摩根士丹利框架的第一部分考察云服务提供商（#CSP）自购并出租8卡GPU AI服务器的单机经济效益。基准情景下，每台服务器资本开支为800万元人民币，月租金定价为25万元。扣除服务器折旧、IDC折旧、能源成本及其他运营开支后，该模式可实现约44%的营业利润率、13%的投资资本回报率（ROIC）以及3.1年的现金回收期。第二部分评估了另一种模式：云厂商向新兴云服务商（neocloud）租入底层服务器，再转租给终端客户，本质上是一门价差生意。由于CSP无需承担服务器资本开支，这一模式几乎不涉及前期投入，一旦租赁价差转正便可即时产生正向现金贡献。基准情景下，向客户收取月租25万元，向新兴云服务商支付月租20万元，由此产生约20%的营业利润率，且无任何前期资本占用。第三部分向AI技术栈上移一层，考察云厂商或模型提供商通过模型API（MaaS）将自建算力货币化的经济效益。基准情景假设每GPU每秒吞吐量4000个token，推理工作负载占比50%，混合token定价9.56元人民币/百万token。在这一组合下，毛利率可达76%，营业利润率53%，ROIC约19%，现金回收期2.5年——是三种模式中利润率最高的路径。跨市场比较揭示了一个结构性制约：在IaaS场景下，中美两国每GW收入规模大体相当，但中国服务器资本开支远高于美国，导致折旧成本压制整体回报。中国ROIC（13%）约为美国（31%）的42%，现金回收期也长于美国的2.2年。#AIDC #MaaS

“新债王”Gundlach警告称，GPU快速折旧与长期债务存在严重期限错配，并以“香蕉ABS”类比其荒谬性。他警示此类依赖可疑信用评级的金融创新，正是市场见顶的典型信号。#信贷危机

特朗普科技顾问David Sacks在播客中警告，英伟达5000亿美元AI融资计划面临的最大风险是算力过剩，并将其类比为互联网泡沫后的“暗光纤”危机——若GPU大量闲置、价格崩溃，将重创整个AI基础设施投资链。他同时指出，数据中心建设的政治阻力反而可能防止过剩发生。随着英伟达宣布5000亿美元AI融资合作，债券市场对AI公司约700亿美元表外债务的担忧骤然升温。这一结构允许英伟达、博通等芯片巨头为客户债务兜底，却无需将负债计入自身账表。多家机构警告这是顺周期的金融工程，一旦行业下行将集中引爆风险。#AI泡沫 #循环融资

施耐德电气近日正式发布面向AI数据中心的800V直流电力基础设施技术方案，并同步宣布与英伟达合作开发最高1.2兆瓦级AI机架供电系统，加速布局下一代数据中心市场。同时将交直流转换设备外置于机架之外，有效释放GPU与服务器安装空间，优化机架内部气流组织，显著提升电力传输与冷却综合效率。#AIDC #HVDC

摩根士丹利最新研究报告指出，随着AI推理时代到来，生成式AI投资的增量资本回报率（ROIC）可达25%至50%，远超市场悲观预期，并对亚马逊、谷歌、微软及Meta维持看多立场。在第一套框架中，摩根士丹利对超大规模云服务商的GPU租赁业务（IaaS）进行了自下而上的测算，核心变量为英伟达GB300 GPU的每小时租赁价格及利用率。基准假设下，单个1GW数据中心配置约41万块GB300 GPU，GPU利用率75%，每小时租赁价格8.5美元，对应年收入约229亿美元/GW。主要成本项包括IT设备折旧（约50亿美元）、非IT设施折旧（约10亿美元）及能源与其他运营支出（约20亿美元），合计运营成本约76亿美元/GW。据此测算，该业务可实现约67%的增量EBIT利润率，ROIC约为31%。在价格区间7至10美元/小时的情景分析下，ROIC对应区间为23%至39%。摩根士丹利指出，GPU定价是核心监测变量，并对AWS、GCP及Azure维持看多判断。第二套框架针对模型开发商通过自有数据中心向开发者、企业及中小企业提供API访问的商业模式，成本结构与IaaS框架相近，总运营成本约76亿美元/GW，由此产生约75%的增量EBIT利润率，ROIC约为46%。在情景分析中，当token定价从每百万1美元升至2.5美元，推理算力占比从50%升至80%时，ROIC区间可从19%扩展至63%。#超大型云商 #AIDC #券商喊单

