科技 個股 宏觀中國AI模型成本僅為美國兩成，結構性優勢引華爾街重估

瑞銀半導體團隊近期發佈深度研究，對中國主要AI模型的訓練與推理成本進行了系統性拆解。結果顯示，以MiniMax和智譜為例，中國模型的訓練成本不到OpenAI和Anthropic的10%，API均價低於美國同類產品的20%。但關鍵指標毛利率卻與美國同行基本持平，約在20%-40%之間。這表明中國模型的低價並非依靠燒錢補貼，而是源於真實的結構性成本優勢。

成本差距來自三個層面的疊加。訓練階段，中國模型的參數規模普遍較小，如DeepSeek V4總參數量為1.6萬億，而學術論文估算Claude Opus 4.6和GPT-5.5分別約為10萬億和5萬億。更關鍵的差異在於稀疏注意力機制的應用，DeepSeek V3.2採用自研設計，V4進一步加入上下文壓縮，大幅降低了計算消耗。在計算精度上，中國模型率先引入FP8甚至FP4混合精度訓練，理論吞吐量可翻倍。基礎設施層面，中國可比地區平均電價約4.4美分/度，低於美國主要數據中心州的7.9美分/度，導致GPU租用成本低約40%。

推理端的優化更為激進。中國模型普遍採用混合專家架構（MoE），且活躍參數比通常僅激活3%-10%，遠低於美國同行的15%-30%。DeepSeek V4 Pro的活躍參數比降至約3%，但模型智能指數反而從42升至52。此外，KV緩存壓縮技術使DeepSeek V4在相同上下文長度下僅需V3.2約10%的緩存，直接推動綜合成本下降約10%。在服務編排上，P/D分離和持續批處理等技術顯著提升吞吐率，MiniMax的模型算力利用率（MFU）超過75%，高於行業平均的40%-50%。這些技術疊加使推理成本持續壓縮，而毛利率仍能維持合理水平。

性能差距正在快速收窄。根據Artificial Analysis數據，2023年中國前沿模型綜合智能約為美國頂尖模型的60%，到2025年已上升至約90%。在文本模型領域已接近90%水平，AI編程可比肩美國上一代模型，多模態與視頻生成方面全球前五中有四個來自中國。值得注意的是，智譜和MiniMax 2025年研發支出合計約8億美元，僅為Anthropic的十分之一左右。這種高效追趕得益於蒸餾技術和開源生態的集體槓桿效應，各家實驗室可直接在已驗證的架構和方法上迭代，降低了整個生態的研發邊際成本。

企業端對成本的壓力已轉化為具體行動。Uber在2026年4月用完全年AI預算，對員工個人AI工具設置每月1500美元token消耗上限；Walmart限制了內部AI智能體的token使用量；軟件公司Workato在Anthropic切換計費模式後，支出直接翻了7倍。OpenAI CEO山姆·奧特曼也公開承認成本已成為客戶的“巨大問題”。企業採購決策正從“選最強的”轉向“選夠用且最便宜的”，這為中國模型提供了直接的市場機遇。

瑞銀估算全球AI長期市場規模可能超過10萬億美元，併為中國模型的全球擴張給出三個場景：成本主導場景下，若模型能力趨同且token同質化，中國可能複製光伏產業的路徑；性價比場景作為基準預期，中國模型在絕對智能上仍落後，但憑藉價格優勢在中高端以下市場獲取30%-50%的全球份額；性能或生態主導場景下，若美國前沿模型保持明顯領先且深度嵌入企業工作流，中國份額可能維持在個位數低段。報告認為，需求將趨於分層，複雜高價值任務仍為頂尖模型支付溢價，而大量高頻、ROI敏感的工作量將流向更便宜的替代品。