中國AI：夠用即贏？規模與成本優勢重塑競爭格局
N.R. Finch
摩根大通預測中國AI數據中心資本支出將從2024年200億美元飆升至2029年1,510億美元，推理token需求年複合增長率達330%。這意味著→ 市場正在重新定價：中國AI不靠「最強」，靠「夠用且便宜」就能大規模落地。
中國AI走的是哪條路？
矽谷在拼前沿模型的參數上限，中國走的是另一條路：以更低成本把AI能力嵌入盡可能多的經濟環節。
摩根大通預計，中國國內AI推理token需求將以約330%的複合年增長率增長至2030年，驅動力是基礎設施投資和跨行業採用。
政策層面目標明確：2030年前讓AI廣泛進入大多數經濟領域——不是實驗室裡的突破，而是工廠、醫院、物流鏈裡的實際部署。
性能不如美國，點解仲可以贏？
以Anthropic旗艦模型Claude Fable 5為例，智能指數得分60分，DeepSeek V4-Pro為44分——高難度推理和智能體任務上差距明顯。
但成本差異更懸殊：每次任務費用約3.25美元 vs 0.05美元，相差約65倍。
簡單來說＝ 揸超跑去買牛奶，架車性能遠超實際需要。對大多數日常場景，性能差距唔足以支撐65倍嘅價格溢價。
這意味著→ 在推理需求爆發式增長的背景下，「夠用」的模型可能比「最強」的模型擁有更廣泛的商業落地空間。
成本優勢靠甚麼維持？
中國每年培養約150萬名工程師，美國約15萬至20萬——規模差近8倍。
這反映出 中國AI的成本護城河不僅是硬件便宜，還有工程師供給的結構性優勢在持續壓低部署成本。
摩根大通認為市場目前將中國AI企業定價為落後美國約9至12個月，而差距正在收窄。但風險在於：美國下一代模型若實現重大躍升，差距可能重新拉大。
資本市場點睇？
創業板指數過去一年累計上漲約67%，同期納斯達克100漲幅約37%。創業板近五個交易日單獨漲約10%，突破重要阻力位。
領漲板塊已從百度、阿里、騰訊轉向AI基礎設施、光網絡、先進製造及半導體相關企業。寒武紀再度出現逼空行情，漲幅明顯超越英偉達。
但創業板指數與中國融資融券餘額同步創歷史新高——這意味著→ 當前行情中投機性資金參與程度較高，追漲需要警惕槓桿風險。
真正的考驗是甚麼？
中國AI的終極問題不是「能不能做出最強模型」，而是規模化部署能否在商業上自我驗證。
簡單來說＝ 政策推動和資本市場情緒能把股價推上去，但如果企業用了AI之後賺不到更多錢，這套邏輯就站不住。
這反映出 當前中國AI敘事的核心張力：成本優勢是真實的，但從「便宜」到「賺錢」之間，還有一段路要走。
Content is for reference only, not financial advice.