美股拐点可能比你想更近！为什么说中国是在帮美国AI探路？三个新启发，可能改变你对AI投资的判断！
17小时前
播放量 2.7k
在去年年底发布的26年美股前瞻视频中我说过，26年，将会是中国AI快速发展的一年。而现在回看整个趋势已经非常明显了。首先是阿里的千问大模型持续发力，紧接着，DeepSeek连发了几篇重量级的论文等等等等。那既然如此，最近我就不禁去琢磨这么些问题，为什么中国可以在AI赛道上表现得这么好呢？中美两国之间的AI竞争，到底存在着哪些本质上的差异？这一切，对于咱们平时主要关注美股的投资者来说，又意味着什么呢？
开通服务即可查看评论～
文字稿
在去年年底发布的26年美股前瞻视频中我说过，26年，将会是中国AI快速发展的一年。
而现在回看整个趋势已经非常明显了。首先是阿里的千问大模型持续发力，紧接着，DeepSeek连发了几篇重量级的论文，刚过去不久的春晚，成了各家AI机器人的竞技秀场，最近，MiniMax更是火出了圈。所有这些现象都让我们真切地看到，中国在AI技术上的确取得了非常不错的进展。这也难怪之前像黄仁勋、马斯克这些科技界的顶尖大佬们，都曾在不同场合再三强调中国AI的强大能力，并将其视为一种威胁。
那既然如此，最近我就不禁去琢磨这么些问题，为什么中国可以在AI赛道上表现得这么好呢？中美两国之间的AI竞争，到底存在着哪些本质上的差异？这一切，对于咱们平时主要关注美股的投资者来说，又意味着什么呢？
今天这期视频，咱们就来聊聊这个中美AI竞争的话题。咱们这里不光要聊出中美AI之间到底有怎么样的竞争，更重要的是，我们需要从中找到一些对AI行业发展，以及投资AI股票的新启发。
明确五层蛋糕模型
中美之间的AI差距，究竟有多大呢？为了更清晰、更直观地为大家做这个对比，咱们不妨引入一个非常有意思的概念，“AI五层蛋糕模型”。
这个模型是英伟达CEO黄仁勋之前专门提到过的。他认为，想要把AI真正发展起来，就必须进行这五层自下而上的结构建设。这五层蛋糕分别是，能源层，芯片层，基建层，模型层，和应用层。正好，老黄在3月10日就发布了一篇他对于五层蛋糕未来发展解读的文章，并再次强调了AI五层架构的分析逻辑。那既然如此，接下来咱们就把这个蛋糕切开。我们一层一层地去拆解，这五层结构里，中美两国各自的竞争态势到底是什么样的，这样我们可以更好地看懂两国之间的竞争。
点击放大
五层蛋糕讨论
能源层
咱们先从最底下的能源层开始看起。能源在AI这个领域里，其实拼的就是电力供应。在这一层面的较量上，中国完胜。咱们平时经常能看到新闻说美国的缺电问题非常严重，但你想想，什么时候听说过中国因为发展AI，而搞得到处缺电的呢？从来没有。就是因为中国的电力供给是十分充裕的。
这点从过去的电力数据走势也能得到验证。下图可以看到，中国在能源基础设施的建设速度，确实是把美国远远甩在了身后的。这跟中国的制造业能力和举国体制优势有关。
而反观美国这边，不管是建发电站、拉电网，都会遇到各种各样的麻烦。比如原材料跟不上、施工人员严重短缺，还有繁杂的环境保护政策，可以说是处处受制约。微软CEO纳德拉在采访中就说过，他认为电力是AI的瓶颈，担心因为不够电，GPU在库房里吃灰。所以在能源这一层来说，中国的领先优势非常明显，也具有持续性。
点击放大
芯片层
能源这边中国占了优势，但第二层，芯片的情况就完全不一样了。在AI相关的芯片中，核心就是两个品种，计算芯片和存储芯片。
计算芯片，也就是GPU、CPU这类芯片，按照25年的数据来看，美国几家头部芯片公司就占了全球绝大部分的市场份额。其中，25年英伟达GPU等芯片收入就超过1500亿美元，占到全球份额64%；把AMD、英特尔、博通等加起来之后，更是能占到全球市场份额的80%以上。
点击放大
而中国这边，完全是两个数量级。下图是我总结的，中国几家头部相关上市公司的收入表现。可以看到，即便是收入规模最大的海光信息，25年收入也只有18亿美元，仅为英伟达同期的1%。
