核心观点 - 高盛认为微软是利用AI产品周期实现复利增长的“最佳标的”，当前市场回调是绝佳的“抄底”良机 [2] - 预计到2030财年，微软的每股收益（EPS）将稳步迈向35美元，这意味着超过20%的复合增长率 [2] AI发展路径与利润率展望 - 当前的AI周期与早期的云（Cloud）周期相似，初期高投入和弱单位经济效益将随规模效应、利用率提升和工程效率优化而改善，利润率将显著扩张 [3] - 微软在云转型期间展现了精准的执行力，将实际毛利率表现控制在中期目标偏差100个基点以内，预计在AI时代将重演这种执行力 [3] - 微软在AI周期中的领导地位优于当年的云周期，运营纪律和效率提升更显著，例如解决模型低效问题从云时代的2-3个月缩短至一个周末 [3] - 随着规模扩大，核心云业务的利润率有进一步扩张的潜力，AI业务的利润率也将随时间推移而改善 [3] - 下一代模型设计正变得更加高效，未来随着代币（Token）成本下降，价值将更多地沉淀在平台层，LLM相关的销售成本（COGS）将变得微不足道 [5] 竞争优势与护城河 - 微软与OpenAI的合作关系带来了独特的毛利率优势，由于拥有OpenAI模型的知识产权（IP）权利，调用模型时无需支付额外的API费用，免除了巨大的“毛利率税” [4] - 微软视大语言模型（LLM）为下一代抽象层，它将抽象化应用程序本身的逻辑，未来的应用将转向意图驱动的执行 [4] - 微软的Foundry平台有机会成为这一抽象层的控制中枢，负责路由、治理和成本优化 [4] 基础设施与战略 - 微软拒绝“客户自备芯片”（BYOC）模式，认为该模式既无经济吸引力也无战略优势，会破坏云利润率的核心驱动力——规模化采购、全栈集成和端到端优化 [6] - 公司的利润优势源于对数据中心、电力、冷却、网络和硅片层的整体优化，而非单一组件 [6] - 微软在数据中心设计和供应链中推行“延迟绑定”策略，尽可能推迟设计和部署决策以保留灵活性，例如新的“Fairwater”设计采用两层结构和3D机架布局以缩短线缆距离提高GPU性能 [6] - 为了获得在不同工作负载和硅片间灵活切换的资本敏捷性，公司愿意牺牲通过定制化冷却或芯片设计带来的微小性能增益 [6] - 这种策略使得微软能够根据需求信号，灵活地将产能从训练任务切换到推理任务，从而最大程度地降低利用率风险 [6] 市场需求与采用趋势 - 企业客户关于Copilot的对话已从探讨投资回报率（ROI）和“是否”采用，转变为聚焦于“何时”以及“何种程度”地采用，预算不确定性正在消退 [7] - 企业AI的采用呈现“落地生根，然后扩张”的态势，客户通常从几百个许可证的试点开始，迅速扩展到数千个 [7] - 在定价方面，微软采取了基于价值的策略，目前推出了21美元/用户的低价商业版SKU以拓宽漏斗顶部的采用率，但长期目标是通过功能扩展支持高于30美元/用户的定价 [7] - 虽然许多客户目前尝试在内部构建AI代理（DIY），但微软认为随着维护模型、管理更新和建立可靠连接器的复杂性随时间复利增加，客户最终会回流到微软的平台化解决方案中 [7] - 销售激励机制已从最初关注定价，转向了加速客户的“实现价值”时间，表明公司正从单纯的销售转向深度的生态系统锁定 [7]