這一操作被業(yè)內(nèi)人士解讀為英偉達(dá)與OpenAI“資本閉環(huán)”的升級版，只不過這次加入了軟銀這個重量級玩家。資金從英偉達(dá)流向OpenAI，不僅影響了美股走勢，更引發(fā)了對美國AI估值泡沫的二次質(zhì)疑。2025年11月初，納斯達(dá)克綜合指數(shù)與標(biāo)普500指數(shù)均錄得近一個月最大單日跌幅，這是繼春節(jié)前中國大模型DeepSeek-R1發(fā)布后，AI領(lǐng)域引發(fā)的第二場市場震蕩。DeepSeek以遠(yuǎn)低于OpenAI的成本實現(xiàn)了媲美GPT-4的性能，并選擇開源，這一舉動首次讓資本市場意識到：美國AI的神話并非不可撼動。
美國AI產(chǎn)業(yè)正陷入一個結(jié)構(gòu)性困境：技術(shù)迭代與收入增長的速度，遠(yuǎn)不及資本預(yù)期的膨脹速度。這種矛盾在“人力—算力—資本”三條成本曲線上體現(xiàn)得尤為明顯。以AI人才為例，OpenAI、Anthropic和Google DeepMind等頭部企業(yè)爭奪同一批頂尖博士，導(dǎo)致人才價格飆升。一個資深研究科學(xué)家的年薪普遍超過150萬美元，頂級團(tuán)隊甚至達(dá)到250萬至300萬美元。meta、OpenAI等明星公司的AI人才年薪部分突破千萬美元，這意味著一家大模型公司的核心團(tuán)隊年薪支出就可能超過1億美元。
算力成本的壓力同樣巨大。OpenAI作為全球付費率最高的聊天機(jī)器人應(yīng)用，其訓(xùn)練成本也是行業(yè)之最。據(jù)估算，GPT-4的訓(xùn)練成本在7000萬至1.4億美元之間，而GPT-5的成本只會更高。Anthropic的情況類似：盡管2025年預(yù)計收入接近90億美元，但算力需求的擴(kuò)張速度更快，導(dǎo)致其收入增長難以覆蓋成本攀升。這種“必須持續(xù)加杠桿”的商業(yè)模式，讓市場開始擔(dān)憂其長期可持續(xù)性。英偉達(dá)的股價走勢也印證了這種焦慮——作為AI最大的“賣水人”，其市值上漲速度已遠(yuǎn)超利潤兌現(xiàn)能力。一旦訓(xùn)練和推理需求增速放緩，英偉達(dá)將首當(dāng)其沖受到?jīng)_擊。
軟銀的決策反映了市場態(tài)度的微妙變化。在英偉達(dá)市值高點附近清倉，并將資金轉(zhuǎn)向OpenAI，這種“換倉”操作并非看空AI，而是對價值鏈位置的重新選擇。連擅長在科技周期中獲利的軟銀都開始調(diào)整策略，說明美國AI的估值敘事已出現(xiàn)裂痕。相比之下，中國AI的估值邏輯呈現(xiàn)出截然不同的特征。
從成本結(jié)構(gòu)來看，中國AI企業(yè)正在現(xiàn)有條件下實現(xiàn)追趕甚至反超。Jefferies的報告指出，2023至2025年中國頭部云廠商的AI資本開支總和比美國同行低82%，而投資回報率（ROI）卻顯著更高。這種差異源于中國企業(yè)的務(wù)實路線——不追求參數(shù)規(guī)模的盲目擴(kuò)張，而是通過模型架構(gòu)創(chuàng)新、算子優(yōu)化和異構(gòu)訓(xùn)練等技術(shù)手段，在相同算力下實現(xiàn)更高性能。DeepSeek的成功是這一路線的典型案例：其通過工程化提效和混合精度訓(xùn)練，證明了大模型競爭的核心不是規(guī)模，而是算力利用效率。
這種務(wù)實策略在中國AI企業(yè)中已形成共識。以MiniMax為例，其M1模型采用Linear Attention架構(gòu)，在512塊H800顯卡上僅用三周就完成了強(qiáng)化學(xué)習(xí)階段，訓(xùn)練成本約54萬美元。M2模型則切換回Full Attention架構(gòu)，以平衡復(fù)雜任務(wù)表現(xiàn)與穩(wěn)定性。這種根據(jù)產(chǎn)品需求靈活調(diào)整架構(gòu)的做法，體現(xiàn)了“實用為先”的邏輯。據(jù)知情人士透露，MiniMax的高估值建立在架構(gòu)創(chuàng)新基礎(chǔ)上——用更少的錢實現(xiàn)同等訓(xùn)練效果，是其技術(shù)路線的主線。
商業(yè)化速度的差異更為明顯。美國企業(yè)普遍遵循“先做強(qiáng)模型，再尋找場景”的邏輯，而中國公司則更傾向于“先確定場景，再訓(xùn)練適用模型”。這種反向操作在ToC端效果顯著。MiniMax成為中國最早跑通大規(guī)模付費模式的AI企業(yè)之一，其多模態(tài)模型（包括語音、音樂和視頻）在海外市場表現(xiàn)出色，日活躍用戶（DAU）和付費率均維持在健康水平，而訓(xùn)練成本卻遠(yuǎn)低于OpenAI。某頭部視頻平臺、大型教育科技公司和全球語音通訊服務(wù)商等企業(yè)，均已與MiniMax建立API合作，驗證了其商業(yè)閉環(huán)的可行性。
當(dāng)OpenAI試圖構(gòu)建覆蓋文本、語音、視頻和工具鏈的“未來操作系統(tǒng)”時，中國AI企業(yè)選擇了另一條路徑：在3至5年的關(guān)鍵窗口期內(nèi)，快速落地應(yīng)用、構(gòu)建生態(tài)和積累用戶。MiniMax的產(chǎn)品戰(zhàn)略體現(xiàn)了這一思路——其語音、音樂、視頻生成模型與文本模型形成能力矩陣，圍繞“立即商業(yè)化”的目標(biāo)展開，而非等待未來平臺的成熟。這種差異不僅源于路徑選擇，更來自結(jié)構(gòu)性成本優(yōu)勢。報告顯示，中國模型在同等智能水平下的價格普遍低于美國模型，這種“降維打擊”能力將加速中國模型在全球市場的滲透。
中國AI版圖中，頭部企業(yè)的差異化格局逐漸清晰。阿里Qwen依托阿里云的算力體系，在政企、金融和制造等領(lǐng)域?qū)崿F(xiàn)深度落地，其模型版本更新頻繁、穩(wěn)定性強(qiáng)，為大模型基礎(chǔ)設(shè)施提供了堅實支撐；Kimi在長文本處理上保持優(yōu)勢，提供高質(zhì)量內(nèi)容體驗和資料整理能力；智譜則在企業(yè)合作廣度和技術(shù)路線扎實性上領(lǐng)先，成為ToB部署的重要參與者。這些企業(yè)共同構(gòu)成了中國AI的多元生態(tài)，分別滿足產(chǎn)業(yè)鏈的不同需求。在這場全球AI競賽中，中國企業(yè)的務(wù)實路線和成本優(yōu)勢，正在重塑競爭格局。
