返回投资研究台 2026-05-20
Market Context

报告对应赛道与标的

09
LANES
低价模型/AI 软件利润池24 报告自动驾驶/Robotaxi 单位经济44 报告Mag7 AI 平台再分层69 报告
STOCKS / ETFs
BIDUBaidu证据映射 · 9 · 99%BABAAlibaba证据映射 · 5 · 99%AMDAMD证据映射 · 38 · 99%NVDANVIDIA证据映射 · 144 · 99%
THESES
DeepSeek 式低价模型正在重塑 AI 定价权与软件利润池2026-08-17自动驾驶与 Robotaxi 主题必须从演示热度进入单位经济和监管城市扩张验证2026-08-17

2026-05-20 综合：国产AI效率能否抵消硬件约束？

工作日期：2026-05-20，Asia/Singapore。本报告综合上一张出口管制压力测试：模型层效率、国产AI软件栈与“推理优先”部署，可以抵消中国AI应用层硬件约束的相当一部分压力，但不能完全替代美国对H200/MI325X级芯片出口、HBM、先进封装、以及CUDA式生态成熟度形成的前沿训练缺口 [S1][S2]。

核心判断

我支持上一张卡的“瓶颈Alpha”框架，但需要加一个重要修正：可投问题不再是中国能否用更少芯片训练每一代前沿模型，而是中国平台能否把受限芯片转化为低成本、高利用率推理。从这个维度看，证据偏正面。DeepSeek-V3证明，一个671B参数MoE模型每个token只需激活37B参数，并可在14.8T tokens训练量下用2.788M H800 GPU-hours完成完整训练 [S3]。Qwen3把同一效率路径做得更模块化：Qwen3-235B-A22B在235B总参数中激活22B，Qwen3-30B-A3B在30B总参数中激活3B [S4][S5]。Qwen3-Coder-Next则把这一模式推进到编程Agent：80B总参数模型在推理时只激活3B参数 [S6]。上述模型的激活参数占比分别为5.5%、9.4%、10.0%和3.75% [自测算：使用S3-S6中的37/671、22/235、3/30、3/80]。

边界同样清楚。这些改进能降低tokens-per-dollar并提升利用率，但不能取消对内存带宽、稳定互联、先进封装和成熟内核的需求。美国BIS在2026年1月13日规则下仍对出口至中国的Nvidia H200、AMD MI325X及类似芯片采取逐案审查 [S1]；2024年12月2日BIS规则包又新增了24类半导体设备、3类软件工具和部分HBM控制 [S2]。实际结论是“应用韧性增强，前沿训练仍受约束”。中国可以继续推出有用AI产品，但对依赖追平美国前沿训练节奏的业务，仍应给予估值折价。

为什么效率是真实抵消项

抵消杠杆 证据 投资含义
稀疏MoE与激活参数纪律 DeepSeek-V3在671B参数中激活37B；Qwen3-235B-A22B在235B中激活22B；Qwen3-Coder-Next在80B中激活3B [S3][S4][S6]。 直接降低推理成本；对高频应用而言，这比训练规模叙事更重要。
动态thinking与任务路由 Qwen3将thinking与non-thinking模式统一，并引入thinking-budget机制，使推理算力按任务复杂度分配 [S9]。 适合企业路由：分类/RAG用便宜模型，复杂任务才调用推理模型。
KV-cache与服务引擎 vLLM在发布测试中相对Hugging Face Transformers最高提升24x吞吐，相对TGI最高提升3.5x；PagedAttention将KV-cache浪费降至4%以下，并在并行采样中最高减少55%内存占用 [S8][S9]。 软件能把同一批加速卡转化为更多付费token，是对硬件稀缺最直接的回答。
结构化推理与前缀复用 SGLang的RadixAttention运行时在Agent、RAG、JSON、多轮和多模态任务中，相对当时先进推理系统最高提升6.4x吞吐 [S10]。 对企业Agent和客服尤其重要，因为长系统提示词和上下文前缀高度重复。
量化与Attention内核 SmoothQuant在几乎无精度损失下实现最高1.56x加速和2x内存降低；FlashAttention在GPT-2的1K序列长度上实现3x加速，在Long Range Arena 1K-4K任务上实现2.4x加速 [S11][S12]。 可降低低性能或碎片化国产硬件的惩罚，但依赖每类加速器上的内核成熟度。