点击放大
而造成中美之间芯片产业的差距，主要还是性能之间的差距。从这张图可以看到，华为的芯片在性能上只有英伟达的零头，而且差距还在不断地拉大。而这两张图，则是美国业内人士总结的，是英伟达、AMD，和中国的华为昇腾、寒武纪的对比。可以看到，英伟达和AMD在运算性能、存储容量、数据带宽都全面领先，如果看未来几代的GPU产品规划，其性能跃迁更为明显。所以可以看到，在AI芯片领域，美国完胜。
点击放大
点击放大
点击放大
除了计算芯片以外，存储芯片也有类似的结论。在AI数据中心的存储芯片中，我们主要看的是HBM。这部分只有三家企业在批量供应，分别是韩国海力士、韩国三星、和美国镁光。而中国企业还没有能力规模化量产供数据中心用的HBM产品。目前中国的龙头企业，长鑫存储（主攻DRAM）和长江存储（主攻NAND）虽然取得一些进展，但仍无法实现HBM3的量产，距离行业至少也落后3年左右。
这里我需要多解释一下。上面我们只是对中美两国芯片企业层面做了一个比较。可大模型企业的芯片都是去全球采购的，一个典型的例子就是存储芯片里面两家头部韩国企业，而韩国企业的订单全都给了美国公司去了。因此，对于中美两国来说，除了自身芯片企业之外，还有一个全球芯片获取能力的比较问题。
众所周知，因为美国的先进芯片和设备出口管制政策的影响，中国在采购芯片和设备上都是存在 明显制约的。另外别忘了，还有台积电的制造能力，它的先进制程也是只供应给美国的企业，而中国的中芯国际在各个维度上都至少落后5到10年。这就进一步拉开了两国的差距。
这些所有因素加起来就会发现，在芯片层，美国是断崖式地领先于中国。
基础设施层
蛋糕的第三层，是基础设施。按照黄仁勋的意思，这包括土地、电力输送、冷却、建设、网络等。在此前的采访中黄仁勋说过，他认为这部分能力，中国实际上要更强一些。我的理解是，这更多是在说中国的工程能力和配套效率，比如拿地、供电、园区建设和整体落地速度更有优势。但如果看整个AI 基础设施的上限，特别是高端算力集群、内部互连和系统级整合，美国目前还是领先的一方。
模型层
蛋糕的第四层，模型层。这里开始就变得有意思了。从模型的能力来看，毫无疑问，美国的ChatGPT、Gemini、Claude的能力，肯定要比中国的模型要强，但问题是，这个差距有多大呢？
两国差距
这里我就不卖关子了，直接上结论。根据各项数据来看，美国最先进的大模型比中国大概领先6到12个月左右。下图是大摩根据ArtificialAnalysis总结的，23年以来，中美几个主要AI大模型玩家的性能发展对比图。这个图可能有些混乱，不好直接看出结果，但如果你专注于看阿里巴巴和deepseek的两条线，会发现他们的性能，就是比OpenAI差了半年到一年左右。
点击放大
进一步去看，我们以当前美国编程能力最强的Claude opus4.6，和中国最强的智谱旗下GLM5为例。按照open router的AI能力指数评级，现在claude opus4.6为53分，GLM5为49.6分，GLM5的评分更接近上一代的opus4.5的49.7分。而从时间上，Opus4.5的发布时间是25年年底，而GLM5和opus4.6都是在26年1月底2月初发布的。所以，我们可以看到，GLM5更多是在追赶上一代OPUS大模型的水平。这个时间差甚至比半年要更短一点。
为何模型能力差异并不大？
说到这里，也许有朋友会好奇，中美两边模型企业所能获得的芯片硬件资源差异巨大，为什么模型性能却没有差异那么大呢？
事实上，如果你真去用一下中国的豆包、千问，它确实就跟一年前的ChatGPT，Gemini的效果差不了太多的。而在我看来，中国能这么快速追赶上美国的大模型能力，背后的核心有三点。
