获悉，高盛近日发布研报称，该行于过去两周与微软(MSFT.US)高管举行了一系列投资者会议。高盛表示，其感受是，微软在过去三年中做出了若干关键的AI决策，随着企业评估AI平台产品的重要性，这些决策正在带来回报。

具体包括：1)前置长周期资本开支，使该公司今天对短周期capex决策拥有更大的灵活度;2)在自研应用与第三方客户之间平衡资本开支，使Copilot和MAI(微软自研AI模型)的输出质量得以提升;3)在前沿模型客户与企业客户之间平衡资本开支，使得第四季度RPO(剩余履约义务)510亿美元的增长全部来自企业(而非前沿模型实验室)，且公司在模型生态演进过程中可以减少对任何单一模型的依赖。最后，微软正利用其数十年的在位优势，推动AI在企业中落地，包括其安全与治理方面的声誉(例如Agent 365捆绑于E7)、将模型与企业特定上下文结合以在企业环境中实现持续提升的能力，以及前线部署工程师(FDEs)的快速扩充，以支持庞大的积压承诺。

高盛在研报中维持对微软“买入”评级，并认为未来值得重点关注的价值发现领域将集中在MAIA(微软自研AI芯片)和MAI的改进，以及企业平台进入市场的势头;12个月目标价为640美元，这一目标价较该股周一收盘价501.61美元有近28%的上行空间。

关键议题

1)关于资本开支

高盛表示，其感觉是，微软相比一年前正在传递出对供应链和产能爬坡拥有更强控制力的信号。这一变化主要体现在：

长期资本开支占比下降。过去三个季度，长期资本开支占资本开支总额的比例已经从约50%降至约33%，部分原因在于微软此前已经前置投入了土地、建筑和“cold shell(指建筑结构/外壳基本具备，但室内几乎没有或只有极少的系统安装)等长期资本开支。

在短期资本开支中，CPU目前已经取代GPU成为最大的资本开支组成部分。与此同时，相关决策仍会尽可能推迟到供应约束流程的最后阶段再做出(回顾来看，GPU从装卸码头到投入运行的时间目前已经缩短了50%)。

微软从未表示CPU和GPU供应受到限制。相反，更普遍的限制来自安装这些芯片所需的数据中心空间。因此，如果资本开支中受到约束的部分占比越来越小，该行推断，微软整体上拥有更大的能力，可以灵活调整非受限资本开支的规模以满足需求。

微软认为，整个行业需要在新的数据中心社区建设方面清晰阐述成本与收益。在Quincy(华盛顿州最早的数据中心所在地之一)，当地生活在贫困线以下的人口比例已经从超过30%下降至低于10%。微软能够观察到其最成熟AI客户在过去3至5年中的扩张情况，因此可以据此对未来3至5年企业客户需求的扩张做出相对合理的基准预测。

2)关于ROIC

高盛指出，单位经济效益优于最初云计算周期的相同阶段，这将支持随着每一批资本开支逐渐成熟而形成更大的利润池。

云计算时代的一项重要经验是，在Azure和自研应用之间采用统一的技术栈(而不是采用不同的技术栈，后者需要进行更精细的匹配，最终导致利用率更低)。此外，微软能够从第一年开始就获取AI原生客户，而不像云计算周期那样成为后进入者。

针对投资者反馈，高盛认为微软未来几个月可能会提供更多有关ROIC的细节(回顾来看，谷歌本月早些时候披露，其AI服务器的回本周期不到2年;CoreWeave则在IPO时披露为2.5年)。

与此同时，高盛进行如下推理：如果本轮周期的每一批资本开支都领先于上一轮周期，那么除非租金收益被不均衡地分配给半导体和代币(token)公司等环节，否则本轮周期的投资回报率(ROI)也将领先于上一轮周期。

在半导体方面，微软认为芯片层将变得更加多元化，就像此前CPU市场的发展一样。在token租金方面，微软认为，公司能够在第三方token之上提供足够的价值，同时协调第一方与第三方token之间的关系，因此随着时间推移，利润率受到的影响将非常有限。综合来看，微软认为，没有结构性原因导致AI业务的毛利率无法接近云计算业务的毛利率。

随着行业逐渐成熟，云业务收入增速将转而快于资本开支增速，这与云计算周期的发展规律一致。预测这一交叉曲线的挑战在于，需求信号目前仍在持续增强，从而使这一时间节点不断推迟。

