页面时间均为北京时间 UTC+8

高盛发布美国超大规模云服务商AI算力资本开支ROIC量化分析框架

NOW · 立即关注UPDATE · 已有事件的重要更新日期待核

研究结论 / 核心摘要

高盛发布量化分析框架,指出六家美国超大规模云服务商需在CY2028-30累计创造约1.42万亿美元收入(对应平均每GW年收入约116亿美元),才能在CY2026-27阶段约1.73万亿美元的AI算力资本开支上实现15% ROIC门槛。

可信度:高

查看证据 ↓

本次新增变化

高盛提出量化框架,测算美国超大规模云服务商AI资本开支实现15% ROIC所需的收入门槛;明确了AI算力建设三阶段(CY2023-25、CY2026-27、CY2028-30)的资本开支规模

证据摘要

ZSXQ · 2026-09-27 23:02 北京时间 · NEW · 新事件

“{"visible_text": "Exhibit 8: Sensitivity of an annual \"required\" hyperscaler AI revenues to ROIC assumption. Annual \"required\" hyperscaler AI revenues based on average annual capex in 2026 and 2027 under different ROIC targets ($ billions). Y-axis: Annual \"required\" hypersc…”

关联内容单元 #190 · 原始来源
原始全文
{"visible_text": "Exhibit 8: Sensitivity of an annual \"required\" hyperscaler AI revenues to ROIC assumption. Annual \"required\" hyperscaler AI revenues based on average annual capex in 2026 and 2027 under different ROIC targets ($ billions). Y-axis: Annual \"required\" hyperscaler AI revenues ($0 to $1,000). X-axis: Annual hyperscaler ROIC (0% breakeven, 10%, 20%, 30%). Hyperscalers include AMZN, GOOGL, META, MSFT, ORCL, and SPCX. \"Required\" AI revenues equal the sum of the estimated annual depreciation, annual operating expenses, and return on invested capital using gross capex, based on GS estimate of average annual AI capex in 2026 and 2027. See Sizing the AI Economy Needed to Justify ROIC on Hyperscaler AI Capex for more details. Source: Goldman Sachs Global Investment Research.", "image_type": "bar_chart", "companies": ["AMZN", "GOOGL", "META", "MSFT", "ORCL", "SPCX"], "industries": ["AI", "Cloud Computing", "Hyperscale Data Centers"], "key_numbers": {"required_AI_revenue_at_0pct_ROIC_breakeven_bn": 308, "required_AI_revenue_at_10pct_ROIC_bn": 417, "required_AI_revenue_at_20pct_ROIC_bn": 526, "required_AI_revenue_at_30pct_ROIC_bn": 636, "reference_year": "2026 and 2027", "revenue_uom": "$ billions"}, "table_data": [["Annual Hyperscaler ROIC", "Annual Required Hyperscaler AI Revenues ($ billions)"], ["0% (breakeven)", "$308"], ["10%", "$417"], ["20%", "$526"], ["30%", "$636"]], "chart_insights": "Required AI revenues rise linearly with the assumed ROIC target. Each 10-percentage-point increase in ROIC adds approximately $109-$110 billion to required revenues. Breakeven scenario requires $308B vs $636B at 30% ROIC, a ~2.1x difference. Implied annual AI capex (2026-2027 avg) underpins these revenue thresholds.", "key_information": "Goldman Sachs sensitivity analysis showing the AI revenue hyperscalers (AMZN, GOOGL, META, MSFT, ORCL, SPCX) must generate in 2026-2027 to justify their AI capex under different ROIC assumptions. Required revenue = depreciation + operating expenses + return on invested capital on gross capex. Even at breakeven (0% ROIC), $308B in AI revenues is needed, scaling to $636B at 30% ROIC.", "source_date_clues": {"source": "Goldman Sachs Global Investment Research", "reference_period": "average annual AI capex in 2026 and 2027", "report_topic": "Sizing the AI Economy Needed to Justify ROIC on Hyperscaler AI Capex"}, "research_relevance": "Critical for assessing whether hyperscaler AI investments can generate sufficient returns. Frames the magnitude of AI revenue opportunity needed to validate current capex commitments. Useful for evaluating AI monetisation prospects across major cloud/tech companies and the sustainability of current AI infrastructure spending pace."}
AI 解读

Goldman Sachs has quantified the annual AI revenue thresholds hyperscalers must generate to justify their AI capex under varying ROIC targets, with breakeven requiring $308B and a 30% ROIC target requiring $636B in annual AI revenues, based on 2026-2027 average capex estimates.

ZSXQ · 2026-09-27 23:02 北京时间 · UPDATE · 已有事件的重要更新

“{"visible_text": "AI Capex ROIC Hurdle → Token Price & GPU Rent Break-Even. Translates Goldman's hyperscaler ROIC framework (24 Sep 2026) into break-even token prices and GPU rental rates using Morgan Stanley's serving assumptions (Jul 2026). Legend: blue = input you can change; …”

新增变化:Quantitative bridge between Goldman's Phase 2 ROIC framework and unit-economics thresholds: ~$11.6bn revenue per GW per year is the breakeven point for 15% ROIC.;Derived break-even pricing levels ($0.668/1M tokens blended, $4.30/GPU-hour) that are explicit, auditable, and tied to MS serving assumptions.