#康宁 Q2收入增17%、利润增30%，光学通信收入同比增长32%。但Q3核心销售额指引49-50亿美元，上限仅与预期持平，指引隐含环比增速从9%骤降至3-6%。CEO在报后电话会上指出，光通信产品需求强劲，订单正在加速增长。如果纵向扩展网络从现在的全铜缆转变为全光网络，“每个GPU的总光纤含量达到160根光纤，是当前横向扩展网络光纤量的10倍”，不过实际情况是混合系统，预计2028年单GPU光纤需求增长1.3到1.5倍。市场真正的分歧在于：康宁到底应该被当作一家周期性的材料公司（44倍PE就是泡沫），还是一家结构性的AI成长公司（AI Capex随风起舞）？康宁美股盘前暴跌15%、收跌12% 。#站在光里

#英伟达 推出容量达102.4T的新一代以太网交换机Spectrum-6，专为Vera Rubin平台与十亿瓦级AI工厂打造。该产品获得微软、Tesla等头部企业采用，通过提升网络效率与能效，解决超大规模GPU集群的通信瓶颈。

#Meta 正为德克萨斯州近1吉瓦数据中心 #AIDC 寻求120亿美元融资，收益率初步讨论已超7%，风险溢价较九个月前上一笔交易高出约0.4个百分点。在评级方面，S&P将此次债券评定为A+，较Meta企业评级AA-低一档。 #信用评级 通过项目实体而非公司主体举债，已成为科技公司在AI军备竞赛中筹集资金、同时保持资产负债表整洁的主流方式。上月，Anthropic也通过一笔以GPU租约及Broadcom担保为支撑的融资方案，完成了350亿美元的融资。配图：超大规模云厂商债券利息继续走扩。#信贷危机

Agent时代CPU路线之争：#英伟达 押注“单核更快”，#AMD 押注“并发更多”。英伟达Vera CPU搭载88个自研Olympus ARM架构核心，内存带宽1.2TB/s，片上互联带宽3.4TB/s。英伟达的核心论点是：AI Agent的工作方式是CPU与GPU反复交互——工具调用、代码执行、数据检索、任务编排——每一步都依赖上一步完成，因此CPU的单核速度和延迟直接决定整个Agent的响应效率。Vera的发布为行业引入了一个新的评估框架：“规模化下的最大单线程性能”。这与AMD长期坚持的chiplet多核堆叠路线形成直接对比。在AMD看来，生产级AI系统不是一个Agent在串行推进任务，而更像一个由数据库、API、向量存储、编排引擎、缓存和中间件组成的分布式软件平台。在这种场景下，瓶颈不是单任务的完成速度，而是固定功耗预算内能同时承载多少工作流。AMD给出了一组具体测算：在模拟的100千瓦机架部署场景中，EPYC 9965（Turin）的机架级吞吐量约为英伟达Vera基准的2.4倍；下一代EPYC 6（Venice）预计达到3.3倍。AMD的逻辑是：吞吐量密度更高，意味着同样的能耗能服务更多用户、处理更多请求——这才是 #云端AI 部署的真实成本函数。两套框架，两套KPI，本质上是两家公司在争夺行业叙事的主导权。市场最终会用哪个指标来采购服务器CPU？

#英伟达 下一代Vera Rubin服务器系统量产进展顺利，CoreWeave、微软、OpenAI、Anthropic和SpaceXAI等数十家客户已收到测试机架，每架搭载72块GPU，售价700至800万美元。相比Blackwell，新系统采用无线缆设计并引入机器人组装，生产效率显著提升。———-同时，英伟达表示，针对GB200 NVL72平台的系列优化，使其在运行DeepSeek R1 0528（1K输入/1K输出配置）时，每兆瓦算力吞吐量在三个月内实现4倍增长。英伟达将这一扩展表现归因于NVL72机架内置的800 Gb/s Scale-Out网络芯片。高速互联直接决定了多机训练中的通信开销，进而影响整体扩展效率，该网络能力被视为支撑上述跨框架高效率表现的核心基础设施组件。