China AI compute and infrastructure buildout研报解读

概览

摩根士丹利从规模、融资和回报角度展望中国AI基础设施至2030年的发展。其基准预测为RMB8.5 trillion资本开支，认为AI云是主要增长动力，并将利好超大规模云厂商、云服务商、数据中心运营商和AI实验室。

核心观点

摩根士丹利预计2026-30E期间AI相关总资本开支为RMB8.5 trillion，到2030E将支持81GW的IT容量和约55GW的算力。五年资本开支预测包括RMB6.3 trillion的超大规模云厂商资本开支、RMB1.5 trillion的新云资本开支及RMB0.654 trillion的电信算力资本开支。在超大规模云厂商支出中，RMB4.2 trillion（约67%）用于国内，RMB2.1 trillion（约33%）用于国际基础设施和投资。服务器支出为RMB5.3 trillion，占算力资本开支约88%；AI服务器为RMB4.9 trillion，占服务器资本开支的92%。 AI云是报告的核心需求驱动因素。摩根士丹利预计，Alibaba、Tencent、Baidu、ByteDance、Kuaishou、Meituan和Xiaomi的超大规模云厂商及互联网资本开支在2027E将达RMB1.2 trillion。其预测中国2026-30E电力需求为5.6-13GW，第三方IDC订单为6.1-11GW。预计超大规模云厂商在此期间将新增34GW国内容量，全球新增容量为47GW。报告还指出，国内算力部署成本低于美国，后者每MW成本区间为US$15-23 million。 融资是核心约束，尤其是被列为关键考量的RMB2.0 trillion离岸资本开支。报告指出，超大规模云厂商在供应链中承担多重角色，而新云融资具有更重的债务和租赁义务。报告亦强调，中国市场的循环性较弱，因此算力需求的持续性和融资结构将决定规划中的建设能否取得可接受回报。 摩根士丹利针对不同基础设施商业模式测试ROIC和回收期。对于自有GPU IaaS，其示例结果为44%的经营利润率、13%的ROIC和3年现金回收期；租赁基础设施无需资本开支，但经营利润率约为20%。对于自建MaaS，所列情景中1P模式的经营利润率为53%、ROIC为19%、回收期为2.5年；第三方API模式的经营利润率为57%、ROIC为29%、回收期为2年。国内推理业务的ROIC可能较低，但摩根士丹利认为，随着性能和利用率提升，仍有改善空间。 该机构看好AI基础设施中的Alibaba、Kingsoft Cloud和VNET，以及包括MiniMax和Z.AI在内的AI实验室和GPU国产化。其公司估值采用差异化框架：AI实验室使用WACC为15%、终值增长率为3%的DCF；Alibaba采用WACC为10%、终值增长率为3%的基准情景；Kingsoft Cloud采用5.5x 2027E EV/EBITDA，低于美国新云同行13x平均值和10x中位数，反映较低资产收益率及供应链不确定性；VNET采用10年DCF，WACC为8.7%、债务成本为4.0%、股权成本为14.0%、债务权重为50%、终值增长率为3%。

分析框架

摩根士丹利先自上而下预测中国AI资本开支，再按投资者类型、地域和设备拆分支出，并将其转化为容量、电力需求和数据中心订单。随后，报告评估融资需求，并对自有、租赁、1P和第三方API算力模式的经营利润率、ROIC和回收期进行建模，最后采用公司特定估值框架。

方法论与常识提炼

• 行业/产业分析框架供需框架

  资本开支至算力、电力需求和数据中心订单的预测

  报告将预测的AI投资转化为服务器支出、容量新增、电力需求和第三方IDC订单，以评估建设规模及其受益者。

• 公司基本面与财务框架ROIC–WACC 利差

  针对算力商业模式的ROIC、经营利润率和现金回收期分析

  报告比较自有与租赁GPU基础设施，以及1P与第三方API MaaS模式的回报和回收期。

• 估值方法DCF 现金流折现

  现金流折现估值

  报告针对数家覆盖公司列示了包括WACC和终值增长率在内的DCF假设。

• 估值方法EV/EBITDA 估值

  2027E EV/EBITDA倍数估值

  对于Kingsoft Cloud，摩根士丹利采用5.5x 2027E EV/EBITDA，并与美国新云同行倍数比较。

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 Group Holding (BABA.N)

