https://koreainvestinsights.com/zh/tags/%E4%B8%AD%E5%9B%BD%E5%BC%80%E6%BA%90%E6%A8%A1%E5%9E%8B/Recent content in 中国开源模型 on Korea Invest InsightsHugo -- gohugo.iozhkoreainvestinsights.com · @korea_invest_insightsFri, 17 Jul 2026 19:16:08 +0900https://koreainvestinsights.com/zh/post/china-open-model-convergence-value-chain-redistribution-2026-07-17/Fri, 17 Jul 2026 22:00:00 +0900https://koreainvestinsights.com/zh/post/china-open-model-convergence-value-chain-redistribution-2026-07-17/ <blockquote> <p>背景关联 本文是<a class="link" href="https://koreainvestinsights.com/zh/post/kimi-k3-linear-api-pricing-semiconductor-big-tech-impact-2026-07-17/" >Kimi K3改写的AI价格表</a>的后续篇。如果说前一篇验证的是<strong>单一模型</strong>的定价与结构，本文则扩展到<strong>中国开源模型整个生态</strong>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<a class="link" href="https://koreainvestinsights.com/zh/post/semiconductor-bull-bear-four-clocks-capital-intensity-cycle-2026-07-17/" >半导体多空之争的真正焦点</a>、<a class="link" href="https://koreainvestinsights.com/zh/post/memory-fair-value-fcfe-terminal-samsung-hynix-micron-2026-07-17/" >半导体合理股价</a>、<a class="link" href="https://koreainvestinsights.com/zh/post/cxmt-ipo-memory-price-risk-hbm-client-dram-2026-06-21/" >长鑫存储IPO与内存价格风险</a>一起阅读。相关专题为<a class="link" href="https://koreainvestinsights.com/zh/page/korea-semiconductor-hbm-kospi-hub/" >AI HBM专题</a>与<a class="link" href="https://koreainvestinsights.com/zh/page/exclusive-analysis-hub/" >Exclusive Analysis专题</a>。</p> </blockquote> <h2 id="要点">要点 </h2><ul> <li>中国开源模型的性能收敛，与其说是<strong>AI需求崩塌</strong>，不如说更接近<strong>价值链再分配</strong>。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。</li> <li>相对偏好按此排序：韩国内存为<strong>三星电子 &gt; SK海力士</strong>，美国半导体为<strong>美光·闪迪 &gt; 英伟达</strong>，大型科技为<strong>Meta·亚马逊 &gt; 谷歌·微软 &gt; 纯模型服务商</strong>。[推断: 相对判断]</li> <li>中国开源模型已经证明<strong>每单位智能的算力·内存成本正在下降</strong>，但并未证明<strong>总芯片支出会减少</strong>。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。</li> <li>长鑫存储在HBM上与领先三家相比，产品层面相差<strong>1.5-2代</strong>，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<strong>有条件的期权</strong>。</li> <li>中国模型的<strong>技术扩散</strong>与中国API服务商的<strong>营收扩散</strong>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]</li> </ul> <hr> <div class="thesis-callout"> <div class="thesis-callout__label">核心论点</div> <div class="thesis-callout__body"> 中国模型可以撼动美国模型的定价，但不会立即摧毁AWS·Azure·美国芯片·韩国内存的需求。首当其冲的是闭源模型API的利润率，而能够长期存活的是云分发·安全层，以及内存·网络·电力这类以用量为基础的基础设施。 </div> </div> <hr> <h2 id="1-先从事实说起">1. 先从事实说起 </h2><p>生态发展方向没有错，但<strong>并非所有新模型的训练硬件都已公开</strong>。这一区分很重要。</p> <p>DeepSeek-V3使用<strong>2,048块英伟达H800</strong>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<strong>完整技术报告与训练硬件要到7月27日才会公开</strong>。[事实: Kimi官方发布]</p> <p>因此，&ldquo;Kimi K3也是用低价英伟达GPU训练的&quot;这一说法目前还无法确认。[未验证]</p> <h3 id="效率改善确实存在">效率改善确实存在 </h3><p>DeepSeek V4-Pro的1.6万亿参数中，<strong>仅激活490亿个</strong>。在100万token区间内，相对V3.2，其每token FLOPs约为<strong>27%</strong>，KV缓存约为<strong>10%</strong>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。