背景关联 本文是Kimi K3改写的AI价格表的后续篇。如果说前一篇验证的是单一模型的定价与结构，本文则扩展到中国开源模型整个生态如何再分配半导体与大型科技的价值链，以及美国政策与中美博弈如何改变这一解读。建议搭配半导体多空之争的真正焦点、半导体合理股价、长鑫存储IPO与内存价格风险一起阅读。相关专题为AI HBM专题与Exclusive Analysis专题。
要点
- 中国开源模型的性能收敛，与其说是AI需求崩塌，不如说更接近价值链再分配。模型API与最先进GPU的垄断价值下降，而更便宜的推理会推高用量，进而可能抬升内存·存储·网络·电力·云分发的价值。
- 相对偏好按此排序：韩国内存为三星电子 > SK海力士，美国半导体为美光·闪迪 > 英伟达，大型科技为Meta·亚马逊 > 谷歌·微软 > 纯模型服务商。[推断: 相对判断]
- 中国开源模型已经证明每单位智能的算力·内存成本正在下降，但并未证明总芯片支出会减少。台积电反而将2026年CAPEX从520亿-560亿美元上调至600亿-640亿美元。
- 长鑫存储在HBM上与领先三家相比，产品层面相差1.5-2代，商业化层面相差2-3年。因此2028年的威胁并非当下的供给冲击，而是一项有条件的期权。
- 中国模型的技术扩散与中国API服务商的营收扩散是两回事。最现实的路径，是把中国模型再托管到AWS·Azure或企业VPC上，再以西方的安全·合同体系对外销售。[分析范围]
1. 先从事实说起
生态发展方向没有错，但并非所有新模型的训练硬件都已公开。这一区分很重要。
DeepSeek-V3使用2,048块英伟达H800与278.8万GPU小时完成训练。[事实: DeepSeek V3技术报告] H800虽然是出口受限型号，但并非低端消费级GPU。相比之下，Kimi K3公开了2.8万亿参数、100万token上下文，以及相对K2高出2.5倍的扩展效率，但完整技术报告与训练硬件要到7月27日才会公开。[事实: Kimi官方发布]
因此，“Kimi K3也是用低价英伟达GPU训练的"这一说法目前还无法确认。[未验证]
效率改善确实存在
DeepSeek V4-Pro的1.6万亿参数中，仅激活490亿个。在100万token区间内，相对V3.2，其每token FLOPs约为27%，KV缓存约为10%水平。[事实: DeepSeek V4模型卡] 这是在维持性能的同时大幅削减每token GPU·HBM用量的直接证据。
但另一面同样真实存在
华为CloudMatrix384将384块昇腾910C组合在一起为DeepSeek-R1提供服务。根据JPMAM的统计，CloudMatrix使用HBM 49TB、功耗599kW，而作为对比对象的GB300 NVL72则分别为21TB和145kW。[事实: CloudMatrix论文, JPMAM对比资料]
这并非完全对等的性能比较，但中国以更多芯片·内存·电力来弥补单颗芯片性能不足的方向是明确的。单颗芯片便宜，并不必然意味着更少的硅片·网络·电力消耗。[推断: 结构解读]
2. 核心方程式：应该看什么
这场争论的答案不在跑分成绩里，而在两个方程式中。
总算力需求 = 总token数 × 每token算力用量
总内存需求 = 总token数 × 每token内存用量
+ 模型·KV·检索数据存储量
如果开源模型把token价格降低70%、同时用量增长5倍，那么即便效率有所改善，总需求依然会增加。反过来，如果用量增长2倍的同时每token HBM用量下降70%，那么HBM需求就会减少。
因此今后需要盯住的指标可以压缩成一个：token增长率在多大程度上超过每token内存下降率。
截至目前的判定
总支出由以下方程式决定。
总芯片支出 = 训练次数 × 单次成本
+ 推理token数 × 每token成本
台积电在2Q26电话会上将2026年CAPEX从520亿-560亿美元上调至600亿-640亿美元。微软的推理吞吐量也提升了40%，但大客户的token使用量环比增长30%，2026年CAPEX仍维持在约1,900亿美元。[事实: 台积电2Q26电话会, 微软FY26 3Q电话会]
截至目前，用量增长跑赢了效率提升。 [推断: 数据综合]
3. 半导体影响：按个股分化
| 个股·集团 | 股价影响 | 核心解读 |
|---|---|---|
| 三星电子 | 正面 | 不仅是HBM，还覆盖服务器DRAM、NAND·eSSD、通用内存，受益面最广 |
| SK海力士 | 中性偏正面 | token增长是利好，但MoE·KV压缩会减少HBM/token用量，对稀缺性溢价倍数构成压力 |
