算力投资的回报之争正在进入量化阶段。

摩根士丹利最新报告将北美 ROIC 框架引入中国云计算市场，对自建 GPU 基础设施、租用第三方算力以及模型即服务（MaaS）三条路径逐一拆解得出结论：中国云厂商的 ROIC 区间为 13% 至 20%，现金回收期约为 3 年。尽管受制于更高的服务器硬件成本，回报率低于美国同业的 25%-50%，但摩根士丹利认为，随着算力需求持续强劲，更高的资本开支将在中期驱动可观回报。

报告认为，阿里凭借最大规模的 AI 基础设施、成熟的云业务体系以及经验证的通义千问（Qwen）模型能力，有能力穿越三种场景均实现可观回报，这一组合也支撑其估值溢价。分析师给予阿里巴巴美股评级 " 增持 "，目标价 180 美元，较当前价格有约 45% 的上涨空间。

值得关注的是，报告同步指出腾讯资本开支已折年化超过 2000 亿元人民币，这将对阿里的资本开支计划形成上行压力，但分析师认为阿里对 IaaS 和 MaaS 的聚焦使其 ROIC 可见度相对更高。在 MaaS 场景下，阿里目标年末 MaaS 年化经常性收入（ARR）超过 300 亿元人民币，若实现这一目标，云业务利润率存在显著改善空间——当前阿里云利润率仅为 11% 至 12%。

自建 GPU IaaS：44% 营业利润率，但高服务器成本压制 ROIC

摩根士丹利框架的第一部分考察云服务提供商（CSP）自购并出租 8 卡 GPU AI 服务器的单机经济效益。

基准情景下，每台服务器资本开支为 800 万元人民币，月租金定价为 25 万元。扣除服务器折旧、IDC 折旧、能源成本及其他运营开支后，该模式可实现约 44% 的营业利润率、13% 的投资资本回报率（ROIC）以及 3.1 年的现金回收期。

与美国市场相比，中国的差距主要源于硬件成本。据摩根士丹利测算，中国每台服务器资本开支约为美国同类配置的 3 倍，导致折旧成本显著更高，中国 ROIC（13%）远低于美国（31%）。不过，中国更低的 IDC 和能源成本构成一定对冲，现金回收期 3.1 年也与亚马逊管理层近期表示的 " 服务器和网络设备回本时间略低于三年 " 基本吻合。

分析师同时指出，44% 的增量营业利润率与阿里云当前 11% 至 12% 的整体利润率之间存在较大落差。这一差距主要源于传统低利润率云业务的拖累、早期基础设施资产的折旧负担，以及未计入服务器层面框架的研发和人员成本。若 AI 算力需求维持强劲且利用率保持高位，阿里云整体利润率向上修复的路径清晰可见。

租用算力：零资本开支换取即时现金流，利润率为 20%

框架的第二部分评估了另一种模式：云厂商向新兴云服务商（neocloud）租入底层服务器，再转租给终端客户，本质上是一门价差生意。由于 CSP 无需承担服务器资本开支，这一模式几乎不涉及前期投入，一旦租赁价差转正便可即时产生正向现金贡献。

基准情景下，向客户收取月租 25 万元，向新兴云服务商支付月租 20 万元，由此产生约 20% 的营业利润率，且无任何前期资本占用。

这一模式的代价是利润率低于自建模式——部分经济价值流向了底层资产持有方。但对于需要快速响应增量 AI 算力需求、同时控制资产负债表扩张的云厂商而言，租用模式提供了一条灵活的补充路径，在自建产能尚未到位时尤具实用价值。

MaaS：利润率最高，但对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 技术栈上移一层，考察云厂商或模型提供商通过模型 API（MaaS）将自建算力货币化的经济效益。

基准情景假设每 GPU 每秒吞吐量 4000 个 token，推理工作负载占比 50%，混合 token 定价 9.56 元人民币 / 百万 token。在这一组合下，毛利率可达 76%，营业利润率 53%，ROIC 约 19%，现金回收期 2.5 年——是三种模式中利润率最高的路径。

然而，这一模式的结果对关键假设极为敏感。若推理占比偏低、吞吐量不足，即便相同的资本投入也可能录得亏损。摩根士丹利指出，目前包括 Qwen 在内的多数 AI 实验室仍处于该框架低端区间，因为当前大量算力资源仍被分配至模型训练而非推理，限制了可货币化的 token 产出。

在 token 定价层面，摩根士丹利援引智谱、Kimi 及 DeepSeek 近期的调价动作，指出定价本身的重要性不及单位算力所产生的收入——一个定价更低但吞吐量大幅领先的模型，其经济效益可能优于定价高昂但算力消耗密集的竞品。

对阿里而言，随着 AI 收入占云业务比例向 50% 靠拢，MaaS ARR 目标年末达 300 亿元人民币以上，若同步提升推理比例和 token 吞吐量，有望逐步向 53% 营业利润率和 19% ROIC 的基准情景靠拢。摩根士丹利认为，MaaS 是阿里云当前盈利水平与长期算力资产盈利能力之间差距最大、潜在改善幅度最显著的一个维度。

中美 ROIC 差距：硬件成本是核心症结

摩根士丹利的跨市场比较揭示了一个结构性制约：在 IaaS 场景下，中美两国每 GW 收入规模大体相当，但中国服务器资本开支远高于美国，导致折旧成本压制整体回报。中国 ROIC（13%）约为美国（31%）的 42%，现金回收期也长于美国的 2.2 年。

在 MaaS 场景下，中国在 token 吞吐量方面略胜一筹（4000 TPS/GPU 对比美国 2750），部分受益于规模更小的模型、更广泛的 MoE/ 注意力机制应用及更高的 KV 缓存效率。但受制于推理占比较低（50% 对比美国 65%）和更具竞争压力的定价环境，中国 MaaS 的 NOPAT 约为美国的 69%，ROIC 为 19.5%，而美国为 46.2%。

分析师认为，缩小这一差距的三条核心路径在于：GPU 硬件成本的持续下降、模型迭代效率的提升，以及算力分配从训练向推理的加速转移。随着这三大变量逐步改善，中国云厂商 AI 算力投资的回报曲线存在显著上行弹性。