China AI infrastructure ecosystem — Interpretação do relatório

Visão geral

Este estudo setorial detalhado acompanha o investimento chinês em IA, do capex e oferta de chips à capacidade de computação, financiamento e economia unitária. O Morgan Stanley prevê Rmb8.5tr de capex total em 2026-30E e considera a expansão dos chips nacionais o principal catalisador para o crescimento de capacidade e para beneficiários selecionados de nuvem, data centers, modelos e semicondutores.

Visões principais

O Morgan Stanley prevê Rmb8.5tr (US$1.3tr) de capex chinês relacionado à IA em 2026-30E, equivalente em média a cerca de 17% do gasto de pares dos EUA. O capex total de computação na China deve passar de Rmb1.3tr em 2026E para Rmb2.0tr em 2030E. O capex de hyperscalers e empresas relevantes de internet seria Rmb995bn em 2026E, alta de 121% em relação ao ano anterior, atingindo Rmb1.2tr em 2027E e Rmb1.4tr em 2030E. O investimento de neoclouds é estimado em Rmb1.5tr em cinco anos, sobretudo para servidores, e o capex de computação das telcos subiria de aproximadamente Rmb81bn em 2026E para Rmb179bn em 2030E. Entre 70-80% do gasto de cinco anos, Rmb6.4tr, seria doméstico. A conclusão central pelo lado da oferta é que a expansão da China foi limitada mais pela disponibilidade de computação de alto desempenho do que pela demanda. A oferta de GPU e ASIC domésticos deve destravar a próxima etapa: a capacidade elétrica de TI aumentaria de 26GW em 2025 para 81GW em 2030E. A expansão de 55GW seria liderada por hyperscalers (+34GW), capacidade externa autoconstruída das telcos (+9GW) e outros participantes e laboratórios de IA (+12GW). Alibaba e Tencent devem adicionar 6-9GW cada, e Baidu cerca de 1GW. Os embarques de chips de IA domésticos devem subir de 1.1mn em 2025 para 2.4mn em 2026E, 4.8mn em 2027E e 11mn em 2030E; o TAM de chips domésticos cresceria de Rmb94bn para Rmb646bn, e esses chips responderiam por 70-85% das implantações de servidores em 2025-30E. O gasto é concentrado em computação. O Morgan Stanley estima Rmb5.3tr de gasto total em servidores, cerca de 88% do capex de computação, incluindo Rmb4.9tr de capex de servidores de IA. Assume que 30-35% do capex dos hyperscalers é offshore, 10-15% do capex doméstico vai para itens não relacionados a servidores e cerca de 10% do capex de servidores vai para CPU; o restante é destinado à computação relacionada a GPU. A demanda incremental de energia de IA subiria de 5.6GW em 2026E para aproximadamente 13GW em 2030E, enquanto os pedidos de data centers de terceiros cresceriam de 6.1GW para 11GW. O relatório assume 20% de capacidade autoconstruída por hyperscalers e laboratórios de IA; as regiões ocidentais responderiam por 33GW de pedidos incrementais em cinco anos, ante 14GW no leste. A capacidade de financiamento varia por participante. O Morgan Stanley considera Alibaba, Tencent e Baidu bem financiados para o capex doméstico com fluxo de caixa operacional, caixa, arrendamentos e pré-pagamentos, mas Alibaba pode enfrentar maior consumo de caixa se a competição em entrega de comida recomeçar, e Baidu depende da estabilização de busca. Tencent é descrita como a mais estável. O principal desafio é o financiamento offshore: quatro hyperscalers devem gastar Rmb2.0tr em expansão offshore em 2026-30E, com capex, amortização de dívida e retornos aos acionistas competindo pelo caixa offshore limitado. Monetização do portfólio de investimentos, dívida e capital são fontes potenciais. Neoclouds podem combinar 30-40% de leasing financeiro a cerca de 5%, empréstimos bancários de aproximadamente 3-4%, pré-pagamentos de clientes e emissões de dívida ou capital, mas essa estrutura eleva a sensibilidade à utilização, cronogramas de entrega, custos de refinanciamento e demanda por servidores de alto desempenho. Para Kingsoft Cloud, o Morgan Stanley modela 40% do investimento anual por meio de leases de cinco anos; o fluxo de caixa operacional de Rmb2bn em 2Q26 foi apoiado por um grande pré-pagamento. Operadores de data centers neutros precisariam de Rmb569bn de capex em cinco anos. As telcos, em contraste, devem financiar a maior parte do investimento em computação com caixa, fluxo de caixa operacional anual e menor capex tradicional. O retorno depende da camada de monetização, não apenas do capex. No caso-base, IaaS de GPU própria gera margem operacional de 44%, ROIC de 13% e payback de caixa de aproximadamente três anos, com aluguel mensal de servidor de Rmb250k, utilização de 75% e capex de servidor de Rmb8mn. IaaS alugado/neocloud gera cerca de 20% de margem operacional com preço ao cliente de Rmb250k e custo mensal de aluguel de Rmb200k, sem capex inicial de servidor. MaaS autoconstruído, com 4,000 tokens por segundo por GPU, mistura de inferência de 50% e preço combinado de token de Rmb9.5 por milhão, gera margem operacional de 53%, ROIC de 19% e payback de 2.5-2.6 anos. Computação própria hospedando API de terceiros, com divisão de receita de 10%, é estimada em margem operacional de 57%, ROIC de 29% e payback de 2.1 anos. Chips domésticos ampliam a capacidade, mas inicialmente apresentam economia unitária inferior à dos servidores estrangeiros. O caso-base de infraestrutura integralmente doméstica com chips HBM3E de próxima geração pressupõe desempenho de 30% dos servidores estrangeiros, custo de servidor de Rmb4mn, margem EBIT incremental de 31%, ROIC de 9.1% e payback de 3.6 anos. Com eficiência relativa de computação de 20-40%, o ROIC varia de 0.3%-17.9% e o payback de 2.7-5.2 anos. A desagregação prefill/decode pode melhorar o ROIC em tarefas de entrada longa, mas menos em cargas equilibradas de 4k/4k. Maior largura de banda de memória nos chips domésticos de próxima geração pode remover um gargalo essencial. O Morgan Stanley continua a preferir a cadeia de fornecimento de nuvem chinesa, citando forte demanda de computação e alívio da cadeia de fornecimento. Mantém Overweight em Alibaba, Kingsoft Cloud e VNET; MiniMax e Zhipu; e Cambricon, Illuvatar e Hygon.

