人工智能推理领域正逐渐展现出其惊人的商业价值。据摩根士丹利最新发布的深度报告，通过对全球AI算力市场竞争的详尽财务模型分析，揭示了这一行业背后隐藏的高额利润。
报告指出，一个标准的“AI推理工厂”，不论采用哪家技术巨头的芯片，普遍能够实现超过50%的平均利润率。在这一利润盛宴中，英伟达GB200芯片凭借其近78%的利润率独占鳌头，谷歌和华为的芯片同样表现出色，确保了稳定的盈利。然而，AMD的AI平台在推理场景下却遭遇了滑铁卢，出现了严重的亏损。
摩根士丹利的报告通过精密的建模，刻画了一幅AI硬件巨头在商业战场上盈利能力分化的图景。英伟达、谷歌、亚马逊和华为在这场“冰与火之歌”中扮演了火焰的角色，尤其是英伟达，其旗舰产品GB200 NVL72的盈利能力高达77.6%，这得益于其卓越的计算性能、内存和网络优势，以及持续的技术创新和CUDA软件生态的深厚积累。
谷歌自研的TPU v6e pod则以74.9%的利润率紧随其后，证明了顶级云厂商在软硬件协同优化方面的强大实力。AWS的Trn2 UltraServer和华为的昇腾CloudMatrix 384平台也分别取得了62.5%和47.9%的利润率，显示出这些公司在AI基础设施构建上的经济效益。
然而，AMD却在这场竞争中意外失利。报告显示，采用AMD MI300X和MI355X平台的“AI工厂”分别录得了-28.2%和-64.0%的利润率。这主要是由于高昂的成本与低效的产出之间的严重失衡。具体来说，MI300X平台的年度总拥有成本高达7.74亿美元，与英伟达GB200平台相近，但其token产出效率所创造的收入却远不足以覆盖这些成本。
为了得出这些结论，摩根士丹利创新性地构建了一套“100MW AI工厂模型”。这一模型将不同技术路径的AI解决方案置于同一商业维度下进行量化评估，通过标准化的算力单元、精细化的成本账本和市场化的收入公式，全面揭示了AI工厂的盈利能力和投资回报。
具体而言，模型以100兆瓦的电力消耗作为基准单位，全面核算了包括基建成本、硬件成本和运营成本在内的总拥有成本。同时，基于各硬件的公开性能数据和主流API定价，设定了合理的收入预测公式。这一模型为投资者和决策者提供了宝贵的参考，帮助他们更准确地评估AI时代的算力投资。
报告还指出，未来的AI竞争将不仅仅局限于技术和产品本身，更将深入到技术生态的构建和下一代产品的布局上。英伟达正以其清晰的路线图巩固其领先地位，而其他厂商也在积极寻求突破，以建立更加开放和灵活的生态体系。
