云会客厅中美AI投资差异核心观点纪要

发布时间：2026-08-30 一、AI总结内容 一、核心投资逻辑 1. 中美AI投资差异的核心源于技术路线选择：美国走规模优先、拼算力的路线，中国因算力约束走算法优先、效率优先路线，模型能力差距快速收敛，中国技术选择风险更小、回报更稳2. 中国AI资本开支的核心逻辑是"稳健加速"：稳健体现在不单纯拼规模，注重收入兑现、利润转化与投资效率；加速体现在需求侧与供给侧均形成增长态势，增速可观 二、中美AI产业链差异分析 1. AI基建的资本开支对应产业链环节：主要包括数据中心（含厂房、土建）、电力设备、IT设备（计算设备如服务器、网络设备，细分至芯片如CPU、GPU、光芯片等），部分企业采用算力租赁等轻资产模式，资本开支统计需注意口径差异 2. 中美数据中心存量差距大（美国5427座，中国449座，美国是中国的12倍），但中国发电能力优势明显（2024年发电量超美国2倍），电力设施不足以解释AI投资规模差距，核心因素是商业模式、技术路线、资本市场成熟度差异 三、国产AI硬件进展与挑战 1. 国产算力芯片近2年进展显著：单卡性能、超节点互联能力大幅提升，从芯片算力指标向系统级应用能力延伸，2024-2025年AI加速卡国内占比达41%，英伟达卡占比降至55%，国产替代提速 2. 国产算力芯片仍面临挑战：受外部限制，高端半导体代工产能爬坡困难，先进封装、存储器（如DRAM、HBM）存在配套压力，但国内存储器巨头扩产精进，核心供应瓶颈有望2-3年逐步突破四、AI应用与商业化进展 1. 中国AI应用端活跃：企业AI部署率达45%，高于全球平均的38%，企业生成式AI应用渗透率高，AIPP月活突破2.4亿，日活同比增220%，硬件与模型出海成为拉动算力投资的新动力2. 开源模型盈利并非低毛利：通过AI基础设施优化提升算力利用率，单位Token成本大幅下降，部分企业采用10个月折旧硬件的模式，具备强盈利潜力，市场对开源模型毛利率的认知存在误区3. AI商业化突破：国内大模型尝试付费订阅，未来核心突破点在To B的API服务，中国企业在推理成本优化上投入更多，已形成良好开端五、产业判断与观察框架 1. 2026-2027年AI硬件产业核心判断：维持稳定高位运行，未出现明显泡沫化，供需沟通顺畅，无全产业链库存堆积风险，资本开支持续性乐观，但增速较前两年低基数阶段略有放缓2. 硬件投资景气度跟踪指标：全球维度看云大厂算力租赁价格；中国维度看Token调用量/订阅量等应用指标、国产芯片交付量等算力可得性指标、企业利润率与出海进度等变现指标 二、音频原文（转写） 各位直播间前的小伙伴们，大家晚上好，欢迎来到由中金财富打造的中国五菱中国行云会客厅，我是今天的主持人吕亚飞，很荣幸中金公司研究部宏观经济分析师、执行总经理黄文静。中金公司研究部科技硬件及半导体行业分析师总监程乔生来到我们的视频播客与大家进行交流，有请两位跟大家打个招呼。嗯，各位投资者，大家晚上好。我是中金宏观分析师黄文静，非常感谢今天有这个机会来到云会客厅跟大家见面。 嗯，大家晚上好，我是中金公司客静见行业分析师陈尧生啊，也非常感谢哈这个中金财富能给我提供这个机会啊，来与大家在云会客厅做一个这个全面的交流。黄文静，中金公司宏观分析师、执行总经理，2010年开始从事市场宏观经济研究，曾在中金公司、阳光资产、中信证券。啊。光大证券担任宏观分析师。 曾在excel亚洲货币 机构投资者新财富 远见杯等评选中屡获佳绩。并在国内核心期刊发表多篇论文。接受过中国证券报、CGTN等多家媒体的采访。并担任 CF四十青年研究员 程乔生二零一八年七月加入中金公司。 现任研究部半导体行业研究员、总监。在中金研究部负责芯片设计领域的研究。擅长运用基本面研究方法，从宏观角度。自上而下。 分析行业大趋势。并结合个股财务分析和横向对比研判投资机会。乔生总毕业于美国密歇根大学，获固态电子学硕士学位。