第一，作为追赶者，本身就具有后发优势。中国的这些AI大模型，首先目标非常明确，就是学习和模仿。而随着大量开源模型的涌现，以及企业间技术人才的频繁流动，大模型的底层训练技术正在被越来越多人掌握。中国企业完全可以参照美国先进模型的输出效果，进行非常有针对性的训练，这能大大缩短拉平差距的时间。所以你看，论文、人才和技术在某种程度上都是流动的，大模型之间的技术壁垒，并没有外界想象的那么坚不可摧。
第二，中国企业在技术架构上同样也有创新。比如DeepSeek，他们通过R1、Engram等一系列架构创新，实现了用更少的芯片，达到接近于美国大模型简单粗暴“堆算力”的训练和推理效果。
第三，也就是我们前面提到过的能源优势。这种廉价且充足的电力供应，成了支撑中国大模型持续奔跑的重要底座。
除此之外，两国模型层里一个非常明显的技术路径差异，进一步放大了这个现象。中国模型都是以开源为主，而美国以闭源为主。根据AI模型开源社区hugging face对2025年全球下载量排名前100个模型来看， 美国模型占开源模型下载量的29.5%，中国模型则占45.6%，其中，阿里的Qwen一家就贡献了30%的下载量。
点击放大
点击放大
那为什么双方会走上不同的道路呢？其实，在25年1月DeepSeek发布R1开源模型之前，中国也多是以闭源为主的。但R1的开源大幅降低了大模型的底层技术和应用门槛。更重要的是，在中国企业共同面临芯片约束的困境下，开源就相当于让中国的企业之间有了一个可以相互启发的生态，然后让自家的模型通过开源去不断扩展。到今天，开源对于很多中国AI来说，已经相当于把单个企业作战的能力变成集体作战的能力。从结果上看，由于这种互相学习的生态在，整个中国的模型能力就有了很大的提升。所以这也是为什么在25年年初deepseek之后，中国大模型的能力可以快速跟进的重要原因。
点击放大
所以在这几个逻辑下，中国的模型能力并没有落后美国太多，而且往后看，估计这个趋势不会发生太大的变化。甚至，随着大语言模型的能力进步不断放缓，用户使用体感越来越感受不到差距的背景下，这个差距还有进一步被缩小的可能。
不过话也要说回来，虽然差距会缩小，但是照这么个发展，中国也还是很难超越的。因为引领技术发展的，还是美国这些创新者，他们愿意投入大量精力在可能没有回报，或者难度大，时间长的创新上。而中国在模型能力上则主要以学习复制为主。所以能确定的是，美国仍然会在未来很长一段时间里，引领AI大模型的进步。
成本
虽然性能上中国要比美国差，但有意思的是，从成本的角度上看，中国模型却是不成比例地便宜。下图是我结合了中美主要大模型在性能和成本上的对比图。其中纵轴代表的是性能，而横轴代表的是价格，所以越往左上，代表性价比越高。可以看到，左上角的那些模型大部分都是中国的模型。比如，26年年初，中国的智谱5（GLM 5）、kimi k2.5（月之暗面）、Qwen3.5（阿里），token的收费价格只有美国企业的20%左右。
点击放大
那为什么中国模型可以做到这么低成本的呢？首先自然是硬性成本的控制。大模型的运营离不开数据中心。在数据中心的建设上，无论是超算设备、配套电力电气设备，还是基础建设的投入，中国市场的成本都远低于美国。而当数据中心真正跑起来之后，最大的花销就是电力运营费用，紧接着是折旧、租金、网络以及工资等等。在这些环节上，中国的成本同样显著低于美国。再叠加我们刚刚提到的架构创新，中国模型在成本端确实有着实打实的优势。
不过，成本低只是一方面，还有一个更为关键的因素，那就是中国企业可以接受不赚钱。咱们拿具体数据来看看，美国Anthropic付费用户的毛利率高达40%，可中国的几个大模型，毛利率基本都是在10%以内的低位，甚至还有负的。可以看到，美国企业习惯了高举高打，做出最好的产品然后去追求高回报；而中国企业现阶段为了在激烈的市场中突围，更愿意用极致的性价比策略去抢占市场份额。这跟两国的商业环境有关，我们不论对错，这是环境自然选择的结果。
