**行业与公司** * 行业：宏观经济、中美关系、科技（人工智能、芯片、云计算、机器人、绿色能源）、稀土与锂电、五年规划[1][3][6][9][14][15][24][29][34] * 公司：摩根士丹利（研究机构）[2][5][8][12][20][28][33][36] **核心观点与论据** **1 中美关系：多种情景与相互制约的平衡** * 美中关系前景存在多种情景，从取消峰会导致紧张局势持续或升级，到达成有限休战或更持久的稳定协议[7] * 近中期升级受限于芯片与稀土的相互制约平衡[9] * 更持久的稳定可能包括：中国大规模采购美国农产品和能源产品、美国正式回调关税、双方做出互惠市场准入承诺、建立更清晰的低端芯片和商业半导体设备许可框架、以及中国稳定可预测的稀土出口[7] **2 中国在稀土与锂电领域的全球主导地位** * 中国在全球稀土和锂离子电池供应链中占据主导地位[14] * **稀土领域**：中国在精炼生产（全球份额90%）、磁体供应（全球份额92%）等下游环节优势明显，但在储量（全球份额49%）和矿产生产（全球份额69%）方面优势较小[10] 磁体供应因技术诀窍成为最难环节，目前仅中国和日本能大规模生产，且中国自2023年起已禁止相关技术和设备出口[11] * **锂电领域**：中国在电池生产和销售（全球份额86%）上拥有强大且可持续的主导地位，这得益于其完整的价值链、快速的技术迭代以及无与伦比的规模和成本优势[11][13] **3 五年规划：聚焦科技自给与绿色转型** * **新内容**：为科技和绿色转型设定了清晰的量化目标[16] * **不变之处**：保持以供给侧为中心的政策立场；提振消费的承诺仍为定性表述[16] * **未来展望**：未来6-12个月内将出台行业蓝图[16] * **关键目标数据**：研发支出五年复合年增长率目标>7%（“十四五”实际为10.2%）[15] 数字经济核心产业占GDP比重目标从2025年的10.5%提升至12.5%[15] 非化石能源消费占比目标从2025年的21.7%提升至25%[15] 城镇化率目标从2025年的67.9%提升至71%[15] **4 AI 基础设施：绿色能源、计算与云服务** * **能源（AI 算力栈底层）**：政府推动数据中心使用绿电，目标为2025年30%、2027年50%、2030年75%、2032年100%[19] 中国一次能源消费结构中非化石能源占比为27%[22] * **计算（AI 算力栈中层）**：中国AI芯片自给率预计将从2021年的10%提升至2030年的76%[25] 中国芯片在性能/成本比上正缩小与英伟达A100的差距，并追赶H200[26][27] * **云服务（AI 算力栈上层）**：中国主要云厂商（阿里云、火山引擎、腾讯云、百度云）提供从硬件到最终应用的全套解决方案[30][31] 中国模型正在与OpenAI进行对比[31] **5 机器人：从数字AI到实体AI** * 预计到2050年，中国将占全球人形机器人累计采用量的约30%[34] * 与非中国供应链相比，中国供应链具有显著的成本优势[35] * 全球人形机器人累计采用量预测：2036年23,684台，2050年1,019,238台[34] **其他重要内容** * 报告基于摩根士丹利研究估计，并引用了美国能源部、公司数据、EV tank、SNE等来源[5][8][12][20][28][33][36] * 报告包含详细的风险披露、合规声明及地域性分发限制说明[38][39][40][44][45] * 报告提及了亚太地区（包括印度、印尼、菲律宾、日本、台湾、韩国、马来西亚、泰国、香港、新加坡）的一次能源消费结构对比[22]

行业与公司 * 行业：中国互联网及其他服务行业[4] 人工智能云（AI Cloud）[1][9] * 公司：阿里巴巴（Alibaba Group Holding）[1][8][9][62] 字节跳动（ByteDance）[9][44] 腾讯（Tencent）[9] 百度（Baidu）[40] GDS（万国数据）[9] VNET（世纪互联）[9] 核心观点与论据 * 中国AI云市场增长迅猛：预计2024至2029年复合年增长率（CAGR）为72%，市场规模将达到人民币80亿元，其中生成式AI（GenAI）的占比将从6%提升至39%[9] * 阿里巴巴是首选股：基于其全栈领导力，预计将成为AI云发展的关键赢家[1] 摩根士丹利给予其“增持”评级，目标价180美元[9][62] 预计其2027财年云收入增长45%，为市场最高预期[1][9] 牛市情景目标价260美元，假设云业务增长50%且2027/28财年EBITA利润率达到12%/14%[9] * 云服务提价周期将至：潜在的云服务提价可能推动实现260美元的牛市估值[1] 报告列举了自2025年12月以来AWS、谷歌云、网宿科技、Ucloud等公司的提价案例[59] * 竞争格局将重塑：阿里云和字节跳动（火山引擎）凭借其全栈产品能力和强劲的资本支出，可能在AI时代胜出[9] 