<section id="nice">
AI 推理，是一門利潤驚人的生意。
摩根士丹利最新發布的重磅報告，首次通過精密的財務模型，給全球 AI 算力競賽的回報率算清了經濟賬。結論是：一座標準的 “AI 推理工廠”，無論採用哪家巨頭的芯片，其平均利潤率普遍超過 50%。
其中，英偉達 GB200 以近 78% 的利潤率毫無懸念地封王，而谷歌和華為的芯片也 “穩賺不賠”。然而，被市場寄予厚望的 AMD，其 AI 平台在推理場景下卻錄得嚴重虧損。
<img class=" wscnph" src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/29bf8990-0578-4d60-869e-89d50679c61b.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="831" height="385" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/29bf8990-0578-4d60-869e-89d50679c61b.png"/>
<img class=" wscnph" src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/78955d48-361c-4da4-9dd0-66a7503fd146.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="828" height="513" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/78955d48-361c-4da4-9dd0-66a7503fd146.png"/>
<h2>盈利榜單：冰火兩重天</h2>
大摩的模型測算結果，折射出 AI 硬件巨頭們在真實商業場景下的盈利能力分化，譜寫出一首清晰的 “冰與火之歌”。
火焰，屬於英偉達、谷歌、亞馬遜和華為。
報告顯示，採用英偉達旗艦產品 GB200 NVL72 的 “AI 工廠”，盈利能力達到了恐怖的77.6%，一騎絕塵。這不僅源於其無與倫比的計算、內存和網絡性能，還得益於其在 FP4 精度等領域的持續創新和 CUDA 軟件生態的深厚壁壘，展現了絕對的市場統治力。
<img class=" wscnph" src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/7911f020-bd3a-4741-ae4f-3cbb2f7ff25e.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="832" height="485" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/7911f020-bd3a-4741-ae4f-3cbb2f7ff25e.png"/>
谷歌自研的 TPU v6e pod 則以 74.9%的利潤率緊隨其後，證明了頂級雲廠商通過軟硬件協同優化，完全有能力構建起極具經濟效益的 AI 基礎設施。
同樣，AWS 的 Trn2 UltraServer 取得了 62.5% 的利潤率，華為的昇騰 CloudMatrix 384 平台也取得了 47.9% 的利潤率。
冰水，則意外地潑向了 AMD。
報告最具顛覆性的結論，莫過於 AMD 在推理場景下的財務表現。大摩測算數據顯示，採用其 MI300X 和 MI355X 平台的 “AI 工廠”，利潤率分別為-28.2% 和-64.0%。
虧損的核心原因在於高昂成本與產出效率的嚴重失衡。報告數據顯示，一個 MI300X 平台的年度總擁有成本（TCO）高達 7.74 億美元，與英偉達 GB200 平台的 8.06 億美元處於同一水平線。
這意味着，運營 AMD 方案的前期投入和持續開銷是頂級的，但在模型所模擬的、佔未來 AI 市場 85% 份額的推理任務中，其 token 產出效率所能創造的收入，遠不足以覆蓋其高昂的成本。
<img class=" wscnph" src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/5da7fb20-1fad-4411-b36d-f402ceea588c.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="693" height="432" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/5da7fb20-1fad-4411-b36d-f402ceea588c.png"/>
<h2>“100MW AI 工廠模型”：建模 AI 工廠，量化投資回報</h2>
支撐上述結論的，是摩根士丹利首創的一套標準化分析框架——“100MW AI 工廠模型”。它將不同技術路徑的 AI 解決方案，置於同一商業維度下進行量化評估，其核心在於三大支柱：
1. 標準化的 “算力單元”： 模型以 100 兆瓦（MW）的電力消耗作為 “AI 工廠” 的基準單位。這是一箇中等規模數據中心的典型功耗，足以驅動約 750 個高密度 AI 服務器機架。
2. 精細化的 “成本賬本”： 模型全面核算了總擁有成本（TCO），主要包括：
<ul>
<li>
基建成本：每 100MW 約6.6 億美元的資本開支，用於建設數據中心及配套電力設施，按 10 年折舊。
</li>
<li>
硬件成本：總額可高達3.67 億至 22.73 億美元的服務器系統（含 AI 芯片），按 4 年折舊。
</li>
<li>
運營成本：基於不同冷卻方案的電源使用效率（PUE）和全球平均電價計算得出的持續電費。
</li>
</ul>
綜合估算，一座 100MW“AI 工廠” 的年均 TCO 在3.3 億至 8.07 億美元之間。
3. 市場化的 “收入公式”： 收入與 token 產出直接掛鈎。模型基於各硬件的公開性能數據計算 TPS（每秒處理 token 數），並參考 OpenAI、Gemini 等主流 API 定價，設定了每百萬 token 0.2 美元的公允價格。同時，考慮到現實中 70% 的設備利用率，使得收入預測更貼近商業現實。
<h2>未來戰場：生態之爭與產品路線圖</h2>
盈利能力的背後，是更深層次的戰略博弈。報告揭示，未來的 AI 戰場，焦點將集中在技術生態的構建和下一代產品的佈局上。
在非英偉達陣營，一場關於 “連接標準” 的戰爭已經打響。以 AMD 為首的廠商力推UALink，強調其對低延遲的嚴格規定對 AI 性能至關重要；而以博通為代表的力量則主張採用更開放、靈活的以太網方案。這場爭論的勝負，將決定誰能建立起一個可與英偉達 NVLink 抗衡的開放生態。
與此同時，英偉達正以清晰的路線圖鞏固其領先地位。報告提到，其下一代平台 “Rubin” 正按計劃推進，預計2026 年第二季度進入大規模量產，同年第三季度相關服務器就將開始放量。這無疑給所有競爭者設定了一個不斷移動的、更高的追趕目標。
總而言之，摩根士丹利的這份報告，為狂熱的 AI 市場注入了一劑 “商業理性”。它雄辯地證明，AI 推理不僅是一場技術革命，更是一門可以被精確計算且回報豐厚的生意。
對於全球的決策者和投資者而言，前文兩張盈利圖表，將對 AI 時代算力投資提供相當大的參考價值。
</section>

亞馬遜

華為

英偉達

谷歌-A

谷歌-C

英偉達封王，谷歌、亞馬遜、華為 “穩賺不賠”，AMD 意外虧損。AI 推理不僅是一場技術革命，更是一門可以被精確計算且回報豐厚的生意。

- 摩根士丹利報告顯示，AI 推理工廠平均利潤率超 50%。  
- 英偉達 GB200 利潤率達 78%，而 AMD 在推理場景下虧損嚴重。  
- 報告強調，未來 AI 戰場將聚焦技術生態和產品佈局。  

大摩建模 “AI 推理工廠”：無論是英偉達還是華為芯片，都能盈利，平均利潤率超 50%