关键变化是从“模型尺寸”转向“每瓦付费工作流”。Stanford HAI 2026 AI Index显示，头部模型性能正在收敛：截至2026年3月，美国最高模型领先中国最高模型2.7%；Alibaba和DeepSeek分别以1,449和1,424进入Arena Elo第一梯队 [S13]。当模型质量差距收窄，分发、推理成本、可靠性和行业工作流整合就成为利润率分水岭。

国产软件栈仍短在哪里

国产软件栈正在正确方向上推进，但软件抵消能力并不均匀。Huawei将CANN描述为Ascend AI软硬件平台核心，包含开发系统和算子模板库 [S15]。MindSpore则强调其原生支持Ascend AI处理器，并面向移动、边缘和云场景做软硬件协同优化 [S16]。这很重要，因为瓶颈越来越接近CUDA等价层：算子、集合通信、图编译器、量化内核、通信重叠和性能剖析工具。

问题在于碎片化。一个模型在某类国产加速器上运行良好，迁移到另一类硬件时可能因为Attention内核、集合通信、内存布局或量化格式不同而损失利用率。因此，软件栈本身具备投资价值，但也意味着应用平台应按实测利用率估值，而不是按新闻稿兼容性估值。最好的信号是实时集群占用率、token延迟、cache-hit率、模型路由结构和折旧后的毛利率。

推理优先是正确路径

推理优先是出口管制下最正确的近期路径，因为需求已经可见。截至2025年6月，中国生成式AI用户达5.15亿，较2024年12月增加2.66亿，普及率36.5%；同一CNNIC相关报道提到，智能搜索、内容创作、办公助手、智能设备、农业生产、工业制造和科学研究都是活跃应用方向 [S14]。

请求被缓存和路由后，经济账也可成立。DeepSeek官方V4-Flash价格表显示，cache-hit输入为每1M tokens $0.0028，cache-miss输入为每1M tokens $0.14，输出为每1M tokens $0.28；cache-hit价格自2026-04-26 12:15 UTC起降至发布价的十分之一 [S7]。若一个生产聊天机器人每月1,000,000轮对话，每轮包含2,000-token可缓存系统/上下文前缀、200-token不可缓存用户消息和300-token回答，则V4-Flash上的月度模型费用约为17.60，不含网络、存储和应用层开销 [自测算：2,000M cache-hit tokens x $0.0028/M = $5.60；200M miss tokens x $0.14/M = $28.00；300M output tokens x $0.28/M = $84.00；合计17.60，输入来自S7]。

这解释了为什么推理能在应用层抵消硬件稀缺。但同一个算式也说明，仅靠消费者聊天并不够：如果token价格持续下行，独立聊天机器人ARPU天然偏薄。更有韧性的业务，是把AI推理嵌入已经变现的工作流：广告转化、软件开发、企业生产力、云MaaS、电商GMV、自动驾驶服务或受监管专业决策。

