大摩眼里的AI投资ROIC和看待看待ROIC的几个框架。上周微软和亚马逊的财报后大摩认为AI投资ROIC的统计框架已经出炉，结果是25-50%之间，盈利兑现已经开始，而且回报率可能远高于市场预期。梳理下大摩最新这份报告： 1、 GPU即服务（GPU IaaS） 代表：Azure，AWS，Google Cloud。 本质上：企业租用GPU算力进行训练和推理。 Morgan Stanley测算：增量EBIT Margin：60%-70%，ROIC：25%-40%。 为什么回报率高？因为：GPU利用率持续提高，单位电力和运维成本被规模摊薄，算力供给仍然相对稀缺。Morgan Stanley甚至提出：未来几年真正稀缺的资产可能不是模型，而是数据中心容量（Data Center Capacity）。也就是说，CSP在AI时代重现云时代的辉煌，基础建设垄断重现重资产为王。 2. 独立模型API 代表：GPT、Gemini、Claude、Meta未来可能开放的模型服务 模式：用户直接购买模型推理能力。 Morgan Stanley认为：这种模式ROIC可以超过40%。 背后逻辑：一旦训练完成：每新增用户边际成本持续下降、收入增长速度快于成本增长速度，属于典型软件经济学（Software Economics）。 3、AI平台+第三方基础设施 即：模型开发商不自己建设数据中心 向外部购买：GPU网络、机房资源。虽然利润率较低，但Morgan Stanley认为：仍然可以实现25%以上ROIC。 需求端回报也非常清晰。 Morgan Stanley给出了一个很有意思的企业ROI测算：企业平均Token支出不到11美元/月，但每位员工创造的劳动节省价值：约55美元。Token成本：仅2至5美元级别。 简单理解：投入1美元AI成本，可能创造10美元以上的生产力收益。因此企业没有动力削减AI预算。这也是Morgan Stanley认为AI需求不会像市场担心那样快速见顶的重要原因。 大摩这份报告第一次比较系统地证明： 只要AI算力达到较高利用率，并且能从训练阶段逐渐转向规模化推理，AI基础设施并非天然的低回报资本黑洞。 7月初就开始聊到CSP价值重估，是真的来了。 AI商业化和货币化也在进一步加速(qinbafrank)