</p> <h3 id="但另一面同样真实存在">但另一面同样真实存在 </h3><p>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]</p> <p>这并非完全对等的性能比较，但中国以<strong>更多芯片·内存·电力</strong>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]</p> <hr> <h2 id="2-核心方程式应该看什么">2. 核心方程式：应该看什么 </h2><p>这场争论的答案不在跑分成绩里，而在两个方程式中。</p> <div class="highlight"><pre tabindex="0" style="color:#f8f8f2;background-color:#272822;-moz-tab-size:4;-o-tab-size:4;tab-size:4;-webkit-text-size-adjust:none;"><code class="language-text" data-lang="text"><span style="display:flex;"><span>总算力需求 = 总token数 × 每token算力用量 </span></span><span style="display:flex;"><span> </span></span><span style="display:flex;"><span>总内存需求 = 总token数 × 每token内存用量 </span></span><span style="display:flex;"><span> + 模型·KV·检索数据存储量 </span></span></code></pre></div><p>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，<strong>总需求依然会增加</strong>。反过来，如果用量增长2倍的同时每token HBM用量下降70%，那么<strong>HBM需求就会减少</strong>。</p> <p>因此今后需要盯住的指标可以压缩成一个：<strong>token增长率在多大程度上超过每token内存下降率。</strong></p> <h3 id="截至目前的判定">截至目前的判定 </h3><p>总支出由以下方程式决定。</p> <div class="highlight"><pre tabindex="0" style="color:#f8f8f2;background-color:#272822;-moz-tab-size:4;-o-tab-size:4;tab-size:4;-webkit-text-size-adjust:none;"><code class="language-text" data-lang="text"><span style="display:flex;"><span>总芯片支出 = 训练次数 × 单次成本 </span></span><span style="display:flex;"><span> + 推理token数 × 每token成本 </span></span></code></pre></div><p>台积电在2Q26电话会上将2026年CAPEX从520亿-560亿美元上调至<strong>600亿-640亿美元</strong>。微软的推理吞吐量也提升了40%，但大客户的token使用量环比<strong>增长30%</strong>，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]</p> <p><strong>截至目前，用量增长跑赢了效率提升。</strong> [推断: 数据综合]</p> <hr> <h2 id="3-半导体影响按个股分化">3. 半导体影响：按个股分化 </h2><table> <thead> <tr> <th>个股·集团</th> <th>股价影响</th> <th>核心解读</th> </tr> </thead> <tbody> <tr> <td>三星电子</td> <td>正面</td> <td>不仅是HBM，还覆盖服务器DRAM、NAND·eSSD、通用内存，受益面最广</td> </tr> <tr> <td>SK海力士</td> <td>中性偏正面</td> <td>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</td> </tr> <tr> <td>美光</td> <td>正面</td> <td>美国供应链中DRAM·HBM·NAND综合暴露。与三星类似，享受broad-memory受益</td> </tr> <tr> <td>闪迪(SanDisk)</td> <td>正面</td> <td>本地部署、模型权重、RAG·缓存增长带动eSSD·NAND需求</td> </tr> <tr> <td>英伟达</td> <td>短期负面，长期中性</td> <td>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</td> </tr> <tr> <td>AMD</td> <td>相对正面</td> <td>开源模型便于跨异构硬件迁移。ROCm与实际服务份额是关键</td> </tr> <tr> <td>博通·迈威尔·Arista</td> <td>中期正面</td> <td>西方阵营custom ASIC、以太网、光通信·SerDes需求扩大</td> </tr> <tr> <td>台积电</td> <td>中性偏正面</td> <td>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</td> </tr> </tbody> </table> <h3 id="为什么三星相对优于海力士">为什么三星相对优于海力士 </h3><p>同为存储三巨头，<strong>三星电子与SK海力士的方向却出现分化</strong>。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。</p> <p>反之，MoE与KV压缩会降低<strong>每token的HBM用量</strong>。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，<strong>稀缺性溢价倍数</strong>会率先承压。[推断: 敞口结构分析]</p> <p>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。