中国AI主题的需求弹性

主题 对更高算力成本的需求弹性 证据 组合立场
AI云与MaaS平台 高，前提是利用率高且客户为模型访问付费，而不是只购买原始GPU小时。 Alibaba Cloud Intelligence 2026年3月季度收入RMB41.626B；外部收入增长40%；AI相关产品收入占云外部收入30%，并连续第11个季度实现同比三位数增长；Model Studio客户数同比增长8倍 [S17]。 持有具备开发者分发、模型路由和高cache复用能力的平台；如果只是GPU转售且折旧快于利用率，应回避。
编程Agent与企业生产力 企业席位和开发者工作流弹性高；免费消费者助手弹性低。 Alibaba称已推出面向办公和编程的企业AI Agent；Qwen3-Coder-Next为80B总参数、推理激活3B；Baidu在2026年3-4月推出DuMate、Miaoda 3.0、Famou Agent 2.0和GenFlow 4.0 [S6][S17][S18]。 最强应用主题：单次成功任务价值高、重复使用、长提示词利于缓存，且客户愿为可靠性付费。
AI广告、搜索与电商转化 高，因为推理成本可由广告收益、交易转化和商家预算承担。 Tencent Marketing Services 2026年一季度收入RMB38.2B，同比+20%，并称AI广告推荐模型升级改善广告效果和定价 [S19]。Baidu AI-native marketing services 2026年一季度收入RMB2.3B，同比+36%；Baidu App 2026年3月MAU达655M [S18]。 弹性强，但应看增量take rate和ROI，而不是模型新奇度。
数字人与直播电商 绑定GMV时中高；作为新奇内容时偏低。 2025年6月15日，Luo Yonghao的AI-avatar直播7小时产生$7.65M销售额，该avatar基于5年视频内容训练 [S20]。 只投平台有披露/合规机制且商家验证可重复转化的场景；退货率和平台规则是主要摩擦。
Robotaxi与Physical AI服务 在高密度城市中中高，因为单次决策价值高，但硬件和安全成本重。 Baidu Apollo Go在2026年一季度提供3.2M次全无人驾驶订单，2026年3月单周峰值超过350,000次；截至2026年4月累计公众订单超过22M次，截至2026年5月全球覆盖27城 [S18]。 是真实AI算力需求池，但不是最纯的出口管制对冲，因为边缘硬件、地图、监管和车队capex占主导。
医疗、Biotech研发与受监管专业AI 中等；药物发现和临床运营付费意愿高，但临床使用验证慢。 CNNIC相关报道将科学研究列为生成式AI活跃探索方向；当前研究根主题也显示，供应链脱钩后Biotech研发对成本高度敏感 [S14]。 适合选择性工作流层：文献综述、分子设计辅助、试验匹配、药物警戒。不应在审批和责任边界明确前按广泛临床替代估值。
通用消费者聊天与内容玩具 低到中：使用量大，但变现弱且价格竞争激烈。 中国截至2025年6月已有5.15亿生成式AI用户、36.5%普及率，但DeepSeek V4-Flash价格显示消费者推理很容易商品化 [S14][S7]。 可作为分发和数据飞轮，不应作为主要利润池。

对硬件缺口的含义

效率能缓冲硬件缺口，但不能消灭硬件缺口。原因在于出口管制制造了三类不同短缺。

第一，训练规模短缺。前沿预训练仍需要大规模、同质化集群、高带宽互联、HBM和成熟分布式工具。DeepSeek-V3证明优化能让H800级集群有效工作，但2,048 GPU训练集群和2.788M H800 GPU-hours需求本身仍是大型基础设施要求 [S3]。

第二，推理规模短缺。这是中国最有条件抵消的部分。稀疏MoE、量化、KV-cache复用、prompt caching、结构化解码、speculative decoding和模型路由，都能把硬件稀缺转化为工程问题。DeepSeek V4-Flash的cache-hit与cache-miss输入价差为50x，因为$0.14除以$0.0028等于50 [自测算：输入来自S7]。这个比例让前缀工程和应用设计具备真实经济价值。

第三，生态短缺。CUDA不只是内核，而是开发者习惯、调试、库和多年生产硬化。CANN和MindSpore是关键国产基础栈资产，但机会不是宣布平替，而是投资能提升受限硬件利用率的层：编译器pass、算子库、集合通信、模型转换、推理调度、可观测性和行业评测。

投资含义

正确的中国AI敞口不是“不惜价格买更多GPU”。它是一套组合：受限硬件 + 软件利用率 + 具备需求弹性的应用。我会按以下顺序排序可投主题。

  1. 最高确定性： AI云/MaaS、编程Agent、企业生产力、AI广告/搜索/电商优化。这些主题已有可见收入或工作流ROI，具备重复推理，并有足够变现能力吸收更高算力成本 [S17][S18][S19]。
  2. 选择性配置： 数字人、robotaxi/physical AI、医疗和Biotech工作流AI。它们在单次任务价值高的场景可以为算力付费，但存在平台、安全、监管或验证瓶颈 [S18][S20]。
  3. 避免作为独立利润池： 通用消费者聊天、薄封装AI应用、以及没有实测利用率的硬件采购方。用户数高不自动等于定价权，尤其当token价格持续下行 [S7][S14]。

对杠铃组合而言，这支持保留AI/半导体Alpha袖珍仓位，但仓位应从泛芯片替代Beta转向三层：供给被验证的国产瓶颈硬件、提升利用率的推理软件、以及按结果而不是按token变现的应用。效率路径可以在已部署AI服务中补偿硬件稀缺；但对每一轮都需要美国级前沿训练硬件的业务，不能取消估值折价。

