大摩中国AI发展路径

这份研报主要分析了中国AI的发展路径，涵盖了算力基建、数据中心范式迁移、经济模型、模型格局、应用落地、重点公司观点、行业估值与风险等多个方面。报告指出，中国AI相关资本开支将在2026至2030年达到8.5万亿元，推动国内算力总容量至约81GW。AI云成为超大规模云厂商的核心增长引擎。数据中心机柜密度从5kW升至10–30kW，单笔订单从5–20MW扩大至50MW以上。报告还分析了IaaS层和MaaS层的经济模型，以及中国前沿大模型在全球SOTA中的地位。此外，报告探讨了AI在B端和C端的应用落地情况，以及重点公司如阿里巴巴、腾讯、百度、美团等的AI布局。最后，报告评估了中国互联网AI板块的估值与风险，认为中国AI产业链正从‘算力投入期’迈向‘回报兑现期’。

中国AI行业的发展趋势呈现多方面特点。在算力基建方面，预计2026至2030年，中国AI相关资本开支将达到8.5万亿元，推动国内算力总容量至约81GW，其中本土新增约55GW。AI云成为超大规模云厂商的核心增长引擎。数据中心范式迁移方面，AI时代机柜密度从5kW升至10–30kW，单笔订单从5–20MW扩大至50MW以上，选址转向远端区域，交付周期压缩至6个月。经济模型方面，IaaS层自研算力基础设施营业利润率约44%，投入资本回报率（ROIC）13%；MaaS层自研第一方（1P）模型在较高Token吞吐量下营业利润率53%，ROIC 19%。模型格局方面，中国前沿大模型占全球SOTA半壁江山，主流Pro级模型输入价格降至每百万token 3–20元。应用落地方面，B端渗透提速，预计未来三年替代相当规模白领工时，场景覆盖广告、金融、医疗等。消费端竞争转向超级生态内AI功能嵌入。这些趋势表明中国AI行业正快速发展，并在多个领域展现出巨大潜力。

研报重点分析了以下几个方面：首先，算力基建和数据中心范式迁移，报告预测了未来几年中国AI相关资本开支和算力总容量的增长，并探讨了数据中心机柜密度、订单规模、选址和交付周期等变化。其次，经济模型分析，报告详细介绍了IaaS层和MaaS层的营业利润率、投入资本回报率（ROIC）和现金回收期等关键指标。第三，模型格局，报告指出中国前沿大模型在全球SOTA中的地位，以及主流Pro级模型的价格趋势。第四，应用落地，报告分析了AI在B端和C端的应用场景和竞争格局。最后，重点公司观点，报告介绍了阿里巴巴、腾讯、百度、美团等公司的AI布局和发展情况。这些分析方向全面覆盖了中国AI行业的多个重要领域。

当前中国AI市场的现状呈现出快速发展和技术创新的特点。在算力方面，中国AI相关资本开支预计将在2026至2030年达到8.5万亿元，推动算力总容量至约81GW，其中本土新增约55GW。AI云成为超大规模云厂商的核心增长引擎，厂商在供应链中扮演多重角色。数据中心方面，机柜密度从5kW升至10–30kW，单笔订单规模扩大至50MW以上，交付周期压缩至6个月。模型方面，中国前沿大模型占全球SOTA半壁江山，主流Pro级模型价格降至每百万token 3–20元，价格战趋缓。应用方面，B端渗透提速，预计未来三年替代相当规模白领工时，场景覆盖广告、金融、医疗等。消费端竞争转向超级生态内AI功能嵌入。这些现状表明中国AI市场正在快速发展，并在多个领域展现出巨大潜力。

研报提到了中国互联网AI板块的估值与风险，主要包括上行风险和下行风险。上行风险核心在于电商货币化提速、企业数字化超预期及AI需求拉动云收入加速。这些因素可能推动中国AI行业进一步发展，并带来更多投资机会。下行风险则来自竞争加剧、再投资成本高于预期、消费复苏缓慢及监管趋严。竞争加剧可能导致行业利润率下降，再投资成本高于预期可能影响投资回报，消费复苏缓慢可能影响C端AI应用的市场需求，而监管趋严可能对行业发展带来不确定性。这些风险提示提醒投资者在关注中国AI行业发展的同时，也要注意潜在的风险因素。