- 美国投资者对中国AI模型兴趣浓厚，尤其关注成本效率、开源vs闭源、竞争格局及算力约束。报告认为中国模型的成本优势可能是结构性的，得益于模型设计和基础设施优化

• 序号：088
• 星球链接：打开网页
• 附件：图片 0，音频 0，文档 0
• 音频文件：无音频

图片

无图片

正文

• 美国投资者对中国AI模型兴趣浓厚，尤其关注成本效率、开源vs闭源、竞争格局及算力约束。报告认为中国模型的成本优势可能是结构性的，得益于模型设计和基础设施优化；开源模型仍可通过API、私有部署等方式商业化；竞争加剧但中国模型在编码和代理工作流中具有ROI优势；算力约束正通过国产AI芯片逐步缓解。

本报告为UBS于2026年7月2日发布的中国互联网行业首次解读，聚焦美国投资者对中国AI模型的关注焦点。报告的核心观点如下： ：在美国与40+投资者（包括长线基金和对冲基金）交流后，发现企业对成本敏感并开始将中国模型作为Token支出的优化选项，投资者对中国AI实验室的兴趣超出预期。 ：中国模型在推理Token经济性上具有明显成本优势，这一优势主要来自持续的技术创新和AI基础设施优化，且国产AI芯片的普及有望长期维持这一优势。 ：开源模型仍可通过官方API、本地部署、增值服务（如优化与微调）实现商业化，且不排除未来中国实验室推出闭源版本的可能性。 ：中国实验室在模型开发上势头强于传统互联网巨头，但长期盈利能力和利润率仍存争议。预计中国模型将逐步获得市场份额，高级工作负载（Premium）与大众市场工作负载（Mass Market）可能遵循20/80法则，但收入占比更向高级倾斜。 ：虽然算力可用性仍是关键风险，但国产AI芯片的进展（如美团LongCat-2.0完全基于国产芯片训练与推理）正在逐步缓解推理和训练端的算力瓶颈。

1. 成本效率（Token UE） 报告通过对比中美AI模型推理成本（图4）指出，中国模型的平均混合价格仅为美国的14%（输入0.60 vs 4.21 US$/M tokens，输出2.46 vs 19.40 US$/M tokens）。成本优势主要来自更低的硬件折旧、电力成本（中国0.04 US$/kWh vs 美国0.08 US$/kWh）以及更高的算力利用率（中国90% vs 美国70%）。UBS认为，随着中国在模型设计（如MoE架构、量化技术）和AI基础设施（如分布式训练、推理优化）上的持续创新，这一成本优势将是结构性的，而非短期现象。
2. 开源与闭源模型的经济性 投资者担忧开源模型在能力上限和变现能力上受限。报告认为，蒸馏技术虽能提升训练效率，但对核心能力（如长程推理、编程）帮助有限，而中国模型在这一领域已展现出显著进步。商业变现方面，开源模型可通过官方API、私有部署、增值服务（如AI基础设施优化和微调）创造收入，且未来中国实验室也可能推出闭源版本。此外，OpenAI等美国公司也在探索降低推理成本的方法，但中国在开源生态上的创新扩散速度可能更快。
3. 竞争格局与市场结构 竞争始终是中国AI实验室的核心风险——既要应对国内互联网巨头（如阿里巴巴、腾讯），又要面对全球领先企业（如OpenAI、Google）。在向Token优化快速转变的背景下，投资者关注工作负载向中国模型迁移的可能性，尤其是数据合规、地缘政治风险带来的限制。报告指出，中国模型在编程和Agent工作流中已展现出更明显的ROI优势，尤其在高频、重复性推理任务上，海外应用和平台（如Fireworks AI、Vercel、Cloudflare、Notion、Perplexity等）对中国模型的集成正在加速（图3）。初步判断，Premium与Mass Market工作负载的体量比可能为20/80，但由于Premium拥有更强的定价能力，其收入占比将显著更高。
4. 算力约束与国产芯片进展 算力可用性是制约中国模型能力提升和ARR增长的关键因素。报告认为，AI实验室将积极分散算力来源，且缺乏价格竞争的动力。国产AI芯片的突破是重要观察点：美团LongCat-2.0（>1万亿参数）完全在国产芯片上训练和推理，表明国产芯片已开始满足推理需求并逐步向训练拓展。这有望长期缓解中国的算力约束，降低对进口芯片的依赖。
5. 近期催化剂 ：DeepSeek、Kimi、阿里巴巴等后续模型发布； ：7月初部分公司锁定期结束； ：8月公布半年报； ：智谱和MiniMax等已启动科创板IPO辅导，参考近期上市案例（如摩尔线程约6个月），最早可能于2026年底或2027年初上市。

本报告为“First Read”类型，主要提供行业动态和投资者关注点梳理，未给出具体公司估值或目标价。但从行业层面看，UBS对中国AI模型的前景持相对乐观态度，认为中国模型在成本效率、开源生态和特定工作负载（如编码、Agent）上的优势将驱动市场份额增长。投资者应关注已上市的AI模型公司（如智谱、MiniMax）的股价表现，以及未上市公司的IPO进展。

报告在最后部分指出主要风险包括： ：国内互联网巨头与全球领先企业持续加大投入，竞争可能加剧； ：AI领域技术变化迅速，用户需求和偏好也在不断演变，可能改变市场格局； ：模型变现路径尚不清晰，商业模式和盈利能力未经验证； ：流量获取、内容采购和品牌营销费用持续增长； ：大规模AI基础设施的运营和升级成本； ：海外市场面临监管、文化和地缘政治障碍； ：地缘政治风险、政策变化等因素可能导致市场情绪逆转； ：中国及海外对AI模型训练数据、内容安全和数据出境的监管可能收紧。 投资者在考虑相关标的时应充分评估上述风险。

总体总结

主题正文

1. 本报告为UBS于2026年7月2日发布的中国互联网行业首次解读，聚焦美国投资者对中国AI模型的关注焦点。
2. ：在美国与40+投资者（包括长线基金和对冲基金）交流后，发现企业对成本敏感并开始将中国模型作为Token支出的优化选项，投资者对中国AI实验室的兴趣超出预期。
3. 预计中国模型将逐步获得市场份额，高级工作负载（Premium）与大众市场工作负载（Mass Market）可能遵循20/80法则，但收入占比更向高级倾斜。
4. ：虽然算力可用性仍是关键风险，但国产AI芯片的进展（如美团LongCat-2.0完全基于国产芯片训练与推理）正在逐步缓解推理和训练端的算力瓶颈。
5. 报告通过对比中美AI模型推理成本（图4）指出，中国模型的平均混合价格仅为美国的14%（输入0.60 vs 4.21 US$/M tokens，输出2.46 vs 19.40 US$/M tokens）。
6. 竞争始终是中国AI实验室的核心风险——既要应对国内互联网巨头（如阿里巴巴、腾讯），又要面对全球领先企业（如OpenAI、Google）。
7. 在向Token优化快速转变的背景下，投资者关注工作负载向中国模型迁移的可能性，尤其是数据合规、地缘政治风险带来的限制。
8. 报告指出，中国模型在编程和Agent工作流中已展现出更明显的ROI优势，尤其在高频、重复性推理任务上，海外应用和平台（如Fireworks AI、Vercel、Cloudflare、Notion、Perplexity等）对中国模型的集成正在加速（图3）。