大摩揭示：中美人工智能竞争的中国路径与独特优势

导语

当全球还在持续探讨"算力规模决定AI霸权"之际，一条截然不同的道路，已在中国悄然铺就。

最新摩根士丹利研究报告表明：中国人工智能发展并非简单借助于低成本优势或算力替代策略，而是在算法效率、工程实践与商业模式上走出了一条"性价比革命"的特色道路。

01

AI竞赛的认知偏差

市场过去存在三大普遍观点：

美国领先于算力投入

中国依赖廉价能源资源

大模型最终将"趋同化、低收益"

但报告提出了截然不同的结论：

真正的核心竞争力，并非算力本身，而是"单位算力产生的智能密度"

换言之，不是谁投入更多资金，而是谁运用得更为"高效"。

中国AI的突出优势，并非"更便宜"，而是：

运用有限的算力资源，实现接近甚至相同的模型性能，

当前，中国头部模型的推理成本，仅为美国的 15%–20%，却能获得相当的性能表现。

02

中国的"工程效能"优势

摩根分析师指出，尽管美国的算力突破超出预期，但中国AI机构凭借工程效能的提升，并未被拉开差距。关键在于三个方面：模型架构设计、后训练增强、推理基础设施优化。

结果如何？中国AI机构以仅为美国15-20%的推理成本，提供了相当的模型能力水平。

这并非依靠低价能源，而是依赖算法创新。

报告还揭示了关键转折点：中国大模型的价格竞争已达到峰值。

从2025年二季度到2026年一季度，中国领先AI机构的输入/输出API价格平均上涨了80%和36%。与此同时，美国LLM的API价格呈现下降态势。中国LLM的API价格占美国LLM API价格的比例，已从2025年一季度的5-6%攀升至2026年一季度的17-20%。

这并非成本推动的涨价，而是性能驱动的定价优势回归。

摩根分析师强调，基础模型不会完全商品化——普通模型会这样，但顶尖模型不会。具备卓越智能和优质用户体验的模型将获得溢价空间。

这不是一场"孰胜孰负"的竞赛，而是两种发展方向的分化

03

Token消耗的指数攀升

随着价格逐步提升，中国LLM的Token消耗量却呈现爆发式增长。

依据国家数据管理局统计，中国日均Token消耗从2024年初的约1000亿，增加到2025年底的约100万亿，到2026年3月已超过140万亿——两年内增幅超过1000倍。

驱动因素是什么？智能代理应用和工作流驱动型应用，这些场景的Token消耗强度远超传统对话场景。

在OpenRouter平台上，中国顶尖LLM（DeepSeek、阿里巴巴、MiniMax、智谱、月之暗面、小米）的市场份额从2025年4月的5%急剧上升至2026年3月的32%。

04

中国AI的核心竞争力

摩根详细剖析了中国AI机构的算法创新路径：

模型架构层面： MiniMax是中国首个应用混合专家(MoE)架构的企业；DeepSeek发明了多头潜在注意力机制；智谱采用了MLA-256+缪子分割技术；DeepSeek-V4更进一步，结合了压缩稀疏注意力与高度压缩注意力的混合架构。

后训练层面： DeepSeek发明了群体相对策略优化(GRPO)，该算法移除了PPO中的评判模型，让模型自行输出一系列回应，然后奖励高于平均水平的答案。这是中国在算力受限条件下实现"后发制胜"的关键技术之一。

推理效率层面： 针对长上下文带来的KV缓存瓶颈，中国AI机构开发了多套算法创新：月之暗面的Mooncake分布式缓存管理系统、DeepSeek的Engram内存模块、阿里巴巴的分页技术增强、字节跳动的分布式缓存与搜索/推荐机制结合。

05

三类重点企业推荐

摩根给出了清晰的投资方向：

MiniMax（增持）：目标价从930港元上调至1100港元。摩根认为市场低估了MiniMax的近期有望确认的年化经常性收入增长，预计2026年底将达到15亿美元。支持因素包括多模态能力、全球影响力和基础设施优势。

智谱/知识图谱（增持）：目标价从560港元上调至990港元。公司年经常性收入预计在一年内从2025年底的不足1亿美元跃升至2026年底的10亿美元。

阿里巴巴（中国互联网首选）：提供从芯片到基础设施再到模型直至应用的完整全栈能力。新推出的通义千问3.6已登上OpenRouter日榜、周榜和趋势榜首位。

06

总结

中国的人工智能道路不是单纯拼比算力，而是通过算法创新实现更高的"智能密度"。这种效率优势尚未触及自身的"增长极限"，而美国的算力优势本身也并非无法逾越的壁垒。

对投资者而言，这不仅是技术层面的故事，更是一个正在重塑香港资本市场格局的结构性力量。

注：本文内容仅供参考，不构成投资建议。市场有风险，决策需谨慎。