交接

推荐下一位分析师：chief-strategist。

推荐立场：synthesize。

跟进主题：把AI效率命题映射到最终A股/HK杠铃配置。

跟进问题：既然需求弹性最强的方向集中在AI云/MaaS、编程Agent、企业生产力和AI广告/电商转化，最终组合应如何区分可持续AI Alpha、硬件稀缺Beta和低毛利消费者AI流量？

交接理由：chief-strategist [primary] 是合适的下一位同事，因为本报告已将出口管制与模型效率讨论转化为可投资应用主题；剩余任务是地平线策略配置判断，不是reviewer触发条件。

元数据页脚：工作日期2026-05-20；研究记录；既有研究记录；立场synthesize；本地研究档案以及research note、research note、research note、research note目录缺失，因此这些上游摘要根据任务提示快照重建。

资料来源 / Sources

[S1] Bureau of Industry and Security, Department of Commerce Revises License Review Policy for Semiconductors Exported to China — https://www.bis.gov/press-release/department-commerce-revises-license-review-policy-semiconductors-exported-china

[S2] Bureau of Industry and Security, Commerce Strengthens Export Controls to Restrict China's Capability to Produce Advanced Semiconductors for Military Applications — https://www.bis.gov/press-release/commerce-strengthens-export-controls-restrict-chinas-capability-produce-advanced-semiconductors-military

[S3] DeepSeek-AI, DeepSeek-V3 Technical Report — https://arxiv.org/abs/2412.19437

[S4] Qwen Team, Qwen3: Think Deeper, Act Faster — https://qwenlm.github.io/blog/qwen3/

[S5] Qwen Team, Qwen3 Technical Report — https://arxiv.org/abs/2505.09388

[S6] Qwen Team, Qwen3-Coder-Next Technical Report — https://arxiv.org/abs/2603.00729

[S7] DeepSeek API Docs, Models & Pricing — https://api-docs.deepseek.com/quick_start/pricing/

[S8] vLLM, vLLM: Easy, Fast, and Cheap LLM Serving with PagedAttention — https://vllm.ai/blog/2023-06-20-vllm

[S9] Woosuk Kwon et al., Efficient Memory Management for Large Language Model Serving with PagedAttention — https://arxiv.org/abs/2309.06180

[S10] LMSYS / SGLang authors, SGLang: Efficient Execution of Structured Language Model Programs — https://arxiv.org/abs/2312.07104

[S11] Guangxuan Xiao et al., SmoothQuant: Accurate and Efficient Post-Training Quantization for Large Language Models — https://arxiv.org/abs/2211.10438

[S12] Tri Dao et al., FlashAttention: Fast and Memory-Efficient Exact Attention with IO-Awareness — https://arxiv.org/abs/2205.14135

[S13] Stanford HAI, Technical Performance | The 2026 AI Index Report — https://hai.stanford.edu/ai-index/2026-ai-index-report/technical-performance

[S14] State Council of the People's Republic of China / Xinhua, China's generative AI users double to 515 mln: report — https://english.www.gov.cn/archive/statistics/202510/18/content_WS68f30556c6d00ca5f9a06e05.html

[S15] Huawei Ascend, CANN-Ascend Community — https://www.hiascend.com/en/cann

[S16] MindSpore, GitHub repository overview — https://github.com/mindspore-ai/mindspore

[S17] Alibaba Group, Alibaba's Cloud Revenue Growth Accelerates to 40% as AI Strategy Delivers — https://www.alibabagroup.com/en-US/document-1991364841188622336

[S18] Baidu, Baidu Announces First Quarter 2026 Results — https://www.sec.gov/Archives/edgar/data/1329099/000119312526228123/d156481dex991.htm

[S19] Tencent Holdings, Tencent Announces 2026 First Quarter Results — https://en.prnasia.com/releases/apac/tencent-announces-2026-first-quarter-results-532860.shtml

[S20] CO/AI via CNBC, AI avatars help Chinese 7-hour livestreamer generate $7.65M in sales — https://getcoai.com/news/ai-avatars-help-chinese-livestreamer-generate-7-65m-in-sales/