中国人工智能竞争威胁美国模型利润率，而非其生态系统

乍看之下，一些中国人工智能模型似乎只需少量资源和低成本，就能提供接近顶尖水平的功能。其中一些模型还是“开放权重”的，允许用户下载并在本地网络上运行，从而缓解了数据隐私方面的担忧。

那么，企业用户为何要为美国的尖端模型支付保费呢？

随着美国科技公司持续向人工智能基础设施投入资本，投资者质疑该行业能否产生与其支出相符的回报。

但这忽略了更宏观的格局。虽然中国的开放权重模型可能会对美国模型供应商的定价能力和利润率构成压力，但它们并不会从根本上威胁到更广泛的由美国主导的人工智能生态系统。

更便宜、更优质的人工智能模型应会加速其普及应用，从而扩大整个价值链的需求，而大部分长期价值的创造很可能就发生在价值链的各个环节。

中国的成本优势真如表面看来的那么明显吗？

认为中国正以极低的价格构建相同甚至更优的人工智能，这种看法具有误导性。

许多关于中国模型在资本支出方面具有成本优势的说法，低估了“蒸馏”（即在更先进的系统上对模型进行部分训练）的影响。此外，中国模型每 token（标记）的定价低，并不一定意味着使用该人工智能模型后，获得每个结果的成本也低。

一个能力较弱的模型可能需要更多的 token、计算能力、能源和时间来完成同样的工作。

每个完成任务的成本和每个任务所需的时间是更有用的衡量基准。根据这些指标，许多美国模型与中国的竞争对手相比更具优势。美国的开发者也并未止步不前。他们已经大幅降价，一些公司也提供了开放权重模型，并计划推出更多。

如果廉价或本地部署的模型成为标准，这会损害整个美国人工智能生态系统的估值吗？我们认为不会，原因有三。

首先，价格下降会扩大对人工智能的需求。这是杰文斯悖论的一个版本：当一项技术变得更便宜时，人们会更多地使用它。每项人工智能任务成本的降低，应会鼓励更多的任务、更长的推理过程和更多的自主代理出现。

因此，凭借其云基础设施、全球网络和专有数据，由美国主导的生态系统可以持续蓬勃发展，而这些优势都不依赖于具体使用哪种人工智能模型。

其次，尖端模型可能仍能获得保费，并在整体能力上保持领先。中国模型在某些基准上与它们相当，但在要求最高的网络、科学和长期自主代理测试（即人工智能系统必须随时间自主完成的复杂、多步骤任务）方面仍存在差距。

对于科学研究等一些应用，最好的模型仍然能产生优势，因此最先进的模型仍具有一定的定价权。

第三，安全和主权方面的担忧指向一个混合型市场，美国和中国的模型都将在其中扮演角色。美国对外国访问某些模型的限制，凸显了依赖单一国家技术的风险。

然而，美国以外的“主权人工智能”计划因从零开始构建具竞争力的人工智能基础设施的成本高昂而进展缓慢。同时，出于治理和安全方面的担忧，大型外国人工智能和云服务用户可能仍倾向于选择美国模型而非中国模型。

因此，人工智能需求朝着更普及、更廉价的模型（包括本地部署的开放权重系统）方向演变，是合乎情理的。

这将使尖端模型供应商更难维持其保费定价、利润率和估值，但这并不意味着用户会完全转向中国的替代品。

我们预计两种系统将共存。

竞争的下一阶段会是怎样？

由美国主导的人工智能生态系统在专用先进加速器、高带宽内存以及让芯片作为一个单一系统工作的网络技术方面拥有显著优势。美国的出口管制应有助于在短期内保持这些优势。

短期内，中国可能仍会受到先进计算能力短缺的制约。它将继续建设国内芯片制造能力，同时鼓励其科技公司之间进行更紧密的合作。

尽管如此，中国在电力生产方面拥有关键优势。2025年，该国发电量是美国发电量的两倍多，且扩张速度更快。

一个中国的数据中心可能需要一到三年时间来建设并接通电源，而美国一个重大的电网连接和输电升级则需要五到十年。

然而，就目前而言，美国在已安装的人工智能计算能力方面拥有相当大的领先优势，这反映了其硬件优势。目前，这一优势足以抵消中国更充裕的电力供应。

因此，中国的电力优势仍然是一个战略机遇来源，如果该国能在芯片和人才方面缩小差距，这一优势可能成为决定性因素。

人工智能周期将持续

美国在尖端人工智能能力方面保持领先，而中国则在加速应用普及方面处于有利位置。但两国都不会接受对方的领先地位。

我们预计这两个生态系统将平行发展，推动全球人工智能的创新和投资，期间会伴随一些波动，因为一方可能会暂时以另一方的利益为代价取得优势。这将持续产生经济动力，对两国都带来积极的增长影响。

对投资者而言，价值创造很可能将归属于人工智能基础设施、芯片、数据和分销网络的所有者，而不仅仅是尖端模型的开发者。

两位作者均来自 Lombard Odier。Michael Strobaek 是全球首席投资官，Dr Filippo Pallotti 是宏观策略师。

本文节选自 Lombard Odier 的一篇更长的原创分析。此处的评论和信息不构成投资建议，也不是买卖推荐。