关联内容单元 #188 · 原始来源
原始全文
{"visible_text": "AI Capex ROIC Hurdle → Token Price & GPU Rent Break-Even. Translates Goldman's hyperscaler ROIC framework (24 Sep 2026) into break-even token prices and GPU rental rates using Morgan Stanley's serving assumptions (Jul 2026). Legend: blue = input you can change; yellow = key lever; black = formula; green = link to another sheet. All $ in millions unless stated.\n\n1. Goldman Phase 2 (CY26-27) capex & ROIC framework: Phase 2 AI compute capex $1,726,273mm; Capex per GW $42.4bn/GW; Implied GW added 40.7 GW; Target ROIC 15.0%; Tax rate 21.0%; Compute share of capex 70.0%; Compute useful life 6 yrs; Shell share 30.0%; Shell useful life 15 yrs; Opex per GW $836mm/GW/yr; Other costs $200mm/GW/yr; Utilization CY2028 60%, CY2029 80%, CY2030 85%; Avg utilization 75.0%. Sources: GS Exhibits 5, 7, 8 (GOOGL, MSFT, AMZN, META, ORCL, SPCX); Epoch AI YE25 +10% inflation; capex = cost per GW ≈41GW.\n\n2. Revenue required to hit target ROIC (replicates GS Exhibit 7): CY2028/CY2029/CY2030/Total CY28-30 — Utilization 60%/80%/85%; NOPAT $129,470/$129,470/$129,470/$388,411; EBIT $163,887/$163,887/$163,887/$491,660; D&A $276,204 each year, $828,611 total; Opex (excl D&A) $20,422/$27,230/$28,931/$76,583; Other costs $4,886/$6,514/$6,921/$18,321; Revenue required $465,398/$473,834/$475,943/$1,415,175; EBIT margin 35.2%/34.6%/34.4%/34.7%. Revenue required per GW per year $11.59bn/GW/yr; Check GS Exhibit 7 total revenue $1,415,085mm; Difference vs GS $90.\n\n3. Token & GPU-hour conversion (MS serving assumptions): GPUs per GW 410,000; Throughput per GPU 2,750 tokens/sec; Share of compute on inference 65%; Utilization (linked) 75.0%; Seconds per year 31,536,000; Tokens per GW per year @100% util 23.11 quadrillion; @avg util 17.33 quadrillion; Break-even blended token price $0.668/1M tokens; Break-even GPU rental rate $4.30/GPU-hour; Check MS revenue per GW at $1.75/M = $30.3bn/GW/yr. MS Jul 2026: ~410k GB300-class GPUs per 1GW datacenter; frontier-class model Jul 2026; rest is training (no token revenue).\n\n4. Market check — implied ROIC at today's prices: Token scenarios: DeepSeek V4.1 Flash peak (input $0.30, output $1.20, blended $0.525) → 5.7%; DeepSeek V4.1 Flash off-peak ($0.15/$0.60, $0.263) → (11.2%); MS assumption blended $1.750 → 84.9%; Your scenario ($0.50/$2.00, $0.875) → 28.3%. GPU rental scenarios: MS GB300 $6.50 → 57.1%; B200 low-end Sep 2026 $3.50 → 7.0%; H100 low-end $2.89 → 0.8%; Your scenario $5.00 → 22.0%.\n\nImplied ROIC = average CY28-30 NOPAT ÷ average annual Phase 2 capex; same definition as GS. Negative = capex doesn't cover its own depreciation and running costs.", "image_type": "financial_model_spreadsheet", "companies": ["GOOGL", "MSFT", "AMZN", "META", "ORCL", "SPCX", "DeepSeek", "Nvidia (GB300, B200, H100)"], "industries": ["AI infrastructure", "Hyperscale cloud", "GPU/datacenter", "AI inference economics"], "key_numbers": {"Phase 2 AI compute capex": "$1,726,273mm", "Capex per GW": "$42.4bn/GW", "Implied GW added": "40.7 GW", "Target ROIC": "15.0%", "Avg utilization": "75.0%", "Revenue required CY28-30": "$1,415,175mm", "Revenue required per GW/yr": "$11.59bn/GW/yr", "GPUs per GW": "410,000", "Throughput per GPU": "2,750 tokens/sec", "Inference share": "65%", "Break-even blended token price": "$0.668 / 1M tokens", "Break-even GPU rental rate": "$4.30 / GPU-hour", "DeepSeek V4.1 Flash off-peak implied ROIC": "(11.2%)", "MS blended ($1.75/M) implied ROIC": "84.9%", "H100 rental ($2.89/hr) implied ROIC": "0.8%"}, "table_data": [["Revenue build CY28-30", "CY2028", "CY2029", "CY2030", "Total"], ["Utilization", "60%", "80%", "85%", ""], ["NOPAT ($mm)", "129,470", "129,470", "129,470", "388,411"], ["EBIT ($mm)", "163,887", "163,887", "163,887", "491,660"], ["D&A ($mm)", "276,204", "276,204", "276,204", "828,611"], ["Opex excl D&A ($mm)", "20,422", "27,230", "28,931", "76,583"], ["Other costs ($mm)", "4,886", "6,514", "6,921", "18,321"], ["Revenue required ($mm)", "465,398", "473,834", "475,943", "1,415,175"], ["EBIT margin", "35.2%", "34.6%", "34.4%", "34.7%"], ["Token scenario", "Input $/M", "Output $/M", "Blended $/M", "Implied ROIC"], ["DeepSeek V4.1 Flash (peak)", "0.30", "1.20", "0.525", "5.7%"], ["DeepSeek V4.1 Flash (off-peak)", "0.15", "0.60", "0.263", "(11.2%)"], ["MS assumption (blended)", "—", "—", "1.750", "84.9%"], ["Your scenario", "0.50", "2.00", "0.875", "28.3%"], ["GPU rental scenario", "$/GPU-hour", "—", "—", "Implied ROIC"]], "chart_insights": "No charts; model is table-driven with color-coded inputs/levers. Implied ROIC sensitivity is shown via scenario rows — break-even requires ~$0.67/1M blended tokens or ~$4.30/GPU-hour. Current market prices (DeepSeek off-peak $0.263/M, H100 rental $2.89/hr) imply ROIC below the 15% hurdle, while MS bullish assumptions (~$1.75/M, $6.50/hr) imply 57-85% ROIC.", "key_information": "Framework converts Goldman's $1.73T Phase 2 AI capex (CY26-27) into a 15% ROIC hurdle requiring ~$11.6bn revenue per GW-year, or $1.415T cumulative CY28-30 revenue across ~40.7 GW. Translates this into break-even token price ($0.668/1M) and GPU rental rate ($4.30/hr). At current DeepSeek off-peak prices ($0.263/1M) and H100 rental quotes ($2.89/hr), implied ROIC is negative or near 0% — well below the 15% hurdle — indicating the Phase 2 capex cycle does not pencil at today's commodity inference pricing unless providers can move toward MS-style $1.75/M blended pricing or ~$5-6.50/hr GPU rentals.", "source_date_clues": "Goldman Sachs framework dated 24 Sep 2026 (GS Exhibits 5, 7, 8); Morgan Stanley serving assumptions dated Jul 2026 (MS Jul 2026 note on ~410k GB300-class GPUs per 1GW); Epoch AI YE25 +10% inflation; B200 low-end market quote dated Sep 2026; H100 quote is older generation reference.", "research_relevance": "High — quantifies the token-price and GPU-rental thresholds needed for AI hyperscaler capex to earn the 15% GS target ROIC. Useful for evaluating GOOGL/MSFT/AMZN/META capex sustainability, ORCL/SPCX GPU cloud unit economics, and the pricing power needed for frontier AI inference providers. Suggests current DeepSeek-era inference pricing would not justify the projected ~$1.7T AI buildout."}
AI 解读

Quantitative bridge between Goldman's Phase 2 ROIC framework and unit-economics thresholds: ~$11.6bn revenue per GW per year is the breakeven point for 15% ROIC.;Derived break-even pricing levels ($0.668/1M tokens blended, $4.30/GPU-hour) that are explicit, auditable, and tied to MS serving assumptions.

ZSXQ · 2026-09-29 08:40 北京时间 · UPDATE · 已有事件的重要更新

“## 美洲科技:量化人工智能经济规模,以证明超大规模云服务商人工智能资本开支的投入资本回报率 面对持续增长的算力需求,以满足规模庞大且不断增长的人工智能令牌消耗,美国超大规模云服务商围绕资本密集度进行了重大转型,以适应这一计算需求变化。这些投资是在实时需求信号(当前供需失衡)与关键客户多年期算力需求共同作用下进行的。 今年以来(尤其是刚刚结束的第二季度财报季),我们注意到市场对这一主题的理解有所加深——从财报结果和公司评论来看,投资者更加确信:(a)超大规模云服务商正通过增量收入和经营现金流,从前期资本开支(日历年2023—2025年)中获得足够(甚至超…”

新增变化:高盛提出量化框架,测算美国超大规模云服务商AI资本开支实现15% ROIC所需的收入门槛;明确了AI算力建设三阶段(CY2023-25、CY2026-27、CY2028-30)的资本开支规模

