China AI infrastructure ecosystem — Interpretación del informe

Visión general

Este análisis sectorial profundo traza la inversión china en IA desde el capex y la oferta de chips hasta la capacidad de cómputo, la financiación y la economía unitaria. Morgan Stanley prevé Rmb8.5tr de capex total en 2026-30E y considera que el aumento de chips nacionales es el catalizador clave para el crecimiento de capacidad y para beneficiarios seleccionados de nube, centros de datos, modelos y semiconductores.

Perspectivas principales

Morgan Stanley prevé Rmb8.5tr (US$1.3tr) de capex chino relacionado con IA en 2026-30E, equivalente en promedio a cerca del 17% del gasto de pares estadounidenses. El capex total de cómputo de China pasaría de Rmb1.3tr en 2026E a Rmb2.0tr en 2030E. El capex de hyperscalers e internet clave sería Rmb995bn en 2026E, un alza interanual de 121%, antes de llegar a Rmb1.2tr en 2027E y Rmb1.4tr en 2030E. La inversión de neoclouds se estima en Rmb1.5tr durante cinco años, principalmente para servidores, y el capex de cómputo de telcos subiría de aproximadamente Rmb81bn en 2026E a Rmb179bn en 2030E. Entre 70-80% del gasto quinquenal, Rmb6.4tr, sería doméstico. La conclusión central de oferta es que la expansión china ha estado más limitada por la disponibilidad de cómputo de alto nivel que por la demanda. La oferta de GPU y ASIC nacionales debería habilitar la siguiente fase: la capacidad eléctrica de TI aumentaría de 26GW en 2025 a 81GW en 2030E. El incremento de 55GW proviene principalmente de hyperscalers (+34GW), capacidad externa autoconstruida de telcos (+9GW) y otros actores y laboratorios de IA (+12GW). Alibaba y Tencent añadirían 6-9GW cada uno y Baidu alrededor de 1GW. Los envíos de chips de IA nacionales subirían de 1.1mn en 2025 a 2.4mn en 2026E, 4.8mn en 2027E y 11mn en 2030E; el TAM de chips nacionales crecería de Rmb94bn a Rmb646bn y dichos chips representarían 70-85% de los despliegues de servidores en 2025-30E. El gasto se concentra en cómputo. Morgan Stanley estima Rmb5.3tr de gasto total en servidores, aproximadamente 88% del capex de cómputo, incluido Rmb4.9tr de capex de servidores de IA. Supone que 30-35% del capex hyperscaler es offshore, 10-15% del capex doméstico va a partidas no relacionadas con servidores y alrededor de 10% del capex de servidores va a CPU; el resto se destina al cómputo relacionado con GPU. La demanda incremental de energía de IA subiría de 5.6GW en 2026E a cerca de 13GW en 2030E, mientras que los pedidos de centros de datos de terceros crecerían de 6.1GW a 11GW. Asume que 20% de la capacidad de hyperscalers y laboratorios de IA es autoconstruida; las regiones occidentales captarían 33GW de pedidos incrementales en cinco años frente a 14GW en las orientales. La financiación varía según el participante. Morgan Stanley considera que Alibaba, Tencent y Baidu están bien financiados para el capex nacional mediante flujo de caja operativo, efectivo, arrendamientos y anticipos, aunque Alibaba podría enfrentar mayor salida de caja si se reaviva la competencia de reparto de comida y Baidu depende de la estabilización de búsqueda. Tencent se describe como el más estable. La cuestión principal es la financiación offshore: cuatro hyperscalers gastarían Rmb2.0tr en expansión offshore en 2026-30E, donde capex, vencimientos de deuda y retornos al accionista compiten por efectivo offshore limitado. La monetización de carteras de inversión, deuda y capital son fuentes potenciales. Los neoclouds pueden combinar 30-40% de arrendamientos financieros a cerca de 5%, préstamos bancarios de aproximadamente 3-4%, anticipos de clientes y emisiones de deuda o capital, pero esta estructura aumenta la sensibilidad a utilización, plazos de entrega, costes de refinanciación y demanda de servidores de alto nivel. Para Kingsoft Cloud, Morgan Stanley modela 40% de la inversión anual mediante arrendamientos a cinco años; el flujo de caja operativo de Rmb2bn en 2Q26 contó con el apoyo de un gran anticipo. Los operadores de centros de datos neutrales necesitarían Rmb569bn de capex en cinco años. Los telcos, en cambio, financiarían mayormente el cómputo con efectivo, flujo de caja operativo anual y menor capex tradicional. El retorno depende de la capa de monetización, no solo del capex. En el caso base, IaaS de GPU propia genera margen operativo de 44%, ROIC de 13% y recuperación de caja de aproximadamente tres años, con alquiler mensual de servidor de Rmb250k, utilización de 75% y capex de servidor de Rmb8mn. IaaS alquilado/neocloud genera alrededor de 20% de margen operativo con precio al cliente de Rmb250k y coste mensual de alquiler de Rmb200k, sin capex inicial de servidores. MaaS autoconstruido, con 4,000 tokens por segundo por GPU, mezcla de inferencia de 50% y precio combinado de Rmb9.5 por millón de tokens, genera margen operativo de 53%, ROIC de 19% y recuperación de 2.5-2.6 años. La computación propia que aloja una API de terceros, bajo una participación de ingresos de 10%, se estima en margen operativo de 57%, ROIC de 29% y recuperación de 2.1 años. Los chips nacionales amplían la capacidad pero inicialmente tienen menor economía unitaria que servidores extranjeros. El caso base de infraestructura totalmente nacional con chips HBM3E de próxima generación supone 30% del rendimiento de servidores extranjeros, coste de servidor de Rmb4mn, margen EBIT incremental de 31%, ROIC de 9.1% y recuperación de 3.6 años. Con eficiencia relativa de 20-40%, el rango de ROIC es 0.3%-17.9% y el de recuperación 2.7-5.2 años. La desagregación prefill/decode puede mejorar el ROIC en tareas de entrada larga, pero menos en cargas equilibradas de 4k/4k. Morgan Stanley cree que un mayor ancho de banda de memoria en chips nacionales de próxima generación podría eliminar un cuello de botella clave. Morgan Stanley sigue prefiriendo la cadena de suministro de nube china por la fuerte demanda de cómputo y el alivio de la oferta. Mantiene Overweight en Alibaba, Kingsoft Cloud y VNET; MiniMax y Zhipu; y Cambricon, Illuvatar y Hygon.

