文 | 舒书

2026 年 2 月，全球 AI 产业迎来一个标志性时刻。

一边是英伟达发布史上最强财报后股价暴跌 5.5%，一夜蒸发近 2600 亿美元；另一边是 A 股算力、云计算板块掀起涨停潮，云天励飞、普元信息等纷纷封板。

这冰火两重天的背后，是一个简单却震撼的数据：中国 AI 模型的周调用量首次超越美国。在 2 月 16 日至 22 日当周，中国模型调用量达 5.16 万亿 Token，全球前五模型中中国占据四席—— MiniMax、月之暗面、智谱、DeepSeek。

消息传出后，业内一片沸腾。但热闹之余，一个更深层的问题浮出水面：这种优势是昙花一现，还是持久红利？

01 三个支点

中国 AI 的这次突破，建立在三个支点上。

第一个支点：极致的成本优势。

中国西部绿电价格约 0.2-0.3 元 / 度，仅为欧美的 1/5 到 1/4。加上中国模型普遍采用的 MoE 架构，能让推理时的显存占用降低 60%，吞吐量提升 19 倍。两者叠加，造就了 0.3 美元 / 百万 Token 的惊人低价——仅为海外对手 Claude 的 1/16。

这不是短期补贴，而是 " 能源禀赋 + 技术选择 " 形成的结构性成本壁垒。

第二个支点：算力效率的范式转移。

当全球还在迷信 " 堆卡 " 时，中国用更聪明的算法，让同样的硬件产出更多 Token。MoE 架构通过 " 按需激活 " 部分专家网络，大幅降低了单位 Token 的算力消耗。

这意味着什么？Token 增长不再与英伟达 GPU 需求线性挂钩。客户可以用更少的芯片，服务更多的用户。英伟达的 " 必买性 " 被动摇了。

第三个支点：全球开发者的用脚投票。

OpenRouter 平台上，美国开发者占 47.17%，中国仅占 6.01%。但正是这些美国开发者，大量调用中国模型。这不是 " 自己人捧场 "，而是真正的全球化认可。

三个支点相互强化：成本低→价格低→用户多→调用量大→场景丰富→模型迭代快→效率更高→成本更低。一个漂亮的正向循环。

02 成本优势：能持续多久？

中国 AI 的成本优势，很大程度建立在西部绿电的低价上。

但未来 3-5 年，这个优势正在发生变化。根据预测，西部绿电价格将从当前的 200-250 元 / 兆瓦时，逐步升至 2028-2030 年的 280-330 元 / 兆瓦时。与此同时，欧美光伏、风电成本正在快速下降，部分领域 LCOE 已降至 200-550 元 / 兆瓦时。

这意味着，当前 5-6 倍的价差，3 年后可能缩小到 2 倍左右。

但更关键的变化不在这里。东数西算工程的实质进展，正在改变游戏规则：西部枢纽累计建成标准机架超 1085 万架，网络时延控制在 4.5-14.3 毫秒，绿电使用占比超 80%，部分项目 PUE 值低至 1.04。

真正的护城河不是电价本身，而是 " 绿电 + 液冷 + 低 PUE" 的系统性成本优势。当算力可以像电力一样 " 西电东送 " 时，成本优势就固化为基础设施红利。

电价会涨，但系统效率的优势不会轻易消失。

03 效率优势：MoE 之后怎么办？

目前中国模型普遍采用 MoE 架构，这是效率优势的核心来源。但问题是，美国正在快速跟进。

Claude 4.6 已明确采用 MoE，GPT-5 虽未明说，但其 " 多模型混合系统 " 本质上是类似的思路。当技术趋同，中国的优势还剩下什么？

答案是工程化能力。

当美国也全面转向 MoE 后，竞争的焦点将从 " 有没有 MoE" 转向 "MoE 落地得好不好 "。这方面中国有独特积累：成本控制能力（价格已是美国的 1/16）、稳定性运营能力（支撑 5.16 万亿 Token/ 周的调用）、场景适配能力（快速响应不同开发者的需求）。

但隐忧同样存在。在下一代架构的探索上，美国仍保持微弱领先。状态空间模型（如 Mamba）、世界模型（如 Genie 3）、持续学习架构（如 Titans）——这些可能接替 MoE 的方向，美国都走在前列。

中国在基础架构层的原始创新能力，还需要时间沉淀。高校和企业培养了大量应用型人才，但顶尖创新人才更多集中在应用层。专利数量领先，但基础架构专利的质量与美国的差距需要正视。

