出品 | 妙投APP

作者 | 張貝貝

編輯 | 丁萍

頭圖 | 視覺中國

中美芯片博弈，又有了新變化。

芯片管制本身并不新鮮，美國對英偉達先進AI芯片的限制已持續(xù)數(shù)年。

但新鮮的是，9月12日美國前沿AI公司Anthropic CEO 達里奧·阿莫代伊談到芯片時，把芯片管制放進了一個更大的命題里：美國可以放慢AI發(fā)展的速度，前提是不能讓中國追上來。

在X平臺發(fā)布的長文《We Must Pace the Frontier》中，阿莫代伊還提出，美國應繼續(xù)限制向中國出售先進AI芯片和半導體制造設備，同時打擊芯片走私、海外數(shù)據(jù)中心遠程獲取先進算力以及模型蒸餾。他認為，這些措施可以在未來3-5年顯著拉大美國與中國的AI領先差距。

即，把芯片、算力與前沿AI發(fā)展速度、中美AI競爭直接聯(lián)系起來。

這意味著，過去，芯片管制解決的是中國能不能拿到最先進的卡；現(xiàn)在，它開始被放進另一個問題里：中國還能不能獲得支撐下一輪AI躍遷的先進算力。

而資本市場真正交易的，恰是預期鏈：算力受限→國產(chǎn)芯片接不接得住→接住的成本是多少。

問題也因此變得緊迫。

而阿莫代伊所說的未來3-5年，恰恰也是國內大模型繼續(xù)迭代、推理需求持續(xù)增長的階段。

如果高端芯片真的買不到，中國大模型能不能繼續(xù)運行？

更重要的是，誰能在算力受限的情況下，把每一張國產(chǎn)芯片的價值榨得更高，產(chǎn)生更多、更便宜的Token？

這是這一輪國產(chǎn)算力替代，真正值得資本市場重新審視的地方。

中國大模型不會停下來

高端芯片買不到，中國大模型也不會因此停下來。

因為算力的供給側已經(jīng)發(fā)生變化了。

過去幾年，在高端芯片供給受限、算力獲取的不確定性急劇上升的背景下，中國大模型企業(yè)開始推進國產(chǎn)算力的替代。

從目前已經(jīng)出現(xiàn)的案例看，國產(chǎn)算力已具備支撐大模型運行的能力。

也就是說，即使高端芯片買不到，國產(chǎn)算力至少可以為中國大模型提供一層兜底。

且兜底的證據(jù)正在變多。

一是推理側。智譜國產(chǎn)芯片推理集群已達10萬卡規(guī)模，GLM-5.3-Flash線上流量全部運行在國產(chǎn)芯片上，其匿名模型Ox-Alpha在海外平臺累計處理62萬億Token，已經(jīng)進入真實Token生產(chǎn)環(huán)節(jié)。

二是訓練側。美團LongCat-2.0已經(jīng)在大規(guī)模國產(chǎn)算力上完成訓練；還有粵港澳“國芯訓國模”等項目也在推進萬卡級國產(chǎn)訓練等。

但能跑和跑得好是兩回事。

如昇騰910C在萬億參數(shù)模型的全參數(shù)后訓練任務中，衡量訓練效能的核心指標MFU約30%-35%，而同級別任務H100集群通常可達40%-50%。這意味著，同樣的錢和時間，國產(chǎn)算力暫時還訓不出同樣的模型。

因此，對大模型而言，算力供給只是第一關。

真正決定競爭力的，是第二關算力效率。它回答的是，有限的算力能夠產(chǎn)生多少有效產(chǎn)能。

而大模型的算力效率，至少由三個變量共同決定：芯片（單卡性能、互聯(lián)帶寬、內存、能效）、軟件（編譯器、算子、推理框架、通信庫、調度）、模型（MoE架構、稀疏注意力、低精度計算、KV Cache優(yōu)化）。

粗略地說，單位Token成本 ≈ 芯片成本 ÷（芯片性能 × 軟件利用率 × 模型效率）。

三個變量的現(xiàn)狀并不均衡。芯片決定算力供給的上限，也是當前最難快速彌補的變量；軟件決定硬件性能能夠釋放多少，模型則決定完成同樣任務需要多少算力。

當芯片供給短期難以改變時，軟件和模型就成為大模型公司更主動的優(yōu)化空間。

這也解釋了為什么，國產(chǎn)算力替代并不只是芯片廠商的生意，大模型公司本身也開始參與到軟件適配、系統(tǒng)優(yōu)化和模型效率提升中。

目前，幾家頭部大模型公司的實踐，正是圍繞這條邏輯展開的不同路徑。

國產(chǎn)算力能跑之后，大模型拼什么？

四家公司的答案各不相同。

其中，智譜要證明重資產(chǎn)能換來成本優(yōu)勢，MiniMax要證明自建算力能承接真實流量，DeepSeek要證明模型效率能替代芯片性能，Kimi要證明生態(tài)能替自己補足算力。

