�但微软指出�冷却�因此�

<p id="48L56C3I">微软股价自去?年12月中旬？的高点回落了16%，至今仍难以收复500美元的关键关口。</p> <p class="f_center"><br></p> <p id="48L56C3K">对于在观望的交易员而言，核心问题只有一个：这次回调是否构成了绝佳的“抄底”良机？高盛分析师Gabriela Borges在造访微软雷德蒙德总部并与高管深入交流后，给出了极其肯定的答案。</p> <p id="48L56C3L">高盛的结论直截了当：<strong>在覆盖的所有科技巨头中，微软是利用AI产品周期实现复利增长的“最佳标的”。</strong>这一判断不仅仅基于模糊的愿景，更有着具体的财务路径支撑——高盛预计，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。对于投资者而言，这意味着当下的恐慌可能正是入场的门票，因为微软正在通过基础设施的灵活性和独特的利润率优势，确立其在AI时代的统治地位。</p> <p><strong>重演云时代奇迹：从高成本到高利润的必然路径</strong></p> <p id="48L56C3M">微软管理层向高盛展示的最核心逻辑在于，<strong>当前的AI周期与早期的云（Cloud）周期有着惊人的相似性。</strong>投资者不必对目前高昂的AI投入成本感到恐慌。回顾云转型的早期阶段，同样充斥着高昂的成本和疲软的单位经济效益，但随着规模效应、利用率提升和工程效率的优化，利润率随后迎来了显著扩张。<strong>微软在云转型期间设立了中期毛利率目标，并在每一年都将实际表现控制在目标偏差100个基点以内，这种精准的执行力将在AI时代重演。</strong></p> <p id="48L56C3N"><strong>事实上，微软认为自己在AI周期中的领导地位甚至优于当年的云周期。</strong>这种自信源于一种近乎狂热的运营纪律和效率提升。一个典型的例子是，微软发现某个模型中的低效元素导致了超出预期的算力消耗，在云时代，解决此类问题可能需要2-3个月，而在当前的AI运营紧迫感下，团队仅用一个周末就交付了优化方案。随着规模的扩大，微软确信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。</p> <p><strong>护城河的本质：OpenAI合作带来的毛利率优势与LLM抽象层</strong></p> <p id="48L56C3O"><strong>在软件层面，微软的竞争优势正在转化为实实在在的财务壁垒。</strong>高盛特别指出，<strong>微软与OpenAI的合作关系使其拥有了独特的毛利率优势。</strong>由于拥有OpenAI模型的知识产权（IP）权利，微软在调用这些模型时无需支付额外的API费用，这实际上免除了一笔巨大的“毛利率税”，构成了相对于其他软件提供商的显著竞争优势。</p> <p id="48L56C3P">此外，微软正在重新定义大语言模型（LLM）的角色。正如虚拟机抽象了硬件、容器抽象了操作系统一样，微软视LLM为下一代抽象层，它将抽象化应用程序本身的逻辑。未来的应用将不再依赖硬编码的规则，而是转向意图驱动的执行。微软的Foundry平台有机会成为这一层的控制中枢，负责路由、治理和成本优化。</p> <p id="48L56C3Q">尽管目前市场过分关注新模型（如ChatGPT 5.2与5.1）绝对成本的增加，但微软指出，下一代模型在设计上正变得更加高效。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。</p> <p><strong>基础设施的“通用性”战略：拒绝客户自备芯片，以此掌控全局</strong></p> <p id="48L56C3R"><strong>在基础设施建设上，微软展现出了极强的战略定力，拒绝了看似诱人的短期妥协。</strong>管理层明确表示，“客户自备芯片”（BYOC）模式对微软而言既无经济吸引力，也无战略优势。BYOC会造成基础设施堆栈的孤立，破坏云利润率的核心驱动力——即规模化采购、全栈集成和端到端优化。</p> <p id="48L56C3S"><strong>微软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。</strong>因此，微软并未与Anthropic达成BYOC协议，而是坚持利用自身的采购和资产负债表优势，为客户提供所需的芯片架构，从而保持系统的整体效率。</p> <p id="48L56C3T">支撑这一战略的核心是“通用性”。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，其新的“Fairwater”设计采用了两层结构和3D机架布局，缩短了线缆距离以提高GPU性能。为了获得这种在不同工作负载和硅片间灵活切换的资本敏捷性，微软甚至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。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。</p> <p><strong>企业采用率的拐点：从“是否使用”转向“何时扩大”</strong></p> <p id="48L56C3U">在市场需求端，高盛观察到了明显的风向转变。与一年前相比，企业客户关于Copilot的对话已经从探讨投资回报率（ROI）和“是否”采用，转变为聚焦于“何时”以及“何种程度”地采用。预算的不确定性正在消退，客户不再像去年四季度那样为了防御宏观风险而保留预算。</p> <p id="48L56C3V"><strong>微软指出，企业AI的采用已经非常广泛，并呈现出“落地生根，然后扩张”的态势。</strong>客户通常从几百个许可证的试点开始，随着熟悉度提高，迅速扩展到数千个。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。</p> <p id="48L56C40">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。<strong>销售激励机制也已调整，从最初关注定价，转向了加速客户的“实现价值”时间，这表明微软正从单纯的销售转向深度的生态系统锁定。</strong></p>