</p> <h3 id="英伟达与h200">英伟达与H200 </h3><p>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]</p> <hr> <h2 id="4-大型科技影响">4. 大型科技影响 </h2><table> <thead> <tr> <th>企业</th> <th>判断</th> <th>理由</th> </tr> </thead> <tbody> <tr> <td>Meta</td> <td>最为正面</td> <td>开放生态战略得到验证，AI收益更多来自广告·推荐而非API</td> </tr> <tr> <td>亚马逊</td> <td>正面</td> <td>无论哪个模型胜出，都能销售AWS的推理·存储·网络服务</td> </tr> <tr> <td>谷歌</td> <td>中性偏正面</td> <td>TPU·云业务受益，但Gemini API的价格溢价承压</td> </tr> <tr> <td>微软(Azure)</td> <td>中性</td> <td>Azure使用量增长，但OpenAI模型租金与CAPEX回收率承压</td> </tr> <tr> <td>苹果</td> <td>正面</td> <td>更便宜的小型·开源模型降低端侧与Private Cloud成本</td> </tr> <tr> <td>OpenAI·Anthropic</td> <td>负面</td> <td>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</td> </tr> </tbody> </table> <p><strong>与普遍的误解不同，Meta并非最大受害者。</strong> 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]</p> <h3 id="2025年deepseek冲击的教训">2025年DeepSeek冲击的教训 </h3><p>2025年DeepSeek冲击期间，英伟达单日市值蒸发<strong>17%，约5,930亿美元</strong>。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]</p> <p>这一次也很可能重演同样的模式：<strong>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</strong>。[推断: 历史模式]</p> <hr> <h2 id="5-中国开源模型论点判定">5. 中国开源模型论点判定 </h2><p>对多空双方各自提出的主张逐一判定如下。</p> <table> <thead> <tr> <th>主张</th> <th>判定</th> </tr> </thead> <tbody> <tr> <td>前沿性能必须依赖最高端GPU</td> <td>论据被削弱，但未被证伪</td> </tr> <tr> <td>AI智能是稀缺资源</td> <td>在原始模型·token价格层面已大幅瓦解</td> </tr> <tr> <td>资本规模构成护城河</td> <td>预训练护城河被削弱，价值转向部署·数据·电力·分发</td> </tr> <tr> <td>开源的边际成本为零</td> <td>只有权重价格趋近于零，推理成本仍持续产生</td> </tr> <tr> <td>10亿美元训练支出已超越1,000亿美元投资</td> <td>比较了两个不同口径的成本范围，属于不准确的主张</td> </tr> </tbody> </table> <p>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。</p> <hr> <h2 id="6-长鑫存储的hbm进展到了哪一步">6. 长鑫存储的HBM进展到了哪一步 </h2><p>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。</p> <table> <thead> <tr> <th>关卡</th> <th>当前判定</th> <th>判断依据</th> </tr> </thead> <tbody> <tr> <td>DRAM单元制程</td> <td>已商业化，进展较快</td> <td>DDR5·LPDDR5X已销售，苹果也在测试用于中国产品的DRAM</td> </tr> <tr> <td>TSV堆叠</td> <td>HBM2小批量，HBM3处于早期</td> <td>有HBM2量产的报道，但产量·良率未公开</td> </tr> <tr> <td>封装·base die</td> <td>建设中</td> <td>中国国内生态正在形成，但量产良率·散热·可靠性数据缺失</td> </tr> <tr> <td>客户认证</td> <td>HBM尚未确认</td> <td>腾讯合约与苹果测试只能证明其通用DRAM能力</td> </tr> <tr> <td>与领先者的差距</td> <td>1.5-2代</td> <td>领先三家已在HBM4爬坡，长鑫存储的HBM3量产尚待验证</td> </tr> </tbody> </table> <p>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<strong>HBM</strong>。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]</p> <p>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]</p> <h3 id="传统dram假设应当这样修正">传统DRAM假设应当这样修正 </h3><ul> <li><strong>2026-2027年</strong>：长鑫存储的HBM投资会<strong>延后</strong>中国产传统DRAM供给宽松的时点。</li> <li><strong>2028年</strong>：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。</li> <li><strong>2029年以后</strong>：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。</li> </ul> <p>换言之，比起&quot;长鑫存储会让传统内存眼下更加短缺&rdquo;，<strong>&ldquo;长鑫存储释放传统内存供给的力度不及预期&rdquo;</strong>这一判断更为合理。[推断: 分阶段判断]</p> <hr> <h2 id="7-美国政策如何改变这一解读">7. 