Читай-Китай

🖥️ ИИ-сервер в Китае втрое дороже, чем в США, и окупается на год дольше

Китайский сервер с восемью GPU стоит примерно втрое дороже американского, а выручку с той же мощности приносит сопоставимую — отсюда разрыв в отдаче: около 13% на вложенный капитал против 31% в США. Morgan Stanley разобрал экономику такого сервера в трёх сценариях: сдавать его в аренду (IaaS), продавать доступ к модели через API (MaaS) или пересдавать арендованные чужие серверы. Это не фактическая доходность облачных провайдеров, а модель при заданных ценах и загрузке: вложения возвращаются примерно за три года.

Для IaaS решающей становится цена оборудования, для MaaS — доля инференса и число проданных токенов, а в арендной модели — разница между двумя ставками. Способность получать отдачу в каждом из трёх сценариев, по оценке банка, поддерживает премию в оценке Alibaba.

Три способа заработать на одной вычислительной мощности

Самая высокая прибыльность получается при продаже доступа к модели через API. Базовый сценарий MaaS предполагает 4000 токенов в секунду на GPU, половину нагрузки на инференс и цену 9,56 юаня за миллион токенов.

Валовая маржа достигает 76%, операционная — 53,1%, ROIC — 19,4%, а вложения возвращаются за 2,5 года.

В годовом расчёте на сервер с восемью GPU MaaS приносит 3,6 млн юаней выручки. После примерно 1,7 млн юаней амортизации и прочих расходов остаётся 1,9 млн операционной прибыли, а после 0,3 млн налога — 1,6 млн NOPAT, то есть операционной прибыли после налогообложения.

Аренда мощности у нового облачного оператора (neocloud) устроена как перепродажа. Провайдер платит владельцу сервера 200 тыс. юаней в месяц и получает от клиента 250 тыс.

Годовая выручка составляет 3 млн юаней, EBIT — 600 тыс., маржа — 20%, NOPAT — 510 тыс. юаней. Начальных капитальных затрат нет, операционный денежный поток достигает 710 тыс. юаней.

При клиентской ставке 200 тыс. юаней в месяц маржа обнуляется; при 300 тыс. она вырастает до 33,3%, годовой EBIT — до 1,2 млн, а NOPAT — до 1,02 млн юаней. Аренда закрывает срочный спрос, пока строятся собственные мощности, но часть дохода остаётся владельцу оборудования.

Свой сервер: 43,5% маржи ещё не означают высокий ROIC

Для собственного IaaS базой служит сервер за 8 млн юаней и ещё 400 тыс. юаней вложений в дата-центр. При месячной аренде 250 тыс. годовая выручка равна 3 млн юаней.

Из неё вычитаются 1,6 млн амортизации сервера, 26,7 тыс. амортизации инфраструктуры и 67,4 тыс. расходов на энергию; совокупные операционные затраты достигают 1,694 млн юаней.

В результате EBIT составляет 1,306 млн юаней, или 43,5% выручки. После налога по ставке 15% остаётся 1,11 млн юаней NOPAT.

Это даёт 13,2% ROIC на общий капитал в 8,4 млн юаней. Годовой операционный денежный поток оценивается в 2,737 млн, срок возврата — в 3,07 года.

Диапазон сценариев показывает влияние цены железа. При сервере за 12 млн юаней и месячной ставке 350 тыс. ROIC равен 11,7%, NOPAT — 1,45 млн, а возврат занимает 3,20 года.

При сервере за 4 млн и ставке 150 тыс. абсолютный NOPAT снижается до 770 тыс. юаней, зато ROIC растёт до 17,5%, а срок сокращается до 2,76 года. Это связанные пары цены оборудования и аренды: дешёвый сервер способен компенсировать меньшую выручку.

Разрыв между модельными 43,5% и нынешней маржой Alibaba Cloud в 11–12% создают старые низкомаржинальные услуги, амортизация ранней инфраструктуры, разработка и персонал. Высокая юнит-экономика новых серверов поднимет весь бизнес только при устойчивой загрузке.

Китай проигрывает США не в выручке, а в цене оборудования

В IaaS выручка на гигаватт в Китае и США сопоставима, однако китайский сервер с восемью GPU, по модели Morgan Stanley, обходится примерно втрое дороже американского аналога. Поэтому китайский ROIC около 13% составляет лишь 42% от американских 31%, а возврат капитала занимает 3,1 года против 2,2 года. Более дешёвые энергия и дата-центры в Китае смягчают разницу, но не перекрывают амортизацию оборудования.

В MaaS китайская инфраструктура выдаёт 4000 токенов в секунду на GPU против 2750 в США. Преимущество связывается с меньшими моделями, архитектурой MoE, механизмами внимания и эффективным KV-кэшем.

Но на инференс приходится только 50% нагрузки против 65% в США, а ценовая конкуренция жёстче. В итоге китайский NOPAT достигает 69% американского, ROIC остаётся около 19,4% против 46,2%.

Цена токена сама по себе мало говорит об экономике модели. Изменение тарифов Z.AI, Kimi и DeepSeek не обязательно ухудшает результат: дешёвый и быстрый API может зарабатывать больше дорогого конкурента. Пока значительная часть мощностей лабораторий, включая Qwen, занята обучением, их показатели остаются у нижней границы расчётного диапазона. При низкой доле инференса и недостаточной пропускной способности MaaS может стать убыточным даже при том же капитале.

Что это значит

Для Alibaba опорой во всех трёх сценариях служат крупнейшая среди китайских провайдеров ИИ-инфраструктура, зрелое облако и Qwen. Собственные мощности дают модельную маржу, аренда закрывает пики без капитальных затрат, а MaaS превращает вычисления в повторяющуюся выручку. Цель на конец 2026 года — ARR MaaS выше 30 млрд юаней; доля ИИ в облачной выручке при этом приближается к 50%.

Morgan Stanley на этой логике сохраняет для американских акций Alibaba рейтинг «выше рынка» и цель 180 долларов, что на дату исходного материала означало потенциал около 45%. Расходы Tencent в пересчёте на год уже превысили 200 млрд юаней и могут подтолкнуть Alibaba к более крупным вложениям. При этом, по мнению аналитиков, фокус Alibaba на IaaS и MaaS делает оценку её будущего ROIC более определённой.

Улучшить китайскую доходность могут три изменения из модели банка: удешевление GPU-серверов, рост эффективности моделей и перенос большей доли мощности с обучения на инференс. Итоговая отдача зависит не от наличия серверов само по себе, а от их цены, загрузки и способности платформы превращать вычисления в оплаченные услуги.

По материалам 36Kr, Сюй Чао, 19 августа 2026.
По теме:Искусственный интеллект в КитаеТехнологииЭкономика и бизнес

Каждый день — 4–5 разборов из китайской прессы. Без рекламы и воды.

Читать в Telegram