关联内容单元 #1176 · 原始来源
原始全文
## 美洲科技:量化人工智能经济规模,以证明超大规模云服务商人工智能资本开支的投入资本回报率 面对持续增长的算力需求,以满足规模庞大且不断增长的人工智能令牌消耗,美国超大规模云服务商围绕资本密集度进行了重大转型,以适应这一计算需求变化。这些投资是在实时需求信号(当前供需失衡)与关键客户多年期算力需求共同作用下进行的。 今年以来(尤其是刚刚结束的第二季度财报季),我们注意到市场对这一主题的理解有所加深——从财报结果和公司评论来看,投资者更加确信:(a)超大规模云服务商正通过增量收入和经营现金流,从前期资本开支(日历年2023—2025年)中获得足够(甚至超出预期)的回报;(b)超大规模云服务商目前正进入下一阶段的资本开支投入(日历年2026—2027年),面临算力受限而终端需求加速增长的环境(算力价格稳稳高于我们假设的长期基准水平)。 因此,过去几个月的讨论已转向更具前瞻性的视角:当前投资周期(CY2026-27)的资本开支可能如何在未来周期(CY2028-30)带来回报(以及如何将此前周期资本开支所取得的当前投入资本回报率作为基准)。在本报告中,我们提出一个分析框架,用于评估人工智能经济需要创造多少产出,才能使美国超大规模云服务商当前资本开支水平获得基准投入资本回报率(“ROIC”)。 本报告的分析重点是,实现“第二阶段”(CY2026-27)美国超大规模云服务商部署的AI算力投资年化 $15\%$ 投入资本回报率所需达到的收入门槛。基于各种假设(每吉瓦(GW)平均前期成本约为420亿美元;建设组合中约 $70\%$ 为“算力”、约 $30\%$ 为“壳层”;采用保守的折旧计划;持续运营成本假设; 等等),分析表明,六家美国超大规模云服务商(Alphabet、亚马逊、微软、Meta、甲骨文和SpaceX)必须在CY2028-30年累计创造约1.42万亿美元的收入(或每GW年收入约116亿美元),才能达到 $15\%$ 的ROIC门槛。尽管我们预计近期回报将有所压缩(因加速的资本开支周期抑制近期业绩),但我们预计当前时期资本开支所带来的可观ROIC将在中长期经营业绩中得到更充分体现。换言之,我们认为近期回报压缩是大规模前期投资周期的自然结果,而非人工智能经济效益存在结构性问题的证据。 在一系列量化代币经济规模的报告中(链接),消费级人工智能的空间 埃里克·谢里丹 +1(917)343-8683 | eric.sheridan@gs.com Goldman Sachs & Co. LLC Gabriela Borges, CFA +1(212)902-7839 | gabriela.borges@gs.com Goldman Sachs & Co. LLC James Schneider, 博士 +1(212)357-2929 | jim.schneider@gs.com Goldman Sachs & Co. LLC Alex Vegliante,特许金融分析师 +1(212)934-1878 | alex.vegliante@gs.com Goldman Sachs & Co. LLC Julia Fein-Ashley +1(212)902-5070 | julia.fein- ashley@gs.com Goldman Sachs & Co. LLC Emma Huang +1(212)902-7229 | emma.huang@gs.com Goldman Sachs & Co. LLC ## Callie Valenti +1(212)357-2790 | callie.valenti@gs.com Goldman Sachs & Co. LLC Maura Hager +1(212)9028724 | maura.hager@gs.com 高盛 & Co. LLC Selina Zhang +1(212)357-9979 | selina.zhang@gs.com Goldman Sachs & Co. LLC 安莫尔·马克尔 +1(212)357-1366 | anmol.makkar@gs.com Goldman Sachs & Co. LLC 高盛与其研究报告所覆盖的公司开展业务,并寻求与这些公司开展业务。因此,投资者应注意,本公司可能存在利益冲突,从而影响本报告的客观性。 投资者在作出投资决策时,应仅将本报告视为单一考量因素。有关 Reg AC 认证及其他重要信息披露,请参阅信息披露附录,或访问 www.gs.com/research/hedge.html。非美国关联公司聘用的分析师未注册/未取得研究 美国金融业监管局(FINRA)注册分析师 ## 目录 厘清当前超大规模云服务商资本开支状况(及投资者关注的主要议题) 4 自下而上看人工智能基础设施资本开支——半导体视角 6 介绍分析美国超大规模云服务商ROIC及人工智能经济所需产出的框架8 利用云积压订单理解未来货币化潜力 15 各家公司如何阐述ROIC? 17 估值/风险 19 附录:按公司划分的收入和息税前利润分析 21 披露附录 25发展(link | link)和企业格局(link),我们概述了市场份额变化和代币价格通缩可能如何推动人工智能应用,并使消费级和企业级算力的实用场景不断增加。尽管当前市场讨论聚焦于基础模型公司(处于人工智能能力前沿)在市场份额及其算力定价能力方面可能如何演变(相对于开源/开放权重模型的竞争),但我们认为,算力的价格性能将构成人工智能经济的格局,而这一经济体的规模和范围都将更大。在高效的价格性能曲线上提供多种不同的模型/智能水平,将释放一系列用例,从“商品化”智能(价格出现大幅通缩)到前沿/“尖端”智能(定价能力更具韧性),总体上将支撑算力基础设施提供商当前的支出水平。简言之,尽管并非每个令牌都具有相同的经济效益,也并非每一美元资本开支都会产生一致的回报,但总体而言,考虑到未来3-5年的市场机遇,我们仍认为未来18个月投入的资本具有稳健的回报前景。 这一点近期在我们的Communacopia + Technology大会上得到了体现(链接|链接|链接),与会公司展示了:(a)实验如何推动重心转向实际应用 ;(b)生产力驱动的回报如何提升,以及产品开发周期如何加快;以及(c)从追求令牌用量转向优化令牌使用效率的聚焦式转变,如何改善企业的回报前景,从而成为企业进一步采用人工智能的领先指标(这是超大规模云服务商收入和增量营业利润相对于上一期资本开支直接相关的驱动因素)。此外,近期几款备受瞩目的面向消费者的智能体式人工智能产品发布(最值得关注的是Meta的Muse),引发了这样一种可能的范式转变:消费级人工智能从对话式交互界面转向由智能体驱动、以行动为导向的界面(链接)——这些智能体式人工智能平台的扩展(包括其他规模化参与者可能随后采取的竞争性举措,力求在消费级人工智能平台层占据一席之地),可能会推动算力需求增加;中长期来看,订阅、广告和商务等要素相关的变现机制将随之跟进(我们经常指出,这些方式之间的界限日益模糊,而这一点将是未来收入规模扩大的核心)。 ## 当前超大规模云服务商资本开支状况(及投资者关注的关键议题) 随着美国超大规模云服务商加快人工智能算力建设,资本密集度仍处于高位。在人工智能令牌需求曲线(以及相应的算力容量需求)的推动下,美国超大规模云服务商的资本密集度已升至明显高于以往算力周期的水平。我们近期举办的Communacopia + Technology大会(链接 | 链接 | 链接)的一个主导议题是,整个行业仍受产能限制,因此未来12至18个月的资本开支将持续保持当前步伐,旨在弥合这一供需失衡。 尽管如此,投资者已经充分了解这笔近期资本开支。 鉴于各公司已通过明确的当期指引和/或对投资重点的定性阐述充分释放相关信号,我们认为,目前投资者已充分了解2026—2027日历年的近期资本开支规模,且这一预期已反映在当前股价中——自年初以来,Visible Alpha Consensus Data对年初已上市的五家美国超大规模云服务商(GOOGL、MSFT、AMZN、META和ORCL)2026—2027日历年资本开支的估算上调了约 $66\%$ (即这五家公司两年合计增加约7,500亿美元)。