单笔投资回报率最高达46%！大摩重磅报告拆解AI投资：市场全算错了

市场的焦虑，正在制造一个认知差

如果你最近盯着科技股看，应该能感受到市场弥漫着一种情绪——投资者正在质疑：科技巨头每年砸下几百上千亿美元搞AI，到底什么时候能赚回来？

这种担忧直接反映在了股价上。微软、谷歌、亚马逊，今年虽然没跌多少，但估值始终被压着，涨不动的感觉。

美股投资网认为，市场在害怕一件事：AI投资会不会变成一场没有回报的军备竞赛？

但摩根士丹利刚刚发布了的重磅报告，标题就很直接——《通往25-50%生成式AI投资回报率之路》。

核心结论就一句话：市场算错了账。

大摩的底层逻辑：市场只看到了成本，没看到利润结构

市场当前的痛点是什么？

美股投资网认为，AI资本支出狂飙 + 模型训练费用天价→投资者严重质疑砸下去的钱能不能回来。

但大摩的增量判断是：随着行业从“训练时代”进入“推理时代”，这笔账完全算得过来。

所谓“推理时代”，说白了就是AI模型不再只是用来训练和炫技，而是真正开始被大规模调用、产生实际收入的阶段。你每次用ChatGPT、Claude，背后就是一次推理调用，每一次调用都有定价，都能产生收入。

大摩通过自下而上的测算得出结论：生成式AI投资能带来25%-50%的增量ROIC。

这不是在画饼，他们拆了三套具体的商业模式来证明。

路径一：云厂商GPU租赁——最稳的“卖水人”生意

第一套模式最直接：云巨头自己建数据中心，买GPU，然后把算力租给别人。

大摩假设一个1吉瓦的数据中心，部署大约41万颗GB300 GPU，总GPU小时数约36亿小时，利用率75%，租金每小时8.5美元。基于这套假设，测算结果是：

增量EBIT利润率约70%，ROIC超过30%。

核心杠杆就两个：GPU每小时定价 + 产能利用率。

定价越高、卡跑得越满，利润就越厚。云巨头在这个生态里扮演的是“卖水人”角色——不管谁家的模型跑得好，都得租我的算力。微软、亚马逊、谷歌，是大摩在这个环节最看好的赢家。

路径二：自有算力的模型API——利润率最高的玩法

第二套模式是模型公司自己买卡、自己跑模型、然后把模型能力以API形式卖给开发者。

大摩的假设是：65%的算力用于推理，每颗GPU每秒生成2750个Token，每百万Token定价1.75美元。在这个基准下：

增量EBIT利润率超过70%，ROIC约46%。

这才是整个AI产业链里利润率最厚的一环——因为你同时掌握了硬件效率和模型定价权。谷歌的Gemini、Meta的LLaMA API、xAI的Grok，都属于这条路径。

但大摩也强调了一个关键变量：Token吞吐量（每秒生成的Token数）是生死线。模型越大，单卡吞吐量越低，但如果芯片代际升级（比如GB300比GB200吞吐量大幅提升），单位成本就会被摊薄。

路径三：租用算力的模型API——中间商赚差价，依然有得赚

第三套模式是模型公司自己不买卡，而是从云厂商那里租算力，再对外提供API服务。

这套模式的利润被云厂商分走了一层，但仍然是一门赚钱的生意：

增量EBIT利润率约30%，ROIC约25%。

虽然利润率不如前两条路径，但核心启示是：即使你不是云巨头、没有自己的GPU集群，只要模型做得好，依然能获得正向回报。这个结论很关键——它意味着AI投资不是只有“超级巨头”才能玩得转。

赢家地图：谁在这轮AI投资中最受益？

基于以上三种模式，大摩给出了清晰的赢家判断：

基础设施底座赢家：微软、亚马逊、谷歌。

算力紧缺的生态里，云巨头是稀缺资源的掌握者。谁有卡，谁就有定价权。这三家的GPU租赁业务，将贡献可扩展的高利润收入。

模型与应用赢家：谷歌、Meta。

美股投资网认为，能持续推出差异化且成本优化的模型，就能通过高利润的推理收入实现变现。Meta最近刚开放了LLaMA API，谷歌的Gemini也在持续迭代——谁能在“模型质量”和“推理成本”之间找到最优解，谁就能吃掉最大的利润份额。

三个关键变量，决定这个算盘能不能打响

大摩在报告里还特别提到了三个值得持续跟踪的因素，它们将决定这套测算是否真的能兑现。

第一，芯片代际更迭。从GB200到GB300，硬件性能的提升会直接改变折旧成本和吞吐量预期。每一代新芯片的性价比曲线，都将重新定义所有商业模式的盈利空间。

第二，Token经济学的反比例关系。模型越大，定价可能越高，但单卡吞吐量会下降。如何在“大模型溢价”和“吞吐量损失”之间找到平衡点，决定了利润率的天花板。软硬件协同优化带来的“Token效率”，才是真正的核心竞争力。

第三，训练与推理的算力博弈。这是一个常被忽视的矛盾：保持技术领先需要持续烧钱训练模型——但训练本身是纯成本，不产生任何收入。巨头必须在“不赚钱的训练投入”和“高利润的推理产出”之间做好产能分配，这对管理层来说是一个非常现实的权衡。

这不是估值游戏的终结，而是一次修正

大摩这份报告的意义，不是给AI投资贴上一个“合理”的标签就完了。

它真正想说的是：市场之前对AI投资回报率的判断，依据的是“训练时代”的逻辑——只见成本，不见收入。而随着推理需求爆发、Token定价体系成型、芯片效率持续提升，AI的商业模式正在从资本黑洞变成现金流引擎。

当然，这一切的前提是——芯片确实在迭代、Token需求确实在增长、定价体系确实能维持。但至少从数字上看，这笔账是有可能算得过来的。

接下来市场的关注点，大概率会从“砸了多少钱”转向“每颗GPU赚了多少钱”。

到那时，大摩这份报告的真正价值才会显现：它提供了一套锚——一个用来判断谁在裸泳、谁在赚钱的坐标系。