客观去看，中国的这种模式，有利有弊。弊的部分在于，对于企业来说，只有更高的利润率，更赚钱的业务，才能反哺回产品本身，带动更好的创新。如果不赚钱，那么对产品的投入肯定会被打压，然后就会影响到技术的进步，尤其是对于AI这种需要大幅投入的产业来说。不过从利的方面思考，这却倒逼了中国在商业变现上做出更多的尝试，这点我一会还会提到。
小结
整体来看，当前美国头部的大模型，在性能上毫无疑问是比中国更胜一筹的。而且可以预见，这方面的领先优势预计还会持续下去。中国这边虽然有差距，但中国的企业也在通过构建开源生态，在马不停蹄地持续追赶，整个性能上的差距并没有想象中那么大。而且，中国在极致性价比上反而做得更好一些。这么看来，尽管美国目前处于领先地位，但中美双方在基础模型领域的差距，是不会被拉得太大的。
应用层
最后，我们再来聊聊中美在AI应用层的差异。
先从大模型这部分去比较，这里最简单的比较数据还是用户活跃度。26年2月初，OpenAI的周活跃用户已经超过9亿，Gemini的月活跃用户达到7.5亿。与此同时，中国春节期间受益于春晚及各类推广活动，豆包日活最高冲到2.5亿，千问则冲到1.5亿，元宝在3000万到5000万波动，都和美国的体量差很多。虽然两者所面对的客户群体不太一样，不能直接这么比较，但还是看出中美之间存在一定差距的。
点击放大
不过，在我看来，更值得关注的其实是商业模式的不同。美国的企业大家都很熟悉，现在都是靠订阅模式来给自己输血。而中国的AI应用，大部分都是免费的，即便有订阅模式，对于产品的重要性也非常低。
之所以中国的订阅模式走得不好，还是和中国的应用生态环境有关。这么多年来，中国消费者已经习惯了免费的APP，大家天然就不愿意给APP付费。如果贸然采取付费模式，对于还在培养用户习惯的AI应用企业而言，很可能直接胎死腹中。而欧美用户其实早已习惯了订阅付费软件。这点应用生态的不同，就直接导致了两国大模型商业模式的差异。
中国这种不好收订阅费的环境，反倒倒逼出中国AI应用层更为积极的AI变现尝试。因为AI大模型不好直接收费，那么就需要尝试更多应用层的机会来变现。正好中国的人力成本又低，所以多样化试错的成本也低。这就是为什么在移动互联网时代，很多中国的应用反而做得比美国的更好的原因。其实现在，中国已经看到这种潜力了，比如之前一期讲阿里巴巴的视频就提到，阿里通过千问模型接入淘宝、盒马、天猫超市、大麦、飞猪等APP，来实现消费者一站式的服务。然后，再通过羊毛出在猪身上的方式，从电商或者企业那边分成，反哺自己其他业务的增长。目前看来，中国在这种多样化变现的尝试上，其实做的是更积极的。
当然这背后还有一个不可忽视的原因，那就是中国在政策监管上更加友好。例如用户隐私、数据调用的问题，中国这边是比较松的。相比较而言，美国这边更加强调这些政策约束，更别说他们的APP要面向全球化用户，其所面临的监管环境会比中国要更不可控。
所以整体来看，我认为在应用层，中美之间是各有优劣的。美国的订阅收费环境和当前的积累显然要更占优势。但从长远来看，AI变现要想跑得更广更远，光靠订阅费肯定是不够的，而中国相对来说更加困难的收费市场，反而在倒逼出更多商业闭环的创新。
对五层模型的总结
好了，到这里，关于五层蛋糕的比较就讲完了，这里咱们不妨做一个简单的梳理和总结。
在这五层模型里，最基础的能源层，中国这边由于电力供给充足，优势显然要更大一些。而接下来的芯片层，美国是断崖式的领先。第三层的基础建设部分，中美之间互有优劣，中国的工程能力和配套效率更高，但美国的高端算力集群等设施的上限更领先。第四层的模型层，美国仍然占优，但实际的优势也没有差那么大。至于最顶端的应用层，双方可以说是互有优劣、各有千秋。
不过，这里必须要强调一个关键点。细看这五层的分布就会发现，美国占优的芯片和模型，更多是属于底层的硬核技术优势。尤其是芯片这一块，短期内确实是非常难抹平。相对而言，像能源基建这些问题，理论上讲，都可以通过时间、资金和工程建设来慢慢弥补和解决的。
