Morgan Stanley预计至2030年中国 AI 资本开支将达Rmb8.5tr，并推动IT容量升至81GW

概览

这份行业深度报告梳理了中国 AI 投资从资本开支和芯片供应到算力容量、融资和单位经济性的路径。Morgan Stanley预计2026-30E总资本开支为Rmb8.5tr，并认为国产 AI 芯片产能爬坡是推动容量增长以及利好部分云服务、数据中心、模型和半导体受益者的关键催化剂。

核心观点

Morgan Stanley预计2026-30E中国 AI 相关资本开支为Rmb8.5tr（US$1.3tr），平均约为美国可比对象支出的17%。预计中国总算力资本开支将从2026E的Rmb1.3tr增至2030E的Rmb2.0tr。超大规模云厂商和主要互联网公司的资本开支预计2026E为Rmb995bn，同比增长121%，随后2027E升至Rmb1.2tr、2030E升至Rmb1.4tr。预计五年内Neocloud投资为Rmb1.5tr，主要用于服务器采购；电信运营商算力资本开支则从2026E约Rmb81bn升至2030E的Rmb179bn。报告预计五年内70-80%的支出，即Rmb6.4tr，将在国内发生。 报告的核心供给侧结论是，中国算力扩张受高端算力可得性而非需求的制约更大。因此，国产 GPU 和 ASIC 供应预计将开启下一阶段容量增长：中国IT电力容量将从2025年的26GW增至2030E的81GW。Morgan Stanley将55GW增量归因于超大规模云厂商（+34GW）、电信运营商自建外部容量（+9GW）和其他参与者及AI实验室（+12GW）。预计Alibaba和Tencent各新增6-9GW，Baidu新增约1GW。国产 AI 芯片出货量预计将从2025年的1.1mn增至2026E的2.4mn、2027E的4.8mn及2030E的11mn，带动国产芯片TAM从Rmb94bn扩大至Rmb646bn；预计2025-30E国产芯片将占服务器部署的70-85%。 资本开支结构高度偏向算力。Morgan Stanley估计服务器总支出为Rmb5.3tr，约占算力资本开支的88%，其中AI服务器支出为Rmb4.9tr。其假设超大规模云厂商资本开支的30-35%在海外，国内资本开支的10-15%用于非服务器项目，约10%的服务器资本开支用于CPU，其余投向GPU相关算力。报告预计新增 AI 电力需求将从2026E的5.6GW升至2030E约13GW，第三方数据中心订单将从6.1GW增至11GW。报告假设超大规模云厂商和AI实验室20%的容量为自建；预计西部地区五年新增第三方订单为33GW，东部地区为14GW。 不同参与者的融资能力存在差异。Morgan Stanley认为Alibaba、Tencent和Baidu可通过经营现金流、现金余额、租赁和预付款为国内资本开支提供较充足资金，但Alibaba若外卖竞争加剧可能面临现金压力，Baidu则取决于搜索业务稳定。报告认为Tencent是三者中最稳定的一家。更大的问题是海外融资：预计四家超大规模云厂商将在2026-30E为海外扩张投入Rmb2.0tr，资本开支、债务偿还和股东回报将争夺有限的海外现金。报告列举了投资组合变现、债务和股权融资作为潜在来源。 Neocloud可结合利率约5%的30-40%融资租赁、利率约3-4%的银行贷款、客户预付款以及债务或股权融资，但这种杠杆结构使其对利用率、交付进度、再融资成本和高端服务器需求敏感。对于Kingsoft Cloud，Morgan Stanley模型假设其每年总投资的40%通过五年期租赁融资，且2Q26的Rmb2bn经营现金流受到大额客户预付款支持。预计中立数据中心运营商五年内需要Rmb569bn资本开支；项目贷款、经营现金流、REITs、私募ABS、私募信贷和股权均可能成为融资渠道。相较之下，预计电信运营商主要以现金、年度经营现金流和减少传统资本开支的方式自筹算力投资。 报告强调，回报取决于变现层级，而不仅仅是资本开支规模。在基准情形下，自建GPU IaaS的营业利润率为44%、ROIC为13%、现金回收期约三年，假设月度服务器租金为Rmb250k、利用率75%、服务器资本开支为Rmb8mn。租赁/Neocloud IaaS在Rmb250k客户定价、Rmb200k月度租赁成本下的营业利润率约为20%，但无需前期服务器资本开支，一旦租赁价差转正即可产生即时正现金流。自建MaaS模式假设每GPU每秒4,000 tokens、推理占比50%、混合token定价Rmb9.5/百万，可实现53%的营业利润率、19%的ROIC和2.5-2.6年回收期。自建算力托管第三方API在10%收入分成下，预计营业利润率57%、ROIC 29%、回收期2.1年；相对自建模型的性能折价是关键不确定性。 国产芯片扩大算力供给，但短期单位经济性低于海外服务器。Morgan Stanley对搭载下一代HBM3E芯片的全国产基础设施基准情形假设其性能为海外服务器的30%、服务器成本Rmb4mn，对应31%的增量EBIT利润率、9.1%的ROIC和3.6年回收期。在相对算力效率为20-40%的敏感性情景下，ROIC范围为0.3%-17.9%，回收期为2.7-5.2年。预填充/解码分离可改善摘要、长文档问答和编程辅助等长输入任务的ROIC，但对4k/4k输入输出均衡的工作负载帮助较小。报告认为，下一代国产芯片更高的内存带宽可能消除关键瓶颈，并随着时间推移改善国产化的经济性。 Morgan Stanley继续偏好中国云供应链，理由是强劲的算力需求和供应链约束缓解。其维持对Alibaba、Kingsoft Cloud和VNET等基础设施提供商，MiniMax和Zhipu等AI实验室，以及Cambricon、Illuvatar和Hygon等GPU国产化标的的Overweight观点。