| 美光 | 正面 | 美国供应链中DRAM·HBM·NAND综合暴露。与三星类似，享受broad-memory受益 |
| 闪迪(SanDisk) | 正面 | 本地部署、模型权重、RAG·缓存增长带动eSSD·NAND需求 |
| 英伟达 | 短期负面，长期中性 | 中国市场份额与最高端GPU垄断价值下降。总token增长与H200出货部分对冲 |
| AMD | 相对正面 | 开源模型便于跨异构硬件迁移。ROCm与实际服务份额是关键 |
| 博通·迈威尔·Arista | 中期正面 | 西方阵营custom ASIC、以太网、光通信·SerDes需求扩大 |
| 台积电 | 中性偏正面 | 英伟达·AMD·ASIC训练芯片需求维持，但中国推理转向昇腾·中芯国际 |
为什么三星相对优于海力士
同为存储三巨头，三星电子与SK海力士的方向却出现分化。低价推理与开源模型扩散不只是拉动HBM，还会拉动服务器DRAM·NAND·通用内存的总量。敞口更广的三星电子能从这轮扩散中获益更多。
反之，MoE与KV压缩会降低每token的HBM用量。HBM纯敞口较高的海力士，会同时承受token增长的红利与每token HBM用量下降的压力。相比绝对需求，稀缺性溢价倍数会率先承压。[推断: 敞口结构分析]
不过三星电子也存在相反的风险：它将最先暴露在长鑫存储通用DRAM扩产的冲击之下。
英伟达与H200
近期美国已开始向中国有限出货H200，但数量目前仍然很小。这对英伟达短期营收是利好，但还不足以扭转以华为为中心的国产基础设施替代趋势。[事实: 2026年7月路透社报道] [推断: 影响判断]
4. 大型科技影响
| 企业 | 判断 | 理由 |
|---|---|---|
| Meta | 最为正面 | 开放生态战略得到验证，AI收益更多来自广告·推荐而非API |
| 亚马逊 | 正面 | 无论哪个模型胜出，都能销售AWS的推理·存储·网络服务 |
| 谷歌 | 中性偏正面 | TPU·云业务受益，但Gemini API的价格溢价承压 |
| 微软(Azure) | 中性 | Azure使用量增长，但OpenAI模型租金与CAPEX回收率承压 |
| 苹果 | 正面 | 更便宜的小型·开源模型降低端侧与Private Cloud成本 |
| OpenAI·Anthropic | 负面 | 性能差距与API价格溢价收窄，对高企业估值与融资构成压力 |
与普遍的误解不同，Meta并非最大受害者。 它靠广告·推荐而非模型销售赚钱，并利用开源模型降低成本，因此存在相对受益的可能性。压力更多来自CAPEX与折旧端。[推断: 商业模式分析]
2025年DeepSeek冲击的教训
2025年DeepSeek冲击期间，英伟达单日市值蒸发17%，约5,930亿美元。最初的市场反应是对GPU·电力·数据中心基础设施的全面抛售，但随后出现部分反弹。[事实: 2025年市场报道]
这一次也很可能重演同样的模式：短期股价对效率恐慌做出反应，中期业绩则对用量增长做出反应。[推断: 历史模式]
5. 中国开源模型论点判定
对多空双方各自提出的主张逐一判定如下。
| 主张 | 判定 |
|---|---|
| 前沿性能必须依赖最高端GPU | 论据被削弱，但未被证伪 |
| AI智能是稀缺资源 | 在原始模型·token价格层面已大幅瓦解 |
| 资本规模构成护城河 | 预训练护城河被削弱，价值转向部署·数据·电力·分发 |
| 开源的边际成本为零 | 只有权重价格趋近于零，推理成本仍持续产生 |
| 10亿美元训练支出已超越1,000亿美元投资 | 比较了两个不同口径的成本范围，属于不准确的主张 |
最后一项尤其常被误用。训练成本与基础设施总投资并不是同一口径，不能直接比较。
6. 长鑫存储的HBM进展到了哪一步
这是讨论中国威胁论时最常被夸大的部分。按关卡逐一拆解，就能看清实际情况。
| 关卡 | 当前判定 | 判断依据 |
|---|---|---|
| DRAM单元制程 | 已商业化，进展较快 | DDR5·LPDDR5X已销售，苹果也在测试用于中国产品的DRAM |
| TSV堆叠 | HBM2小批量，HBM3处于早期 | 有HBM2量产的报道，但产量·良率未公开 |
| 封装·base die | 建设中 | 中国国内生态正在形成，但量产良率·散热·可靠性数据缺失 |
| 客户认证 | HBM尚未确认 | 腾讯合约与苹果测试只能证明其通用DRAM能力 |
| 与领先者的差距 | 1.5-2代 | 领先三家已在HBM4爬坡，长鑫存储的HBM3量产尚待验证 |