Marco de análisis

Morgan Stanley construye una previsión de capex a cinco años para hyperscalers, neoclouds y telcos, y convierte los envíos de chips y costes de despliegue previstos en capacidad de cómputo en GW. Después evalúa fuentes de financiación y restricciones de caja por participante, y compara IaaS, MaaS, alojamiento de API de terceros y despliegue de chips nacionales mediante escenarios de economía unitaria por servidor.

Notas metodológicas

• Marco de análisis sectorialMarco de oferta y demanda

  Análisis de oferta, demanda y expansión de capacidad de cómputo de IA

  El informe vincula previsiones de capex, envíos de chips nacionales, costes de despliegue y demanda eléctrica con aumentos de capacidad, e identifica la disponibilidad de chips como restricción de oferta.

• Marco de fundamentales corporativos y finanzasDiferencial ROIC-WACC

  Análisis de ROIC y recuperación de caja de la economía unitaria

  El informe compara márgenes operativos, ROIC y recuperación de caja entre modelos de propiedad de infraestructura y monetización de IA.

• Marco de análisis sectorialTransmisión entre tramos de la cadena de valor

  Transmisión de financiación y demanda en el ecosistema de infraestructura de IA

  El informe sigue cómo el capex, los anticipos, los contratos y las inversiones de hyperscalers apoyan a neoclouds, centros de datos, fabricantes de chips y laboratorios de IA.

Correspondencia y comparación de activos

Correspondencia estructurada entre la tesis y activos concretos (fortalezas, debilidades, pares y riesgos).

• Alibaba

  Proveedor preferido de infraestructura de nube y contribuyente principal esperado de capacidad

  Fortalezas

  Mayor visibilidad de ROIC mediante AI GPU IaaS y MaaS; adición esperada de 6-9GW de capacidad; el ARR de MaaS del trimestre de junio superó Rmb10bn.

  Comparación

  Se espera que gaste más que Tencent debido a una visibilidad más clara de monetización de IA.

  Riesgos

  La salida de caja podría aumentar si vuelven la competencia y subsidios de reparto de comida.

• Kingsoft Cloud

  Proveedor neocloud preferido y caso de estudio de financiación

  Fortalezas

  El apoyo de un gran cliente y los anticipos de clientes respaldan la financiación; Morgan Stanley prevé Rmb15bn de inversión en 2026E.

  Debilidades

  La expansión intensiva en capital requiere arrendamientos, préstamos y posible deuda o capital adicional.

  Comparación

  Sus prácticas de financiación se consideran más duraderas que las del sector neocloud general.

  Riesgos

  Desaceleración de entregas, mayores costes de interés y caída de la demanda de servidores de alto nivel.