MoE 带来的窗口期大约 2-3 年。之后，要么在工程化上建立不可替代的优势，要么在下一代架构上实现突破——二者必居其一。

04 市场优势：全球开发者会一直留下吗？

当前中国模型的海外成功，高度依赖一个事实：美国开发者占 OpenRouter 平台的 47%。

这是成功的证明，也是风险的集中。

第一个风险是政策。美国第 14117 号行政令已明确限制敏感数据向中国等 " 受关注国家 " 跨境传输。虽然目前主要针对个人隐私数据，但未来扩展至 AI 模型调用并非不可能。如果美国出台政策限制 API 调用，当前调用量的半壁江山可能瞬间蒸发。

第二个风险是价格。当前 16.7 倍的价格差是开发者选择中国模型的核心驱动力。但如果美国模型继续降价（OpenAI 已多次下调价格），价差缩小到 3-5 倍，开发者会如何选择？

复杂任务可能回流美国高端模型，因为性能优先；通用场景可能留在国产模型，因为成本优先；企业级应用则可能综合考虑生态、合规等因素。

最乐观的情况是中国模型凭借成本优势守住基本盘。但最悲观的情况是：政策筑墙切断海外市场，价格战压缩利润空间，两头受压。

真正的挑战在于：当前的市场优势是 " 价格驱动 " 的浅层嵌入，而非 " 生态锁定 " 的深度绑定。开发者因为便宜而用，也可能因为别人更便宜而走。

05 价值流向：谁赚到了钱？

调用量暴涨，钱被谁赚走了？

先看模型厂商。

智谱、MiniMax 等头部企业已在 2026 年 1 月成功登陆港交所，成为 " 全球大模型第一股 " 阵营。

智谱（02513.HK）：IPO 募资约 43 亿港元，上市不到两个月，市值已突破 2500 亿港元，较发行价翻倍。其 API 收入增长 30 倍，日均 Tokens 消耗量增长 150 倍，B 端政企客户贡献超 80% 收入。

MiniMax（0100.HK）：创下全球 AI 企业从成立到 IPO 的最快纪录（仅 4 年），上市首日市值破千亿港元。其 API 收入占总营收 29%，且海外占比超 70%，展现出极强的全球化变现能力。

月之暗面：虽暂未上市，但凭借 Kimi 模型的爆发，API 收入实现 4 倍增长，传闻其上市计划也已提上日程。

然而，上市不等于盈利。

所有模型厂商仍处于 " 高增长、高亏损 " 阶段。巨额的研发支出和算力成本，使得盈利周期依然模糊。上市后，它们面临的挑战从 " 如何拿到下一轮融资 " 转变为 " 如何在资本市场的高预期下，平衡现金流与持续投入 "。若无法尽快证明商业闭环能力，股价波动将成为悬在头顶的达摩克利斯之剑。

再看算力厂商。

中国模型的成功，为国产芯片创造了真实的 " 试验田 " 和放量机会。

摩尔线程：推理业务占比从 77% 升至 94%，成为国内模型推理的首选国产方案之一。

华为昇腾：2024 年出货 64.4 万片，国内 AI 芯片市占率约 23%，在智谱、百度等大客户的供应链中占据核心地位。

基础设施层依然是最大赢家。

无论模型厂商谁胜谁负，无论是否盈利，算力消耗是刚性的。

百度智能云：AI 收入增长 34%，AI 高性能计算设施收入增长 143%。

阿里云：AI 收入连续 8 个季度三位数增长。

数据中心：中国 AI 数据中心市场规模年复合增长率超 50%，" 东数西算 " 节点满载运行。

结论很清晰：

当前阶段，基础设施层和算力层是确定的获利者，它们赚取了产业爆发的 " 过路费 " 和 " 基建费 "。

模型厂商虽然通过上市获得了巨额资金支持和市值溢价，但本质上仍在 " 用资本换时间 "。未来 3-5 年，它们必须从 " 流量变现 " 转向真正的 " 价值变现 "，否则可能面临市值回调的风险，甚至沦为基础设施层的 " 高级打工者 "。

06 产业格局：谁主沉浮？

" 百模大战 " 正在走向分化。

创业模型厂商中，智谱聚焦 B 端，约 80% 以上收入来自政企客户；MiniMax 侧重 C 端全球化，超 70% 收入来自海外；月之暗面凭借 Kimi 模型实现 API 收入爆发。未来 2-3 年，头部厂商有机会成为独立玩家，但大多数会被并购或退出。

国产芯片企业迎来历史性窗口。但窗口期可能只有 2-3 年——美国可能放松芯片管制，国产芯片同质化竞争加剧，下一代算法架构可能改变算力需求特征。国产芯片需要在这期间完成从 " 可用 " 到 " 好用 " 的跨越，并建立自己的软件生态。

