新芒xAI 7月30日消息，摩根士丹利最新测算认为，随着AI进入推理需求扩张阶段，生成式AI投资的增量资本回报率（ROIC）可能达到25%至50%，高于市场对AI巨额资本开支“难以回本”的悲观预期。报告认为，亚马逊、Google、微软和Meta等规模化云与模型玩家，有望继续受益于推理需求增长。
这一判断与近期市场对AI资本开支的担忧形成对照。一方面，科技巨头持续扩建数据中心、采购GPU并锁定电力资源；另一方面，投资者开始追问这些投入何时转化为可持续收入和利润。摩根士丹利的测算试图从GPU租赁、模型API和第三方算力模式三个维度，解释推理阶段的单位经济效益。
关键要点
- 推理需求是回报测算核心。 报告认为，训练支出之后，真正决定AI基础设施回报的变量是推理规模、Token吞吐量、定价能力和GPU利用率。
- 不同商业模式回报率存在差异。 超大规模云厂商GPU租赁、自有基础设施模型API、租用第三方算力提供模型API，对应的资本回报结构不同，但均可能具备较强单位经济效益。
- 规模化玩家更具优势。 AWS、Google Cloud、Azure以及Meta等公司拥有算力、客户、模型和分发能力，更容易把资本开支转化为可计费推理服务。
- 测算仍依赖关键假设。 GPU租赁价格、Token价格、芯片吞吐效率、数据中心利用率和能源成本变化，都会显著影响最终回报。
新芒xAI评论
这份测算的意义在于，它把AI资本开支讨论从“花了多少钱”推进到“每一吉瓦算力能产生多少收入”。市场过去主要关注训练集群和前沿模型发布，但进入推理阶段后，商业化能力会更多体现在调用量、Token定价、企业续费率和模型部署效率上。
不过，25%至50%的ROIC并不是无条件结论。它建立在推理需求持续增长、模型服务保持定价能力、GPU利用率较高、能源和折旧成本可控等假设之上。如果模型价格竞争加剧、开源方案压低API价格，或数据中心利用率不及预期，实际回报会被明显压缩。
因此，AI算力链的下一阶段分化会更强。拥有客户入口、云平台、模型能力和资本实力的公司，可能更容易吃到推理红利；单纯依赖高成本算力扩张、缺少稳定需求承接的玩家，则会面临更严格的回本检验。
