英偉達封王，谷歌、亞馬遜、華爲「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。
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， $英偉達 (NVDA.US)$ GB200以近78%的利潤率毫無懸念地封王，而 $谷歌-C (GOOG.US)$ 和華爲的芯片也「穩賺不賠」。然而，被市場寄予厚望的 $美國超微公司 (AMD.US)$ ，其AI平台在推理場景下卻錄得嚴重虧損。
盈利榜單：冰火兩重天
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、亞馬遜和華爲。
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。
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也以62.5%的利潤率，華爲的昇騰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」，利潤率分別爲-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。
「100MW AI工廠模型」：建模AI工廠，量化投資回報
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）的電力消耗作爲「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」： 模型全面覈算了總擁有成本（TCO），主要包括：
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。
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。
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。
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產出直接掛鉤。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。
未來戰場：生態之爭與產品路線圖
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爲首的廠商力推UALink，強調其對低延遲的嚴格規定對AI性能至關重要；而以$博通 (AVGO.US)$爲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，爲狂熱的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。
編輯/Rocky