拥有全栈能力（云、芯片、模型家族、MaaS/PaaS、2C/2B应用）至关重要[40] * 云业务利润率有扩张潜力：通过优化利用率、采用自研芯片组以及潜在提价来实现[9] 从模型训练转向推理、采用更高效的模型和自研ASIC芯片也有助于提升利润率[51][54] * 其他关键股票观点：GDS和VNET等中国IDC公司将持续受益于云资本支出周期和有利的下游定价[9] 腾讯拥有最佳的2C生态系统以捕捉未来应用增长[9] 其他重要内容 * 需求驱动因素：AI工作负载的令牌使用量激增[19] 首席信息官（CIOs）更倾向于选择超大规模云服务商来协助部署AI[24] AI工作负载正加速向公有云迁移[31] * 供给驱动因素：产能仍是主要制约因素[32] 预计2026年超大规模云服务商的资本支出将达到人民币5390亿元[33] * 风险提示：阿里巴巴的上行风险包括核心电商货币化能力增强、企业数字化加速、AI需求超预期[72] 下行风险包括竞争加剧、再投资成本超预期、消费复苏疲软、企业数字化进程放缓、监管审查[72] * 利益披露：截至2026年2月27日，摩根士丹利持有阿里巴巴、百度等多家报告涉及公司1%或以上的普通股[79] 在过去12个月内，摩根士丹利从阿里巴巴、百度、腾讯等公司获得投资银行服务报酬[80]

**涉及行业与公司** * **行业**：中国人工智能云（AI Cloud）市场，包括基础设施即服务（IaaS）和模型即服务（MaaS），以及相关的数据中心（IDC）和半导体供应链 [2][7][10][47][78] * **公司**： * **主要云服务商**：阿里巴巴（Alibaba/AliCloud）、字节跳动（ByteDance/Volcengine）、腾讯（Tencent）、百度（Baidu）、华为（Huawei）、电信运营商（Telco）[5][18][19][45][50][51][60] * **数据中心（IDC）**：万国数据（GDS）、世纪互联（VNET）[5][55] * **AI模型开发商**：MiniMax、深度求索（DeepSeek）、智谱AI（Zhipu）、月之暗面（Kimi）、知识图谱科技（Knowledge Atlas Technology JSC Ltd）等 [8][82][104][158][159] **核心观点与论据** **1. 市场前景：中国AI云市场将迎来爆发式增长** * **高速增长**：预计中国AI云（IaaS+MaaS）市场规模将从2024年的150亿人民币（Rmb15bn）增长至2029年的2180亿人民币（Rmb218bn），期间复合年增长率（CAGR）高达72% [7][10][47][80] * **结构变化**：生成式AI（GenAI）在IaaS+PaaS市场中的份额将从2024年的6%大幅提升至2029年的39%，成为核心增长驱动力 [7][10][48][80] * **需求驱动**：推理（inference）需求是未来增长的主要动力，预计2024-29E的CAGR为103%，远超训练（training）需求的26% [102]。代币（token）使用量激增，例如字节跳动“豆包”的日均代币使用量从2024年12月的4万亿（4tr）增长至2025年底的50万亿（50tr）[82][104] **2. 竞争格局：双雄争霸，市场集中度提升** * **两强格局**：阿里巴巴和字节跳动凭借全栈产品能力、强大的资本支出和芯片获取能力，最有可能在AI云时代胜出，形成“双马竞赛”格局 [10][45][149][156] * **超大规模云厂商（Hyperscalers）重获份额**：自2024年下半年起，以阿里云为代表的超大规模云厂商正在从电信运营商和华为手中夺回IaaS市场份额，主要得益于更好的AI模型、更快的创新速度以及更优的供应链资源 [50][51][148] * **字节跳动成为新颠覆者**：字节跳动（火山引擎）在AI云市场（尤其是GenAI IaaS和MaaS）份额迅速提升，2025年上半年在GenAI IaaS市场占据约14.2%的份额，在MaaS市场占据37.5%的份额，成为重要竞争者 [22][51][99][149][151] * **百度与腾讯定位**：百度虽具备全栈能力，但在云业务规模、模型能力和应用层均落后于领先者 [5][56][205]。腾讯云在缺乏领先前沿模型和投资相对保守的情况下，更可能受益于开源模型 [5][55][199] **3. 盈利潜力：利润率扩张机会显现** * **历史低利润率**：中国云服务商的利润率远低于美国同行，例如阿里云在F26E的EBITA利润率预计为高个位数，而全球同行运营利润率在30-40% [50][223] * **利润率提升路径**： * **从训练转向推理**：推理工作负载通过更好的定价机制、更多增值服务捆绑、架构/软件创新（如KV缓存）以及更优的资源分配（如批处理），能产生比训练更强的利润率 [3][46][52][231][232] * **自研ASIC芯片**：采用自研ASIC（如阿里的T-Head、百度的昆仑芯）可降低基础设施成本，并与自研模型协同优化，提升模型算力利用率（MFU）和代币生成效率，预计可降低服务器层面单位资本支出50%以上 [52][158][221][234] * **潜在的涨价周期**：受上游半导体（尤其是内存）成本上涨和需求旺盛驱动，全球超大规模云厂商（AWS、GCP）已开始涨价。