除此之外，大家千万不要忘了，美国还有一个最恐怖的隐藏优势，那就是人才。美国依靠其成熟的创新环境和科研生态，能够源源不断地吸引全球所有的顶尖AI人才过去，这其中自然也包括了中国最顶尖的大脑。虽然现在也有一些美国的人才开始流向中国，但相比于美国在全球范围内的人才虹吸效应，还是有差距。
所以，综合这五层模型以及人才储备来看，咱们可以得出一个比较客观的结论：在当前的这场中美AI大竞赛中，美国仍然占据着较大的优势。而中国也有它的特点，而且中国在发展路径上选择了不一样的策略，所以这个领先优势也没有想象中那么大。
分享和感悟
好了，到这里，我们已经聊完了五层蛋糕的模型对比，也把中美之间的优劣势都做了一个全面的梳理。现在，咱们就来到这期视频最有价值的部分了。我来和大家分享一些，在做这次中美AI竞争的话题过程中，对于AI发展的一些新的思考，不一定对，但我希望通过这些思考，可以帮助大家更好地理解AI未来的走向，也能更好的理解AI发展对于我们现在投资的影响。
我把这些新的思考总结成三大点。
第一点，也是最重要的一点，是我在彻彻底底的调研完后发现，中美AI之间，互补的逻辑大于竞争。
我知道很多朋友一聊到中美AI，脑子里第一反应就是"对抗"、"卡脖子"、"你死我活"。这也是我一开始做这期视频时默认的想法。但仔细研究后发现，这两边在商业层面上，其实远远谈不上什么对抗。它更像是一种互补和互相借鉴的关系。
从技术上看，两国就有很多相互借鉴的地方。中国这边就不用说了，现在中国的AI企业就一直学习美国的前沿论文和技术路径。而即便是美国企业，也有学习中国的技术。比如DeepSeek的R1开源模型，它带来的MoE架构创新，也被美国的大模型公司广泛借鉴。类似的，Meta也在借鉴阿里的开源模型，等等。
从商业模式的角度来看，这种互补就更加明显了。中国现在正在全力以赴地去做AI的商业变现，比如阿里把千问接入电商生态，字节用豆包去赋能各条业务线。如果中国这边真的率先把AI的商业闭环跑通了，那对于美国的这些大模型公司来说，绝对是一个好事。因为对于OpenAI、Google、Anthropic这些公司来说，就有了一个现成的参照物，它们可以直接观察中国做对了什么、踩了哪些坑，然后用更高效的方式在全球市场上去复制和放大。这有点像当年Waymo和特斯拉之间的关系，Waymo过去十年在自动驾驶上已经走过很多路、踩过很多坑，特斯拉就可以直接绕过去，而不用自己再躺一遍。
这种互补其实在科技行业里早就不是新鲜事了。大家想想过去十多年的互联网时代，中国搞出了拼多多的TEMU模式，亚马逊转头就借鉴了；中国的短视频玩法席卷全球，Meta也很快就学了Reels，并成为这两三年公司的一个重要增长点。反过来，中国早期的几乎所有互联网产品，都是参照着美国的模式起步的。这种互相借鉴、互相抄作业的逻辑，最终的结果，就是让两个国家的企业都能获得更快的进步。
更有趣的是，现在中美两国的侧重点还特别不一样，这就进一步加强了两国互补的逻辑。美国那边最前沿的AI企业，更专注于把大模型的能力推向极致，中国这边，则更专注于怎么把AI真正地商业落地、跑通变现。一个在拼命往上拔高技术的天花板，另一个在拼命往下探索落地的可能性，但解决的是同一条产业链上的不同环节的问题。正是因为侧重点不同，双方就能够更好地互相学习、互相启发，就更能转化为一种双向的加速效应。
所以，如果我们跳出中美对抗这个思维框架，换一个角度来看，你会发现，现在这个阶段，说竞争和威胁都太早了。事实上，中美也没有哪家企业的目标是要干死对方，这些企业可都没有这么“远大”的理想，他们现在聚焦的，都是如何让自己的这场AI竞争中快速占领市场而已。那如何才能尽可能在这场竞争中获胜呢？就是要尽可能地学别人做得好的地方。所以，现在就是中国在帮美国探路变现，美国在帮中国拔高技术，两边与其说是互相掣肘，不如说是在互相拉着对方往前跑。在这个逻辑下，我认为整个AI行业的发展速度，反而被加速了。