全栈巨头正在形成协同优势。华为拥有昇腾芯片 + 盘古模型 + 鸿蒙系统，形成 " 算力 - 模型 - 终端 " 闭环；联想布局 AI 服务器 + 混合式 AI+AI PC，覆盖 " 云端 - 边缘 - 终端 "。当行业从 " 技术探索期 " 进入 " 规模化应用期 "，这些巨头的渠道能力、客户资源和产业链整合能力将成为核心优势。

未来 3-5 年，产业格局将呈现 " 分层分化 "：头部创业厂商有机会独立存活，国产芯片迎来有限窗口期，全栈巨头可能成为最终的产业底座。

07  全球博弈：美国会如何反应？

中国的这一轮突破，必然会引发美国的反应。从目前看，反应将分三个层面展开。

市场层面，美国模型已经开始降价。如果价差从 16.7 倍缩小到 3-5 倍，中国模型的 " 性价比 " 优势将大打折扣。但美国模型不可能降到和中国完全一样的水平——其电力、人力、合规成本都更高。

政策层面，数据跨境监管已经收紧。最坏情景是禁止联邦机构使用中国模型，限制美国企业调用中国 API。这会导致当前调用量的核心来源大幅萎缩。

技术层面，美国在下一代架构上仍保持微弱领先。如果美国在 SSM、世界模型等领域取得突破，重新拉开代差，中国可能面临 " 刚追上又落后 " 的困境。这是最根本的挑战，也是最难应对的。

最核心的问题在于：中国 AI 的竞争力，目前更多建立在相对优势（成本、效率）上，而非绝对优势（技术代差）上。这意味着，我们更容易被追赶，也更容易被政策切断。

08 窗口期与抉择

把以上分析串联起来，中国 AI 的 " 成本 - 效率 - 市场 " 三角结构，是在美国芯片封锁倒逼创新、能源政策提供红利、工程师红利集中爆发这三重历史条件下形成的。这不是偶然，而是多种力量共同作用的结果。

但这个结构并非稳态。综合判断，窗口期大约为 3 年。

在此期间，三重优势正在收窄：电价差将从 5-6 倍缩小至 2 倍左右；MoE 带来的效率红利仅剩 2-3 年；地缘政治筑墙的风险可能导致海外市场收缩。三个维度虽仍有余地，但倒计时已经开始。这 3 年，是中国 AI 从 " 借势 " 到 " 造势 " 的关键时刻。

窗口期结束后，产业将走向两条截然不同的道路：

要么完成跃迁，要么陷入红海。

未来一：完成跃迁。从 " 性价比优势 " 升级为 " 技术定义权 " ——在下一代架构（状态空间模型、世界模型、持续学习）上实现突破，建立不可替代的技术壁垒。从 " 价格驱动 " 转向 " 生态锁定 " ——让开发者不是因为便宜才用，而是因为好用、离不开才用。当生态形成，用户粘性本身就是护城河。从 " 单点突破 " 转向 " 系统协同 " ——算力、模型、应用形成正向循环，产业链各环节都能捕获价值，而非只有基础设施层获利。这是跃迁之路。难，但可期。

未来二：陷入红海。成本优势被拉平——当电价差缩小、MoE 趋同，价格战的空间消失。技术趋同导致同质化竞争——大家都在用类似的技术，拼的是谁更能 " 卷 "。海外市场受政策挤压——美国开发者市场萎缩，只能向内寻找增长。国内模型厂商在价格战中耗尽利润——最终沦为基础设施层的 " 附庸 "，为云厂商、算力厂商 " 打工 "。这是红海之路。易滑入，难挣脱。

2026 年 2 月的这个 " 反转时刻 "，真正的意义不在于证明 " 我们赢了 "，而在于提醒我们：窗口期已经打开，但正在倒计时。

如果只有兴奋，没有警觉；只有欢呼，没有行动—— 3 年后回头看，今天可能只是红海前的最后一次高光。如果能在窗口期内完成从 " 借势 " 到 " 造势 " 的跃迁——今天就是未来 10 年的起点。

接下来的 3 年，中国 AI 产业需要回答的根本问题是：当电价红利消退、MoE 红利趋同、海外市场承压之后，我们还能靠什么赢？

是靠下一代架构的原创突破？是靠生态锁定的用户粘性？还是靠全栈协同的系统能力？

这个问题没有标准答案。但每一个答案，都将决定未来 10 年中国 AI 的江湖地位。

窗口期已开。时钟在走。