分析框架

Morgan Stanley先对超大规模云厂商、Neocloud和电信运营商进行五年资本开支预测，再将芯片出货量预测和部署成本转化为以GW计的算力容量。随后，报告按生态参与者评估融资来源和现金流约束，并通过单服务器单位经济性情景比较IaaS、MaaS、第三方API托管和国产芯片部署的回报。

方法论与常识提炼

• 行业/产业分析框架供需框架

  AI 算力供需与容量扩张分析

  报告将资本开支预测、国产芯片出货量、部署成本和电力需求与算力容量增长相联系，并将芯片可得性视为关键供给约束。

• 公司基本面与财务框架ROIC–WACC 利差

  ROIC和现金回收期单位经济性分析

  报告比较了不同基础设施所有权和AI变现模式下的营业利润率、ROIC和现金回收期。

• 行业/产业分析框架产业链上中下游传导

  AI 基础设施生态系统的融资与需求传导

  报告分析超大规模云厂商的资本开支、预付款、合同和投资如何支持Neocloud、数据中心、芯片厂商和AI实验室。

标的映射与对比

研报将主题/逻辑映射到具体标的时的结构化摘要（优势、劣势、对比与风险）。

• Alibaba

  受偏好的云基础设施提供商及预期主要容量贡献者

  优势

  AI GPU IaaS和MaaS带来更清晰的ROIC可见度；预计新增6-9GW容量；6月季度MaaS ARR超过Rmb10bn。

  对比

  由于AI变现可见度更清晰，预计其支出将高于Tencent。

  风险

  若外卖竞争和补贴再度出现，现金消耗可能增加。

• Kingsoft Cloud

  受偏好的Neocloud提供商及融资案例研究对象

  优势

  大客户支持和客户预付款有助于融资；Morgan Stanley预计其2026E投资为Rmb15bn。

  劣势

  资本密集型扩张需要租赁、贷款及潜在的额外债务或股权融资。

  对比

  其融资做法被认为较整个Neocloud行业更具韧性。

  风险

  交付放缓、利息成本上升和高端服务器需求疲软。

• VNET

  受偏好的数据中心受益者

  优势

  Morgan Stanley强调其在偏远地区枢纽的发展，包括内蒙古乌兰察布。

  风险

  数据中心融资和客户爬坡延迟可能压低回报。

• MiniMax and Zhipu

  受算力增长支持的AI实验室受益者

  优势

  算力可得性提升预计将支持模型参与者增长。

  劣势

  自建容量可能增加大量前期资本开支负担。

  风险

  基础设施自建以及当前国产芯片解码能力限制可能损害回报。

• Cambricon, Illuvatar and Hygon

  受偏好的GPU国产化受益者

  优势

  国产芯片供应预计将释放容量增长，并在服务器部署中获得较大份额。

  劣势

  在Morgan Stanley建模的经济性中，短期性能仍低于海外服务器。

  对比

  国产部署成本和基础设施经济性与美国可比对象不同。

  风险

  国产芯片性能和内存带宽限制可能在不利情景下导致较低或负ROIC。

关键数据

• 中国 AI 总资本开支Rmb8.5tr (US$1.3tr) in 2026-30E约相当于美国可比对象平均支出的17%。
• 中国IT电力容量26GW in 2025 to 81GW in 2030E由超大规模云厂商、电信运营商和其他参与者带动的55GW扩张。
• 国产 AI 芯片出货量1.1mn in 2025 to 11mn in 2030E预计国产芯片TAM将从Rmb94bn升至Rmb646bn。
• 超大规模云厂商资本开支Rmb995bn in 2026E; Rmb1.4tr in 2030E预计2026E同比增长121%。
• 超大规模云厂商海外资本开支Rmb2.0tr in 2026-30EMorgan Stanley将海外融资列为关键考量。
• 自建GPU IaaS基准情形44% operating margin, 13% ROIC, ~3-year payback基于Rmb250k月度租金、75%利用率和Rmb8mn服务器资本开支。
• 自建MaaS基准情形53% operating margin, 19% ROIC, 2.5-2.6-year payback假设每GPU每秒4,000 tokens、推理占比50%以及Rmb9.5/mn混合token定价。

影响与含义

报告认为，国产芯片产能爬坡可将强劲的 AI 需求转化为更快的算力部署，并利好中国云服务和基础设施生态系统。其认为部分云服务提供商、数据中心、AI 实验室和 GPU 国产化标的最具吸引力，同时强调融资结构、利用率和变现效率决定资本开支能否转化为有吸引力的回报。

风险

• 超大规模云厂商的海外资本开支、债务偿还和股东回报可能造成融资压力。
• Neocloud杠杆使其对利用率、交付时点、再融资成本和高端服务器需求敏感。
• Alibaba的现金状况可能受外卖补贴重启影响，而Baidu取决于搜索收入稳定。
• 当前国产芯片对大语言模型解码可能效率不足，在不利部署情景下可能产生较低或负ROIC。
• AI实验室自建计划可能增加前期资本需求，而数据中心供应商仍对AI实验室的现金流稳定性保持谨慎。

后续跟踪

• 国产GPU和ASIC供应爬坡速度，包括下一代搭载HBM3E的芯片。
• 超大规模云厂商的资本开支执行情况，包括Alibaba、Tencent和Baidu的容量增加。
• 超大规模云厂商的海外融资、投资组合变现、债务发行和股东回报决策。
• Neocloud利用率、服务器采购价格、租赁成本和客户预付款。
• 决定MaaS和API托管ROIC的推理占比、token吞吐量、定价和性能折价。