中國AI硬體國產化提速，低成本模型構築價值鏈兩端護城河
nashnova research
美國銀行證券報告指出，中國AI價值鏈的長期價值正向硬件瓶頸與雲端平台生態兩端集中，中間層模型廠商面臨定價權不足的結構性壓力。
國產AI晶片份額三年翻近三倍，誰在領跑？
中國國產AI加速晶片的市場收入份額已從2024年的不足30%升至2025年的約50%，預計2028年接近80%。
華為以35.5%份額領跑國產陣營；英偉達仍以47%居整體第一，但差距持續收窄。
這意味著→ 按這個速度，國產晶片三年內將從「替補」變成「主力」，英偉達在中國市場的定價權會被反向壓縮。
存儲和設備追趕到了甚麼程度？
長鑫存儲（CXMT）全球DRAM收入份額從2024年的3%–4%升至2026年二季度的約10%，已進入低功耗LPDDR6量產階段。
長江存儲（YMTC）NAND份額同期從7%–8%升至約14%，正從232層向260層以上推進。
簡單來說＝ 存儲晶片是AI訓練的「彈藥庫」——長鑫和長江存儲正在把彈藥從進口換成國產，速度比市場預期快。
設備端，國產份額從2019年的22%升至2025年的約30%；刻蝕、沉積等環節已超40%–50%，但光刻、離子注入、量測檢測仍是明顯短板。
晶圓代工加價了，說明甚麼？
中芯國際8英寸等效晶圓均價從2025年上半年的904美元升至2026年上半年的965美元；華虹半導體同期從437美元升至461美元。
兩家二季度產能利用率分別達94%和103%。
這意味著→ 代工產能供不應求，加價並非成本推動，而是需求拉動——下游AI晶片訂單在搶產能。
中國大模型便宜但夠強嗎？
核心優勢在推理成本效率，而非前沿訓練能力。2026年美國頭部雲廠商資本支出約6,480億美元，中國同類約1,200億美元——差距仍在擴大。
智譜GLM-5.3以45分列全球第七，Kimi K3以44分列第九；Claude Fable 5.1和GPT-6 Astra以53分領跑。
簡單來說＝ 中國模型用五分之一的錢做到了全球前十的水平，但離「天花板」還有明顯距離。
市場實際使用量誰最多？
據OpenRouter數據，DeepSeek V4 Flash 0731以31.6萬億tokens領跑8月用量，騰訊混元3以26.2萬億居次，小米MiMo-V2.5以19.1萬億列第三。
在Vercel AI平台，DeepSeek 8月平均佔token用量的29.7%，高於Anthropic的24.7%。
這反映出 中國模型在實際調用量上已能與美國頭部產品正面競爭——「便宜好用」正在轉化為真實市場份額。
價值鏈兩頭硬、中間軟，投資該看哪裡？
美國銀行證券的核心判斷：硬件端（晶片、設備、代工、存儲）靠高資本壁壘+長開發周期+政策保護，護城河更持久。
雲端平台與互聯網生態佔據用戶入口，同樣具備規模優勢。
中間層的獨立大模型實驗室和物理AI廠商面臨低轉換成本、激烈價格戰、有限定價權的結構性壓力。
簡單來說＝ 做晶片和做平台的能賺到錢，夾在中間只做模型的，目前還看不到誰能定價。
市场有风险，内容仅供研究参考，不构成投资建议。