DeepSeek on Korea Invest Insights

中国AI API定价可持续吗：用公开披露验证成本结构与赢者通吃情景

Sat, 18 Jul 2026 11:00:00 +0900

背景关联本文是中国开源模型性能收敛真正改变了什么的后续篇。如果说前一篇讨论的是性能收敛的价值链含义，本文则用香港披露验证这些低价API在成本结构上是否可持续。建议搭配Kimi K3重塑AI价格曲线、半导体多空之争的真正焦点一起阅读。相关专题为AI HBM专题与Exclusive Analysis专题。

要点

当前中国AI API的价格，是结构性降低的成本与战略性亏本竞争混合而成的价格。所有超低价既难以全部维持，也难以完全回归美国前沿模型的水平。
香港披露给出了分化的答案。智谱的API毛利率改善至18.9%（上年3.3%），已开始覆盖边际推理成本。但公司整体毛利仅为研发支出的9.3%，完全成本尚未收回。
中国的成本优势确实存在，但并非来自华为芯片或廉价电力。其重要性排序是模型结构与激活参数压缩 > 批处理·缓存·量化 > 云端GPU利用率 > 较低的目标利润率 > 电力与国产NPU。
即便把电力效应算得很宽松，也只相当于算力价格的约2%。Qwen 3.5 Flash在北京·法兰克福·弗吉尼亚定价相同这一事实，印证了这一点。
与电动车不同，AI模型的转换成本很低。如果出现赢者通吃，发生的层面也不是模型，而是云与分发渠道。最可能的路径是低价寡头垄断（60%）。[分析范围]

核心论点

中国API价格低廉，并非因为这已是能够自立的正常价格，而是推理效率改善与庞大的资本募集共同支撑的结果。这会给西方模型厂商的API利润率带来压力，但由于募集资金又重新投入训练与计算基础设施，并不意味着半导体总需求会下降。

1. 到底便宜多少

以下是截至2026年7月、每百万token的价格。[事实: 各公司官方价格表]

模型	输入	输出
DeepSeek V4 Flash	0.14美元	0.28美元
DeepSeek V4 Pro	0.435美元	0.87美元
Gemini 3.5 Flash	1.50美元	9美元
GPT-5.6 Sol	5美元	30美元

DeepSeek V4-Pro的输入价格比GPT-5.6 Sol便宜约11倍，输出价格便宜约34倍。当然，这并不代表性能、延迟、SLA、安全性与工具能力也完全相同。

中国国内价格差异也很大

Qwen 3.7 Max：输入12元，输出36元，目前5折优惠
Doubao Seed 2.1 Pro：输入6元，输出30元
DeepSeek V4-Pro：比中国国内竞争对手还要激进得多

因此，不能把DeepSeek的价格当作中国整体的正常价格。[推断: 价格分散的解读]

2. 可持续的部分：边际成本

DeepSeek V4-Pro是在总计1.6万亿参数中仅激活490亿个的MoE架构。将高利用率与批处理、缓存结合起来，可以大幅降低实际的每token运算成本。重复输入的缓存命中价格，每百万token仅为0.003625美元。[事实: DeepSeek官方资料]

因此，以下这些流量即便按当前价格，在边际成本口径下也可能是可持续的。

批处理
缓存命中
不承诺延迟的流量
能维持高利用率的大批量使用

3. 难以持续的部分：完全成本

仅凭目前的公开价格，很难覆盖模型训练费用、研发、失败的实验、闲置产能，以及安全·销售·企业级SLA等成本。

价格正常化其实已经开始。[事实: 各公司举措与报道]

DeepSeek将V4价格下调75%后，又将高峰时段价格翻倍
阿里巴巴也将部分AI服务价格最高上调34%
企业专属吞吐量与低延迟服务，定价高于公开API

这证明超低价并不能在所有时段、所有客户群体中都维持下去。

服务	可持续性
缓存·批处理·非优先流量	高
高峰时段·低延迟·高并发	低
企业级安全·SLA	已形成单独的高价收费
独立API业务的完全成本回收	按现价难以实现

4. 用公开披露验证：智谱与MiniMax

从这里开始才是本文的核心。我们可以不靠猜测，而是用香港上市公司的披露来加以确认。

2025年	智谱(02513)	MiniMax(00100)
营收	7.24亿元人民币	7,904万美元
API·平台收入占比	26.3%	32.8%
API或整体毛利率	API 18.9%	整体25.4%
上年毛利率	API 3.3%	整体12.2%
研发/营收	439%	320%
经调整净亏损/营收	439%	317%
毛利/研发	9.3%	7.9%

