算力投資的回報之爭正在進入量化階段。摩根士丹利最新報告將北美ROIC框架引入中國雲端計算市場，對自建GPU基礎設施、租用第三方算力以及模型即服務（MaaS）三條路徑逐一拆解，得出結論：中國雲廠商的ROIC區間為13%至20%，現金回收期約為3年。儘管受制於更高的伺服器硬體成本，回報率低於美國同業的25%-50%，但摩根士丹利認為，隨著算力需求持續強勁，更高的資本開支將在中期驅動可觀回報。

報告認為，阿里憑藉最大規模的AI基礎設施、成熟的雲業務體系以及經驗證的通義千問（Qwen）模型能力，有能力穿越三種場景均實現可觀回報，這一組合也支撐其估值溢價。分析師給予阿里巴巴美股評級“增持”，目標價180美元，較當前價格有約45%的上漲空間。

值得關注的是，報告同步指出騰訊資本開支已折年化超過2000億元人民幣，這將對阿里的資本開支計劃形成上行壓力，但分析師認為阿里對IaaS和MaaS的聚焦使其ROIC可見度相對更高。在MaaS場景下，阿里目標年末MaaS年化經常性收入（ARR）超過300億元人民幣，若實現這一目標，雲業務利潤率存在顯著改善空間——當前阿里雲利潤率僅為11%至12%。

自建GPU IaaS：44%營業利潤率，但高伺服器成本壓制ROIC

摩根士丹利框架的第一部分考察雲服務提供商（CSP）自購併出租8卡GPU AI伺服器的單機經濟效益。基準情景下，每台伺服器資本開支為800萬元人民幣，月租金定價為25萬元。扣除伺服器折舊、IDC折舊、能源成本及其他運營開支後，該模式可實現約44%的營業利潤率、13%的投資資本回報率（ROIC）以及3.1年的現金回收期。

與美國市場相比，中國的差距主要源於硬體成本。據摩根士丹利測算，中國每台伺服器資本開支約為美國同類配置的3倍，導致折舊成本顯著更高，中國ROIC（13%）遠低於美國（31%）。不過，中國更低的IDC和能源成本構成一定對沖，現金回收期3.1年也與亞馬遜管理層近期表示的“伺服器和網路裝置回本時間略低於三年”基本吻合。

分析師同時指出，44%的增量營業利潤率與阿里雲當前11%至12%的整體利潤率之間存在較大落差。這一差距主要源於傳統低利潤率雲業務的拖累、早期基礎設施資產的折舊負擔，以及未計入伺服器層面框架的研發和人員成本。若AI算力需求維持強勁且利用率保持高位，阿里雲整體利潤率向上修復的路徑清晰可見。

租用算力：零資本開支換取即時現金流，利潤率為20%

框架的第二部分評估了另一種模式：雲廠商向新興雲服務商（neocloud）租入底層伺服器，再轉租給終端客戶，本質上是一門價差生意。由於CSP無需承擔伺服器資本開支，這一模式幾乎不涉及前期投入，一旦租賃價差轉正便可即時產生正向現金貢獻。基準情景下，向客戶收取月租25萬元，向新興雲服務商支付月租20萬元，由此產生約20%的營業利潤率，且無任何前期資本佔用。

這一模式的代價是利潤率低於自建模式——部分經濟價值流向了底層資產持有方。但對於需要快速響應增量AI算力需求、同時控制資產負債表擴張的雲廠商而言，租用模式提供了一條靈活的補充路徑，在自建產能尚未到位時尤具實用價值。

MaaS：利潤率最高，但對推理比例和吞吐量高度敏感

摩根士丹利框架的第三部分向AI技術棧上移一層，考察雲廠商或模型提供商通過模型API（MaaS）將自建算力貨幣化的經濟效益。基準情景假設每GPU每秒吞吐量4000個token，推理工作負載佔比50%，混合token定價9.56元人民幣/百萬token。在這一組合下，毛利率可達76%，營業利潤率53%，ROIC約19%，現金回收期2.5年——是三種模式中利潤率最高的路徑。

然而，這一模式的結果對關鍵假設極為敏感。若推理佔比偏低、吞吐量不足，即便相同的資本投入也可能錄得虧損。摩根士丹利指出，目前包括Qwen在內的多數AI實驗室仍處於該框架低端區間，因為當前大量算力資源仍被分配至模型訓練而非推理，限制了可貨幣化的token產出。

在token定價層面，摩根士丹利援引智譜、Kimi及DeepSeek近期的調價動作，指出定價本身的重要性不及單位算力所產生的收入——一個定價更低但吞吐量大幅領先的模型，其經濟效益可能優於定價高昂但算力消耗密集的競品。

對阿里而言，隨著AI收入佔雲業務比例向50%靠攏，MaaS ARR目標年末達300億元人民幣以上，若同步提升推理比例和token吞吐量，有望逐步向53%營業利潤率和19% ROIC的基準情景靠攏。摩根士丹利認為，MaaS是阿里雲當前盈利水平與長期算力資產盈利能力之間差距最大、潛在改善幅度最顯著的一個維度。

中美ROIC差距：硬體成本是核心癥結

摩根士丹利的跨市場比較揭示了一個結構性制約：在IaaS場景下，中美兩國每GW收入規模大體相當，但中國伺服器資本開支遠高於美國，導致折舊成本壓制整體回報。中國ROIC（13%）約為美國（31%）的42%，現金回收期也長於美國的2.2年。

在MaaS場景下，中國在token吞吐量方面略勝一籌（4000 TPS/GPU對比美國2750），部分受益於規模更小的模型、更廣泛的MoE/注意力機制應用及更高的KV快取效率。但受制於推理佔比較低（50%對比美國65%）和更具競爭壓力的定價環境，中國MaaS的NOPAT約為美國的69%，ROIC為19.5%，而美國為46.2%。

分析師認為，縮小這一差距的三條核心路徑在於：GPU硬體成本的持續下降、模型迭代效率的提升，以及算力分配從訓練向推理的加速轉移。隨著這三大變數逐步改善，中國雲廠商AI算力投資的回報曲線存在顯著上行彈性。