今天我们聊一个非常硬核又备受投资者关注的问题。 如何理解中美AI投资的差异？我们在您的报告中看到两组数字。2025年，美国私人AI投资2859亿美元。中国约一百二十四亿美元。 差距超过二十倍。但另一个数据却很有意思，中美大模型的能力差距。却从七个月缩小到四个月。算力和资本差距超过二十倍，但模型能力差距却在快速收敛。 这个反差背后，到底是算力的神话被打破了？还是中国在用别样。别的方式绕过去。请文静总沟通一下。 嗯，对，呃，其实我们看到 中美的A I 开本支出的差距是非常大的哈，这个有很多数据都能支持您刚才讲的数是。呃，这个美国斯坦福大学出的这个AI2026的这个AI呃index report里面的数据哈，这个我们看到私人投资。中国是美国的二十三分之一。如果如果看这个呃呃融资的话，呃整个这个融资体量，美国大概是。 呃，在一级市场的这个融资的 呃，A I企业融资的家属是中国的，大概有十倍左右。如果看这个数据中心的这个体量，大概也是在十倍左右的这个差距。呃，那其实我们看到这个差距。呃，无论是用什么样的数字来看，好像。 中国的AI开发支出都跟美国差距巨大，这个也是。诶 呃，当时M F有这个一些。经济学家来中国的时候给我们提的一个问题，所以我们写了这篇报告哈，就是为什么中美在 A I capex呃，这个A AI的竞争当中其实 好像呃这个不相上下，但是中国的这个投资体量比美国差的非常的大。啊，我们觉得这个一个很重要的因素是 我们选的技术路线是不一样的。 呃，美国的技术路线更多的是嗯这个。呃，规模优先。啊，这个靠拼算力。呃，这个拼前沿拼参数。 啊，然后所以他的开的支出其实是非常大的。呃，那这个也是跟呃美国现在它的这个。这个呃算力没有瓶颈有关哈。但是中国呢，由于我们受到了这个算力的一些约束，呃，我们国产替代还在路上，所以其实中国在选择 呃，技术路线的时候，我们更多的选择的是这个算法优先的这这种效率优先的这种路径。 呃，其实呃，当然算力呃，这个是我们不管是拼这个模型的一些这个。呃，技术前沿也好，还是我们整个产业的这个。上线也好，其实。呃 当然有这个算力，有这个。 开展的支出 是非常好的，但是当我们受限制的这个情况下，其实 我们有自己的方法啊，其实我们在这个算法的架构上面，在工程的架构上面。呃，其实还是有很多效率可以去精进的。所以我们会看到中国选择的这个算法优先、效率优先，其实更多的是一个人才迷信。这个跟我们中国自己本身的规模优势也相关。 我们现在人才和这个数据都是。呃，在全球来说是非常具有规模优势的。那我们利用这个人才的优势。其实拼算法更多的是拼人才。 我们也看到，不管是这个。呃，AI的这些论文上面。发表上面还是？呃，这个AI专利的申请上面中国 呃，本科毕业的这些人呃，还是在国际上是遥遥领先的。 然后同时我们也在数据上能看到，呃，在过去几年，其实呃，在美国工作的中国。毕业的人最多哈，这个就是呃AI论文的这个和专利申请当中。呃，但是在美国工作的还是最多的，但是有一个。呃，这个编辑的变化是其实。 呃，过去几年在美国工作发表更多AI论文的这些人在下降。在中国工作的。啊，这个发表论文的。这个在上升哈，这也说明我们边境上也在吸引很多AI的人才回来。 那所以这个在呃人才。密集数据这个有规模优势，这个情况下我们采用算法精进就相对来说。呃，我们的AI开支出没有那么的强，但是我们大模型的差距跟美国其实也 不太相上下哈，现在。我们模型的差距跟美国相比是大幅的这个。 时间呃时间差在大幅缩窄。啊，这是中国的一个技术路线的选择。呃，当然，呃，我们随着我们这个国产算力、国产替代的精进，那我们可能未来呃，我们的开票的支出也能够起来，也能catch up，但是我们可能跟 呃，美国相比就是选择了一条更加 呃 拼效率。然后这个更加注重。 呃，模型能够应用落地在我们这个回报上面。也更加这个呃，相对来说风险小的一个路径。好的。我们也知道AI基建投资不是单一的环节，那AI的完整链条包括哪些环节呢？ 我们平时说的资本开支。