中国出现早期迹象（如网宿科技CDN涨价、UCloud涨价），若超大规模云厂商跟进，可能开启20年来的首次涨价周期，显著提升利润率 [4][44][52][53][242][247][248] * **对阿里云的影响**：假设每年有20%的合同续签，整体合同价格每上涨10%，可推动阿里云EBITA利润率提升4个百分点 [54][255]。在牛市情景下，预计阿里云F27E/F28E收入增长为50%/40%，EBITA利润率达到12%/14%（基准情景为45%/30%和9%/10%）[4][258] **4. 关键催化剂与风险** * **上行风险/催化剂**： * **超大规模云厂商涨价**：响应供应短缺和强劲需求 [6][58] * **AI应用/智能体（Agent）创新**：例如OpenClaw的普及导致代币使用量非线性增长 [6][58][104] * **芯片出口限制放宽或国内产能加速扩张**：带来更多算力 [6][58][128][129] * **下行风险**： * **竞争加剧**：特别是来自字节跳动的激进定价 [6][58][253] * **AI智能体采用速度慢于预期** [6][58] * **出于安全考虑，公有云采用速度放缓**：企业可能更倾向于混合或私有云部署 [6][48][49][58][109] **5. 具体公司观点与估值** * **阿里巴巴（BABA）- 首选股（Top Pick）**： * **核心逻辑**：作为中国最佳AI基础设施标的，拥有从芯片（T-Head）、IaaS、模型（Qwen）、MaaS（百炼）到2C/2B应用的全栈解决方案，并与生态系统深度整合 [2][3][54] * **财务预测**：将F27财年云收入增长预测从40%上调至45%（市场最高预期）。基准情景目标价180美元，牛市/熊市情景目标价分别为260/120美元 [2][3][4][265] * **估值**：中点分类加总估值法（SOTP）目标价为每股245美元，其中云业务贡献91美元 [3][37][54][269][274] * **腾讯（OW）**：仍被视为最佳AI应用标的，凭借其强大的社交网络和生态系统，AI在其生态内的更多应用是关键重估催化剂 [5][55] * **百度（EW）**：虽有全栈解决方案，但在云业务、模型和应用层均落后于领先者 [5][56] * **数据中心（IDC）**：看好万国数据（GDS）和世纪互联（VNET），认为它们是阿里巴巴和字节跳动在偏远地区积极资本支出计划驱动的数据中心扩张的受益者 [5][55] **其他重要但可能被忽略的内容** * **供应侧约束与改善**：芯片供应是中国AI发展的关键制约因素，预计从2026年下半年起，随着国内AI晶圆产能扩张（预计2026-27E几乎翻倍）及英伟达H200等芯片可能重新进入，约束将逐步缓解 [52][108][128][129] * **增长由资本支出驱动**：在周期早期，增长主要由供应驱动，资本支出是云收入增长的领先指标。预计中国超大规模云厂商资本支出在2026年将同比增长42%，达到5380亿人民币（Rmb538bn）[130][135] * **基础设施效率优化**：尽管芯片受限，但基础设施提供商正努力提升AI芯片使用效率。例如MiniMax的模型算力利用率（MFU）可达75%以上，高于行业平均的40-50%，从而降低了推理成本 [131] * **中美市场差异**： * **公有云渗透率**：2024年中国公有云支出仅为美国的约10%，IaaS、PaaS、SaaS分别相当于美国的36%、9%和4%，反映出中国企业更偏好硬件支出和私有/本地部署 [61] * **服务器采购**：以五年累计量计算，中国服务器出货量约为美国的70%，金额约为50%，远高于公有云对比，表明中国公有云渗透率较低且定价更便宜 [61] * **新云厂商（Neoclouds）威胁**：与美国不同，中国的供应约束在于高端芯片（已被超大规模云厂商掌控），且中国超大规模云厂商利润率已很薄，因此新云厂商（如GPU算力租赁商）在中国不太可能构成重大竞争威胁 [212][214] * **数据安全是长期顾虑**：企业担心使用AI云会泄露专有数据，长期来看混合部署可能是最优选择，这可能限制AI云的长期市场总规模（TAM）[48][49][109] * **模型能力对比**：根据Artificial Analysis排名，在中国模型中，Kimi领先，其次是深度求索和阿里巴巴的Qwen [163]。CIO调查显示，阿里巴巴/Qwen和字节跳动是AI预算的最大赢家 [158]