它們解決的問題不同，但最終指向的都是把有限的算力，盡可能快地轉化成更多、更便宜的Token。具體分析如下：

（圖表制作：虎嗅妙投）

（1）智譜：算力全棧閉環(huán)，能否兌現(xiàn)成成本優(yōu)勢。

智譜選擇的是重資產(chǎn)路線。

從租賃GPU，到采購Token工廠服務，再到All-in-Infra，國產(chǎn)芯片已是主力推理算力，還收購中科加禾補齊編譯器與推理引擎軟件棧，把更多算力基礎設施掌握在自己手里。

更值得關注的是，智譜9月完成50億美元融資后，獲得了繼續(xù)擴張訓練和推理基礎設施的資金。且管理層交流會上明確表示，算力供給短期內不再是收入增長的主要約束。

但自建算力并不意味著成本一定下降。

數(shù)據(jù)中心、芯片、網(wǎng)絡和電力都需要資本投入，后續(xù)還要承擔折舊和運維成本。

所以智譜真正需要證明的是，把算力從外部租賃變成自己擁有之后，能不能提高利用率，并最終降低單位Token成本。

雖然智譜管理層在交流時，首次給出了算力投入的量化測算。300億元算力投入約對應10萬P算力，其中40%用于訓練研發(fā)、60%用于業(yè)務推理。依托GLM-5.3的推理性價比，理論推理毛利最高可達80%，算力利用率打滿全價的情況下，年收益可達400億元。

即一年下來不僅能覆蓋全部算力投入，還能承擔模型訓練研發(fā)費用，理論上可以把算力從成本中心變成可以計算回報的資產(chǎn)。

這套測算真正能否成立，還要回到經(jīng)營數(shù)據(jù)驗證。所以下一階段最值得看的，是單位Token成本、毛利率能否持續(xù)改善。

如果下一年這些指標均有改善，才能證明重資產(chǎn)算力投入真正從成本中心變成生產(chǎn)能力。否則，資本市場可能會下行調整。

（2）MiniMax：從租算力走向擁有可控算力，先看落地。

MiniMax面對的是另一個問題。

2025年前三季度，公司云計算服務成本占銷售成本的比例超過90%。這意味著，模型調用量增長的同時，算力成本也會快速增加。

所以MiniMax開始從租賃算力，逐步轉向自建國產(chǎn)算力集群，M3、H3等模型也開始推進國產(chǎn)芯片適配。

它的驗證順序比智譜多一步。

因為算力集群剛開始建設，第一步要驗證的其實是這些算力能不能從建起來，真正走到跑起來。只有當MiniMax也像智譜一樣，已經(jīng)開始用國產(chǎn)芯片承載真實推理流量后，那么，從租算力到擁有可控算力，才真正完成了第一步。

到了那時，市場才會進一步追問，擁有算力之后，MiniMax能不能讓更多Token以更低的成本被生產(chǎn)出來？

所以，MiniMax還處于算力從建設走向生產(chǎn)的驗證階段。后續(xù)可跟蹤的，是國產(chǎn)集群的落地進展和模型適配進度。只有集群真正上線并承載真實流量，模型適配才可能轉化為實際的成本改善。在此之前，MiniMax的算力自主化仍是一個待兌現(xiàn)的事。

（3）DeepSeek（籌備科創(chuàng)板IPO）：把模型效率變成競爭的一部分。

如果說智譜和MiniMax在解決國產(chǎn)算力承載能不能跑、能不能握在自己手里的問題，那么DeepSeek的看點是它站在效率側，不糾結于擁有多少算力，而是執(zhí)著于同樣的算力能跑出多少Token。

這條路線最特別的地方在于，它與管制邏輯天然對沖。管制芯片想讓算力變貴，模型效率想讓算力變便宜，兩者相互抵消。這正是DeepSeek區(qū)別于其他企業(yè)的戰(zhàn)略底色。

需說明的是，DeepSeek并非獨有某項技術，MoE、低精度、KV Cache優(yōu)化、稀疏注意力等，已經(jīng)成為整個大模型行業(yè)持續(xù)優(yōu)化的共同方向。

真正值得關注的地方，是DeepSeek長期把模型效率放在架構設計的核心位置，而非當作錦上添花的工程手段。

但國產(chǎn)算力替代層面，這條路線能否繼續(xù)跑通，待驗證。

2026年4月V4發(fā)布時，DeepSeek明確表示受限于高端算力、Pro版吞吐有限，預計昇騰950超節(jié)點批量上市后價格會大幅下調；而8月V4-Pro的漲價，恰恰暴露了現(xiàn)實約束。在國產(chǎn)算力穩(wěn)定供給之前，Pro版仍受制于芯片。

