摩根士丹利算完：生成AI投入能赚回25%-50%

摩根士丹利：生成式AI实现25%-50%投入资本回报率的路径

生成式AI投入资本回报率框架与单位经济

尽管AI资本支出和模型训练成本飙升，摩根士丹利仍长期看好生成式AI的投入资本回报率（ROIC），他们提出了三个自下而上的分析框架，指出生成式AI可以实现25%至50%的可观ROIC：

> 超大规模企业GPU租赁（IaaS）：预计可实现约60%-70%的增量EBIT利润率，ROIC超过30%。基准情景分析假设，使用NVIDIA GB300芯片部署，利用率为75%，租赁价格为每小时8.50美元。

> 模型赋能API（自有基础设施）：预计可实现约70%以上的增量EBIT利润率，ROIC超过40%。核心成功因素包括token定价、token吞吐量（tokens/秒/GPU），以及处理好“将算力分配给训练”还是“用于创收推理”的权衡。

> 模型赋能API（第三方基础设施）：考虑到租赁第三方算力需要支付“中间商毛利”，预计可实现约30%的增量EBIT利润率，ROIC约为25%。

生成式AI落地的关键结构性趋势

> 成本效率vs收入增长：摩根士丹利的全球AI股票 mapping显示，近80%的短期AI收益来自成本效率，而非直接的顶线收入增长。AI落地企业的EBIT利润率大幅扩张，增速是整体MSCI世界指数的两倍。

> 盈利预测修正出现分化：自2023年末以来，成功落地AI的全球企业（“AI落地企业”）的远期盈利预期，跑赢被AI颠覆的企业约2倍，具体的生产力提升和利润率扩张已体现在资产负债表上。

> “赋能者”分化：与普通企业AI用户不同，AI赋能者（比如基础设施提供商、数据中心芯片制造商）的增长大幅偏向收入端，约71%的主要收益来自高需求硬件和云计算销售推动的顶线扩张。

$NVDA $AMD $GOOGL $AVGO $AMZN $META $MSFT