海外研選 | 大摩：開放權重模型將壓低Token價格 但云巨頭AI基建回報仍可觀

財聯社8月17日訊（編輯 夏軍雄）隨着開發權重模型持續追趕前沿模型，生成式人工智能（GenAI）正在面對一個越來越現實的問題：當模型越來越便宜，甚至可以免費下載和自行部署，而科技巨頭動輒投入數千億美元建設AI數據中心，商業回報是否還能夠成立？

摩根士丹利在研報中給出了相對樂觀的答案，該機構認為，開放權重模型確實會加劇模型層價格競爭，推動Token價格持續下降，並對模型實驗室的單位經濟性形成壓力，但這並不意味着AI基礎設施投資回報同步惡化。

相反，由於算力仍是稀缺資源，更低廉的模型有望擴大AI採用範圍和推理需求，掌握GPU、自研芯片和完整雲服務體系的超大規模雲服務商（Hyperscaler）仍可能獲得健康的資本回報率。

開放權重模型加速普及

開放權重模型與傳統閉源模型最大的區別，在於用户能夠取得模型權重。企業可以下載模型，根據自身數據進行微調或重新訓練，並自由選擇在本地、雲端或者通過API進行部署。

相比只能通過訂閲或封閉API訪問的閉源模型，開放權重模式增加了模型分發渠道，同時通常成本更低、定製能力更強。

這意味着AI模型市場的競爭門檻正在發生變化。

摩根士丹利指出，價格更低的開放權重模型已經開始對整個模型層形成定價壓力，美國多家模型實驗室正推出更低價產品。在這種環境下，僅僅依靠模型能力領先已經不足以保證良好的投資回報，模型廠商需要同時提高Token吞吐量、擴大用户採用率、構建生態系統，並通過差異化功能吸引企業、開發者和中小客户。

這一趨勢也意味着，未來AI競爭可能不再單純圍繞「誰擁有最強模型」，而是越來越取決於「誰能夠以更低成本生產更多Token」。

摩根士丹利在模型API的基礎情景中假設，Token價格約為每百萬個1.75美元，每顆GPU的Token吞吐量約為每秒2000至3500個。相關測算參考了開放權重DeepSeek-V4-Pro 1.6T模型在英偉達GB300硬件上的公開推理基準。

摩根士丹利的測算顯示，即使採用遠低於大型前沿模型的Token價格，1GW自有GB300算力仍可能產生約20%至60%的投入資本回報率（ROIC）。

這意味着，Token價格未來仍有進一步下降的空間。

吞吐量可以抵消價格下降

價格下降並不必然等於收入下降。

摩根士丹利的核心邏輯在於，同樣規模的數據中心，如果每顆GPU每秒可以生成更多Token，那麼即使單個Token價格下降，每GW算力能夠創造的收入仍可能保持在較高水平。

報告假設一個1GW GB300數據中心大約擁有410256顆GB300芯片。在不同情景下，用於推理的算力比例為50%至80%，單GPU吞吐量為每秒2000至3500個Token，每百萬Token售價爲1至2.5美元，對應每GW年收入約230億至520億美元。

因此，提高Token吞吐量成為模型廠商與雲巨頭共同關注的重點。

摩根士丹利認為，目前主要有四條技術路徑：一是採用內存容量更大、互聯速度更快的硬件；二是提高MoE模型的稀疏度，降低每次推理實際調用的參數比例；三是通過請求批處理提高GPU利用率；四是利用雲巨頭自身的軟硬件優勢，例如谷歌的TPU和亞馬遜的Trainium等定製芯片（ASIC）。

此外，大型雲廠商還有一個模型實驗室難以複製的優勢，巨大的企業客户基礎意味着它們能夠獲得更多推理請求，從而更加高效地進行批處理。

為什麼模型價格戰未必傷害雲巨頭？

摩根士丹利給出了四個理由，認為開放權重模型普及后，超大規模雲服務商的單位經濟性仍將保持吸引力。

首先，真正稀缺的是算力，而不是模型權重。

即便模型可以免費下載，企業仍然需要GPU、數據中心、電力、網絡和存儲才能運行模型。絕大多數企業並不會自行建設完整AI基礎設施，因此亞馬遜AWS、Google Cloud（谷歌雲）等雲廠商仍然掌握着關鍵資源。