即便如此,我们对CY27资本开支的估算仍普遍高于华尔街一致预期(并认为我们的高于华尔街的估算更符合投资者预期)。 图表1:自2026年初以来,市场对5家美国超大规模云服务商(谷歌母公司、MSFT、AMZN、META和ORCL)CY26-27资本开支的一致预期已上调约66%(合计约7,500亿美元) 日历年度26—27年美国超大规模云服务商资本开支一致预期(十亿美元),截至2025年末与当前预测对比 ![](images/73e8ae9009b1feee22a656ead98e2b972ec1e765c7062029195430aad802c75d.jpg) “当前”代表截至2026年9月23日的数据;微软资本开支指不动产、厂房及设备的增加额(不包括资本租赁) 来源:Visible Alpha 一致预期数据;数据由高盛全球投资研究部整理 这部分资本开支的投入资本回报率(ROIC)以及长期(CY28及以后)的资本密集度,仍是尚待解决的最大争议。随着市场对近期资本密集度水平的理解日益充分,美国超大规模云服务商面临的最大隐忧(以及…… 投资者目前正在寻求更高的可见性)仍是两个相互关联的讨论议题: (1) 近期(CY26-27)资本开支的回报将如何?(2) 长期(CY28及以后)的资本开支/资本密集度将呈现何种水平?尽管投资者对CY2026-28期间资本开支的可能走势已有较高认可度,且这一预期在市场一致预期(包括我们自己的预测)中的体现程度也高于过去12-18个月的任何时候,但投资者仍在持续争论:CY2027-30期间,人工智能经济需要多大的市场机遇,才能为未来几年累计的这笔支出带来足够回报——我们将在下文通过我们的框架尝试探讨这一问题。 图表2:美国超大规模云服务商人工智能算力建设的三个阶段,2023至2030年(预估) “阶段2”(CY2026-27E)资本开支总额\*: 约1.73万亿美元,平均年均资本开支\*\*: 约8630亿美元 “阶段3”(CY2028-30E)资本开支总额\*: 约4.14万亿美元,平均年均资本开支\*\*: 约1.38万亿美元 “阶段1”(CY2023-25)资本开支总额\*:约6330亿美元,平均年均资本开支\*\*:约2110亿美元 \- 资本密集度适中(但持续上升) \- 投资旨在满足少数基础模型公司的算力需求(主要用于训练相关工作负载) \- 资本开支大幅增加(支出金额、增长率和资本密集度均显著上升) \- 投资是针对迅速加速且不断扩大的需求曲线而进行的(既包括训练相关工作负载,也越来越多地包括推理相关工作负载) \- 产能短缺和供需失衡推动资本投资提前,并促使算力建设者范围扩大(从主要是超大规模云服务商,扩展至新型云服务商、特殊目的实体和金融赞助方等) \- 资本开支投资以绝对金额计将维持或增长,但增速和资本密集度将趋于温和 随着前期产能投资陆续投运、产能约束缓解,超大规模云服务商可能会更多转向“收获”模式。资本开支支出的绝对水平、资本密集度以及盈利 \- /经营现金流均存在不确定性,并取决于多项因素。 这些因素包括算力需求的规模化增长、数据中心投入运营的时间、更新周期、资金来源等。 \*资本开支总额反映高盛预估的相关人工智能算力资本开支:谷歌母公司、MSFT和META的高盛预估公司资本开支总额的 $85\%$ ;ORCL的高盛预估公司资本开支总额的 $90\%$ ;AMZN的高盛预估AWS业务板块资本开支;SPCX的高盛预估人工智能业务板块资本开支。\*\*年均资本开支反映某一阶段的资本开支总额除以该阶段的年数。 来源:公司数据,高盛全球投资研究部 ## 自下而上看人工智能基础设施资本开支——半导体视角 我们基于半导体供应链的最新指引,对未来三年人工智能基础设施资本开支的总体水平提出看法。 过去三年来,供应链一直是判断人工智能基础设施资本开支趋势走向的可靠指标。总体而言,自下而上的供应链数据点和公司指引远非定量趋势的完美预测指标——尤其是在供给受限的环境中,这种环境会促使客户在预测中采取更积极的态度。然而,我们认为,从中期来看,它们仍是支出趋势的良好指标。在需求侧,我们认为,半导体投资者担心人工智能基础设施提供商当前的资本开支与其目前产生的EBITDA/FCF水平之间可能存在“资金缺口”。在供给侧,讨论最多的风险是可用于满足计划中基础设施资本开支的数据中心用地、电力和建筑外壳的规模,尤其是在2028年及以后。 在此,我们根据半导体公司的指引和我们自己的预测,给出人工智能基础设施资本开支及相关数据中心部署的隐含估算(图表3)。我们估计,人工智能基础设施资本开支在2027年约为1.3万亿美元(同比增长 $60\%$ ),2028年约为2.0万亿美元(同比增长 $42\%$ )。从电力规模来看,我们的分析意味着人工智能数据中心在2026/27/28年的部署规模约为20GW/35GW/57GW。重要的是,这些数字代表专用于人工智能的基础设施投资,其范围超出传统超大规模云服务商的资本开支,还包括人工智能实验室(包括超出超大规模云服务商支出规划部分的资本开支)、主权人工智能企业以及企业/公司客户。 我们在下文总结这些高层次数据点: 博通(AVGO)已就其客户在人工智能相关领域的部署提供指引,预计规模为10GW和20GW分别对应FY27和FY28,并表示其在数据中心的算力/网络总收入机会为每GW 200亿至300亿美元。 ■ 英伟达(NVDA)表示,Blackwell系统(包括算力和网络)每GW可带来约250亿美元收入,而Rubin的这一数字预计将增至约400亿美元。我们还假设,Feynman过渡还需每GW额外投入50亿美元,这意味着每GW收入约为450亿美元。 ■ 超威半导体(AMD)已提出每GW 150亿至200亿美元的收入机会,我们采用该区间的中点来估算与AMD相关的人工智能数据中心部署规模。 对于迈威尔(MRVL)和联发科技(2454.TW),我们采用类似框架,使用每GW收入假设,并结合我们的数据中心收入预测,推算隐含的部署规模。 图表3:我们的自下而上人工智能基础设施资本开支测算显示,2027/28年人工智能基础设施在算力/网络方面的年度支出分别为1.3万亿/2万亿美元 2026 2027 2028 英伟达 Blackwell部署总量(GW) 12 3 - Rubin部署总量(GW) 2 15 19 Feynman 3 部署总量(GW) 14 18 22 每GW资本开支(十亿美元) 50 50 50 采用英伟达产品的资本开支总额(十亿美元) 682 879 1,091 博通 定制XPU收入(百万美元) 39,373 86,176 168,126 人工智能连接能力收入(百万美元) 18,465 39,300 72,180 人工智能总收入(百万美元) 57,838 125,477 240,306 部署总量(GW) 5 10 20 每GW资本开支(十亿美元) 25 25 25 含博通产品的资本开支总额(十亿美元) 126 250 500 AMD 数据中心GPU收入(百万美元) 15,662 42,317 56,017 每GW收入(百万美元) 17,500 17,500 17,500 GW部署总量 1 2 3 每GW资本开支(十亿美元) 35 35 35 含AMD产品的资本开支总额(十亿美元) 31 85 112 联发科技 数据中心ASIC收入(百万美元) 2,200 20,250 52,500 每GW收入(百万美元) 5,000 5,000 5,000 GW部署总量 0.4 4 11 每GW资本开支(十亿美元) 25 25 25 采用联发科技产品的资本开支总额(十亿美元) 11 101 263 迈威尔 数据中心ASIC收入(百万美元) 2,283 4,662 8,435 每GW收入(百万美元) 5,000 5,000 5,000 GW部署总量 0.5 0.9 2 每GW资本开支(十亿美元) 25 25 25 采用迈威尔产品的资本开支总额(十亿美元) 11 23 42 汇总 GW部署总量 20 35 57 人工智能资本开支总额(十亿美元) 861 1,338 2,008 隐含每吉瓦资本开支(十亿美元) 42 38 35 来源:公司数据,高盛全球投资研究部 ## 构建分析框架,评估美国超大规模云服务商ROIC及人工智能经济所需产出 下面我们提供一个分析框架,以回答这一关键问题:美国超大规模云服务商需要获得多少总收入,才能使这一“第二阶段”(2026—27年)人工智能资本开支建设实现充足的ROIC? 