中国AI：够用即赢？规模与成本优势重塑竞争格局
N.R. Finch
中国AI走的是哪条路？
硅谷在拼前沿模型的参数上限，中国走的是另一条路：把AI能力以更低成本嵌入尽可能多的经济环节。
摩根大通预计，中国国内AI推理token需求将以约330%的复合年增长率增长至2030年，驱动力是基础设施投资和跨行业采用。
政策层面的目标很明确：2030年前让AI广泛进入大多数经济领域——不是实验室里的突破，而是工厂、医院、物流链里的实际部署。
性能不如美国，为什么还能赢？
以Anthropic旗舰模型Claude Fable 5为例，智能指数得分60分，DeepSeek V4-Pro为44分——高难度推理和智能体任务上差距明显。
但成本差异更悬殊：每次任务费用约3.25美元 vs 0.05美元，相差约65倍。
用大白话说＝ 开超跑去买牛奶，车的性能远超实际需求。对大多数日常场景，性能差距不足以支撑65倍的价格溢价。
这意味着→ 在推理需求爆发式增长的背景下，"够用"的模型可能比"最强"的模型拥有更广泛的商业落地空间。
成本优势靠什么维持？
中国每年培养约150万名工程师，美国约15万至20万——规模差近8倍。
这反映出 中国AI的成本护城河不只是硬件便宜，还有工程师供给的结构性优势在持续压低部署成本。
摩根大通认为市场目前将中国AI企业定价为落后美国约9至12个月，且差距正在收窄。但风险在于：美国下一代模型若实现重大跃升，差距可能重新拉大。
资本市场怎么看？
创业板指数过去一年累计上涨约67%，同期纳斯达克100涨幅约37%。创业板近五个交易日单独涨约10%，突破重要阻力位。
领涨板块已从百度、阿里、腾讯转向AI基础设施、光网络、先进制造及半导体相关企业。寒武纪再度出现逼空行情，涨幅明显超越英伟达。
但创业板指数与中国融资融券余额同步创历史新高——这意味着→ 当前行情中投机性资金参与程度较高，追涨需要警惕杠杆风险。
真正的考验是什么？
中国AI的终极问题不是"能不能做出最强模型"，而是规模化部署能否在商业上自我验证。
用大白话说＝ 政策推动和资本市场情绪能把股价推上去，但如果企业用了AI之后赚不到更多钱，这套逻辑就站不住。
这反映出 当前中国AI叙事的核心张力：成本优势是真实的，但从"便宜"到"赚钱"之间，还有一段路要走。
Content is for reference only, not financial advice.