其次，更低的模型價格可能帶來更大的AI使用量。

開放模型降低了企業部署AI的成本，有利於生成式AI向更多公司和應用場景擴散。結果可能是單位Token收入下降，但Token總量大幅增加。

摩根士丹利因此強調，對於雲巨頭而言，EBIT絕對金額增長可能比利潤率百分比更重要。只要AI需求增長速度超過單位價格下降速度，算力資產仍然可以創造更高的利潤。

再次，超大規模雲廠商本身也能夠通過自研芯片、軟件優化和數據中心設計持續降低計算成本。

未來投資者需要關注的重點，是哪家公司擁有最低的「cost to serve」，也就是單位算力服務成本。

最后，AI模型只是雲服務的入口。

企業部署開放權重模型后，通常還需要購買數據庫、存儲、RAG、安全、身份認證和監控等其他服務，這給雲廠商留下了遠比Token收費更大的變現空間。

雲廠商有四條開放模型變現渠道

報告將雲廠商圍繞開放權重模型的變現方式歸納為四類。

第一是Serverless API收入，即把開放模型託管在Bedrock、Vertex等平臺，按照Token收費；第二是GPU和AI加速器租賃，企業自行部署開放模型仍需要購買算力；第三是RAG帶來的數據庫和存儲收入，企業需要將AI模型連接內部專有數據；第四是安全、治理、身份認證以及監控服務。

摩根士丹利將開放模型API比作超市中的「牛奶」——它本身可能成為低利潤甚至虧損的引流產品，但客户進入雲平臺之后，會購買更多利潤率更高的基礎設施服務。

鉅額AI資本開支仍有經濟基礎

摩根士丹利對雲廠商出租GB300算力的回報進行了更加直接的測算。

按照1GW數據中心配置約410256顆GB300、GPU利用率75%、租金每小時7至10美元計算，每GW年收入可達到189億至270億美元。

在計入約50億美元IT折舊、10億美元非IT折舊以及約20億美元能源和其他運營成本后，每GW總運營成本約76億美元。

在不同GPU租金情景下，每GW增量EBIT約為112億至193億美元，對應EBIT利潤率60%至72%；稅后經營利潤（NOPAT）約89億至153億美元，最終ROIC達到23%至39%

這組數字構成摩根士丹利繼續看好雲廠商AI資本開支回報的核心依據。

亞馬遜和Alphabet是核心受益者，Meta成為重要觀察對象

基於前述邏輯，摩根士丹利繼續給予亞馬遜和谷歌母公司Alphabet「增持」（Overweight）評級。

摩根士丹利對亞馬遜的目標價為335美元。

報告預計AWS收入增速將從2025年的19.7%升至2026年的37.4%，2027年進一步達到40.8%，2028年仍保持36.8%的高速增長。亞馬遜整體收入預計從2025年的7169億美元增至2028年的1.134萬億美元，GAAP EBIT同期由約800億美元增至2273億美元。

Alphabet目標價為400美元。

摩根士丹利認為，谷歌的優勢不僅在於擁有前沿Gemini模型，還在於能夠同時利用TPU、自有云基礎設施以及龐大的企業客户基礎提高推理效率。報告特別指出，高效率的Gemini Flash模型與追求最先進能力的Gemini 4同樣重要，因為AI競爭正在從單純追求模型性能轉向性能與成本效率並重。

Meta則被列為Top Pick（首選股），目標價為775美元。

摩根士丹利預計其2026年廣告收入增長約27%，認為AI投資將繼續推動Reels互動和廣告變現，同時公司也在探索如何進一步利用龐大的數據中心容量創造收入。不過，數據中心資本開支無法產生足夠回報，同樣被列為Meta的重要下行風險。