摩根士丹利：AI资本开支2027年达峰，回报率最高46%
nashnova research
三种商业模式，回报率差距有多大？
摩根士丹利将AI产业链拆成三种模式：自有基础设施+模型层（代表：META、谷歌）ROIC（资本回报率，即每投入一块钱能赚回多少）最高达46%；超大规模云厂商出租GPU的IaaS模式约31%；依赖第三方基础设施的模型公司约25%。
这意味着→ 离"既有模型又有机房"越近，赚钱效率越高；纯租算力做模型的公司，虽然每GW收入最高（约405亿美元），但扣掉租赁成本后回报反而最低。
用大白话说＝ 自己盖房子、自己开店，比租别人的铺面卖同样的东西，利润厚得多。
资本开支什么时候见顶、之后怎么走？
亚马逊、谷歌、微软、META四家数据中心资本开支预计从2025年的约4660亿美元一路升至2027年的约1.47万亿美元，2028年微增至约1.64万亿美元——但增速从2027年的约60%骤降至2028年的约12%。
分公司看，谷歌最激进，2027年同比增长83%；亚马逊、META、微软分别约50%、55%、43%，到2028年全部明显放缓。
这意味着→ 2027年是这轮AI基建的"峰值年"，此后芯片、电力、土地等现实约束叠加巨头已提前"预建"的产能，继续大幅加码的空间有限。
花这么多钱，巨头的资金链撑得住吗？
四大巨头合计运营现金流预计从2026年的7390亿美元升至2028年的1.23万亿美元，同期新增债务需求反而从2380亿美元降至900亿美元。
到2028年，新增债务仅相当于运营现金流的约7%。
用大白话说＝ 虽然资本开支数字吓人，但巨头自身造血能力在同步增长，资金压力并没有跟着同比恶化——债务杠杆反而在收缩。
算力规模还在涨，但结构变了？
四大云厂商总算力容量预计从2025年的约36GW增至2028年的约144GW，接近翻四倍。谷歌新增最猛，2027年和2028年分别新增约9GW和11GW。
定制ASIC（专为特定任务设计的芯片，区别于英伟达的通用GPU）在新增算力中的占比将从2025年的34%升至2028年的66%，谷歌TPU和亚马逊Trainium是主力。
这意味着→ 行业正从"抢GPU"转向"提升单位算力效率"。英伟达仍是核心，但云厂商自研芯片的份额在持续吃进。
AI商业化走到哪一步了？
摩根士丹利估算全球生成式AI总市场规模达50万亿至60万亿美元，到2027年企业AI支出预计约8120亿美元，相当于知识工作市场约4%的渗透率。
截至2026年二季度，约25%的标普500成分股公司已能量化生成式AI带来的收益，一年前这一比例仅14%。
这反映出 AI的扩散速度可能快于当年的公有云——企业不需要大规模迁移基础设施，AI能更快产生可量化的生产率提升。
下一阶段，市场会盯什么？
摩根士丹利判断，随着资本开支增速放缓、AI应用渗透率提升，资金可能从硬件、半导体和内存逐步转向模型、云平台和软件应用。
2028年的关键变量不再是谁能建更多数据中心，而是谁能把已建成的算力转化为持续的收入和利润。
用大白话说＝ "建基站"的阶段接近尾声，"收话费"的阶段正在开始——投资逻辑也要跟着切换。
市场有风险，内容仅供研究参考，不构成投资建议。