摩根士丹利在最新研報中給出相對樂觀的答案：開放權重模型確實會加劇模型層價格競爭，推動Token價格持續下降，並對模型實驗室的單位經濟性形成壓力，但這並不意味著AI基礎設施投資回報同步惡化。相反，由於算力仍是稀缺資源，更低廉的模型有望擴大AI採用範圍和推理需求，掌握GPU、自研晶片和完整雲服務體系的超大規模雲服務商（Hyperscaler）仍可能獲得健康的資本回報率。

開放權重模型與傳統閉源模型最大的區別，在於使用者能夠取得模型權重。企業可以下載模型，根據自身資料進行微調或重新訓練，並自由選擇在本地、雲端或者通過API進行部署。相比只能通過訂閱或封閉API訪問的閉源模型，開放權重模式增加了模型分發渠道，同時通常成本更低、定製能力更強。這意味著AI模型市場的競爭門檻正在發生變化。

摩根士丹利指出，價格更低的開放權重模型已經開始對整個模型層形成定價壓力，美國多家模型實驗室正推出更低價產品。在這種環境下，僅僅依靠模型能力領先已經不足以保證良好的投資回報，模型廠商需要同時提高Token吞吐量、擴大使用者採用率、構建生態系統，並通過差異化功能吸引企業、開發者和中小客戶。這一趨勢也意味著，未來AI競爭可能不再單純圍繞“誰擁有最強模型”，而是越來越取決於“誰能夠以更低成本生產更多Token”。

在模型API的基礎情景中，摩根士丹利假設Token價格約為每百萬個1.75美元，每顆GPU的Token吞吐量約為每秒2000至3500個。相關測算參考了開放權重DeepSeek-V4-Pro 1.6T模型在輝達GB300硬體上的公開推理基準。測算顯示，即使採用遠低於大型前沿模型的Token價格，1GW自有GB300算力仍可能產生約20%至60%的投入資本回報率（ROIC）。這意味著Token價格未來仍有進一步下降的空間。

價格下降並不必然等於收入下降。摩根士丹利的核心邏輯在於，同樣規模的資料中心，如果每顆GPU每秒可以生成更多Token，那麼即使單個Token價格下降，每GW算力能夠創造的收入仍可能保持在較高水平。報告假設一個1GW GB300資料中心大約擁有410256顆GB300晶片。在不同情景下，用於推理的算力比例為50%至80%，單GPU吞吐量為每秒2000至3500個Token，每百萬Token售價為1至2.5美元，對應每GW年收入約230億至520億美元。

因此，提高Token吞吐量成為模型廠商與雲巨頭共同關注的重點。摩根士丹利認為，目前主要有四條技術路徑：一是採用記憶體容量更大、互聯速度更快的硬體；二是提高MoE模型的稀疏度，降低每次推理實際呼叫的引數比例；三是通過請求批處理提高GPU利用率；四是利用雲巨頭自身的軟硬體優勢，例如谷歌的TPU和亞馬遜的Trainium等定製晶片（ASIC）。此外，大型雲廠商還有一個模型實驗室難以複製的優勢：巨大的企業客戶基礎意味著它們能夠獲得更多推理請求，從而更加高效地進行批處理。

摩根士丹利給出了四個理由，認為開放權重模型普及後，超大規模雲服務商的單位經濟性仍將保持吸引力。首先，真正稀缺的是算力，而不是模型權重。即便模型可以免費下載，企業仍然需要GPU、資料中心、電力、網路和儲存才能執行模型。絕大多數企業並不會自行建設完整AI基礎設施，因此亞馬遜AWS、Google Cloud（谷歌雲）等雲廠商仍然掌握著關鍵資源。其次，更低的模型價格可能帶來更大的AI使用量。開放模型降低了企業部署AI的成本，有利於生成式AI向更多公司和應用場景擴散。結果可能是單位Token收入下降，但Token總量大幅增加。摩根士丹利因此強調，對於雲巨頭而言，EBIT絕對金額增長可能比利潤率百分比更重要。只要AI需求增長速度超過單位價格下降速度，算力資產仍然可以創造更高的利潤。再次，超大規模雲廠商本身也能夠通過自研晶片、軟體最佳化和資料中心設計持續降低計算成本。未來投資者需要關注的重點，是哪家公司擁有最低的“cost to serve”，也就是單位算力服務成本。最後，AI模型只是雲服務的入口。企業部署開放權重模型後，通常還需要購買資料庫、儲存、RAG、安全、身份認證和監控等其他服務，這給雲廠商留下了遠比Token收費更大的變現空間。

報告將雲廠商圍繞開放權重模型的變現方式歸納為四類。第一是Serverless API收入，即把開放模型託管在Bedrock、Vertex等平台，按照Token收費；第二是GPU和AI加速器租賃，企業自行部署開放模型仍需要購買算力；第三是RAG帶來的資料庫和儲存收入，企業需要將AI模型連線內部專有資料；第四是安全、治理、身份認證以及監控服務。摩根士丹利將開放模型API比作超市中的“牛奶”——它本身可能成為低利潤甚至虧損的引流產品，但客戶進入雲平台之後，會購買更多利潤率更高的基礎設施服務。

摩根士丹利對雲廠商出租GB300算力的回報進行了更加直接的測算。按照1GW資料中心配置約410256顆GB300、GPU利用率75%、租金每小時7至10美元計算，每GW年收入可達到189億至270億美元。在計入約50億美元IT折舊、10億美元非IT折舊以及約20億美元能源和其他運營成本後，每GW總運營成本約76億美元。在不同GPU租金情景下，每GW增量EBIT約為112億至193億美元，對應EBIT利潤率60%至72%；稅後經營利潤（NOPAT）約89億至153億美元，最終ROIC達到23%至39%。這組數字構成摩根士丹利繼續看好雲廠商AI資本開支回報的核心依據。

基於前述邏輯，摩根士丹利繼續給予亞馬遜和谷歌母公司Alphabet“增持”（Overweight）評級。摩根士丹利對亞馬遜的目標價為335美元。報告預計AWS收入增速將從2025年的19.7%升至2026年的37.4%，2027年進一步達到40.8%，2028年仍保持36.8%的高速增長。亞馬遜整體收入預計從2025年的7169億美元增至2028年的1.134萬億美元，GAAP EBIT同期由約800億美元增至2273億美元。Alphabet目標價為400美元。摩根士丹利認為，谷歌的優勢不僅在於擁有前沿Gemini模型，還在於能夠同時利用TPU、自有云基礎設施以及龐大的企業客戶基礎提高推理效率。報告特別指出，高效率的Gemini Flash模型與追求最先進能力的Gemini 4同樣重要，因為AI競爭正在從單純追求模型效能轉向效能與成本效率並重。Meta則被列為Top Pick（首選股），目標價為775美元。摩根士丹利預計其2026年廣告收入增長約27%，認為AI投資將繼續推動Reels互動和廣告變現，同時公司也在探索如何進一步利用龐大的資料中心容量創造收入。不過，資料中心資本開支無法產生足夠回報，同樣被列為Meta的重要下行風險。