美国政策如何改变这一解读 </h2><p>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。</p> <p>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<strong>美国产AI技术栈</strong>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]</p> <h3 id="但这并非完全脱钩">但这并非完全脱钩 </h3><p>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]</p> <p>美国民营企业使用中国模型也并未被全面禁止。<code>No DeepSeek on Government Devices Act</code>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]</p> <p><strong>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。</strong> [推断: 政策生效顺序]</p> <hr> <h2 id="8-西方企业能否使用中国模型api">8. 西方企业能否使用中国模型API </h2><p>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。</p> <table> <thead> <tr> <th>采用方式</th> <th>普及可能性</th> <th>判断</th> </tr> </thead> <tbody> <tr> <td>直接调用中国大陆托管的API</td> <td>低</td> <td>存在数据·管辖权·采购风险</td> </tr> <tr> <td>通义千问的美国·欧盟·日本·新加坡API</td> <td>中等</td> <td>可实现数据本地化，但中国服务商风险仍然存在</td> </tr> <tr> <td>AWS·Azure再托管的中国模型</td> <td>中高至高</td> <td>合同·安全·数据控制权掌握在西方云厂商手中</td> </tr> <tr> <td>企业VPC·本地部署open-weight</td> <td>高</td> <td>无需向中国服务器发送数据</td> </tr> <tr> <td>政府·国防·关键基础设施</td> <td>极低</td> <td>采购限制甚至可能延伸到模型血统本身</td> </tr> </tbody> </table> <p>最现实的路径如下。</p> <div class="highlight"><pre tabindex="0" style="color:#f8f8f2;background-color:#272822;-moz-tab-size:4;-o-tab-size:4;tab-size:4;-webkit-text-size-adjust:none;"><code class="language-text" data-lang="text"><span style="display:flex;"><span>中国模型开发 </span></span><span style="display:flex;"><span>→ 在AWS·Azure或企业VPC上再托管 </span></span><span style="display:flex;"><span>→ 以西方的安全·合同·审计体系对外销售 </span></span></code></pre></div><p>也就是说，<strong>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</strong>。[推断: 路径分析]</p> <h3 id="直接api的局限">直接API的局限 </h3><p>DeepSeek的隐私政策写明，包括输入数据在内的个人信息将<strong>直接在中国境内收集·处理·存储</strong>，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。</p> <p>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。</p> <p>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]</p> <hr> <h2 id="9-论点修正什么改变了什么没变">9. 论点修正：什么改变了，什么没变 </h2><p><strong>第一，美国超大规模云厂商崩溃论被削弱。</strong> 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]</p> <p><strong>第二，价格压力首先冲击闭源模型API。</strong> 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。</p> <p><strong>第三，中美分离对总基础设施投资形成支撑。</strong> 两大阵营会各自<strong>重复建设</strong>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。</p> <p><strong>第四，SK海力士的HBM溢价可能在盟友阵营内维持更久。</strong> 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。</p> <p><strong>第五，三星电子是相对意义上的对冲标的。</strong> 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。</p> <hr> <h2 id="10-受损与受益的先后顺序">10. 受损与受益的先后顺序 </h2><ol> <li><strong>受损最大</strong>：闭源模型API的超额利润，以及高杠杆的GPU租赁服务商</li> <li><strong>中等风险</strong>：甲骨文(Oracle)等大规模提前投资·客户集中度高的服务商</li> <li><strong>Meta</strong>：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</li> <li><strong>英伟达</strong>：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</li> <li><strong>内存</strong>：基准情形并非HBM绝对需求下降，而是<strong>HBM稀缺性溢价收窄 + 向DDR/CXL/eSSD分层扩展</strong></li> </ol> <hr> <h2 id="11-情景更新">11. 