科技巨头这轮AI“烧钱”，回报率到底怎么样？摩根士丹利给出的答案并不悲观：模型公司利用自有算力提供API服务，ROIC最高可达46%；超大规模云厂商出租GPU的ROIC约31%，即便依赖第三方基础设施的模型公司，ROIC也有约25%。从资本回报率看，这场万亿美元级的AI军备竞赛并非单纯“烧钱”。
更重要的是，AI投资正在逐渐具备自我造血能力。摩根士丹利预计，亚马逊、谷歌、微软、META四大巨头合计运营现金流将从2026年的7390亿美元升至2028年的1.23万亿美元，而同期新增债务融资需求将从2380亿美元降至900亿美元。到2028年，巨头新增债务需求仅相当于运营现金流的约7%，资金压力并没有随着资本开支膨胀而同步恶化。
但资本开支的疯狂增长可能已经接近阶段性尾声。四大超大规模云厂商数据中心资本开支预计从2026年的9170亿美元升至2027年的1.47万亿美元，同比增长约60%，但2028年仅增长约12%。这意味着下一阶段市场看的不再是谁能建更多数据中心，而是谁能把已经建成的算力转化成收入和利润。
而这恰恰是摩根士丹利最看好的地方：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。AI投资的“回报率考试”，正在从算力建设进入商业化兑现阶段。
资本开支：2027年达峰，2028年明显降速
摩根士丹利预计，超大规模云厂商数据中心资本开支将从2025年的约4660亿美元增至2026年的约9170亿美元，2027年进一步升至约1.47万亿美元，2028年则增至约1.64万亿美元。但资本开支增速将从2027年的约60%骤降至2028年的约12%。
其中，谷歌的扩张最为激进，2027年数据中心资本开支预计同比增长83%；亚马逊、META和微软增速分别约为50%、55%和43%，但到2028年均明显放缓。
摩根士丹利认为，芯片、机架、土地、电力和劳动力等现实约束正在限制进一步扩张，同时巨头已经提前为2027年至2029年的需求进行大量数据中心“预建”，资本开支继续前置的空间有限。
因此，2028年的关键变化并非AI需求见顶，而是基础设施投资从高速扩张进入消化期。
算力容量：三年接近翻四倍
尽管资本开支增速放缓，算力规模仍将持续扩张。摩根士丹利预计，四大超大规模云厂商总算力容量将从2025年的约36GW增至2028年的约144GW，接近扩大四倍。
其中，谷歌预计将成为新增容量最多的公司之一，2027年和2028年分别新增约9GW和11GW，主要用于训练Gemini、推动GCP增长，以及支持Search和YouTube的生成式AI功能。
与此同时，算力结构也在变化。摩根士丹利预计，定制ASIC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将成为主要驱动力。
换句话说，AI算力需求仍在增长，但行业正在从“抢GPU”转向“提升单位算力效率”，英伟达依然占据核心地位，但云厂商自研芯片的重要性持续上升。
AI回报率：自有基础设施+模型层最赚钱
摩根士丹利测算了三种GenAI商业模式的资本回报率。在超大规模云厂商出租GPU的IaaS模式下，以GB300为基准，每GW对应收入约230亿美元，ROIC约31%。
模型公司利用自有基础设施提供API服务的回报率最高，每GW收入约304亿美元，税后经营利润约179亿美元，对应ROIC约46%。如果依赖第三方基础设施提供API，虽然每GW收入达到约405亿美元，但扣除算力租赁成本后，ROIC仅约25%。
这意味着，AI产业链最具吸引力的环节并不一定是单纯出租算力，而是掌握模型能力、基础设施和商业化能力的公司。摩根士丹利认为，META和谷歌正是这一模式的代表。
市场空间：AI商业化才是下一阶段关键
摩根士丹利预计，全球GenAI总市场规模（TAM）达到50万亿至60万亿美元，其中知识工作市场约20万亿至30万亿美元，消费端市场约30万亿美元。
按照公有云采用曲线类比，到2027年企业AI支出预计达到约8120亿美元，相当于知识工作TAM约4%的渗透率。摩根士丹利认为，AI的扩散速度可能快于公有云，因为企业无需进行大规模基础设施迁移，而且AI能够更快产生可量化的生产率提升。
更重要的是，AI已经开始出现实际的商业化信号。截至2026年二季度，约25%的标普500成分股公司已经能够量化GenAI带来的收益，较一年前的14%明显提升。
这意味着AI投资正在从“先建设、后等待需求”逐渐进入“算力投入—应用增长—收入兑现”的循环，应用层能否持续贡献收入和利润，将成为下一阶段估值的核心。
