大摩預估中國雲端AI投資回報率13%-20%，阿里巴巴最具優勢

大摩新框架量化中國AI算力回報率落在13%-20%的ROIC區間，阿里巴巴在三條變現路徑中均最具潛力。

摩根士丹利（Morgan Stanley）估計，中國雲端廠商可從AI算力基礎設施中獲得13%至20%的投入資本回報率（ROIC），約為美國超大規模雲端業者25%至50%區間的一半，主要拖累因素在於硬體成本。

這份報告將摩根士丹利的北美ROIC框架應用於中國雲端市場，指出硬體成本是核心制約條件：中國伺服器成本約為美國同等配置的三倍，導致折舊費用上升並壓縮回報。

在自建GPU IaaS情境中，每台八GPU AI伺服器資本支出800萬元人民幣，月租金25萬元人民幣，可產生44%的營業利潤率、13%的ROIC及3.1年回收期。美國同業則可達31%的ROIC與2.2年回收期。報告亦模擬了一條租賃套利路徑——以每月20萬元人民幣向新雲端供應商租賃、再以25萬元轉售——可實現20%的營業利潤率且無需前期資本。

報告給予阿里巴巴「買入」評級，目標價180美元，隱含約45%的上行空間，理由是該公司擁有最大的AI基礎設施版圖、成熟的雲端業務，以及經過驗證的通義千問（Qwen）模型能力。阿里巴巴雲端營業利潤率目前介於11%至12%之間，但報告認為，若公司能達成年底年化MaaS（模型即服務）收入3,000億元人民幣的目標，利潤率存在顯著的擴張潛力。

MaaS提供最陡峭的利潤率上行空間

第三條路徑——模型即服務（MaaS）——在三者中回報最高。假設每顆GPU每秒處理4,000個token、推論工作負載占比50%、混合定價為每百萬token 9.56元人民幣，MaaS可產生76%的毛利率、53%的營業利潤率、19%的ROIC及2.5年回收期。但該經濟模型對假設條件高度敏感：若推論占比下降或吞吐量落後，相同的資本投入可能轉為虧損。大摩指出，多數中國AI實驗室（包括通義千問背後的團隊）仍處於該框架的低端，因為算力仍主要分配給訓練而非推論。

報告亦點出定價動態。智譜AI（Zhipu）、Kimi與DeepSeek近期的降價舉措顯示，每token定價的重要性不如單位算力收入——單價更低但吞吐量大幅提升的模型，可以勝過高價但算力密集的競爭對手。對阿里巴巴而言，在AI收入已接近雲端營收50%的情況下，MaaS路徑代表當前盈利能力與長期資產回報之間的最大落差。

三項槓桿縮小中美差距

跨市場比較揭示了結構性劣勢：在IaaS領域，中國的ROIC為13%，落後於美國的31%，回收期亦延長至3.1年對比2.2年。在MaaS領域，中國在吞吐量上反而領先——每顆GPU每秒4,000個token對比美國的2,750個——得益於較小的模型規模、更廣泛的混合專家（MoE）架構應用，以及更佳的KV快取效率。但較低的推論占比（50%對比65%）與更具競爭力的定價，使中國MaaS的稅後營業利潤（NOPAT）約為美國水準的69%，ROIC則為19.5%對比46.2%。

大摩認為有三項槓桿可縮小差距：GPU硬體成本下降、模型迭代效率提升，以及算力配置從訓練轉向推論。報告主張，隨著這些變數改善，中國雲端AI回報曲線具有顯著的上行彈性。

競爭環境亦帶來壓力。騰訊的資本支出年化已超過2,000億元人民幣，報告稱這將推高阿里巴巴的資本支出計畫。但大摩認為，阿里巴巴聚焦IaaS與MaaS的策略使其ROIC能見度更高。報告亦指出，亞馬遜管理層近日表示伺服器與網路設備的回收期「略低於三年」，與中國IaaS的3.1年數據大致一致。

對投資人而言，該框架為評估中國雲端AI資產提供了量化基礎。報告主張，阿里巴巴的溢價估值合理，因其在三種情境下均能產生回報。關鍵觀察點在於阿里巴巴能否在年底前達成3,000億元人民幣的MaaS年度經常性收入（ARR）目標——這一里程碑將驗證180美元目標價所隱含的利潤率擴張論述。

本文僅供資訊參考，不構成投資建議。