美国超大规模云服务商ROIC框架可概括为以下几点关键内容/假设: 相关公司:本分析涵盖“美国超大规模云服务商”,我们将其定义为(按市值排序):Alphabet(GOOGL)、微软(MSFT)、亚马逊(AMZN)、SpaceX(SPCX)、Meta Platforms(META)和甲骨文(ORCL)。我们认为,这一公司群体足以作为人工智能相关基础设施/算力建设和资本密集度(就本次讨论而言)的代表性样本。 “阶段2”(2026-27年)资本开支的定义:我们仅纳入与“人工智能在我们定义为“阶段2”(CY2026-27)的两年期间内的算力,以衡量这一近期扩建所需创造的收入。重要的是,我们单独考察这两年的资本开支阶段,不包括a)算力上线后在CY26-27产生的收入/息税前利润,或b)CY28及以后持续发生的资本开支(以及这些新增产能带来的收入或运营费用)。 阶段 2 的 “AI算力” 资本开支金额采用我们对各公司的实际资本开支预测,仅纳入相关的人工智能支出(例如,AMZN 的高盛预估 AWS 资本开支;SPCX 的高盛预估 AI 业务部门资本开支等)。对于难以轻易估算人工智能与非人工智能资本开支的公司(例如谷歌母公司),我们假设 CY26-27 公司总资本开支中约 85 -90% 用于 AI 算力。 最后,我们将资本开支分为两类,两者的占比保持一致:(1) “算力”(服务器/芯片、网络硬件及设备等),约占两年资本开支的70%;(2) “壳层”(土地、建筑及相关基础设施),约占两年资本开支的30%。 图表4:按公司和资产类型划分的“第二阶段”(CY26-27E)资本开支总额明细 ![](images/a0191599dc71c702f24a3e2a3dbc578d1f8612c53426a7ace89c5555908c406d.jpg) 资本开支总额反映高盛预估中与AI算力相关的资本开支:谷歌母公司、MSFT和META的高盛预估公司资本开支总额的85%;ORCL的高盛预估公司资本开支总额的90%;AMZN的高盛预估AWS业务板块资本开支;高盛预估:SPCX人工智能业务板块资本开支。“算力”资本开支 = 服务器/芯片、网络硬件及设备支出;“外壳”资本开支 = 土地、建筑物及相关基础设施支出 来源:公司数据,高盛全球投资研究部 算力成本:我们假设两年期间内六家公司的成本均保持平稳,约为每吉瓦 \$42。我们根据多种输入数据得出每吉瓦 \$42bn 的假设:(a)采用 Epoch AI 截至 2025 年底的成本输入假设,并假设这些 2025 年底数据上涨 10%(我们采用 10% 是为了与 META 和 AMZN 上调资本开支指引的幅度保持一致;它们指出,投入成本是上调指引的主要因素);(b) 由美国半导体研究团队提供的每GW混合平均投入成本框架(根据不同硬件类型的数据中心容量假设组合);以及 (c) 各公司年初至今已报告/暗示的AI算力基础设施建设实际成本。 下文(图表8)还提供了情景分析,采用一系列每GW资本开支假设(约为340亿至510亿美元/GW)。 图表5:我们假设所有6家公司每GW的前期资本开支成本均为约42美元,其中大部分用于服务器按资产类型划分的每GW前期资本开支成本 ![](images/0ad784caab939dd9afe81dd1a8fbe33503a4fa265cfa4880b8eae29f084d9cee.jpg) 来源:Epoch AI、公司数据、高盛全球投资研究部 ■ ROIC门槛:我们采用固定的15%年回报率,定义为年度净营业税后利润(“NOPAT”)占CY2028-30实现的金额与CY2026-27年度平均资本开支的比例。图表8还提供了情景分析,对一系列ROIC门槛(0-30%)进行调整。我们指出,超大规模云服务商目前资本开支所实现的ROIC(以及它们可能对本轮资本开支所做的预测)几乎可以肯定高于这一15%的门槛(见下文“公司如何阐述ROIC?”一节)。尽管如此,我们的框架旨在展示,为达到我们认为合理(且可能偏保守)的15%回报门槛所需的收入,并回应一些投资者的担忧:超大规模云服务商当前资本开支的投入资本回报率可能更低,甚至为负。 ## 运营费用(息税前利润至收入的桥接):我们将隐含的年度 NOPAT按假设的21%企业税率(当前美国企业所得税率)进行税前还原,以展示所需的年度营业利润(“EBIT”)。在息税前利润基础上,我们加上已建成算力GW对应的假设年度运营费用,以展示达到投入资本回报率门槛所需的年度收入。运营费用可分为两类:(1)折旧费用——我们假设第2阶段购置的“算力”和“壳层”资产的使用寿命分别为5年和15年,并计入这些资产由此产生的年度折旧费用;以及(2)非折旧与摊销的运营和维护费用——我们假设运营这些数据中心(电力、劳动力等)的年度成本为每吉瓦8.36亿美元(该假设基于Epoch AI截至YE25的估算[链接],并假设通胀率为10%)。 图表6:超大规模云服务商ROIC框架概要(资本开支至收入桥接) ![](images/3fbe51617c3805bc149d71b5435c4486091990c3ec8da5c5cc2a4778db31fd1d.jpg) 来源:Epoch AI、公司数据、高盛全球投资研究部 重要的是,我们在下文指出了几个可能使本分析显得过于简单化或泛化的方面——需要说明的是,本分析旨在提供一个总体框架(投资者可根据自身观点/看法以及未来几个月的行业或公司发展等,灵活调整具体假设): 我们未将第二阶段之后(2028年及以后)的投资纳入考虑。通过这项分析,我们尝试单独考察当前这一轮近期算力建设(以及证明未来约18个月投资合理所需的回报)。我们的 2028年及以后发布的公司特定预测与本分析有所不同,因为未来期间受到’28年及以后持续资本密集度的影响。 ■ 各公司的算力容量(以GW计)仅为示意,并非实际容量。我们的分析纳入了各公司在相应资本开支水平下预计可建设的算力容量(以GW计)数量(假设各公司的每GW成本、容量上线时间等保持一致)。各公司目前拥有的容量以及未来几个月计划上线的容量储备存在显著差异(例如,SPCX管理层表示[link],预计到YE27将新增约5-10GW的上线容量;媒体报道[link]指出,META计划到YE26将容量扩至约7GW,到YE27扩至约14GW)——我们在此忽略这些差异,旨在提供一个统一的全行业ROIC分析框架。 我们假设各超大规模云服务商的资本开支构成和使用寿命一致。我们的假设资本开支在两个类别(“算力”和“壳层”)之间的支出比例一致,且这两类支出的使用寿命分别一致(5年和15年),过于简单化(各公司处于建设周期的不同阶段,在不同类型资产上的支出各异,资产的经济使用寿命也各不相同),但旨在为全行业提供一个说明性框架。 我们的分析仅纳入六家美国超大规模云服务商。尽管人工智能基础设施/算力建设涉及的行业和公司范围更广(新型云服务商、企业开发商和数据中心所有者、特殊目的实体、前沿模型公司等),因此,我们尝试从我们覆盖的六家美国超大规模云服务商的角度,界定所需的ROIC。此外,我们在很大程度上仅采用与自有并运营的数据中心算力容量建设相关的资本开支,并出于多种原因排除表外租赁义务、融资租赁、特殊目的实体以及第三方算力许可安排等项目(例如,无法全面掌握这些项目的情况,以及存在资本投资被“重复计算”的风险[如谷歌—SpaceX算力许可交易]等)。 我们的分析表明,为了在第二阶段(CY2026-27)总资本开支上实现15%的ROI C,六家美国超大规模云服务商需要在2028-30年累计实现约1.42万亿美元的收入(或平均每年每GW约116亿美元)。 