大摩：通往 25-50% 生成式 AI ROIC 的路径

生成式 AI ROIC 框架与单位经济性

尽管 AI 资本支出和模型训练支出激增，摩根士丹利仍对长期 ROIC 持乐观态度，引入了三种自下而上的框架，这些框架指向具有吸引力的 25% 至 50% ROIC：

> 超大规模 GPU 租赁（IaaS）：预计产生约 60–70% 的增量 EBIT 利润率和 30% 以上的 ROIC。基准案例分析假设在 NVIDIA GB300 芯片上部署，利用率 75%，租赁价格为 8.50 美元/小时。

> 模型赋能 API（自有基础设施）：预计实现约 70% 以上的增量 EBIT 利润率和 40% 以上的 ROIC。关键成功驱动因素包括令牌定价、令牌吞吐量（令牌/秒/GPU），以及管理将计算容量专用于训练与产生收入的推理之间的权衡。

> 模型赋能 API（第三方基础设施）：预计产生约 30% 的增量 EBIT 利润率和约 25% ROIC，考虑支付租赁第三方计算容量的“中间商利润”。

生成式 AI 采用的关键结构性趋势

> 成本效率 vs. 收入增长：摩根士丹利的全球 AI 股票映射显示，近中期 AI 益处的约 80% 来自成本效率，而非即时顶线收入增长。AI 采用者 EBIT 利润率显著扩张，其速度是更广泛的 MSCI 世界指数的两倍。

> 收益预期分化：自 2023 年末以来，成功采用 AI 的全球公司（“AI 采用者”）的前瞻性收益预期以约 2 倍的速度超过受扰乱的对标公司，因为具体的生产力提升和利润率扩张在资产负债表上显现。

> “赋能者”分化：与一般企业采用者相反，AI 赋能者（例如基础设施提供商和数据中心芯片制造商）在收入增长方面呈现严重倾斜，约 71% 的主要益处来自由高需求硬件和云计算销售驱动的顶线扩张。