在AI領域的激烈競爭中，一項關于AI推理業務盈利能力的深度分析近日引起了廣泛關注。這份由摩根士丹利發布的報告，采用精密的財務模型，對全球AI算力競賽的經濟回報進行了全面剖析。
報告指出，構建一座標準的“AI推理工廠”，不論采用哪家科技巨頭的芯片，其平均利潤率普遍超過50%，展現出了AI推理業務的巨大盈利潛力。其中，英偉達GB200芯片的表現尤為搶眼，以近78%的利潤率穩居榜首，谷歌和華為的芯片同樣實現了可觀盈利。然而，AMD的AI平臺在推理場景下卻遭遇了嚴重虧損，這一結果令人頗感意外。
摩根士丹利的模型測算結果清晰地展示了AI硬件巨頭們在真實商業場景下的盈利能力分化。英偉達、谷歌、亞馬遜和華為等科技巨頭在AI推理領域表現出色，盈利能力遙遙領先。特別是英偉達，其旗艦產品GB200 NVL72憑借其卓越的計算、內存和網絡性能，以及持續創新和深厚的CUDA軟件生態壁壘，展現出了絕對的市場統治力，盈利能力高達77.6%。
谷歌自研的TPU v6e pod則以74.9%的利潤率緊隨其后，證明了頂級云廠商通過軟硬件協同優化，能夠構建起極具經濟效益的AI基礎設施。AWS的Trn2 UltraServer和華為的昇騰CloudMatrix 384平臺也分別取得了62.5%和47.9%的利潤率，表現不俗。
相比之下，AMD的AI平臺在推理場景下的財務表現則令人失望。報告顯示，采用AMD MI300X和MI355X平臺的“AI工廠”，利潤率分別為-28.2%和-64.0%。高昂的成本與產出效率的嚴重失衡是導致虧損的主要原因。盡管AMD平臺的年度總擁有成本與英偉達GB200平臺相當，但在模擬的推理任務中，其token產出效率所能創造的收入遠不足以覆蓋成本。
摩根士丹利的這份報告還首創了一套標準化分析框架——“100MW AI工廠模型”，用于量化評估不同技術路徑的AI解決方案。該模型以100兆瓦的電力消耗作為基準單位，全面核算了總擁有成本，并設定了市場化的收入公式，以量化投資回報。這一框架為決策者和投資者提供了重要的參考依據，有助于他們更準確地評估AI時代的算力投資。
報告還揭示了未來AI戰場上的焦點將集中在技術生態的構建和下一代產品的布局上。在非英偉達陣營中，關于“連接標準”的戰爭已經打響，各大廠商紛紛推出自己的解決方案，力圖建立起一個可與英偉達NVLink抗衡的開放生態。而英偉達則以其清晰的路線圖鞏固領先地位，其下一代平臺“Rubin”預計將于2026年第二季度進入大規模量產，給競爭對手帶來了更大的壓力。