图表7:CY26-27资本开支实现 $15\%$ 的ROIC,意味着CY28-30需创造合计约1.42万亿美元的收入(或综合平均变现率约为每GW116亿美元)美国本土超大规模云服务商ROIC框架 ![](images/c6072bf3438a533519186328c902c4994ab98b64ab7892f5e1d6050241e08b02.jpg) 来源:Epoch AI、公司数据、高盛全球投资研究部 ## 情景分析:调整ROIC门槛率 下文通过调整我们框架中的两个关键输入变量,对美国超大规模云服务商需要实现的总收入(整体及每GW)进行情景分析:(1)假设第二阶段资本开支的ROIC(0-30% ROIC)以及(2)假设美国超大规模云服务商在第二阶段资本开支中实现的每GW前期资本开支成本(约340亿至510亿美元/GW)。这项分析意味着,要使第二阶段(CY26-27)资本开支的整体ROIC达到0-30%,六家美国超大规模云服务商需要在CY2028-30累计创造约9,080亿至1.89万亿美元的收入(或平均每年每GW约62亿至186亿美元的综合收入)。 图表 8:为实现 2026-27 日历年度第二阶段资本开支的各类投入资本回报率,六家美国超大规模云服务商需在 2028-30 日历年度累计创造约 9080 亿至 1.89 万亿美元1.11-1.73 万亿美元的收入(或平均每年每GW收入约 62 亿至 186.67.3-170 亿美元/GW) 美国超大规模云服务商投入资本回报率框架 - 情景分析(十亿美元) 所需的2028-2030年收入总额 每GW资本开支(十亿美元) 投入资本回报率 30.0% 25.0% 20.0% 15.0% 10.0% 5.0% 0.0% $ 50.9 $1,890.9 $ 1,727.1 $ 1,563.2 $ 1,399.3 $ 1,235.4 $ 1,071.5 $ 907.6 $ 48.8 $1,894.4 $ 1,730.5 $ 1,566.6 $ 1,402.7 $ 1,238.8 $ 1,074.9 $ 911.1 $ 46.7 $1,898.1 $ 1,734.2 $ 1,570.4 $ 1,406.5 $ 1,242.6 $ 1,078.7 $ 914.8 $ 44.6 $1,902.2 $ 1,738.3 $ 1,574.5 $ 1,410.6 $ 1,246.7 $ 1,082.8 $ 918.9 $ 42.4 $1,906.7 $ 1,742.9 $ 1,579.0 $ 1,415.1 $ 1,251.2 $ 1,087.3 $ 923.4 $ 40.3 $1,911.7 $ 1,747.8 $ 1,584.0 $ 1,420.1 $ 1,256.2 $ 1,092.3 $ 928.4 $ 38.2 $1,917.3 $ 1,753.4 $ 1,589.5 $ 1,425.6 $ 1,261.7 $ 1,097.8 $ 934.0 $ 36.1 $1,923.5 $ 1,759.6 $ 1,595.7 $ 1,431.8 $ 1,267.9 $ 1,104.0 $ 940.2 $ 34.0 $1,930.4 $ 1,766.6 $ 1,602.7 $ 1,438.8 $ 1,274.9 $ 1,111.0 $ 947.1 每GW隐含收入 每GW资本开支 投入资本回报率 30.0% 25.0% 20.0% 15.0% 10.0% 5.0% 0.0% $ 50.9 $ 18.6 $ 17.0 $ 15.4 $ 13.8 $ 12.1 $ 10.5 $ 8.9 $ 48.8 $ 17.9 $ 16.3 $ 14.8 $ 13.2 $ 11.7 $ 10.1 $ 8.6 $ 46.7 $ 17.1 $ 15.6 $ 14.2 $ 12.7 $ 11.2 $ 9.7 $ 8.2 $ 44.6 $ 16.4 $ 15.0 $ 13.5 $ 12.1 $ 10.7 $ 9.3 $ 7.9 $ 42.4 $ 15.6 $ 14.3 $ 12.9 $ 11.6 $ 10.3 $ 8.9 $ 7.6 $ 40.3 $ 14.9 $ 13.6 $ 12.3 $ 11.1 $ 9.8 $ 8.5 $ 7.2 $ 38.2 $ 14.1 $ 12.9 $ 11.7 $ 10.5 $ 9.3 $ 8.1 $ 6.9 $ 36.1 $ 13.4 $ 12.3 $ 11.1 $ 10.0 $ 8.8 $ 7.7 $ 6.5 $ 34.0 $ 12.7 $ 11.6 $ 10.5 $ 9.4 $ 8.4 $ 7.3 $ 6.2 来源:Epoch AI、公司数据、高盛全球投资研究部 ## 利用云积压订单理解未来货币化潜力 为帮助将上述分析结果置于背景之中,我们考察了三家总部位于美国的主要公有云公司(AWS [AMZN]、Azure [MSFT] 和谷歌云 [谷歌母公司]),以了解当前需求积压订单情况,以及这些公司为应对需求而进行的基础设施扩建。企业对人工智能训练和推理工作负载的需求不断增长,推动三家云服务提供商报告的收入和积压订单承诺大幅上升——截至2026年第二季度末,三家公司报告的积压订单总额约为1.69万亿美元(同比增长 $152\%$ ,较年初约增长1.5倍);管理层表示,产能受限,难以满足强劲的人工智能相关需求,这是资本开支增加的一个关键原因。 图表9:企业对人工智能工作负载(训练和推理)的需求不断增长,正推动云收入加速增长…… ![](images/d821f23f7e6df21bb435b3cd4a1be3eee5eac5a459b369cf38bb1ff8d467255f.jpg) Azure(MSFT)在所有时期均采用高盛预估 来源:公司数据,高盛全球投资研究部 图表 10:……并推动美国主要云超大规模云服务商的收入积压订单不断扩大 ![](images/87e6b5527aa7d6d04c2ff33725f47cabe39535c3c280c40da57e7ccb94aad0b0.jpg) 积压订单数据包括非云收入承诺(AMZN的“总承诺额”);MSFT的“商业剩余履约义务”;谷歌母公司的“剩余履约义务(RPO)”),并用作未来云需求的代理指标 来源:公司数据,高盛全球投资研究部 采用同样的15% ROIC门槛收益率框架,这三家公司在CY2026-27的合计资本开支约为1.22万亿美元,需在CY2028-30产生累计约1.00万亿美元的收入(详情见下文图表12、图表13和图表14)。 所需的三年收入总额相当于截至2026年第二季度末当前已披露积压订单总额约1.69万亿美元的约59%(相比之下,公司信息披露预计,未来24个月将实现约一半已披露积压订单,其余约一半将在此后实现)。尽管对于当前积压订单未来将如何转化为收入,仍存在一些讨论空间(客户集中度风险;产品/收入组合;长期合同下收入实现的时点等),但这里假设未来积压订单承诺不再增长(鉴于近期各期积压订单环比增长稳定在DD%+,这一假设可能偏保守)。 图表11:隐含的3年所需收入规模为1.00万亿美元,约占美国三家云服务提供商(AMZN、MSFT和谷歌母公司)报告的当前积压订单总额约1.69万亿美元的59% 美国本土云业务投入资本回报率框架(AMZN、MSFT 和谷歌母公司)——以当前云积压订单为基准 ![](images/4c27816df085505225c3a1f976d8b35a15233ab83950acd820839d668df54524.jpg) 来源:Epoch AI、公司数据、高盛全球投资研究部 ## 各家公司如何阐述ROIC? 产能受限与需求加速增长,推动当前数据中心资本开支的回收期缩短。 在2026年第二季度财报电话会上,AMZN说明了其对当前时期AWS/人工智能相关资本开支未来产生强劲回报有清晰把握:资本开支分为服务器和网络设备(使用寿命约为5-6年,相对于约3年的盈亏平衡点,这意味着盈亏平衡后2-3年可产生大量现金流)以及数据中心外壳(使用寿命超过30年,这意味着能够支持5-6轮服务器经济周期)。目前,资本开支通常在数据中心投入运营前约两年开始(因此当期业绩尚未体现人工智能相关投资原本良好/颇具吸引力的投入资本回报率)。 