Estrutura de análise

O Morgan Stanley constrói uma previsão de capex de cinco anos para hyperscalers, neoclouds e telcos, convertendo embarques de chips e custos de implantação em capacidade de computação em GW. Em seguida, avalia fontes de financiamento e restrições de caixa por participante e compara IaaS, MaaS, hospedagem de API de terceiros e implantação de chips domésticos em cenários de economia unitária por servidor.

Notas metodológicas

• Marco de análise setorialMarco de oferta e demanda

  Análise de oferta, demanda e expansão de capacidade de computação de IA

  O relatório relaciona previsões de capex, embarques de chips domésticos, custos de implantação e demanda de energia aos aumentos de capacidade e identifica a disponibilidade de chips como restrição de oferta.

• Marco de fundamentos corporativos e finançasSpread ROIC-WACC

  Análise de ROIC e payback de caixa da economia unitária

  O relatório compara margens operacionais, ROIC e payback de caixa entre modelos de propriedade de infraestrutura e monetização de IA.

• Marco de análise setorialTransmissão entre elos da cadeia de valor

  Transmissão de financiamento e demanda no ecossistema de infraestrutura de IA

  O relatório acompanha como capex, pré-pagamentos, contratos e investimentos de hyperscalers apoiam neoclouds, data centers, fabricantes de chips e laboratórios de IA.

Mapeamento e comparação de ativos

Mapeamento estruturado da tese para ativos nomeados (pontos fortes, pontos fracos, pares e riscos).

• Alibaba

  Provedor preferido de infraestrutura de nuvem e importante contribuinte esperado de capacidade

  Pontos fortes

  Maior visibilidade de ROIC via AI GPU IaaS e MaaS; adição esperada de 6-9GW; ARR de MaaS do trimestre de junho superou Rmb10bn.

  Comparação

  Deve gastar mais que Tencent devido à visibilidade mais clara de monetização de IA.

  Riscos

  O consumo de caixa pode aumentar se a competição e os subsídios de entrega de comida retornarem.

• Kingsoft Cloud

  Provedor neocloud preferido e estudo de caso de financiamento

  Pontos fortes

  O apoio de grande cliente e pré-pagamentos de clientes sustentam o financiamento; o Morgan Stanley prevê Rmb15bn de investimento em 2026E.

  Pontos fracos

  A expansão intensiva em capital requer leases, empréstimos e potencial dívida ou capital adicional.

  Comparação

  Suas práticas de financiamento são consideradas mais duráveis que as do setor neocloud em geral.

  Riscos

  Desaceleração de entregas, aumento de custos de juros e queda acentuada da demanda por servidores de alto desempenho.

