01 · 核心结论
Morgan Stanley 的三套 1GW GB300 框架给出约 25%–46% 基准回报，但结果高度依赖 GPU 租价、利用率、Token 吞吐与定价，不能把 Capex 直接视为价值创造。
CSP 与模型公司的核心分歧应从 Capex 规模转向单位 GW 收入、利用率、折旧、训练负担和客户付费；自有算力只有在高利用率与产品差异化下才具备更高回报。
02 · 来源证据
证据 1
Morgan Stanley 的 1GW GB300 基准假设包含约 410k GPUs、US$39bn 总 capex、75% utilization 和五年 IT asset life。
证据 2
其基准测算的 GPU IaaS ROIC 约 31%，自有基础设施 Model API ROIC 约 46%，第三方租赁算力 Model API 的 NOPAT margin 约 25%。
证据 3
模型把 GPU 租价、推理可用算力、Token throughput、Token pricing、训练占用和 compute rental cost 列为主要敏感变量。
03 · 推断与预测
推断
CSP 与模型公司的核心分歧应从 Capex 规模转向单位 GW 收入、利用率、折旧、训练负担和客户付费；自有算力只有在高利用率与产品差异化下才具备更高回报。
预测
若推理需求、租价和 Token 变现保持韧性，规模化 CSP 可实现较高增量回报；若开源竞争压价、利用率不足或资产快速过时，ROIC 会显著低于基准。
04 · 最值得挑战的假设
US$39bn/GW、75% utilization、2,750 tokens/s/GPU 与 Token 定价均为 sell-side assumptions，并非公司指引；模型未消除 headcount、R&D、融资和迭代淘汰风险。