在定价方面，微软并未采取过于笼统、力度过大的全面提价方式，而是指出了几项能够推动长期客户生命周期价值(LTV)优化的定价手段：a)合同续签目前采用的折扣率低于通常水平;b)推出新的SKU，例如CPU领域的新产品，其价格点高于现有产品(过去10多年行业普遍存在降价趋势);c)每周动态分配产能，在第一方应用、第一方模型开发和产品路线图，以及广泛的客户群体之间进行调整(第四季度RPO环比增加510亿美元，全部由非前沿实验室客户的订单推动)。许多客户都做出了广泛的承诺，并与Frontier Co(FDE)合作，使微软能够围绕客户具体的AI目标以及更长期的发展路径与客户展开合作。

3)关于芯片

高盛指出，微软的目标是提供尽可能低成本的token。微软拥有Jalapeno的知识产权，因此其在芯片竞赛中拥有两张牌，另一张是MAIA。近期MAIA 200取得了进展，其基准测试表现已经能够很好地与Trainium相媲美。与微软整体的垂直整合战略类似(例如模型层)，采用多种芯片可以避免在新型芯片技术仍处于快速演进阶段时，过度依赖某一种解决方案或某一代架构。这也让客户可以在适合的情况下选择上一代芯片。

4)关于前沿模型的发展节奏

高盛指出，微软认为任何新技术都必须创造社会和经济价值。微软拥有长期鼓励制定监管措施、支持安全与保障的历史。

目前的瓶颈并不在于前沿模型的原始性能达到了什么水平，而在于如何将这种性能应用到企业使用场景中。因此，即使做一个极端的思想实验——假设前沿模型的性能不再进一步提升——仍然存在巨大的增长空间。

关于模型多样性，微软重申了其观点，即模型生态正在实时演变为一个在性能和价格区间上高度异质化的模型集合。目前Foundry托管的模型数量已达到1.1万款，公司有意采取多模型战略。

除了重申不会为OpenAI或MAI的token支付费用之外，微软并未对不同模型之间的经济效益提供方向性信息。微软表示，即使某些模型需要支付费用，公司也能够接受，因为其有能力交叉销售利润率更高的平台服务。微软的Scout是一款自主智能体，基于OpenClaw构建，但经过了企业级改造。

支持成本更低的开源模型，反过来也能够释放预算，用于增加使用量或推动更多业务转型。在内部，微软已经成功进行实验：限制工程团队仅在确实能够从前沿模型中受益的情况下使用前沿模型，从而优化资源配置，避免让那些看不到明显收益的工程师使用前沿模型。

前沿模型发展节奏变化是否会影响资本开支?需要回顾的是，微软的资本开支决策取决于当前的需求信号，而前沿模型发展速度的变化目前并未影响需求信号。

微软当然可以选择将新增资本开支分配给前沿模型，但目前的做法是优先配置能够服务广泛客户群体、覆盖多种潜在工作负载的产能。Stargate产能被削减就是一个很好的例子;第四季度全部RPO增长均来自非前沿客户则是另一个例子。

5)关于自身模型战略

高盛表示，微软重申其已经受益于OpenAI在前沿领域的经验。这些经验可以进一步被微软利用，同时帮助其在2032年之后构建自身的模型独立性。因此，微软拥有具有清晰发展脉络的模型技术栈，这些技术栈吸收了OpenAI的经验，但并不依赖OpenAI。

对于MAI，微软目前的重点是将前沿领域的知识产权与微软拥有显著领域经验的业务领域相结合，包括知识工作者(M365系统中拥有17EB数据)、编程和安全。基准测试表明，其成本/性能已经取得有意义的进展。近期的一个例子是安全领域推出Project Perception，用于持续开展渗透测试。

6)关于M365

微软强调，FY27是近年来首次指引收入增速加快的一年。从E5和E7的渗透率来看，微软指出，新增加的用户主要集中在低端市场，包括一线员工和中小企业。E7的发布取得了良好表现，部分原因在于捆绑了Agent 365功能，为客户提供可见性和价值。AI将在整个客户群体中以不同形式得到采用，但渗透率披露可能会变得不那么有用。

应用软件的定价也将发生变化：虽然基于席位(seat-based)的SKU中将嵌入更多价值，但随着软件更加全面地解决“劳动力单位/成果”问题，而不再只是围绕席位附加价值，未来将逐步加入消费型计费元素。从长期来看，消费型业务带来的美元规模机会将大于每位用户带来的美元规模机会。

7)关于软件抽象层相对于前沿模型的风险

微软指出，前沿模型领域的竞争格局处于动态变化之中，因此企业并不希望被锁定在某一个前沿模型上。与此同时，智能体会在现有软件生态中创造更多工件(artifacts)，这反而会提升M365等软件生态的价值。

微软的核心观点是，在“工具编排层”(harness level)仍然存在大量价值，包括持续性的安全性、上下文以及成本优化，而模型公司可能无法以模型无关的方式复制这些能力。