在人工智能领域的激烈角逐中，AI推理业务正展现出其惊人的盈利潜力。摩根士丹利近期发布的一份深度研究报告，通过对全球AI算力市场的经济回报进行全面剖析，揭示了该领域内不同参与者的盈亏状况，这一分析基于精细的财务模型构建。
报告显示，一个标准的“AI推理工厂”，无论采用哪家科技巨头的芯片解决方案，其平均利润率普遍超过半数。尤为引人注目的是，英伟达GB200芯片以接近78%的利润率脱颖而出，远超其他竞争对手。谷歌和华为的芯片同样表现出色，为这些公司带来了稳定的收益。然而，AMD的AI平台在推理场景下却遭遇了重大挫折，出现严重亏损，这一结果出乎市场预料。
这份报告如同一面棱镜，折射出AI硬件巨头们在真实商业环境下的盈利能力差异。英伟达、谷歌、亚马逊和华为等企业在AI推理领域表现抢眼，享受着高额的经济回报。特别是英伟达，其旗舰产品GB200 NVL72凭借卓越的计算性能、内存和网络能力，以及在FP4精度等领域的创新，加上CUDA软件生态的深厚积累，展现出强大的市场影响力，利润率高达77.6%。
谷歌自研的TPU v6e pod同样以74.9%的利润率紧随其后，证明了顶级云厂商通过软硬件的协同优化，能够构建出极具经济效益的AI基础设施。AWS的Trn2 UltraServer和华为的昇腾CloudMatrix 384平台也分别取得了可观的利润率，显示出这些公司在AI推理领域的强大竞争力。
然而，AMD在这场竞争中却遭遇了滑铁卢。报告显示，采用AMD MI300X和MI355X平台的“AI工厂”，利润率分别为-28.2%和-64.0%，这一结果给AMD敲响了警钟。高昂的成本与低效的产出是导致亏损的主要原因。尽管MI300X平台的年度总拥有成本与英伟达GB200平台相当，但在模拟的未来AI市场中占据主导地位的推理任务中，AMD平台的产出效率所创造的收入远远无法覆盖其成本。
摩根士丹利首创的“100MW AI工厂模型”为这份报告提供了坚实的分析框架。该模型以100兆瓦电力消耗为基准，全面核算了总拥有成本，包括基建成本、硬件成本和运营成本，并设定了市场化的收入公式，以token产出为衡量标准，参考主流API定价，确保了评估的准确性和实用性。这一模型为理解AI推理业务的盈利能力提供了有力的工具。
报告还指出，未来的AI竞争将聚焦于技术生态的构建和下一代产品的布局。在非英伟达阵营中，关于“连接标准”的竞争已经悄然展开。AMD等厂商力推UAlink标准，而博通则主张采用更开放的以太网方案。英伟达则以清晰的路线图巩固其领先地位，其下一代平台“Rubin”预计将于2026年第二季度进入大规模量产，这将给竞争对手带来巨大的压力。
