大摩：中国AI，3年回本

8月18日，阿里巴巴表现强势，最终收涨3.68%。

股价上涨背后，一笔关于AI的账正在被重新审视。

摩根士丹利最新报告将北美ROIC（投资资本回报率）框架引入中国云计算市场，对自建GPU、租用算力和模型即服务（MaaS）三种路径进行拆解。

结果显示，中国云厂商AI算力投资ROIC约为13%-20%，现金回收期约3年。

同时，大摩重申阿里巴巴美股“增持”评级，目标价180美元，较并列为行业首选股。

更值得关注的是中美之间的差距：同样投入AI算力，美国云厂商的ROIC可以达到约25%-50%。

当AI竞争从“谁买的GPU更多”走到“谁能更快把GPU变成利润”，中国云厂商这笔账究竟该怎么算？

一块GPU，究竟怎么赚钱？

通过Wind Alice梳理可以发现，大摩的框架实际上回答了一个很关键的问题：

同样一台AI服务器，放在产业链不同位置，赚钱能力完全不同。

第一种方式：买服务器，再把GPU租出去。

大摩假设，一台8卡GPU服务器投入约800万元，每月租金25万元。扣除服务器折旧、IDC、能源和运营成本后，营业利润率约44%，ROIC为13%，现金回收期3.1年。

第二种方式：不买服务器，直接租算力再转租。

按照大摩假设，云厂商以每月20万元租入服务器，再以25万元出租给客户，可以获得约20%的营业利润率。好处是几乎不用承担前期资本开支，代价则是部分利润让给了底层资产持有者。

第三种方式：不再卖GPU时间，而是卖Token。

也就是MaaS。

在大摩的基准情景中，如果单GPU每秒可以处理4000个Token，推理负载占50%，混合价格为9.56元/百万Token，毛利率可以达到76%，营业利润率53%，ROIC约19%，现金回收期缩短至2.5年。

中美算力差距，为什么最后落在ROIC上？

问题也由此出现：

中国AI模型越来越强，为什么算力回报率仍明显低于美国？

大摩给出的答案是：硬件成本。

其测算显示，中国一台GPU服务器资本开支约为美国同类配置的3倍。

即使单位算力产生的收入接近，更高的硬件投入和折旧仍会压低回报。

因此，在IaaS模式下，中国ROIC约13%，美国约31%；

现金回收期分别为3.1年和2.2年。

到了MaaS层面，差距则不完全来自硬件。

大摩假设中国单GPU Token吞吐量达到4000TPS，高于美国的2750TPS。（这与更小的模型、MoE架构以及KV Cache等优化有关）

但中国推理负载占比约50%，低于美国的65%，同时Token价格竞争更加激烈。

最终，中国MaaS ROIC约19.5%，美国则达到46.2%。

这说明，决定下一阶段算力回报的已经不只是GPU数量，还有两个更重要的指标：

一块GPU能生产多少Token，以及这些Token有多少能够真正卖出去。

为什么大摩更看好阿里？

这也是大摩特别看好阿里云的原因。

阿里同时拥有AI基础设施、云平台和Qwen模型，可以覆盖从GPU出租到模型API的多层变现路径。

2025年2月，阿里宣布未来三年至少投入3800亿元建设云和AI基础设施。

到2026财年末，云智能集团外部收入单季同比增长40%，AI相关产品已经贡献约30%的外部云收入，预计未来一年该占比将超过50%。

通过Wind Alice进一步梳理可以发现，阿里的AI投入已经开始形成“资本开支—算力基础设施—模型服务—云收入”的变现链条。

目前阿里AI相关产品年化收入已经超过358亿元，MaaS年化经常性收入目标在年末将达到300亿元以上。

同时，需求端也在扩张。

IDC数据显示，2025年中国AI IaaS市场规模达到486.7亿元，仅下半年市场规模就达到288亿元，同比增长132.1%；同期中国AI应用公有云服务市场达到137.3亿元，已经超过大模型训推公有云市场的79.4亿元。

这组变化很关键。

过去企业主要花钱“训练模型”，现在越来越多资金开始流向“使用AI”。

当算力从训练转向推理，GPU不再只是资本开支，也开始成为持续产生调用收入的生产资料。

因此，大摩给予阿里巴巴美股“增持”评级和180美元目标价，并认为阿里在三种算力变现模式下均具备较强的ROIC可见度。

中国AI的下一场竞争：从算力规模转向算力效率

中美AI算力回报的差距并非固定不变。

大摩给出了三个关键变量：

GPU硬件成本下降

模型效率提升

算力从训练向推理加速转移

事实上，模型效率已经成为中国AI的重要突破方向。

美国则已进入更激进的算力扩张周期。

相比之下，在硬件成本仍然偏高的背景下，中国云厂商更现实的路径，是通过模型效率和推理利用率提升算力回报。

这也意味着，中美AI竞争的下一个观察指标，正在从算力投入规模转向算力变现效率。

本文为研究框架展示，不构成投资建议。