情景更新 </h2><p>对<a class="link" href="https://koreainvestinsights.com/zh/post/memory-fair-value-fcfe-terminal-samsung-hynix-micron-2026-07-17/" >半导体合理股价</a>一文中使用的概率做临时调整是合理的。</p> <table> <thead> <tr> <th>情景</th> <th style="text-align: right">原假设</th> <th style="text-align: right">调整后</th> </tr> </thead> <tbody> <tr> <td>超额需求持续</td> <td style="text-align: right">30%</td> <td style="text-align: right">30%</td> </tr> <tr> <td>资产再集中</td> <td style="text-align: right">40%</td> <td style="text-align: right">40%</td> </tr> <tr> <td>供给·效率正常化</td> <td style="text-align: right">20%</td> <td style="text-align: right"><strong>25%</strong></td> </tr> <tr> <td>系统性需求断崖</td> <td style="text-align: right">10%</td> <td style="text-align: right"><strong>5%</strong></td> </tr> </tbody> </table> <p>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%)。</p> <p>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<strong>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</strong>。[推断: 情景再调整]</p> <hr> <h2 id="12-什么信号出现会改变判断">12. 什么信号出现会改变判断 </h2><ul> <li><strong>Kimi K3技术报告(7月27日)</strong>：一旦训练硬件公开，&ldquo;用低价GPU完成前沿训练&quot;这一命题的真伪就会见分晓</li> <li><strong>token增长率与每token内存下降率的对比</strong>：两者之差才是这场争论的真实答案</li> <li><strong>长鑫存储HBM3E量产认证与实际封装出货量</strong>：一旦确认，就应同步下调海力士2028年EPS与估值倍数</li> <li><strong>HBM价格·搭载量放缓</strong>：稀缺性溢价收窄的首个信号</li> <li><strong>西方CSP扩大对中国模型的再托管</strong>：云分发价值上升的证据</li> <li><strong>美国采购·安全监管的实际执行力度</strong>：先于立法生效的事实禁令的覆盖范围</li> </ul> <p>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]</p> <hr> <h2 id="结语">结语 </h2><p>回到最初的问题，答案是这样的。</p> <p>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。</p> <p>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<strong>重复投资</strong>，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。</p> <p>西方企业采用中国模型API这件事，<strong>必须把模型和服务商分开来看</strong>。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。</p> <p>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。</p> <hr> <p><em>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。</em></p> <hr> <h3 id="相关文章">相关文章 </h3><ul> <li><a class="link" href="https://koreainvestinsights.com/zh/post/kimi-k3-linear-api-pricing-semiconductor-big-tech-impact-2026-07-17/" >Kimi K3改写的AI价格表：从Kimi Linear到HBM·大型科技战略</a></li> <li><a class="link" href="https://koreainvestinsights.com/zh/post/memory-fair-value-fcfe-terminal-samsung-hynix-micron-2026-07-17/" >半导体是周期股吗，合理股价是多少</a></li> <li><a class="link" href="https://koreainvestinsights.com/zh/post/semiconductor-bull-bear-four-clocks-capital-intensity-cycle-2026-07-17/" >半导体多空之争的真正焦点：四个实体时钟与一个股价时钟</a></li> <li><a class="link" href="https://koreainvestinsights.com/zh/post/cxmt-ipo-memory-price-risk-hbm-client-dram-2026-06-21/" >长鑫存储IPO与内存价格风险：应将HBM风险与客户端DRAM风险分开看待</a></li> <li><a class="link" href="https://koreainvestinsights.com/zh/post/hbm-2030-supply-demand-267eb-demand-model-crosscheck-2026-07-13/" >HBM 2030供需深度研究：解剖26.7EB需求模型并与扩产计划交叉验证</a></li> </ul>