瑞銀：中國AI模型API均價不足美國同類兩成，毛利率持平
Claire Weston
瑞銀測算顯示中國AI模型API均價不到美國同類產品的20%，訓練成本不足10%，但毛利率與美國同行基本持平——低價不靠補貼，靠的是結構性成本優勢。
低價的錢從哪省出來？
三層成本差全部指向同一方向：參數更小、算法更省、電更平。
參數規模上，DeepSeek V4總參數1.6萬億，Kimi K2.6約1萬億；而Claude Opus 4.6和GPT-5.5分別約10萬億和5萬億——中國模型用更少參數跑。
計算精度上，DeepSeek-V3率先引入FP8混合精度訓練，V4進一步壓到FP4；這意味著→ 同一塊GPU上能塞進更多計算量，單位成本直接下降。
基礎設施層，中國數據中心電價約4.4美仙/度，美國約7.9美仙/度，低約44%；GPU租用價格同樣低約40%。
推理成本點解壓到咁低？
關鍵槓桿有兩個：更低的MoE激活比例同KV緩存壓縮。
美國早期MoE模型（混合專家架構，將大模型切成多個「專家」模塊，每次只激活其中幾個來回答問題）通常激活15%至30%參數；中國領先模型只激活約3%至10%。簡單來說＝ 同樣大的模型，中國版每次只「叫醒」好少一部分專家做嘢，算力開銷細得多。
DeepSeek V4活躍參數比從V3.2的約5%降到約3%，但智能指數反而從42升到52——更省仲更聰明。
KV緩存（模型記住之前對話內容的「記憶條」）在多輪對話中佔推理成本約70%；DeepSeek V4將緩存壓到V3.2的約10%，綜合成本比V3再降約10%。
毛利率持平說明咗乜？
MiniMax通過端到端基礎設施團隊實現超過75%的算力利用率，行業平均只有40%至50%。
其M2.7模型毛利率超過40%，與Anthropic 2025年約40%的API毛利率基本一致。
這意味著→ 中國模型的低價唔係「蝕本搶客」，而係成本結構本身就低一截，利潤空間並無被壓縮。
性能差距仲有幾大？
2023年中國前沿模型綜合智能約為美國頂尖模型的60%，到2025年已升至約90%。
分領域睇：文本模型接近90%水平；全球前五視頻生成模型中四個來自中國；AI編程可比肩美國上一代，但仍落後最新前沿。
這反映出 中國模型行的係「夠用就得、極致壓價」路線——在絕大多數商用場景裡，90%的能力加20%的價格，採購決策唔難做。
開源生態點解能加速追趕？
智譜和MiniMax 2025年研發支出合計約8億美元，僅為Anthropic的約十分之一。
但中國團隊大量複用彼此驗證過的技術：Kimi K2和GLM-5用咗DeepSeek驗證的MLA潛在注意力設計，DeepSeek V4引入Moonshot AI的Muon優化器，Qwen3和GLM-4.5採用DeepSeek的GRPO強化學習方案。
簡單來說＝ 美國閉源模型各自為戰，中國開源生態「集體實驗、分散受益」——研發邊際成本被系統性攤薄。
瑞銀畀咗乜預期？最大懸念係乜？
瑞銀估算全球AI長期市場規模可能超過10萬億美元，基準預期（類比電動車、智能手機）：中國模型攞下全球30%至50%份額。
樂觀場景（類比光伏）：若能力趨同、競爭純睇成本，份額可達80%以上；悲觀場景（類比雲計算）：若美國前沿模型保持能力領先且深度嵌入企業工作流，中國份額可能在10%以下。
高盛交易台負責人Rich Privorotsky將核心矛盾稱為「價值萬億的問題」：更低的智能成本，究竟創造的需求多，還是摧毀的定價權多？
他援引OpenRouter實驗：Gemini 3 Flash + Kimi K2.6 + DeepSeek V4 Pro的組合，以約一半成本全面超越單獨運行的GPT-5.5和Opus 4.8——這反映出 答案的走向，將直接決定當前AI板塊數萬億美元市值的合理性。
Content is for reference only, not financial advice.