算力出租、模型托管和雲服務綁定。

Meta 的邏輯有所不同。

摩根士丹利仍將 Meta 列為 Top Pick，給予「增持」評級和 775 美元目標價，但 Meta 並不是 AWS 或 Google Cloud 意義上的企業雲平台。其 AI 投入主要通過開放模型生態、廣告推薦效率、自有應用和資料中心能力兌現。

Meta 的目標價及風險收益假設。

報告認為，Meta 的 AI 投入可能改善用戶參與度、Reels 商業化和廣告衡量能力，并為新產品提供增長空間。但如果資料中心建設執行不佳、資本強度繼續上升，而新增算力未能產生足夠回報，也會拖累自由現金流和估值。

最大風險是價格跌得比效率提升更快

這份報告並沒有否認 AI 價格戰。

隨著低成本開放權重模型接近前沿能力，企業會更加關注成本、延遲、部署靈活性和數據控制權。模型實驗室單靠高價 API 獲取高利潤會越來越困難，工具鏈、企業分發、應用情境和生態的重要性將繼續上升。

雲平台同樣面臨重資產壓力。1GW GB300 數據中心涉及晶片、機房、電力、網路和折舊，任何環節成本上升，都會影響最終回報。如果企業 AI 應用擴散慢於預期，GPU 利用率不足，資本支出就更難轉化為利潤。

吞吐量提升也不會自動兌現。硬件升級、MoE 架構和請求批處理都能提高效率，但需要模型、晶片、網路、軟體棧和真實客戶請求共同配合。

摩根士丹利的結論因此並不是「AI 價格戰沒有影響」，而是：當 token 價格下降時，模型層最先承壓；掌握稀缺算力、系統優化能力和企業雲入口的平台，則更有能力通過 GPU 租賃、規模效應和附加雲服務消化價格競爭。

接下來真正需要觀察的，是雲平台的吞吐量和利用率提升，能否持續跑贏 AI 價格下降的速度。

歡迎加入律動 BlockBeats 官方社群：

Telegram 訂閱群：https://t.me/theblockbeats

Telegram 交流群：https://t.me/BlockBeats_App

Twitter 官方帳號：https://twitter.com/BlockBeatsAsia