在2026财年第四季度业绩电话会上,ORCL披露,其较大型项目的稳态投入资本回报率预计处于20%区间的高位,这些项目属于其基础设施业务(若GPU更换周期可能延长,和/或实施“自带硬件”等举措以降低ORCL的前期资本开支,则回报率还有望进一步提升) 在GS Communacopia + Technology大会上,SPCX披露,其目前正针对人工智能业务板块的资本开支(用于陆上数据中心容量)进行部署,预期回本周期为一年。 数据中心基础设施建设时考虑了灵活性和可替换性(减少对单一技术框架或公用事业供应商的依赖)。 ■ MSFT此前曾将其基础设施投资描述为用于建设 一支“可灵活调配的算力集群”,在地域和硬件类型方面具备灵活性,并能够在人工智能生命周期的不同阶段,为不同类型的工作负载/公用事业需求提供服务。 META曾谈及如何通过一种“分阶段”的方式扩建其数据中心容量,利用模块化设计、服务器订购时机(“按需订购”/临近部署时订购),以及租赁额外的3P容量(在1P算力部署到位的过程中填补缺口)。 ■ 同样,多家公司讨论了数据中心架构和设计方面的创新——例如,AMZN的模块化设计使其未来能够轻松地为现有基础设施改装新硬件。 ■ 谷歌母公司已阐述其在内部业务 (搜索、YouTube、Google DeepMind)和外部业务(Google Cloud)用例之间动态调配容量,并在不同地区和服务器类型之间分配工作负载,以优化利用率。 算力容量在多种途径上的未来变现潜力仍然乐观。 ■ 主要上市云服务提供商(谷歌母公司、AMZN、MSFT和ORCL)已上调各种类型的工作负载和服务;随着合同续签,未来还可能提价,以更好地匹配供需失衡。 ■ MSFT 强调,单位经济效益比 原有云业务周期的同一阶段更健康,这意味着随着任何一批资本开支逐渐成熟,可形成更大的利润池。云时代的一项关键经验是,在 Azure 和第一方应用之间采用统一的技术栈(而非使用不同技术栈;后者需要更精细的匹配方式,最终导致利用率较低)。此外,与在云业务周期中后期才进入市场不同,MSFT 从 Y0 起就能吸引人工智能原生客户。在半导体方面,微软认为芯片层将变得更加多元化,正如 CPU 的发展情况。在令牌租金方面,微软认为,其在第三方令牌之上提供的价值将足够大,并且能够协调第一方与第三方令牌,因此随着时间推移,对利润率的影响将微乎其微。综上,微软认为,人工智能业务的毛利率不存在结构性障碍,因而无法接近云业务的毛利率(更多详情请参阅近期的 NDR 报告)。 ## 估值/风险 AMZN(买入):我们的12个月目标价为\$375,基于分部加总估值法:a) 对北美分部NTM + 1估算应用16倍企业价值/美国通用会计准则息税前利润;b) 对国际分部NTM + 1估算应用1.25倍企业价值/销售额;以及c) 对AWS分部NTM + 1估算应用29.0倍企业价值/美国通用会计准则息税前利润。主要风险包括:(-) 竞争对电子商务或云增长造成的任何影响;未能成功扩大高利润率业务,包括广告、云、第三方销售和认购业务;各项举措的投资对毛利率或营业利润率形成压力;为遵守全球监管环境变化而必须进行的任何产品或平台调整;以及全球宏观经济环境带来的波动风险; 以及投资者对增长型股票的风险偏好。 谷歌母公司(买入):我们的435美元、12个月目标价基于以下两种估值方法的等权组合:(1)将26.0倍EV/GAAP息税前利润应用于我们的未来十二个月加一年预测;(2)使用修正现金流折现法,将50.0倍EV/FCF-SBC应用于我们的未来十二个月加四年预测,并折现回三年后的现值。买入评级面临的风险包括:a)产品效用水平和广告收入方面的竞争;b)行业颠覆对可变现(产品)搜索业务造成的不利影响;c)媒体消费习惯发生变化;d)大规模投资导致营业利润率受到压制的时间长于我们的预测;e)未来增量股东回报水平为零或偏低;以及f)监管审查和行业惯例改变商业模式前景。此外,Alphabet还面临全球宏观经济环境以及投资者对增长型股票的风险偏好变化所带来的波动。 META(买入):我们的12个月目标价为725美元,基于以下两种估值方法各占一半:(1) 将26.0倍EV/GAAP息税前利润应用于我们的NTM + 1年预测;(2) 修正现金流折现估值法,将45.0倍EV/FCF-SBC应用于我们的NTM + 4年预测,并折现回当前时点,折现期为3年。我们给予买入评级的风险包括:a) 各类现有及新兴互联网、媒体和商务公司之间,在用户增长、用户参与度及广告收入方面的竞争;b) 对长期见效举措的大量投资导致营业利润率低于我们的预测水平,且持续时间更长;c) 未来股东增量回报为零或偏低;d) 监管审查及行业实践改变商业模式的前景;e) 潜在的反垄断审查可能阻碍并购计划(通过外部方式引进人才并推动产品创新),和/或导致拆分,或使前期并购活动产生负协同效应;以及f) 无法将潜在上行机会变现(消息层、社交商务/购物、Oculus/Metaverse)。此外,Meta 面临全球宏观经济环境及投资者对增长型股票的风险偏好变化所带来的波动。 微软(买入):我们的12个月目标价为640美元,基于微软 SNTM 调整后净利润的28倍市盈率。主要下行风险包括:内部芯片的爬坡周期更长,可能限制市场份额提升或毛利率扩张;在预期之外的项目上投入更多资金(例如非 Azure 项目);关键领导层变动;以及更显著地转向定制软件,可能对其应用业务造成负面影响。 甲骨文(买入):我们的12个月目标价为240美元,基于甲骨文2030年预期调整后净利润的15倍,并折现回SNTM(Q5-Q8)。主要风险包括:客户集中度风险;数据中心扩建的时机与执行;资本开支强度 投资周期;以及在数据库/SaaS市场中加速扩大的份额流失。 SPCX(买入):我们的12个月目标价为220美元,基于分部加总估值框架:(1)太空领域:9.5倍企业价值/销售额,该估值采用2029年各业务板块预估值对应的倍数(太空领域:9.5倍企业价值/销售额;连接能力:24.0倍企业价值/GAAP息税前利润;人工智能:28.0倍企业价值/GAAP息税前利润),并按 $12\%$ 的折现率折现1.5年。折现率采用资本资产定价模型(CAPM),依据我们覆盖范围内公司的加权平均值计算,具体包括:(1) $3\%$ 的无风险利率(基于标准化的10年期利率);(2)平均贝塔约为1.3;(3)股权风险溢价为 $7\%$ 。总体、太空、连接能力和人工智能业务买入评级面临的主要风险包括:总体:a)治理风险(投票权多数集中于创始人兼首席执行官,且执行风险重大);b)创始人兼首席执行官关联的多家公司和实体之间存在关联方交易。(例如与特斯拉共同开发Terafab和Macrohard;SPCX购买特斯拉产品等);c)高资本密集度和现金消耗的预测,因此需要未来大规模融资(假设主要通过债务);以及d)未来可能因股票授予/其他形式的薪酬(包括根据各类业绩目标授予管理层的大量股票)和/或潜在股权融资而导致股权稀释。太空:a)来自其他商业发射公司的竞争;b)分配给内部用途(即连接能力和人工智能)的发射次数高于预期;c)收入依赖政府合同;d)维持/续期太空相关活动所需监管批准和许可证(包括美国联邦航空管理局(FAA)的发射和再入许可证)时出现任何延误或困难;以及e)盈利能力低于预期(鉴于合同采用固定价格性质)。连接能力:a)来自其他宽带互联网和移动服务提供商的竞争;b)对内部发射能力大幅增长的依赖能力(通过Starship支持Starlink卫星部署),而Starship尚未证明其具备完全重复使用能力及快速发射的能力;c)扩大企业和政府Starlink合同规模的能力;d)依赖第三方合作伙伴进行市场推广/分销并获取频谱;以及e)获取卫星监管批准和许可证时可能出现的任何延迟或困难。人工智能:a)依赖开发、扩展和维护轨道(基于卫星的)数据中心算力,这是一项未经验证的技术,存在相当大的执行风险;b)在模型性能以及消费者/企业对模型访问的需求方面,面临其他前沿人工智能模型的竞争;c)扩大消费端人工智能收入(包括X广告和X/Grok付费认购)的能力;d)依赖通过Starship大幅提升内部发射能力(以支持轨道算力部署),而Starship尚未证明其具备完全重复使用能力及快速发射的能力;以及e)供应链风险,以及依赖第三方合作伙伴提供关键投入品(尤其是第三方芯片,例如NVDA GPU)。