开放权重模型压低令牌价格，但算力稀缺仍支撑云厂商回报
AI 摘要卡
开放权重模型压低令牌价格，但算力稀缺仍支撑云厂商回报
Morgan Stanley认为，开放权重模型将加剧模型层价格竞争，但推理需求扩张、吞吐效率提升和云基础设施服务附加收入可使超大规模云厂商继续获得健康回报。
- 开放权重模型可下载、可基于私有数据微调，并可部署于本地、云端或应用程序接口，因而有助于降低成本并扩大人工智能采用。
- 模型实验室面临每令牌价格下行压力，模型架构效率、吞吐量、差异化能力和生态建设的重要性随之上升。
- 在每百万令牌约$1.75、每个图形处理器每秒约2,000—3,500个令牌的假设下，1吉瓦自有GB300基础设施仍可产生约20%—60%的投资资本回报率。
- 算力稀缺、需求量增长、超大规模云厂商的吞吐优化能力以及其他云服务附加收入，是其单位经济性保持吸引力的四项核心支撑。
- 报告维持META、AMZN和GOOGL增持观点，其中META为首选。
研报解读
概览
报告研究开放权重模型快速普及对生成式人工智能产业单位经济性和投资资本回报率的影响。核心判断是：较低的每令牌价格会对模型提供商形成直接压力，但也会促进采用和推理量增长；超大规模云厂商凭借稀缺算力、定价能力、专用芯片、软件优化、企业客户基础及云服务交叉销售，仍有望获得健康回报。
核心观点
第一，开放权重模型通过免费下载、私有数据微调和灵活部署扩大模型分发渠道，推动技术扩散。第二，模型层价格竞争将增强，实验室必须依靠更高令牌吞吐量、更强模型差异化和更广生态系统维持收入及回报。第三，超大规模云厂商掌握稀缺且资本密集的算力资源，可以通过合理定价和更高使用量变现；低价模型带来的业务量增长可能比利润率百分比更重要。第四，开放模型除应用程序接口收入外，还会带动加速器租赁、检索增强生成所需的存储和数据库，以及安全、治理、身份和监控服务收入。第五，最低服务成本将成为竞争关键，专用芯片、第一方模型及软硬件协同能力更强的云厂商更具优势。
分析框架
报告将模型实验室与超大规模云厂商分层分析：模型层以每百万令牌价格、每个图形处理器的令牌吞吐量、推理容量占比和每吉瓦收入评估回报；基础设施层以图形处理器数量、利用率、每小时租赁价格、折旧、能源及其他运营成本测算息税前利润、税后净营业利润和投资资本回报率。同时结合META、AMZN和GOOGL的业务驱动因素、情景估值与风险回报进行资产映射。
方法论与常识提炼
以令牌价格、吞吐量和推理容量测算每吉瓦收入及投资资本回报率
框架假设1吉瓦数据中心约配置410,256颗GB300芯片，并根据推理容量占比、每个图形处理器每秒令牌数和每百万令牌价格测算年度收入，再与算力租赁成本比较。
以利用率、每小时租赁价格和资本成本测算税后净营业利润及投资资本回报率
框架采用75%的利用率，并纳入信息技术折旧、非信息技术折旧、能源、人工和维护等成本；不同租赁价格情景对应约23%—39%的投资资本回报率。
比较模型控制权、定制能力、部署方式、成本和分发路径
开放权重模型允许用户取得模型权重、基于私有数据微调并自主选择部署地点；闭源模型通常仅能通过订阅或应用程序接口访问。
以未来年度每股收益和市盈率倍数形成目标价区间
META、AMZN和GOOGL的目标价主要基于2027及2028年每股收益均值与相应市盈率倍数，并通过收入增速、利润率和人工智能商业化差异构建情景。
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）。
- META PLATFORMS INC（US.META）开放权重模型提供者、人工智能基础设施投资者及数字广告平台；报告首选并给予增持评级。
- 优势
- 人工智能投资有望改善Reels互动和广告变现，广告测量与归因持续提升；效率导向的组织转型、订阅及点击消息等业务提供额外上行选择。
- 劣势
- 高额数据中心和人工智能资本支出提高资本强度，开放模型的低价策略可能压低模型层直接变现能力。
- 对比
- 相较纯云基础设施厂商，META更多通过广告、用户互动和新产品间接实现人工智能回报，同时拥有开放模型生态带来的分发优势。
- 风险
- Reels变现低于预期、用户互动下降、广告定向监管、宏观消费疲弱、Reality Labs亏损扩大，以及数据中心建设执行不佳导致回报偏低。
- AMAZON COM INC（US.AMZN）通过AWS、Bedrock、加速器租赁及相关云服务承接开放权重模型推理需求；报告给予增持评级。
