21世纪经济报道记者 雷晨

7月24日，瑞银证券中国互联网行业分析师熊玮在一场线上媒体交流会上，向21世纪经济报道等媒体分享了其对中国AI、大模型行业的观察与想法。

熊玮表示，中国模型在训练成本和推理成本两方面，跟国际同行相比都有明显的成本优势。基于能够收集到的公开数据，一些头部模型的训练成本可能只有海外龙头的1/10；在API（模型调用接口）定价方面，中国模型基本上能够达到海外对标模型平均定价的10%至20%。

但中国的模型定价并不是基于激进的价格补贴或者厂商疯狂让利，中国的模型厂在API业务上也能实现20%～40%的毛利，凸显了模型推理阶段背后成本结构的优势。

熊玮将训练效率的提升归因于几点：一是中国模型厂在模型架构设计、GPU（AI算力芯片）使用效率上做了大量算法层创新；二是中美策略重点不同，美国同行做了很多前沿探索，花了大量R&D成本做实验，而中国厂商更看重性能提升与成本效率的平衡，加上国产算力和进口算力的客观限制，使得训练策略更向成本与性能的平衡倾斜；三是中国活跃的开源生态，使得先进科技创新在不同AI Labs（人工智能实验室）之间传播较快。

在推理效率方面，熊玮将其拆成三层：第一层是模型架构创新，例如MOE架构（稀疏参数模型结构）下中国主流模型设计的激活参数比例普遍为个位数到10%，而美国模型预估为15%～30%，加上注意力机制等设计，使得中国模型在推理阶段对算力的要求更低；第二层是工程层或服务调度层的优势，通过大型算法调度提高算力基建利用效率，行业整体GPU利用效率大概为40%～50%，中国最领先的玩家可达70%以上；第三层是基建优势，中国电力更便宜，数据中心配套成本更低，长期看国产芯片发展也能支持更有成本优势的推理架构。

熊玮指出，从需求端来看，AI行业落地应用逐渐普及，用户从早期的Tokenmaxxing（盲目消耗词元）转向更加受ROI（投入产出比）驱动的资源分配。模型也在逐渐分层，不同工作流对应不同模型，更加复杂、分层的模型需求使得中国厂商的性价比优势在企业端选择时更加被看重。已有一些国外企业开始谈到要把部分工作流搬到中国开源模型上。

展望下半年，熊玮总结了三个关键方面：模型的性能、模型的变现、Token（词元）ROI。

模型性能方面，行业更新迭代保持高频，基本上一个半月到两个月都会有一轮头部厂商密集发布新模型。他观察到，全球第一梯队的玩家正在形成，尤其在Coding赛道，领先厂商能通过数据飞轮积累高质量用户数据，同时Coding Agent（代码自主智能体）等产品增强用户黏性。AI自我进化也让领先模型能找到不断提升自身能力的路径。

变现方面，AI Coding（AI辅助编程）能力不仅针对代码，还打开了更广泛的工作流，从工程师向更广泛的高级白领或知识型工作者拓展。多模态赛道反而是中国厂商相对有优势的领域，部分厂商近期财务数据表现亮眼。

Token ROI方面的优势，有利于中国模型厂商长期保持在全球市场的竞争力与定位。随着需求变得更复杂、分层，领先梯队与其他模型会产生定价权差异，但中国模型仍能长期保持结构性成本优势。

谈及Kimi K3的发布，熊玮认为这与去年的“DeepSeek时刻”殊途同归。K3成为当前全球参数量领先的开源模型，定价上保持明显价格优势。K3定价处于国产模型的头部，说明真正好的模型能力有溢价权。开源模型的强劲势头也倒逼全球领先玩家降低实际Token定价。

但他同时强调，越大的模型对算力需求越大，中国模型要在全球舞台继续角逐，需要充分的算力支持。从调研来看，各家模型厂商的收入反而更多受限于自己有多少算力能够支持推理需求。

以下为采访实录节选，略作编辑：

媒体：中美云厂商在AI资本开支节奏、建设周期及ROI要求上是否存在明显差异？

熊玮：中国互联网大厂在AI投入节奏上相对审慎。与美国厂商相比，中国在投资规模及投入增速方面更为稳健。中国管理层天然更重视投资回报率，会试图平衡多方诉求，使投入更具可持续性。我们始终强调中国AI行业并不存在AI泡沫，原因即在于大厂自初始阶段便遵循更看重投资回报率、稳扎稳打的节奏。长期来看，随着模型能力进步和推理需求增长，整体投入仍将逐步加大。

媒体：相比海外，中国基座模型厂商是否太多？终局会否收敛洗牌？

熊玮：中国参与者确实更多，可大致分为两类：一类是初创AI Lab，如DeepSeek、智谱、Kimi等头部厂商，核心业务即研发模型、前沿探索；另一类是互联网或科技大厂，拥有庞大的B端和C端生态及用户场景，AI策略更为复杂。两类玩家的定位和路径存在本质区别。

媒体：目前上市的模型厂市值下滑了不少，怎么看待这个市值变动？目前是合理回归还是低估了？未来还有没有上涨的空间？

熊玮：涉及个股，我们仅就大方向进行探讨。这一轮K3的发布，引起了投资者对于上市模型公司竞争层面的担忧。但我们认为，现在全球的模型行业只有两家上市公司，上市时间也非常短，仅六七个月，因此整个股价波动性非常大。二级市场包括我们自身也在持续学习，根据行业进展来理解行业变化，并探索这些上市公司更合理的估值方式，寻找其估值中枢，这仍是动态变化的过程。

媒体：中国模型偏向开放权重，美国倾向闭源，企业端实际落地趋势偏向哪一种？

熊玮：第三方数据显示，开源模型整体势能正在增强，用量和平台份额从低基数起增长较快。这与企业日益重视AI账单管理、寻求性价比更优方案的趋势一致。过去开源模型性能未达企业级商用门槛，但随着中国模型性能稳步提升，开源与闭源的差距正在收窄。

媒体：如何看待算力需求与供应，尤其是在中国？

熊玮：算力需求远大于供应，这是目前非常明显的问题。几乎所有模型厂商均表示算力不足。训练端，追求更大参数和更高性能意味着绝对算力需求上涨；推理端，厂商的收入转化直接受限于可用算力规模。随着AI普惠推进，长期推理需求只会持续上涨。

媒体：中国公司会永远坚持开源路线吗？

熊玮：开闭源选择是灵活的。当前选择开源是合理战略——牺牲部分变现空间换取更广泛的用户使用，也符合AI普惠理念，同时在国内算力有限的情况下，开源有助于用有限算力支持更广泛的需求。未来是否转闭源，取决于市场需求、商业化目标和产业链供给的动态变化。

媒体：AI模型竞争激烈，市场该如何判断真正的领先者？

熊玮：预判谁将领先风险很高，行业变化太快。更稳妥的方式是观察模型发布，从过去模型能力迭代的步骤、路径、组织效率、资本利用和人才优势中，可以获得对公司综合实力的侧面印证。模型能力本身仍是行业第一性原理。