  看好其AI基础设施敞口；AI云需求是关键增长动力。

  优势

  核心电商变现改善、企业数字化加速及AI驱动的云收入增长可能带来上行空间。

  劣势

  较高的再投资成本可能压低回报。

  对比

  采用WACC为10%、终值增长率为3%的DCF基准情景估值。

  风险

  竞争、消费疲软、企业数字化放缓及对平台的额外监管审查。

• Kingsoft Cloud Holdings (KC.O)

  看好其AI基础设施敞口及新云受益机会。

  优势

  强于预期的AI GPU需求、较低利率及Xiaomi AI模型发展改善可能带来上行空间。

  劣势

  较低资产收益率和供应链不确定性支持其相对美国新云同行的估值折价。

  对比

  5.5x 2027E EV/EBITDA，对比美国新云同行13x平均值和10x中位数。

  风险

  供应端采购限制、更高融资成本以及中国AI模型发展慢于预期。

• VNET Group Inc (VNET.O)

  看好其AI基础设施及第三方IDC敞口。

  优势

  新增批发合同、更快客户入驻、降息及通过REITs进行资产变现可能带来上行空间。

  劣势

  产能交付和销售执行是重要运营依赖。

  对比

  采用10年DCF估值，WACC为8.7%，终值增长率为3%。

  风险

  超大规模云厂商削减云资本开支、交付延迟和销售执行疲弱。

• MiniMax (0100.HK)

  看好其AI实验室敞口。

  优势

  推出全球领先模型及市场竞争缓和可能带来上行空间。

  劣势

  模型性能必须保持竞争力。

  对比

  DCF采用15% WACC和3%终值增长率；目标价对应25x 2027 P/S。

  风险

  地缘政治风险、竞争和价格战加剧，以及模型性能落后于同行。

• Z.AI CO., LTD. (2513.HK)

  看好其AI实验室敞口。

  优势

  与海外云服务商合作的全球扩张及竞争缓和可能带来上行空间。

  劣势

  算力约束可能限制执行。

  对比

  DCF采用15% WACC和3%终值增长率；目标价对应35x 2027E P/S。

  风险

  算力约束和地缘政治风险。

关键数据

• AI资本开支总预测RMB8.5 trillion2026-30E总资本开支预测
• IT容量81GW预计于2030E达到
• 算力容量~55GW由五年资本开支预测支持
• 超大规模云厂商资本开支RMB6.3 trillion五年累计资本开支
• 新云资本开支RMB1.5 trillion2026-30E预测
• 2027E超大规模云厂商/互联网资本开支RMB1.2 trillion针对Alibaba、Tencent、Baidu、ByteDance、Kuaishou、Meituan和Xiaomi的预测
• 国内超大规模云厂商净新增容量34GW2026-30E；全球规模为47GW
• 第三方IDC订单6.1-11GW2026-30E预测

影响与含义

报告认为，预计中的算力建设将利好AI基础设施、AI实验室和GPU国产化。不过，投资逻辑取决于AI云需求、融资能力（特别是离岸融资），以及运营商维持利用率和实现有吸引力ROIC的能力。

风险

• 地缘政治风险和出口管制相关限制可能影响AI及算力相关实体。
• 竞争和价格战加剧可能压缩AI实验室的经济回报。
• 供应端限制可能造成GPU采购短缺。
• 利率上升可能提高基础设施运营商的融资成本。
• 超大规模云厂商可能削减云资本开支，尤其是AI相关投资。
• 产能交付延迟和销售执行疲弱可能损害数据中心回报。

后续跟踪

• AI云需求及超大规模云厂商资本开支的节奏。
• RMB2.0 trillion离岸资本开支的融资进展。
• 至2030年的国内电力需求和第三方IDC订单。
• GPU供应可得性、利用率和算力模式ROIC。
• 数据中心运营商的新批发合同、客户入驻及潜在REITs资产变现。