显然，这对于AI的投资者来说，其实是一个好事。之前我还有一个判断说，觉得26年会是AI应用大规模商业变现的一年，现在有了中美互补的逻辑后，我对这个判断更有信心了。
第二点，对于投资者来说，关注中国的AI变现进展，可能是预判美国AI投资机会的一个新视角。
过去，我们做AI相关的投资分析，基本上都是独立地去看美国这边的情况。OpenAI什么时候能盈利？Anthropic的收入增长怎么样？云厂商的AI收入占比到了多少？我们习惯性地只盯着美国这一边。
但现在，我认为我们需要把视角打开，把中美放在一起来看。因为中国这边的AI商业变现，很可能会比美国更快地跑出结果来。
原因我们前面也分析过了。中国的市场环境倒逼着企业必须尽快找到盈利模式；中国的人力成本低，试错成本更低；再加上中国公司本身的业务生态就很丰富，它天然就有更多的变现场景可以去尝试。所以，中国的AI应用变现，有可能率先给整个行业打个样。
以前我们总说要等OpenAI变现、等美国这边的商业模式跑通了，AI变现这个问题才能被解决。但现在，也许不用等了。我们可以去观察中国这边的变现进展。比如千问、字节成功变现的信号，这很可能会成为预判美国AI企业变现节奏的一个领先指标。而美国企业凭借更强的定价能力和全球化市场，它们的变现潜力只会更大。一旦美国企业用AI变现的逻辑被证实，那整个行业的商业逻辑就彻底跑通，到那时候，那些基建层的云服务、芯片这些公司，自然也就会出现下一波增长了。
所以从现在开始，咱们在关注美股AI投资的同时，不妨也多留意中国AI应用层的变现动态。一旦中国这边出效果，那这就会加速去证实AI变现的逻辑，这同时也会带动整个市场股价的反弹。而从目前中国那边的进展来看，这个效果大概率能在26年就有体现，因此在美股这边，我认为年内可以看到拐点的可能性变大了。
第三点，长远来看，大模型的技术壁垒没有想象中那么大。
现在市场上所有的大模型公司都在说自己的模型多厉害。但如果冷静下来想一想，大模型这个领域的技术壁垒到底有多大呢？要知道中国的大模型，在芯片资源远不如美国的情况下，依然仅仅落后美国半年到一年左右。而且过去这几个月，我们又能看得很清楚，一家公司做出来的技术突破，别人往往过不了几个月就能学会。所以在大模型这个领域里，并没有什么不可逾越的技术壁垒。
那如果大模型本身的壁垒没那么大，真正的护城河在哪里呢？我认为答案是生态。
大家想想苹果。苹果的手机硬件，你说它有多大的护城河？其实也没有那么大。但苹果真正厉害的地方在于，它最先建立起了一个完整的生态系统，iOS的开发者生态、App Store、用户的使用习惯和粘性，这些才是它真正的壁垒。
大模型也是一个道理。未来谁能率先围绕自己的模型，建立起一个让企业、开发者、用户都离不开的生态，谁就能把自己真正的护城河建立起来。比如说现在的Claude，已经在程序员当中建立起一个不错的生态圈，如果Claude能把这个事情坚持做下去，越挖越深，那么用户未来就离不开它了。因为到那个时候，用户已经被生态给锁定，模型能力的高低反而成了次要因素。
所以往后看，我认为未来对大模型竞争的关注，不能再只考虑性能了。性能的比拼在现阶段当然很重要，但这个技术壁垒已经越来越小了，往后得把关注点放在生态上。谁能率先把自己的生态建立起来，谁才能更好地黏住用户，并以此来撬动商业闭环。毕竟，模型能力的差距是可以被抹平的，但一个成熟的生态系统，才是别人真正抄不走的东西。
结语
好了，到这里，关于中美AI竞争分析得到的三大启发，已经给大家分享完了。说实在的，今天的内容想得比较发散，我猜争议也比较大，有些地方我也不期待大家都能同意我的观点。不过投资嘛，很多时候不是去争论个对错，更多是不断提升思考的深度和维度。希望今天的这期视频，能够帮助大家拓宽对AI投资的思考。
为你推荐
