大摩：中國AI以性價比與多模態為差異化路徑
0xBroomberg
摩根士丹利系統梳理中國AI路徑，核心判斷是：中國並非全面追趕美國，而是在性價比與多模態兩個方向形成差異化定位，2030年AI晶片自給率或達86%。
中國AI模型到底追上了多少？
全球前十基礎模型中，中美各佔約一半；但前三名仍由美國模型佔據，中國模型集中在第四到第十名。
從能力時間線看，中國模型與美國領先模型的差距約為3至6個月。這意味著→ 中國不是落後一代，而是落後半步——追得很緊，但頂尖仍差一截。
中國模型的核心賣點不是「更聰明」，而是「同等聰明但便宜得多」——高智能、低單價，目前相對美國模型仍有約15%至20%的價格折讓。
多模態能力——中國憑甚麼反超？
美國許多基礎模型仍以文本為主，而中國主要AI實驗室從一開始便內建視頻、音頻等多模態能力。
結果是：目前全球前三的視頻生成模型全部來自中國，分別出自字節跳動、阿里巴巴和快手。
簡單來說＝ 美國在「文字聊天」上領先，中國在「又能寫又能拍」上搶跑。這反映出兩條路徑的資源分配邏輯本身就不同。
造前沿模型靠甚麼？三要素裡中國一弱一平一強
算力：明顯受限。 出口管制下，中國在高端晶片獲取上有硬天花板。
數據：與美國無本質差距。 中國互聯網生態體量足夠大，訓練數據不是瓶頸。
算法：可能佔優。 中國高校每年輸送大量數學與工程人才，MoE（混合專家模型，把一個大模型拆成多個「小專家」協作）、多種 attention 機制等架構創新中有大量出自中國團隊。
晶片受限怎麼辦？從「比晶體管密度」轉向「比系統規模」
大摩預計2030年中國AI加速器晶片市場規模達約670億美元，自給率達約86%。
先進節點產能從2025年月產約8000片晶圓，提升至2030年月產約5萬片；良率從約20%升至約50%。
這意味著→ 製程仍落後，但中國走了一條繞路：晶片層用多晶片封裝拼算力，系統層用大規模集群堆算力，製造層靠生態協同擴產能——本質是把競爭從「單顆晶片多強」拉到「整套系統多大」。
國產GPU誰能跑出來？
中國GPU生態目前有十餘家廠商，主要買方優先支持戰略上重要的國產供應商，保障自給渠道。
大摩判斷：2027年前第三方廠商可獲得的市場空間有限；2028年後供給趨於充分，屆時才是國產GPU公司真正「亮肌肉」的時刻。
簡單來說＝ 現在是政策驅動的「保供」階段，真正的市場化競爭要等兩三年後供給打開了才開始。
算力基建投多少？中國CAPEX僅為美國的十分之一
大摩預計到2027年，中國超大規模雲服務商累計資本支出約700億美元，而美國同期約1萬億美元——中國規模僅為美國的約10%。
即便如此，AI已貢獻雲營收約10%，預計2029年升至約40%；未來增量需求將更多來自推理而非訓練。
這意味著→ 中國AI基建的天花板遠未到——如果需求超預期，CAPEX仍有較大上行空間。而推理主導的需求結構，恰好更利於性價比路線。
Content is for reference only, not financial advice.