截至2026年7月17日，长鑫存储官方公开的产品线只有DDR5·LPDDR5/5X·DDR4·LPDDR4X，尚不包含HBM。TrendForce也将长鑫存储的HBM3归类为早期验证阶段，认为技术壁垒与国产设备使用条件的限制正在拖延量产进度。[事实: 长鑫存储官方资料, TrendForce]
产能估计也存在分歧。月产能停滞在24万片附近的说法，与年底达到35万片的预测相互矛盾，而35万片并非公司官方指引，只是民间模型测算，难以作为确定值使用。[未验证]
传统DRAM假设应当这样修正
- 2026-2027年：长鑫存储的HBM投资会延后中国产传统DRAM供给宽松的时点。
- 2028年：如果HBM3/3E获得中国加速器客户认证并拿到有意义的出货量，就可能率先替代中国国内的旧世代HBM市场。
- 2029年以后：唯有HBM4、base die、封装良率一并跟上，才会直接冲击全球领先市场和海力士的利润率。
换言之，比起"长鑫存储会让传统内存眼下更加短缺”，“长鑫存储释放传统内存供给的力度不及预期”这一判断更为合理。[推断: 分阶段判断]
7. 美国政策如何改变这一解读
美国对待AI的方式，与其说是商业技术，不如说是盟友体系的核心基础设施。这正是单纯的技术分析无法给出完整答案的原因。
美国的AI Action Plan与14320号行政命令明确提出，要将硬件·云·网络·模型·应用捆绑而成的美国产AI技术栈出口给盟国，并降低盟国对敌对国家技术的依赖。即便中国模型在性能与价格上更具优势，在盟国的政府采购与核心产业领域，美国技术栈仍拥有政策层面的优势地位。[事实: White House AI Action Plan, EO 14320]
但这并非完全脱钩
美国商务部工业与安全局(BIS)于2026年1月规定，H200·MI325X对华出口须在获批客户与安全条件下逐案审查。这是一种折中方案，既让中国部分留在美国芯片生态之内，又保留对其的管控权。[事实: BIS 2026-01-13]
美国民营企业使用中国模型也并未被全面禁止。No DeepSeek on Government Devices Act目前仍处于法案提出阶段。不过澳大利亚政府已下令在政府系统中清除DeepSeek，意大利的个人信息保护机构也对用户数据处理作出了限制。[事实: 各国官方举措]
比起立法，采购与安全部门层面的事实禁令更可能率先发挥作用。 [推断: 政策生效顺序]
8. 西方企业能否使用中国模型API
不同路径下的普及可能性截然不同，下表就是这个问题的答案。
| 采用方式 | 普及可能性 | 判断 |
|---|---|---|
| 直接调用中国大陆托管的API | 低 | 存在数据·管辖权·采购风险 |
| 通义千问的美国·欧盟·日本·新加坡API | 中等 | 可实现数据本地化，但中国服务商风险仍然存在 |
| AWS·Azure再托管的中国模型 | 中高至高 | 合同·安全·数据控制权掌握在西方云厂商手中 |
| 企业VPC·本地部署open-weight | 高 | 无需向中国服务器发送数据 |
| 政府·国防·关键基础设施 | 极低 | 采购限制甚至可能延伸到模型血统本身 |
最现实的路径如下。
中国模型开发
→ 在AWS·Azure或企业VPC上再托管
→ 以西方的安全·合同·审计体系对外销售
也就是说，中国模型的技术扩散与中国API服务商的营收扩散是两回事。[推断: 路径分析]
直接API的局限
DeepSeek的隐私政策写明，包括输入数据在内的个人信息将直接在中国境内收集·处理·存储，并可用于服务与模型改进。[事实: DeepSeek隐私政策] 对于处理源代码、客户信息、医疗·金融数据、受出口管制技术的企业而言，这是致命的条款。
通义千问则有所不同。阿里云Model Studio提供美国·德国·日本·新加坡等区域节点，可将数据与推理限定在特定地域，并明确表示不会将客户数据用于模型训练。[事实: 阿里云区域·安全政策] 因此在非受监管行业以及东南亚·中东·拉丁美洲，直接采用API的情况可能会增加。
不过数据本地化与SOC 2认证，并不能消除因中美博弈而产生的服务中断·制裁·采购风险。[推断: 剩余风险]
9. 论点修正：什么改变了，什么没变
第一，美国超大规模云厂商崩溃论被削弱。 AWS与Azure直接托管DeepSeek，并提供数据隔离、SLA与安全评估。美国云厂商完全可以吸收中国模型带来的成本创新，并将其转化为自身收入。[事实: AWS·Azure官方公告]
