大摩建模“AI推理工廠”：無論是輝達還是華為晶片，都能盈利，平均利潤率超50%

AI推理不僅是一場技術革命，更是一門可以被精確計算且回報豐厚的生意。

AI推理，是一門利潤驚人的生意。

摩根士丹利最新發佈的重磅報告，首次通過精密的財務模型，給全球AI算力競賽的回報率算清了經濟帳。結論是：一座標準的“AI推理工廠”，無論採用那家巨頭的晶片，其平均利潤率普遍超過50%。

其中，輝達GB200以近78%的利潤率毫無懸念地封王，而Google和華為的晶片也“穩賺不賠”。然而，被市場寄予厚望的AMD，其AI平台在推理場景下卻錄得嚴重虧損。

01

盈利榜單：冰火兩重天

大摩的模型測算結果，折射出AI硬體巨頭們在真實商業場景下的盈利能力分化，譜寫出一首清晰的“冰與火之歌”。

火焰，屬於輝達、Google、亞馬遜和華為。

報告顯示，採用輝達旗艦產品GB200 NVL72的“AI工廠”，盈利能力達到了恐怖的77.6%，一騎絕塵。這不僅源於其無與倫比的計算、記憶體和網路性能，還得益於其在FP4精度等領域的持續創新和CUDA軟體生態的深厚壁壘，展現了絕對的市場統治力。

Google自研的TPU v6e pod則以74.9%的利潤率緊隨其後，證明了頂級雲廠商通過軟硬體協同最佳化，完全有能力建構起極具經濟效益的AI基礎設施。

同樣，AWS的Trn2 UltraServer也以62.5%的利潤率，華為的昇騰CloudMatrix 384平台也取得了47.9%的利潤率。

冰水，則意外地潑向了AMD。

報告最具顛覆性的結論，莫過於AMD在推理場景下的財務表現。大摩測算資料顯示，採用其MI300X和MI355X平台的“AI工廠”，利潤率分別為-28.2%和-64.0%。

虧損的核心原因在於高昂成本與產出效率的嚴重失衡。報告資料顯示，一個MI300X平台的年度總擁有成本（TCO）高達7.74億美元，與輝達GB200平台的8.06億美元處於同一水平線。

這意味著，營運AMD方案的前期投入和持續開銷是頂級的，但在模型所模擬的、佔未來AI市場85%份額的推理任務中，其token產出效率所能創造的收入，遠不足以覆蓋其高昂的成本。

02

“100MW AI工廠模型”

建模AI工廠，量化投資回報

支撐上述結論的，是摩根士丹利首創的一套標準化分析框架——“100MW AI工廠模型”。它將不同技術路徑的AI解決方案，置於同一商業維度下進行量化評估，其核心在於三大支柱：

1. 標準化的“算力單元”： 模型以100兆瓦（MW）的電力消耗作為“AI工廠”的基準單位。這是一個中等規模資料中心的典型功耗，足以驅動約750個高密度AI伺服器機架。

2. 精細化的“成本帳本”： 模型全面核算了總擁有成本（TCO），主要包括：

基建成本：每100MW約6.6億美元的資本開支，用於建設資料中心及配套電力設施，按10年折舊。

• 硬體成本：總額可高達3.67億至22.73億美元的伺服器系統（含AI晶片），按4年折舊。
• 營運成本：基於不同冷卻方案的電源使用效率（PUE）和全球平均電價計算得出的持續電費。

綜合估算，一座100MW“AI工廠”的年均TCO在3.3億至8.07億美元之間。

3. 市場化的“收入公式”： 收入與token產出直接掛鉤。模型基於各硬體的公開性能資料計算TPS（每秒處理token數），並參考OpenAI、Gemini等主流API定價，設定了每百萬token 0.2美元的公允價格。同時，考慮到現實中70%的裝置利用率，使得收入預測更貼近商業現實。

03

未來戰場：生態之爭與產品路線圖

值得一提的是，在揭示了諸多硬核能力之後，負責人表示，GenFlow 2.0還有更多模式，將在正式上線時推出。

盈利能力的背後，是更深層次的戰略博弈。報告揭示，未來的AI戰場，焦點將集中在技術生態的建構和下一代產品的佈局上。

在非輝達陣營，一場關於“連接標準”的戰爭已經打響。以AMD為首的廠商力推UALink，強調其對低延遲的嚴格規定對AI性能至關重要；而以博通為代表的力量則主張採用更開放、靈活的乙太網路方案。這場爭論的勝負，將決定誰能建立起一個可與輝達NVLink抗衡的開放生態。

與此同時，輝達正以清晰的路線圖鞏固其領先地位。報告提到，其下一代平台“Rubin”正按計畫推進，預計2026年第二季度進入大規模量產，同年第三季度相關伺服器就將開始放量。這無疑給所有競爭者設定了一個不斷移動的、更高的追趕目標。

總而言之，摩根士丹利的這份報告，為狂熱的AI市場注入了一劑“商業理性”。它雄辯地證明，AI推理不僅是一場技術革命，更是一門可以被精確計算且回報豐厚的生意。

對於全球的決策者和投資者而言，前文兩張盈利圖表，將對AI時代算力投資提供相當大的參考價值。 (硬AI)