大摩120页研报：AI回调是技术扰动，算力缺口催生新机会

据 Woofun AI 消息， 于 7 月 27 日发布长达 120 页的深度报告《Playing the AI Infrastructure Dip》，对近期全球 AI 板块的显著回调进行了系统性归因。报告核心结论明确指出，此次市场调整并非基本面逻辑崩塌，而是由技术面因素主导，具体包括仓位拥挤度的消化、保证金融资的去杠杆过程以及动量因子的反转。

这一判断为市场提供了清晰的锚点，即当前的估值修正更多反映的是交易结构的再平衡，而非长期增长叙事的终结。在剥离了短期噪音后，报告将视角转向了 AI 基础设施的深层供需矛盾，认为技术面的扰动反而为投资者提供了审视结构性机会的窗口，特别是在算力交付与电力供应的瓶颈环节，新的价值洼地正在形成。

针对市场普遍担忧的企业 AI 预算收紧问题，报告通过详尽的成本收益分析予以驳斥。尽管部分企业开始对员工 AI 的使用量施加预算上限，引发对大模型公司收入可持续性的质疑，但数据显示这种担忧缺乏实质支撑。当前企业级 AI 应用的 ROI 极高，平均单次 AI 调用可节省约 55 美元劳动力成本，而通过 Agent 协作完成一项企业级任务的平均成本仅为 2-5 美元，ROI 超过 10 倍。对于 ROI 倍数在 10x 以上的工具，其采用与否已不再是单纯的预算决策问题，而是关乎核心竞争力的战略选择，未积极部署 AI 能力的企业将面临日益显著的竞争劣势。

更关键的是，GPU 代际演进为降价提供了巨大的利润空间。Woofun AI 整理数据显示，基于 Blackwell 的数据中心 Token 销售净利率约 58%，当 Rubin 和 Feynman 代际 GPU 部署后，利润率分别升至约 80% 和 90%。

这意味着 Hyperscaler 可在保持利润率不变的前提下，将 Token 定价压低约 75%，从而在成本曲线下移的同时释放更多需求，实现降价与盈利的双重目标。

关于中国竞争对算力需求的潜在冲击，报告引用 的发布作为背景，指出资本市场重新审视了一个核心假设：如果中国能以更低成本训练出性能接近的前沿模型，美国 Hyperscaler 每年超万亿美元的 AI Capex 是否面临回报率下修？

然而，报告认为中美大模型公司对效率的极致追求，非但不会削弱算力需求，反而强化了"需求远超供给"的结构性判断。这一逻辑源于 19 世纪经济学家 提出的 Jevons Paradox。Jevons 观察到瓦特改良蒸汽机大幅提升了煤炭燃烧效率，但英国的煤炭总消耗量反而飙升，因为效率提升使得蒸汽机在经济上变得可行，从而被部署到远比之前更多的工厂和矿井。同理，算力效率提升降低了单位 Token 成本，更低的成本意味着更多场景、更多用户、更高频次的调用，最终推高总计算消耗。

数据量化了这种供需失衡的严重程度： 高管近期表示公司可能需要每 6 个月将算力翻倍，即 5 年内实现 1000 倍增长。相比之下， 2025-2028 年 AI 芯片销售 CAGR 约 140%，即便按此速度外推 5 年，累计交付算力也不到 Google 单家需求预测的 10%。换言之，即使是全球最大的算力供应商以历史最高增速全力产出，也仅能覆盖单一客户需求的一个零头。