第二，价格压力首先冲击闭源模型API。 这会给OpenAI·Anthropic·谷歌的token价格与利润率带来压力，但推理量与AWS·Azure的使用量却可能随之增长。这对Meta的开源模型战略相对有利。
第三，中美分离对总基础设施投资形成支撑。 两大阵营会各自重复建设加速器·内存·网络·电网。效率提升直接导致全球芯片支出下降的可能性因此降低。
第四，SK海力士的HBM溢价可能在盟友阵营内维持更久。 长鑫存储的HBM大概率会先从中国加速器与中国数据中心开始渗透。西方CSP要采用它，除了技术认证外，还要额外通过政策与供应链认证。不过出口管制会加速中国的自主投资，因此2028年以后中国国内市场份额仍存在风险。
第五，三星电子是相对意义上的对冲标的。 低价推理与开源模型扩散不仅能拉动HBM，还可能拉动服务器DRAM·NAND·通用内存的总量。但另一面，它也存在最先暴露在长鑫存储通用DRAM扩产冲击之下的风险。
10. 受损与受益的先后顺序
- 受损最大：闭源模型API的超额利润，以及高杠杆的GPU租赁服务商
- 中等风险：甲骨文(Oracle)等大规模提前投资·客户集中度高的服务商
- Meta：并非最大受害者。利用开源模型降低成本，存在相对受益的可能性。压力集中在CAPEX与折旧
- 英伟达：相比短期EPS，估值倍数与产品结构会率先承压。中国国内的替代是风险，但CUDA·网络·能效·开发周期护城河依然存在
- 内存：基准情形并非HBM绝对需求下降，而是HBM稀缺性溢价收窄 + 向DDR/CXL/eSSD分层扩展
11. 情景更新
对半导体合理股价一文中使用的概率做临时调整是合理的。
| 情景 | 原假设 | 调整后 |
|---|---|---|
| 超额需求持续 | 30% | 30% |
| 资产再集中 | 40% | 40% |
| 供给·效率正常化 | 20% | 25% |
| 系统性需求断崖 | 10% | 5% |
中国模型的性能表现降低了AI需求本身消失的可能性(断崖情景从10%降至5%)。与此同时，效率提升与中国产硬件会压低英伟达·HBM的稀缺性溢价(正常化情景从20%升至25%)。
时间轴情景同样可以维持：2027年前用量增长跑赢效率提升的概率为70%，2028年以后结构·价格正常化的概率为25%，总CAPEX收缩的概率为5%。不过70%情景的驱动力，已经从单一全球生态转变为美国阵营与中国阵营的双重投资。[推断: 情景再调整]
12. 什么信号出现会改变判断
- Kimi K3技术报告(7月27日)：一旦训练硬件公开，“用低价GPU完成前沿训练"这一命题的真伪就会见分晓
- token增长率与每token内存下降率的对比：两者之差才是这场争论的真实答案
- 长鑫存储HBM3E量产认证与实际封装出货量：一旦确认，就应同步下调海力士2028年EPS与估值倍数
- HBM价格·搭载量放缓：稀缺性溢价收窄的首个信号
- 西方CSP扩大对中国模型的再托管：云分发价值上升的证据
- 美国采购·安全监管的实际执行力度：先于立法生效的事实禁令的覆盖范围
现阶段还不到把终端风险与当期业绩混为一谈的时候。等到长鑫存储的HBM3E量产认证得到确认后，再去调整海力士2028年以后的展望即可。[推断: 判断顺序]
结语
回到最初的问题，答案是这样的。
中国开源模型正在收敛至美国前沿水平，这是事实；每单位智能的成本正在急剧下降，这也是事实。但这并不意味着总芯片支出会下降。台积电上调CAPEX与微软token环比增长30%，就是截至目前的答案。
美国政策则大幅改变了这一解读。中美分离催生了两大阵营的重复投资，从而支撑总基础设施需求，而在盟友阵营内部，美国技术栈与韩国内存的地位也受到政策层面的保护。
西方企业采用中国模型API这件事，必须把模型和服务商分开来看。技术会以open-weight形式扩散，但真正销售它的主体，很可能不是中国的API服务商，而是AWS·Azure与企业VPC。
因此结论是再分配。崩塌的是闭源模型API的超额利润，留存下来的是以用量为基础的基础设施。
本文综合公开论文(DeepSeek V3/V4、华为CloudMatrix384)、企业官方发布(Kimi、台积电2Q26电话会、微软FY26 3Q电话会、长鑫存储、阿里云、DeepSeek隐私政策)、美国政府资料(AI Action Plan、14320号行政命令、BIS)、各国监管举措、市场调研(TrendForce、JPMAM)综合撰写而成。Kimi K3训练硬件在7月27日技术报告公开前未经确认；长鑫存储产能估计与情景概率为撰写时点的推断，非公司指引；所提及标的为示例，非买卖建议。投资判断与责任由投资者本人承担。