8月18日，阿里巴巴表現強勢，最終收漲3.68%。
股價上漲背後，一筆關於AI的帳正在被重新審視。
摩根士丹利最新報告將北美ROIC（投資資本回報率）框架引入中國雲端運算市場，對自建GPU、租用算力和模型即服務（MaaS）三種路徑進行拆解。
結果顯示，中國雲廠商AI算力投資ROIC約為13%-20%，現金回收期約3年。
同時，大摩重申阿里巴巴美股“增持”評級，目標價180美元，較並列為行業首選股。
更值得關注的是中美之間的差距：同樣投入AI算力，美國雲廠商的ROIC可以達到約25%-50%。
當AI競爭從“誰買的GPU更多”走到“誰能更快把GPU變成利潤”，中國雲廠商這筆帳究竟該怎麼算？
一塊GPU，究竟怎麼賺錢？
通過Wind Alice梳理可以發現，大摩的框架實際上回答了一個很關鍵的問題：
同樣一台AI伺服器，放在產業鏈不同位置，賺錢能力完全不同。
第一種方式：買伺服器，再把GPU租出去。
大摩假設，一台8卡GPU伺服器投入約800萬元，每月租金25萬元。扣除伺服器折舊、IDC、能源和營運成本後，營業利益率約44%，ROIC為13%，現金回收期3.1年。
第二種方式：不買伺服器，直接租算力再轉租。
按照大摩假設，雲廠商以每月20萬元租入伺服器，再以25萬元出租給客戶，可以獲得約20%的營業利益率。好處是幾乎不用承擔前期資本開支，代價則是部分利潤讓給了底層資產持有者。
第三種方式：不再賣GPU時間，而是賣Token。
也就是MaaS。
在大摩的基準情景中，如果單GPU每秒可以處理4000個Token，推理負載佔50%，混合價格為9.56元/百萬Token，毛利率可以達到76%，營業利益率53%，ROIC約19%，現金回收期縮短至2.5年。
中美算力差距，為什麼最後落在ROIC上？
問題也由此出現：
中國AI模型越來越強，為什麼算力回報率仍明顯低於美國？
大摩給出的答案是：硬體成本。
其測算顯示，中國一台GPU伺服器資本開支約為美國同類配置的3倍。
即使單位算力產生的收入接近，更高的硬體投入和折舊仍會壓低回報。
因此，在IaaS模式下，中國ROIC約13%，美國約31%；
現金回收期分別為3.1年和2.2年。
到了MaaS層面，差距則不完全來自硬體。
大摩假設中國單GPU Token吞吐量達到4000TPS，高於美國的2750TPS。（這與更小的模型、MoE架構以及KV Cache等最佳化有關）
但中國推理負載佔比約50%，低於美國的65%，同時Token價格競爭更加激烈。
最終，中國MaaS ROIC約19.5%，美國則達到46.2%。
這說明，決定下一階段算力回報的已經不只是GPU數量，還有兩個更重要的指標：
一塊GPU能生產多少Token，以及這些Token有多少能夠真正賣出去。
為什麼大摩更看好阿里？
這也是大摩特別看好阿里雲的原因。
阿里同時擁有AI基礎設施、雲平台和Qwen模型，可以覆蓋從GPU出租到模型API的多層變現路徑。
2025年2月，阿里宣佈未來三年至少投入3800億元建設雲和AI基礎設施。
到2026財年末，雲智能集團外部收入單季同比增長40%，AI相關產品已經貢獻約30%的外部雲收入，預計未來一年該佔比將超過50%。
通過Wind Alice進一步梳理可以發現，阿里的AI投入已經開始形成“資本開支—算力基礎設施—模型服務—雲收入”的變現鏈條。
目前阿里AI相關產品年化收入已經超過358億元，MaaS年化經常性收入目標在年末將達到300億元以上。
（Wind Alice梳理阿里AI價值鏈，alice.wind.com.cn）
同時，需求端也在擴張。
IDC資料顯示，2025年中國AI IaaS市場規模達到486.7億元，僅下半年市場規模就達到288億元，同比增長132.1%；同期中國AI應用公有雲服務市場達到137.3億元，已經超過大模型訓推公有雲市場的79.4億元。
這組變化很關鍵。
過去企業主要花錢“訓練模型”，現在越來越多資金開始流向“使用AI”。
當算力從訓練轉向推理，GPU不再只是資本開支，也開始成為持續產生呼叫收入的生產資料。
因此，大摩給予阿里巴巴美股“增持”評級和180美元目標價，並認為阿里在三種算力變現模式下均具備較強的ROIC可見度。
中國AI的下一場競爭：從算力規模轉向算力效率
中美AI算力回報的差距並非固定不變。
大摩給出了三個關鍵變數：
- GPU硬體成本下降
- 模型效率提升
- 算力從訓練向推理加速轉移
事實上，模型效率已經成為中國AI的重要突破方向。
美國則已進入更激進的算力擴張周期。
相比之下，在硬體成本仍然偏高的背景下，中國雲廠商更現實的路徑，是通過模型效率和推理利用率提升算力回報。
這也意味著，中美AI競爭的下一個觀察指標，正在從算力投入規模轉向算力變現效率。(Wind萬得)