大摩——中国AI路径：8.5万亿元资本开支驱动算力规模增至三倍

预计2026-2030年中国AI基础设施累计资本开支达8.5万亿元人民币，推动IT容量至2030年达到81GW。其中国内云厂商（ hyperscalers）将贡献主要增量，五年净增约34GW国内算力，全球范围净增47GW。AI云是绝对增长引擎，占算力扩张的主导份额。

• 投资主题与选股：超配AI基建、AI实验室与GPU国产化

摩根士丹利给予AI基础设施（首选阿里巴巴BABA、金山云KC、世纪互联VNET）、AI实验室（MiniMax、智谱Zhipu）及GPU供应链本土化超配（Overweight）评级。逻辑在于：算力军备竞赛下，基础设施供应商率先兑现订单与现金流，而大模型实验室在应用爆发期具备高期权价值，GPU国产化则是地缘约束下的必选路径。

• 资本开支拆解：国内部署成本优势显著，海外capex是关键融资焦点

国内单MW部署成本约1500-2300万美元，显著低于美国的3000万美元以上。五年总capex中，约2.0万亿元将用于海外基础设施（离岸capex），这是融资结构与地缘政治考量的核心——海外资产可规避部分监管限制，拓宽全球融资渠道。超大规模厂商在供应链中承担多重角色（投资者、运营商、技术赋能方），但国内生态的“循环性”（circularity）较美国更弱，意味着重债务/租赁义务的新云厂商（neocloud）融资模式面临更高资金成本与再融资风险。

• ROIC深度测算：GPU IaaS与MaaS的经济模型

◦ GPU IaaS（基础设施即服务）：自有机柜模式下，运营利润率约44%，投入资本回报率（ROIC）约13%，现金回收期3年；若采用租赁模式（无capex），运营利润率约20%，但无杠杆回报。

◦ 模型即服务（MaaS）：第一方（1P）模型在基准吞吐量下运营利润率53%，ROIC 19%，回收期2.5年；第三方API模式运营利润率57%，ROIC 29%，回收期2年。关键变量在于token吞吐量、推理/训练工作负载比例及利用率。

◦ 国产算力替代情景：若国产芯片性能仅达海外同类20%-40%，ROIC将从29%降至0.3%-17.9%，回收期延长至2.7-5.2年，凸显算力效率对盈利的决定性影响。

• 电力与数据中心订单需求

预计2026-2030年AI电力需求达5.6-13GW，第三方IDC订单规模6.1-11GW。数据中心融资结构分化：超大规模厂商依赖资产负债表与项目融资，新云厂商则更多依赖债务与租赁，资本成本差异将加速行业洗牌。

• 估值方法与目标价

◦ MiniMax（0100.HK）：DCF估值，WACC 15%，终端增长率3%，目标价对应2027年25倍市销率（P/S）。

◦ 智谱（Z.AI CO., LTD.，2513.HK）：DCF估值，目标价对应2027年35倍P/S。

◦ 阿里巴巴（BABA.N）：DCF基准，WACC 10%，终端增长率3%，核心假设为电商货币化改善与云业务受益于AI需求。

◦ 金山云（KC.O）：基于5.5倍2027年预期EV/EBITDA，较美国新云厂商同业折让，反映较低资产收益率与供应链不确定性。

◦ 世纪互联（VNET.O）：10年DCF，WACC 8.7%，终端增长率3%，受益于批发合同与REITs资产货币化。

• 关键风险框架

上行风险：全球SOTA模型发布、市场竞争缓和、企业数字化加速、AI需求超预期、地缘压力边际缓解。

下行风险：算力约束与出口管制升级、模型性能落后同业、价格战与竞争恶化、融资成本上升、监管审查趋严、云厂商capex缩减。