浙商證券:「單位任務完成成本」將成AI雲核心競爭焦點 看好全棧優化與規模優勢帶來長期機會

智通財經
昨天

智通財經APP獲悉,浙商證券發布研報稱,伴隨大模型推理規模持續擴張與技術迭代,「單位任務完成成本」將成為AI雲業務的核心競爭焦點。全棧優勢與規模優勢構成AI雲業務的兩大核心競爭力。該行看好AI雲高景氣需求下,全棧優化與規模優勢帶來的長期投資機會。隨着產業的深化,AI雲競爭未來核心聚焦「單位任務成本」競爭。Hyperscaler與Neocloud兩類廠商依託各自差異化底座優勢,持續優化集群利用率、降低單位Token成本,放大算力資產價值與盈利彈性。

浙商證券主要觀點如下:

雲業務核心競爭力:全棧優勢+規模優勢

全棧技術充分挖掘每一份算力效率,規模優勢提高集群利用率,最大程度減少閒置算力。大型CSP將依託橫向規模紅利、縱向全棧整合能力維持行業領先地位;而Neocloud有望憑藉純AI集群的專用化架構、第三方模型推理的同質流量帶來的效率增益,構築自身差異化競爭壁壘。

雲業務核心競爭力1:全棧優勢

全棧優勢核心1:從「局部最優」到「系統最優」。算力集群的GPU利用率不足,根源通常在於算力集群存在顯著的「短板效應」。而通過全鏈路全局協同,實現系統整體最優,減少各環節損耗,可獲得局部優化無法實現的綜合效能。谷歌全棧方案、英偉達與Nebius協同調優的實踐,都能體現全局調優帶來的性能躍遷效果。

全棧優勢核心2:為客戶提供更高附加值。該行把AI雲服務從底層至頂層分為物理基礎設施、託管基礎設施、託管推理服務、智能體優化層四大層級。全棧能力驅動AI基礎設施向高附加值環節升級,一方面藉助全局技術優化提升資源利用率,另一方面助力廠商實現客戶結構的多元化與分散化。

從全棧角度對比Nebius與CoreWeave;兩家為歐美頭部新興AI雲廠商,和英偉達深度綁定。二者均聚焦AI算力負載,但全棧演進路徑顯著分化:CoreWeave主要處於第二層級(託管多租戶基礎設施),Nebius則位於第三層級(託管推理TokenFactory),擁有更低的客戶集中度和更完善的全棧技術。

雲業務核心競爭力2:規模優勢

規模優勢核心1:通過大數定律消除流量波動,提高集群利用率。算力與業務流量規模擴張後,海量推理流量可平滑負載潮汐波動,提升GPU集群利用率、壓縮推理邊際成本。大規模集群並非消除流量波動,而是依靠大數定律對沖風險。GPU分片、連續批處理、Prefill/Decode解耦及資源複用等技術,均需依託大規模任務才能充分釋放性能,小規模流量場景下優化效果受限。

規模優勢核心2:邊際成本(TCO)下降。1)降低採購成本,大規模廠商依靠採購議價及ODM直採模式,壓低硬件採購成本;2)持續鎖定電力,且在電力能耗層面,算力規模擴張和利用率提升攤薄供電、空載散熱等固定能耗,推動PUE下行;3)攤薄團隊人力等固定成本。2023-2025年穀歌雲人員成本收入佔比持續回落,利潤率隨之改善。

如何理解Hyperscaler與Neocloud各自的競爭優勢?

1. CSP的核心競爭力。1)橫向規模優勢。2025年,頭部三大CSP雲業務收入均達百億美元級別,AWS、Azure更是實現千億美元營收;Neocloud廠商Nebius、CoreWeave營收僅分別為5.3億美元、51.3億美元。2)縱向全棧整合優勢。大型雲廠商在現有云業務佈局上仍積極佈局自研芯片,憑藉完整全棧能力持續築牢競爭壁壘。

2. Neocloud的差異化競爭力。儘管CSP在AI雲賽道佔據主要市場份額,但2025年以Nebius、CoreWeave為代表的Neocloud依舊實現高速增長,二者營收增速分別高達351%、168%。Neocloud的高成長主要源於在目前算力具有較大供需缺口的市場背景下,其具備靈活的組織機制優勢,且產業多方角色互相制衡。未來Neocloud有望依託純AI集群帶來的低TCO優勢,疊加第三方模型推理的同質流量效率優勢,構築自身差異化競爭能力。

風險提示:AI技術迭代不及預期;算力供需格局波動;行業競爭加劇;客戶需求波動;政策與合規風險

免責聲明:投資有風險,本文並非投資建議,以上內容不應被視為任何金融產品的購買或出售要約、建議或邀請,作者或其他用戶的任何相關討論、評論或帖子也不應被視為此類內容。本文僅供一般參考,不考慮您的個人投資目標、財務狀況或需求。TTM對信息的準確性和完整性不承擔任何責任或保證,投資者應自行研究並在投資前尋求專業建議。

熱議股票

  1. 1
     
     
     
     
  2. 2
     
     
     
     
  3. 3
     
     
     
     
  4. 4
     
     
     
     
  5. 5
     
     
     
     
  6. 6
     
     
     
     
  7. 7
     
     
     
     
  8. 8
     
     
     
     
  9. 9
     
     
     
     
  10. 10