- 优势
- AWS处于长期云采用周期，可通过算力租赁、托管应用程序接口、存储、数据库和安全服务实现多层变现；高利润业务支持持续投资。
- 劣势
- 云和零售业务均需要持续高投入，短期利润对投资节奏、履约成本和AWS增速较为敏感。
- 对比
- 相较META，AMZN更直接受益于开放模型带来的云基础设施使用量；与GOOGL相比，其优势集中于AWS规模、企业覆盖及广泛的云服务组合。
- 风险
- AWS收入减速或利润率下降、投资强度高于预期、商品利润率恶化，以及配送和履约经营杠杆不足。
- ALPHABET INC（US.GOOGL）同时拥有Gemini模型、Google Cloud、TPU专用芯片、搜索及YouTube分发渠道；报告给予增持评级。
- 优势
- 专用TPU、模型与云平台协同有助于降低服务成本；Gemini Flash等高效率模型、Google Cloud积压订单及搜索和YouTube商业化提供多元增长来源。
- 劣势
- 人工智能搜索和低价模型可能提高计算强度，并在新产品变现尚未成熟时对利润率形成压力。
- 对比
- GOOGL兼具模型实验室和超大规模云厂商属性，较纯模型提供商拥有基础设施与分发优势，较AMZN拥有更强的第一方模型、搜索和视频生态协同。
- 风险
- 搜索广告增长放缓、人工智能产品蚕食核心搜索、新产品变现率偏低、计算成本上升、费用纪律不足及云业务加速不及预期。
关键数据
- 模型应用程序接口基准令牌价格约$1.75/百万令牌报告采用的基准假设，预计长期仍可能下降。
- 推理吞吐量假设约2,000—3,500个令牌/秒/图形处理器基于开放权重DeepSeek-V4-Pro 1.6T在GB300硬件上的公开推理基准。
- 模型层投资资本回报率约20%—60%对应1吉瓦自有GB300基础设施的测算结果。
- 1吉瓦GB300芯片数量约410,256颗Morgan Stanley估算。
- 超大规模云厂商图形处理器租赁回报率约23%—39%基于75%利用率及每小时$7—$10的租赁价格区间。
- META目标价$775约为2027及2028年平均每股收益$34/$35的23倍市盈率；牛市和熊市情景分别为$1,000和$450。
- AMZN目标价$335约为2027及2028年平均每股收益$14的25倍市盈率；牛市情景为$410。
- GOOGL目标价$400约为2027及2028年每股收益$15/$18均值的24倍市盈率；牛市和熊市情景分别为$450和$225。
影响与含义
开放权重模型的主要影响并非消除人工智能基础设施回报，而是重新分配产业链利润：模型实验室承受更明显的价格和毛利压力，必须以吞吐提升、模型创新和产品差异化补偿；超大规模云厂商则可能通过更大的推理工作负载、图形处理器租赁及存储、数据库、安全等附加服务获益。投资上应重点选择具有低服务成本、专用芯片、强大软件调度能力、第一方模型和庞大企业请求量的算力所有者。
风险
- 开放权重模型竞争可能推动每令牌价格下降速度快于吞吐效率改善速度，压缩模型层投资资本回报率。
- 人工智能需求或图形处理器利用率低于预期，可能削弱超大规模云厂商的数据中心回报。
- 资本支出、能源、折旧及维护成本高于假设，可能使实际单位经济性低于模型测算。
- 模型架构、专用芯片、互连和请求批处理的效率提升不及预期。
- 新人工智能产品可能蚕食搜索或其他高利润业务，并以较低变现率增加计算负担。
- 宏观消费与广告支出疲弱、监管限制以及企业采用速度放缓可能影响相关公司收入。
- 报告中的回报率为假设驱动的情景测算，对令牌价格、吞吐量、利用率和租赁价格高度敏感。
后续跟踪
- 开放权重及接近前沿模型的每百万令牌价格变化。
- 每个图形处理器的令牌吞吐量、推理容量占比和请求批处理效率。
- META后续Muse模型的发布节奏、能力提升及生态采用情况。
- Google Gemini Flash与Gemini 4在效率、性能和商业化方面的进展。
- AWS、Google Cloud及其他云平台的人工智能收入、积压订单、利用率与利润率。
- TPU、Trainium等专用芯片相对通用图形处理器的成本和性能优势。
- 开放模型对存储、数据库、检索增强生成、安全和治理服务的附加收入贡献。
- META、AMZN和GOOGL的资本支出、自由现金流及人工智能投资回报披露。