对应产业链的哪个环节？我们由程总帮我们。解释一下。 哎，好的，那个谢谢吕老师的问题哈。呃，这个基建的这个问题，其实之前哈我也。做客过直播间哈，也跟大家讲过很多次了。那整体从算力基建的角度来看呢，其实你 从最顶层来看啊，资本开始投下去，首先应该是对应的这个数据中心的投资。 那数据中心投资里面其实还是包含了这个。不少的部分哈，我们宏观上看。数据中心首先是有这些厂房和土建啊。那厂房和土建里面呢，我有各种各样的设备。 啊，当然设备我比如说 要分为这个服务器啊，机房里面的一些这个IT的设备。当然也包含了一些，比如说这个电力啊，这个基础设施。因为我整个的这个。呃，其实机房的供电啊，我要从这个重压的电网拉出来，然后呢，我要给机房进行供电。 那我肯定整个的这个。电力的这个供应哈，涉及到了一系列的这个变换啊。所以这块我需要一些电力设备。然后另外呢，还有一些可能说对于呃数据中心的这个供电的保供啊，我需要一些这个。 呃，不间断的电源啊，这种类似储能的这些设备啊都。包含在。这种电力设备里面啊，当然我说更核心的。或者我们现在看到，即使大家投资上啊，最 重点呢，或者我们说。 呃，大家。最吃劲儿的啊，可能就是属于这种算力啊，或者我们说IT的设备啊，它这里面其实主要包含了这个。计算设备啊，服务器啊，包括了这个网络设备啊，一些交换机。啊，这个光互联的一些设备啊，那这些其实。 呃，都是我们讲到这个。capex里面啊，所包含的是核心环节啊。如果把这个计算设备，如果我们再往下分啊，当然还可以分到。像这种。 呃，我们说服务器里面的这种主要的计算芯片啊，CPU GPU对吧？存储芯片这些东西。当然刚才讲了网络设备里面，你涉及到这个交换机里面的。交换芯片啊，还有这个。 光模块对吧？光芯片这些哈，其实也都是大家比较关心的环节。所以整个我们觉得，如果从AI基建投资来看啊。那实际上我刚才讲到，就是宏观的数据中心体系之下啊。 应该说至少是包含了这个。IT设备啊，包括还有电力设备两个这种。比较偏大的一个环节啊，当然每个里面。你细分下去啊，肯定还有。 这个不同层级的一些东西啊，我觉得这个可能是。基建投资的一个对应的一个。具体的投资的方向啊。当然我们刚才您讲到这个资本开支哈，我觉得其实大家现在看到。 真正对于AI的基础设施建设，其实大家也不一定啊，都是以这种 いい 这个资本开始的方向。来去这个。我们说支出的啊，对吧？其实有些公司。 啊，他可能不一定采用这种重资产的模式啊，有些公司可能 它属于大的哈，北美的C S P啊，中国的CS P，它是属于 我自采算力啊，自研算力这种模式，但是我们也看到了有一些。其实是偏向于以这种。轻资产的方式来运营的，对吧？属于这种。 我们已经用算力租赁的一个角度啊来去看，所以有些东西。他也不一定啊，现在所有的AI基建投资，我都是以资本开支这个统计口径所进行支出的。啊，有些我可能大量的。我现在有一些算力租赁的模式啊，算租的模式。 我可能更多的是以这种费用的角度啊去进行。这个支出的啊，所以说。这个可能说这个从 呃，蜘蛛口径上啊，现在。我们也看到AI基建。 呃，呈现一个多元化啊，对，但是呢。从具体投资的方向来看吧，我觉得。其实可能更多的是。呃，刚才我讲的这个两个方向啊，当然你如果从 整个的这个AI的分层来看啊，这个基线上面我们还有。 这个模型层啊，这个。中间的一些这个。软件的框架啊，对吧？然后还有上层的一些我们说。 应用和服务啊，所以这些可能是偏向于。这个从整体的投资架构来看的啊，但是上面这些呢。可能就不属于这个AI基建的范畴了啊，那这个可能是。我这边的一个这个。 大概的一个解答。好。感谢乔生哥。嗯，如前所示，根据斯坦福2026AI index report。 2025年美国私人AI投资是中国的23倍，但这其中是不是有一个统计口径的问题？比如没算政府投资。会不会低估了中国真实的。投入体量 这是否意味着中国真实的AI投入体量被低估了？ 我们的资本市场对长期不盈利的容忍度。跟美国到底差在哪？请文