伯恩斯坦：中國大模型將憑成本優勢觸達全球35%-40%市場
0xBroomberg
伯恩斯坦最新報告估算，中國AI實驗室可觸達全球AI市場35%-40%的潛在份額、約3200至3500億美元，核心驅動力不是技術追平，而是用戶覺得「夠用就好」時會轉向更平的選項。
35%-40%這個數字怎樣算出來？
報告假設中國模型在美國市場幾乎沒有滲透，歐洲接受度亦偏低，但中東、東南亞等新興市場接受度普遍較高。
將這些區域加總，中國AI實驗室的潛在可觸達市場（TAM）約佔全球35%-40%，絕對規模約3200至3500億美元。
這意味著→ 即使地緣政治將美國市場幾乎完全鎖死，光靠「美國以外」的需求，中國AI公司的天花板依然很高。
憑甚麼說用戶會轉向更平的模型？
伯恩斯坦將Anthropic旗下Claude Fable 5的高昂token定價視為轉折信號——開發者開始重新審視使用成本，向性價比更高的模型遷移加速。
報告的核心邏輯：AI商品化（commoditization，即產品之間差異收窄、價格成為主要競爭維度）的驅動力不在於模型底層智能趨同，而在於用戶感知——特定場景下模型何時達到「夠用」的門檻。
用大白話說＝ 好比手機晶片，頂級旗艦同中端晶片跑分差好遠，但大部分人日常用根本感覺唔到分別——AI模型正走同一條路。
全球AI市場會點樣分層？
第一層：美國前沿實驗室主導，持續解鎖新能力，服務支付意願高、需求高度專業化的客戶——藥物研發、核聚變、太空探索等場景，用戶願付近乎無限的溢價。
第二層：消費級、中小企業及新興市場的「尾部AI」領域，競爭核心轉向每次任務的成本、可靠性和開發者信任度。
這意味著→ 中國實驗室的主戰場在第二層——不靠最強模型取勝，靠最抵用的模型拿下海量長尾需求。
中國實驗室的成本優勢從何而來？
三重結構性因素：較低的開發者人力成本 + 以全球最優模型為方向燈塔的後發優勢 + 對落後一代晶片集群的靈活運用。
報告援引智譜和Minimax的表態，稱中國頂級AI實驗室研發支出未來五年50%的年複合增長率「並不令人意外」。
但隨著越來越多場景被「解決」，需要持續燒錢的前沿領域會收窄 → 研發增速趨緩 → 運營槓桿（operating leverage，即收入增長快過成本增長的空間）開始顯現。
簡單來說＝ 追趕階段好燒錢，但一旦主流場景「夠用了」，燒錢速度會慢落嚟，利潤空間就打開。
騰訊和阿里點解被點名？
伯恩斯坦維持騰訊「跑贏大市」評級，目標價港幣780元；維持阿里巴巴「跑贏大市」評級，目標價美元180元/港幣176元。
騰訊的微信智能體AI佈局 + 阿里的Qwen生態，均指向消費級AI場景率先商業化——報告稱買奶茶、訂機票、買T恤等場景的AI代理部署「已近在眼前」。
這反映出伯恩斯坦的押注邏輯：誰離消費者最近、誰的場景最日常，誰就最先將AI商品化紅利變現。
中美模型差距會唔會重新拉大？
報告提示風險：美國前沿實驗室從Blackwell升級至Rubin等新一代晶片，短期內可能拉大中美模型能力差距。
但從歷史規律睇，技術擴散會推動差距重新收窄——伯恩斯坦認為6至12個月的領先窗口，相對於消費者習慣的粘性和企業採購的惰性而言「並不算長」。
這意味著→ 硬件代際領先是真實的，但在商業世界裏，用戶轉換的速度遠比晶片迭代的速度慢——時間站在追趕者一邊。
Content is for reference only, not financial advice.