据 Woofun AI 消息，针对市场对于微软、亚马逊、谷歌和Meta等科技巨头持续大举投资GPU与数据中心所引发的资本支出担忧，摩根士丹利给出了明确的回报预期：在特定预设条件下，生成式人工智能基础设施及模型API业务有望实现25%-50%的资本回报率。

这一结论直接回应了投资者对于巨额投入是否会转化为利润，抑或仅加剧折旧、能耗及研发开支的焦虑。报告将变现路径拆解为三类：作为IaaS服务出租GPU算力、通过自有基础设施提供模型API，以及租用第三方算力提供模型API。前两种模式更契合拥有数据中心与客户渠道的大型平台，而第三种则对租赁价格波动更为敏感。

宏观层面的支出规模正推动算力转化逻辑的重构。摩根士丹利预计到2028年，大型科技公司的资本支出将超过1.4万亿美元。从2025年到2028年，其计算能力有望翻番至约120GW。

然而，算力扩张并不等同于营收增长。顶级模型的训练、维护及迭代消耗大量算力，且训练本身不产生直接营收，反而带来折旧与运营成本。真正决定投资回报率的关键指标，在于剩余算力能否充分用于推理、API服务及企业软件领域。具体而言，每台GPU的年使用小时数、每小时营收、每秒处理token数以及每百万token收益，构成了现金回报的核心变量。

值得注意的是，过去市场多关注资本支出数值的上调，而此次摩根士丹利提供了具体的经济模型测算，证明在预设条件下，AI基础设施能够承受较高折旧压力，并实现与优质云服务或软件企业相当的回报水平。

第一种变现路径是云服务提供商将GPU算力作为基础设施即服务（IaaS）出租。在基准假设下，1GW算力相当于约410,000块英伟达GB300 GPU，利用率为75%，每小时租赁价格为8.5美元。据此测算，GPU租赁业务每GW年可创造约229亿美元营收，增量EBIT利润率约为67%，资本回报率在31%左右。只要GPU供应能满足高需求，IaaS便不仅是低利润硬件租赁，而是高利用率的基础设施业务。其优势在于云服务商现有的算力资源、数据中心、客户关系及云平台销售能力。若新增GPU容量匹配现有客户需求，营收转化将更为直接。

然而，该路径对价格和利用率极为敏感。GPU租赁价格下降、利用率不足或能源成本上升均会压低回报。随着新竞争者进入及专用集成电路、下一代GPU推出，单位算力价格可能下行，因此8.5美元/小时的租赁价格能否长期维持存在不确定性。

第二种路径是利用自有基础设施提供模型API。基准假设中，65%的算力用于推理任务，每块GPU每秒处理约2,750个token，每百万token定价为1.75美元。在此模式下，模型API的增量EBIT利润率约为75%，资本回报率超过40%。不同版本测算显示，回报率在40%-46%之间，趋势明确：在模型服务中加入自有算力，相比单纯按小时出租GPU，能带来更高回报。

深层原因在于，云服务提供商和模型提供商出售的并非单个GPU使用时间，而是模型功能、推理服务及API调用服务。营收与token消耗量直接挂钩，从而推高利润率。这也解释了为何大型科技公司既购买芯片，又将AI功能嵌入搜索、办公软件、广告、电商推荐及开发者工具等产品中。其真正目标并非仅出租闲置算力，而是将推理服务转变为高频、可计费、可嵌入现有产品中的收入来源。

Woofun AI 整理数据显示，这种基于Token的经济模型在效率优化下具备显著的利润弹性，但也面临开源模型及价格战导致每百万token营收下降的风险，进而稀释利润率。

第三种路径是模型公司租用第三方基础设施，再向客户提供模型API。基准假设下，GPU租赁价格为每小时7.75美元，增量EBIT利润率约为31%，税后投资回报率或利润率在25%左右。虽然该路径也能盈利，但远不及拥有自有基础设施平台丰厚。租用GPU的一方需支付算力租赁费，并承担模型训练、推理、服务及销售成本，导致利润率较低。这正是微软、亚马逊、谷歌和Meta具有相对优势的原因——它们拥有充足资金、数据中心、客户资源及产品分发能力，能在IaaS和API变现方式间做出最佳选择。相比之下，缺乏强定价能力的纯粹模型公司或中间层应用厂商，易在算力成本压力下陷入困境。

不过，高质量模型、垂直领域应用场景、企业定制化服务及应用层分布式部署，仍可能成为第三方公司的竞争优势。但从资本回报角度看，拥有低成本算力及高利用率基础设施的公司，更有可能留住利润。

在个股评级与目标价方面，摩根士丹利依然看好微软、亚马逊、Meta和谷歌。微软评级为"超配"，目标股价600美元；谷歌母公司Alphabet目标股价400美元；Meta被列为"首选"，目标股价775美元；亚马逊虽被认为能从大型AI平台受益，但因目标股价来源差异未给出具体数字。这些股价并不意味着AI资本支出已实现回报，短期财务报告仍面临折旧、能耗、芯片升级及研发开支压力。AI投资能否转化为股东收益，关键在于推理服务营收增长是否快于成本上升。25%-50%的回报率基于特定假设，75%的利用率属较高水平，若企业级AI应用落地低于预期，闲置GPU将拉低回报。

此外，Token价格不稳定，开源模型、高效小模型及云服务商价格竞争可能降低每百万token营收。该报告更多作为参照标准：只要大型科技公司保持AI基础设施高利用率，并通过模型API、云服务及现有产品将Token消耗转化为营收，AI资本支出便不至于沦为成本黑洞。反之，若租赁价格、利用率及推理服务采用率未达预期，25%-50%的回报率仅停留在理论计算之中。