• VNET

  Beneficiário preferido de data centers

  Pontos fortes

  O Morgan Stanley destaca seu desenvolvimento de hubs em áreas rurais, como Ulanqab, na Mongólia Interior.

  Riscos

  Financiamento de data centers e atrasos na maturação de clientes podem pressionar retornos.

• MiniMax and Zhipu

  Beneficiários preferidos entre laboratórios de IA do crescimento de computação

  Pontos fortes

  A maior disponibilidade de computação deve apoiar o crescimento dos participantes de modelos.

  Pontos fracos

  A construção própria de capacidade pode adicionar uma carga relevante de capex inicial.

  Riscos

  A construção própria de infraestrutura e limitações de decodificação dos chips domésticos atuais podem prejudicar retornos.

• Cambricon, Illuvatar and Hygon

  Beneficiários preferidos da localização de GPU

  Pontos fortes

  A oferta de chips domésticos deve permitir a expansão de capacidade e obter participação relevante na implantação de servidores.

  Pontos fracos

  O desempenho no curto prazo continua abaixo dos servidores estrangeiros na economia modelada pelo Morgan Stanley.

  Comparação

  Custos de implantação doméstica e economia de infraestrutura diferem dos pares dos EUA.

  Riscos

  Limitações de desempenho e largura de banda de memória dos chips domésticos podem produzir ROIC baixo ou negativo em cenários desfavoráveis.

Dados principais

• Capex total de IA chinesaRmb8.5tr (US$1.3tr) in 2026-30EEquivale a cerca de 17% do gasto médio de pares dos EUA.
• Capacidade elétrica de TI da China26GW in 2025 to 81GW in 2030EExpansão de 55GW liderada por hyperscalers, telcos e outros participantes.
• Embarques de chips de IA domésticos1.1mn in 2025 to 11mn in 2030EO TAM de chips domésticos deve crescer de Rmb94bn para Rmb646bn.
• Capex de hyperscalersRmb995bn in 2026E; Rmb1.4tr in 2030EO crescimento de 2026E é previsto em 121% ano contra ano.
• Capex offshore de hyperscalersRmb2.0tr in 2026-30EO Morgan Stanley identifica o financiamento offshore como consideração essencial.
• Caso-base de IaaS de GPU própria44% operating margin, 13% ROIC, ~3-year paybackBaseado em aluguel mensal de Rmb250k, utilização de 75% e capex de servidor de Rmb8mn.
• Caso-base de MaaS autoconstruído53% operating margin, 19% ROIC, 2.5-2.6-year paybackPressupõe 4,000 tokens/segundo/GPU, mistura de inferência de 50% e preço combinado de token de Rmb9.5/mn.

Impacto e implicações

O relatório argumenta que a expansão da produção de chips domésticos pode converter a forte demanda de IA em implantação mais rápida de computação e beneficiar o ecossistema chinês de nuvem e infraestrutura. Considera mais atraente a exposição a provedores de nuvem, data centers, laboratórios de IA e empresas de localização de GPU selecionados, mas destaca que estrutura de financiamento, utilização e eficiência de monetização determinam se o capex se transforma em retornos atraentes.

Riscos

• Capex offshore, amortizações de dívida e retornos aos acionistas podem criar pressão de financiamento para hyperscalers.
• A alavancagem de neoclouds aumenta a sensibilidade à utilização, cronogramas de entrega, custos de refinanciamento e demanda por servidores de alto desempenho.
• A posição de caixa da Alibaba pode ser pressionada pelo retorno de subsídios de entrega de comida, enquanto a Baidu depende da estabilização da receita de busca.
• Chips domésticos atuais podem ser ineficientes para decodificação de grandes modelos de linguagem e gerar ROIC baixo ou negativo em casos desfavoráveis.
• Planos de construção própria de laboratórios de IA podem aumentar a necessidade de capital inicial, enquanto fornecedores de data centers são cautelosos quanto à estabilidade do fluxo de caixa desses laboratórios.

Pontos a observar

• O ritmo de expansão da oferta de GPU e ASIC domésticos, incluindo chips de próxima geração com HBM3E.
• A execução de capex dos hyperscalers, incluindo adições de capacidade de Alibaba, Tencent e Baidu.
• O financiamento offshore, monetização de portfólios, emissão de dívida e decisões de retorno aos acionistas pelos hyperscalers.
• Utilização de neoclouds, preços de compra de servidores, custos de leasing e pré-pagamentos de clientes.
• Mistura de inferência, throughput de tokens, preços e descontos de desempenho que determinam o ROIC de MaaS e hospedagem de API.