真正的產(chǎn)能賭注，是DeepSeek在烏蘭察布數(shù)據(jù)中心部署的16萬卡集群，據(jù)彭博社報道要到2027年底至2028年初才逐步投產(chǎn)。

即，DeepSeek當前定價中包含的是2027—2028年的產(chǎn)能預期。 如果16萬卡如期投產(chǎn)、950如期放量，單位Token成本有望降到行業(yè)最低，彈性是四家最大的；但"如期"兩個字，就是它最大的不確定性。交付每延期一個季度，彈性敘事就整體后移一個季度。

所以，下一階段最值得看的，是價格。國產(chǎn)算力形成穩(wěn)定產(chǎn)能之后，Pro版價格能否實質性下調。那是自研芯片、國產(chǎn)適配、自建數(shù)據(jù)中心三條線能否匯成真實成本優(yōu)勢的驗收點。

（4）Kimi（月之暗面，申報IPO）：用生態(tài)降低適配成本和時間。

Kimi代表的是另一條路徑，通過開放模型和生態(tài)合作，縮短國產(chǎn)芯片從拿到手到真正可用的適配周期。如華為昇騰、阿里平頭哥、海光、摩爾線程、壁仞等均在Kimi模型開源后第一時間宣布適配。

（圖表制作：虎嗅妙投）

此路線的優(yōu)勢是不用自己投入大量資源，適配成本較低。

但它也暴露了另一個問題，適配成功，不等于算力供給充足。

K3發(fā)布后用戶請求量爆發(fā)，逼近現(xiàn)有集群承載極限，后被迫暫停C端新用戶注冊。算力仍是硬約束，產(chǎn)品需求爆發(fā)時容易被算力卡脖子。

所以Kimi這條路線解決的是國產(chǎn)芯片怎么更快用起來，但能否解決算力瓶頸，仍需驗證。在此之前，公司的業(yè)績增長可能會受到算力的掣肘。

把四家公司放在一起看，會發(fā)現(xiàn)適配路線解決"跑得了"，算力自主解決"跑得起、跑得住"。觀察點是集群擴容，驗證點是下一次需求爆發(fā)時還會不會被卡住。

寫在最后

綜上，芯片越來越難買到的情況下，把英偉達的卡換成國產(chǎn)卡，并不是目的。真正需要觀察的，是國產(chǎn)算力能不能從“備份算力”變成一套真正有效率、能產(chǎn)生商業(yè)回報的生產(chǎn)能力。

進展如何，有三大跟蹤指標：

第一，產(chǎn)能（能跑）。

對我們投資者而言，集群到底有多少卡很難知道，但數(shù)據(jù)中心和算力集群的投產(chǎn)進度、國產(chǎn)芯片采購和部署規(guī)模，以及大模型公司是否已經(jīng)開始用這些算力承載真實業(yè)務是可以跟蹤的。

如MiniMax的國產(chǎn)算力集群落地進展；昇騰950的放量，以及DeepSeek在烏蘭察布16萬卡國產(chǎn)算力的投產(chǎn)進度等。

第二，效率（跑得好不好）。

這一層不必強求企業(yè)披露單卡Token產(chǎn)出等內部指標，更重要的是看同樣的算力投入，能不能支撐更多模型調用和更大的業(yè)務量。觀察信號包括：模型調用量增長、Token使用量增長、國產(chǎn)算力承載的業(yè)務規(guī)模，以及公司是否持續(xù)發(fā)布模型側的降算力、降顯存等優(yōu)化。

第三，成本（能不能賺錢）。

最終還是要回到財務數(shù)據(jù)?？磫挝籘oken成本有沒有下降，推理業(yè)務毛利率有沒有改善，以及API價格下降之后，利潤能不能保持增長。對于上市公司或準備上市的大模型企業(yè)，這些數(shù)據(jù)最終都會反映到收入、毛利率和現(xiàn)金流上。

如果上述指標同時改善，國產(chǎn)算力從備份選項就轉變成了成本優(yōu)勢；但如果只有適配、沒有效率，國產(chǎn)算力替代的敘事就很難持續(xù)。

而如果一定要給上述四條路徑排一個順序，短期確定性最高的是智譜，中期彈性最大的是DeepSeek，MiniMax和Kimi仍在驗證期。

回到開頭的問題，高端芯片如果買不到了，中國大模型未必會停下來。但屆時誰還能以足夠低的成本繼續(xù)跑，誰就可能在“國產(chǎn)替代敘事”基礎上，進一步獲得更高的估值溢價。

免責聲明：本文內容僅供參照，文內信息或所表達的意見不構成任何投資建議，請讀者謹慎作出投資決策。