此外,公司还面临可能对业务造成不利影响的广泛宏观经济环境变化。 ## 附录:按公司划分的收入和息税前利润分析 图表 12: 美国超大规模云服务商 ROIC 框架:Alphabet(谷歌母公司)百万美元 ![](images/62bff15e3587c970bd43408ff2bbba9c2d63dfda9ee3005335cfd6a017f83540.jpg) 来源:Epoch AI、公司数据、高盛全球投资研究部 图表 13:美国超大规模云服务商ROIC框架:微软(MSFT)百万美元 ![](images/2d06b156a7f8b827c12ceb71e46bee27db9a820a492b65ea91e048d36b8dfa26.jpg) 来源:Epoch AI、公司数据、高盛全球投资研究部 图表 14: 美国超大规模云服务商 ROIC 框架: 亚马逊 (AMZN) 百万美元 n ![](images/6b68ae442ff632009b70f174310650d2ec58a2a4817a89945c36e129be47932f.jpg) 来源:Epoch AI、公司数据、高盛全球投资研究部 图表 15:美国超大规模云服务商投入资本回报率(ROIC)框架:Meta Platforms(META)百万美元 ![](images/55a1bbdc0bc0aa05a566c498d8fc757aacbdd209a2297261be6f74d19029ca2c.jpg) 来源:Epoch AI、公司数据、高盛全球投资研究部 图表 16: 美国本土超大规模云服务商投入资本回报率框架:甲骨文 (ORCL) 百万美元 ![](images/9b7498947d6e336b2112a8c0f89304d11009a8a7e459319706c84311d852604e.jpg) 算力/壳层的划分仅用于说明云服务商之间的差异(鉴于甲骨文主要租赁数据中心容量) 来源:Epoch AI、公司数据、高盛全球投资研究部 图表 17:美国超大规模云服务商 ROIC 框架:SpaceX (SPCX) 百万美元 ![](images/7e21623495f9601eaf4d96d8938031c586d7d5aa7db414941f2496510ba134ee.jpg) 来源:Epoch AI、公司数据、高盛全球投资研究部 ## 披露附录 ## Reg AC 我们,Eric Sheridan、Gabriela Borges, CFA、James Schneider, Ph.D.、Alex Vegliante, CFA、Julia Fein-Ashley、Emma Huang、Callie Valenti、Maura Hager、Selina Zhang 和 Anmol Makkar,特此证明,本报告中表达的所有观点均准确反映了我们个人对相关公司及其证券的看法。我们还证明,我们的薪酬过去、现在及将来均不会直接或间接与本报告中表达的具体建议或观点相关。 除非另有说明,本报告封面所列人士均为高盛全球投资研究部门的分析师。 撰稿人: Eric Sheridan Goldman Sachs & Co. LLC,Gabriela Borges,特许金融分析师 Goldman Sachs & Co. LLC,James Schneider,博士 Goldman Sachs & Co. LLC,Alex Vegliante,特许金融分析师 Goldman Sachs & Co. LLC,Julia Fein-Ashley Goldman Sachs & Co. LLC,Emma Huang Goldman Sachs & Co. LLC,Callie Valenti Goldman Sachs & Co. LLC,Maura Hager Goldman Sachs & Co. LLC,Selina Zhang Goldman Sachs & Co. LLC,Anmol Makkar Goldman Sachs & Co. LLC。 除非另有说明,本报告“撰稿作者”披露部分所列人士均为高盛全球投资研究部分析师。 ## 高盛因子概况 高盛因子概况通过将股票的关键属性与市场(即我们的评级股票范围)及其行业同业进行比较,为该股票提供投资背景。图示的四项关键属性为:增长、财务回报、倍数(例如估值)和集成(由增长、财务回报和倍数组成的综合指标)。增长、财务回报和倍数均通过使用每只股票特定指标的标准化排名计算得出。随后对各项指标的标准化排名取平均值,并转换为相关属性的百分位数。各项指标的具体计算方式可能因财年、行业和地区而异,但标准方法如下: 增长基于股票的前瞻性销售额增长、息税折旧摊销前利润增长和每股收益增长(对于金融类股票,仅采用每股收益增长和销售额增长),百分位数越高,表明公司增长水平越高。财务回报基于股票的前瞻性净资产收益率(ROE)、投入资本回报率(ROCE)和现金流回报率(CROCI)(对于金融类股票,仅采用净资产收益率(ROE)),百分位数越高,表明公司的财务回报越高。倍数基于股票的前瞻市盈率、市净率、股价/股息(P/D)、企业价值/息税折旧摊销前利润、企业价值/自由现金流和企业价值/债务调整后现金流(DACF)估值(对于金融类股票,仅使用市盈率、市净率和股价/股息),百分位越高表示股票的交易倍数越高。集成百分位的计算方法为增长百分位、财务回报百分位和(100% - 倍数百分位)的平均值。 财务回报和倍数采用高盛分析师对至少在未来三个季度之后的财年期末的预测。增长指标采用至少在未来七个季度之后的财年数据,与至少在未来三个季度之后的财年数据进行比较(所有指标均按每股计算)。 如需详细了解我们如何计算 GS Factor Profile,请联系您的 GS 代表。 ## 并购评级 在我们的全球覆盖范围内,我们运用并购框架分析股票,综合考虑定性和定量因素(这些因素可能因行业和地区而异),将某些公司可能被收购的潜力纳入考量。随后,我们对评级覆盖范围内的公司进行并购评级,分为1至3级:1级表示公司成为收购目标的概率较高(30%-50%),2级表示概率中等(15%-30%),3级表示概率较低(0%-15%)。对于排名为1或2的公司,按照我们的标准部门指引,我们会在目标价中纳入并购因素。并购评级为3被视为影响不重大,因此不会纳入我们的目标价;研究报告中可能会提及,也可能不会提及。 ## Quantum Quantum是高盛的…
AI 解读

高盛提出量化框架,测算美国超大规模云服务商AI资本开支实现15% ROIC所需的收入门槛;明确了AI算力建设三阶段(CY2023-25、CY2026-27、CY2028-30)的资本开支规模

时间信息

事件发生时间:日期待核 · 日期待核

系统创建:2026-09-27 23:24 北京时间

系统更新:2026-09-29 09:51 北京时间

来源发布时间:见各条证据。

实体 / 行业

实体:AMD、AMZN、Alphabet (GOOGL)、DeepSeek、GOOGL、META、MSFT、Meta Platforms (META)、Nvidia、ORCL、SPCX、SpaceX (SPCX)、亚马逊 (AMZN)、博通 (AVGO)、微软 (MSFT)、甲骨文 (ORCL)、联发科技 (2454.TW)、英伟达 (NVDA)、迈威尔 (MRVL)

行业:AI、AI inference economics、AI infrastructure、AI算力、Cloud Computing、GPU/datacenter、Hyperscale Data Centers、Hyperscale cloud、Semiconductors、Technology、云计算、人工智能基础设施、半导体/AI芯片、数据中心、超大规模云服务

原文与 AI 解读

原文和提取信息可在对应证据条目展开查看。