• VNET

  Beneficiario preferido de centros de datos

  Fortalezas

  Morgan Stanley destaca su desarrollo de centros en áreas rurales, incluido Ulanqab en Mongolia Interior.

  Riesgos

  La financiación de centros de datos y retrasos en la maduración de clientes pueden presionar retornos.

• MiniMax and Zhipu

  Beneficiarios preferidos de laboratorios de IA ante el crecimiento del cómputo

  Fortalezas

  La mayor disponibilidad de cómputo debería apoyar el crecimiento de los participantes de modelos.

  Debilidades

  La construcción propia de capacidad puede añadir una carga importante de capex inicial.

  Riesgos

  La construcción propia de infraestructura y las limitaciones de decodificación de chips nacionales actuales pueden perjudicar retornos.

• Cambricon, Illuvatar and Hygon

  Beneficiarios preferidos de localización de GPU

  Fortalezas

  La oferta de chips nacionales debería habilitar la expansión de capacidad y captar una parte importante del despliegue de servidores.

  Debilidades

  El rendimiento a corto plazo sigue por debajo de los servidores extranjeros en la economía modelada por Morgan Stanley.

  Comparación

  Los costes de despliegue nacional y la economía de infraestructura difieren de los pares estadounidenses.

  Riesgos

  Las limitaciones de rendimiento y ancho de banda de memoria de chips nacionales pueden producir ROIC bajo o negativo en escenarios desfavorables.

Datos clave

• Capex total de IA chinaRmb8.5tr (US$1.3tr) in 2026-30EEquivale a cerca de 17% del gasto promedio de pares estadounidenses.
• Capacidad eléctrica de TI de China26GW in 2025 to 81GW in 2030EExpansión de 55GW liderada por hyperscalers, telcos y otros participantes.
• Envíos de chips de IA nacionales1.1mn in 2025 to 11mn in 2030EEl TAM de chips nacionales crecería de Rmb94bn a Rmb646bn.
• Capex de hyperscalersRmb995bn in 2026E; Rmb1.4tr in 2030EEl crecimiento de 2026E se prevé en 121% interanual.
• Capex offshore de hyperscalersRmb2.0tr in 2026-30EMorgan Stanley identifica la financiación offshore como consideración clave.
• Caso base de IaaS de GPU propia44% operating margin, 13% ROIC, ~3-year paybackBasado en alquiler mensual de Rmb250k, utilización de 75% y capex de servidor de Rmb8mn.
• Caso base de MaaS autoconstruido53% operating margin, 19% ROIC, 2.5-2.6-year paybackSupone 4,000 tokens/segundo/GPU, mezcla de inferencia de 50% y precio combinado de tokens de Rmb9.5/mn.

Impacto e implicaciones

El informe sostiene que el aumento de producción de chips nacionales puede convertir la fuerte demanda de IA en un despliegue de cómputo más rápido y beneficiar al ecosistema chino de nube e infraestructura. Considera más atractiva la exposición a proveedores de nube, centros de datos, laboratorios de IA y nombres de localización de GPU seleccionados, pero subraya que la estructura de financiación, la utilización y la eficiencia de monetización determinan si el capex se traduce en retornos atractivos.

Riesgos

• El capex offshore, los vencimientos de deuda y los retornos al accionista podrían presionar la financiación de hyperscalers.
• El apalancamiento de neoclouds aumenta la sensibilidad a utilización, plazos de entrega, costes de refinanciación y demanda de servidores de alto nivel.
• La posición de caja de Alibaba podría verse presionada por el regreso de subsidios de reparto de comida, mientras Baidu depende de la estabilización de ingresos de búsqueda.
• Los chips nacionales actuales pueden ser ineficientes para decodificación de modelos de lenguaje grandes y generar ROIC bajo o negativo en casos desfavorables.
• Los planes de construcción propia de laboratorios de IA pueden aumentar la necesidad de capital inicial, mientras proveedores de centros de datos son cautelosos sobre la estabilidad de su flujo de caja.

Aspectos que vigilar

• El ritmo de expansión de oferta de GPU y ASIC nacionales, incluidos chips de próxima generación con HBM3E.
• La ejecución de capex de hyperscalers, incluidas las adiciones de capacidad de Alibaba, Tencent y Baidu.
• La financiación offshore, monetización de carteras, emisión de deuda y decisiones de retorno al accionista de hyperscalers.
• La utilización de neoclouds, precios de adquisición de servidores, costes de arrendamiento y anticipos de clientes.
• La mezcla de inferencia, rendimiento de tokens, precios y descuentos de rendimiento que determinan el ROIC de MaaS y alojamiento de API.