[事实: 智谱2025年业绩, MiniMax 2025年年度报告]

智谱：边际成本已确认得到覆盖

API与开放平台收入从4,848万元人民币增至1.904亿元，增幅293%，毛利率也从3.3%升至18.9%。公司将原因归结为推理效率提升、规模经济与价格上调。

更重要的事实是：截至2026年3月，API价格较上年末上调了83%，需求却仍然超过供给。目前GLM-5的官方价格为输入4元、输出18元人民币/百万token。上层API似乎已经摆脱了低于直接推理成本的倾销结构。[推断: 涨价与供不应求的含义]

MiniMax：可能性高但尚未确定

公司并未单独披露API的毛利率。整体毛利率从12.2%改善至25.4%，公司将原因归结为模型与系统效率提升，以及基础设施配置优化。

目前M2.5的价格为输入0.30美元、输出1.20美元/百万token，高速版为0.60美元/2.40美元。但M2.5是2026年才推出的，而披露的损益只涵盖到2025年，因此现价下API单独的成本率尚未得到验证。[未验证]

完全成本两家公司均未收回

智谱整体毛利2.97亿元人民币，仅为研发支出31.80亿元人民币的9.3%。MiniMax的毛利也只有2,008万美元，仅覆盖了2.53亿美元研发支出的7.9%，经营活动现金流出为2.80亿美元。

MiniMax在2025年向阿里巴巴集团采购的服务金额为7,588万美元，相当于营收的96%。这笔金额混合了训练用与服务用的云资源，不能直接等同于API成本，但足以说明其对外部计算基础设施的依赖程度很高。阿里巴巴持有MiniMax 17.06%的股权。

值得注意的是，披露文件明确表示，关联交易是按照向一般客户提供的公开价格与条款进行的。战略关系带来的产能保障与整合便利可以承认，但没有证据可以断定其中存在隐藏的价格补贴。[推断: 披露措辞解读]

上市之后，智谱净募资313.75亿港元，MiniMax通过新股与可转换债券合计净募资159.57亿港元。募集资金大部分投向研发与计算基础设施。融资本身并不能证明API业务亏损，但可以说明前沿模型的竞争，尚未到仅靠内部现金就能维持的阶段。[事实: 公司披露]

判定

付费高端API的边际成本可持续性：智谱已确认，MiniMax可能性高但尚未确定
含训练费用在内的完全成本可持续性：两家公司均未达到
价格战的可持续性：高。凭借资本市场募资，亏本价格也能维持较长时间
市场结构：相比赢者通吃，更可能出现像智谱专注中国企业·本地部署、MiniMax专注海外·消费者·多模态这样的分领域寡头垄断

5. 拆解成本优势：真正的原因是什么

中国在API服务成本上的优势确实存在。但关键并不是廉价电力或华为芯片这一项单一因素，而是以下几项的组合。

较小的激活参数规模·量化
+ 较高的批处理率·缓存利用
+ 阿里巴巴等大型云厂商的GPU利用率
+ 较低的目标利润率
+ 中国西部的廉价电力

因素	成本优势	判断
模型结构·量化·缓存	非常大	中国API价格竞争力的核心
云规模·利用率	大	阿里巴巴最确定的护城河
较低的目标利润率	大	是价格便宜的原因，但对长期盈利能力是弱点
华为昇腾	中等，有条件	在优化过的工作负载中有利，通用性较低
中国西部电力	中等	对批处理型推理有效，对全球实时API作用有限
政府补贴·政策性融资	存在	有利于产业培育，但具体到每项服务的金额不透明

6. 电力真的是决定性因素吗

中国电力便宜是事实。宁夏中卫数据中心的到户电价，按2026年计算为0.36元/千瓦时，约相当于中国东部的45%水平。美国2025年工业用电平均价格为8.62美分/千瓦时，按7.2元/美元的汇率假设折算约为0.62元/千瓦时。中卫电价大约便宜42%。[事实: 中国地方政府资料, 美国EIA]

但仅凭电力，并不能让API价格便宜5倍、10倍。如果把电力效应算得很宽松，假设单卡IT负载1kW、PUE为1.1，结果如下。

中卫: 1kW × 1.1 × 0.36元 = 0.40元/小时
美国平均: 1kW × 1.1 × 0.62元 = 0.68元/小时
差额: 约0.29元/小时

按阿里巴巴给出的L20按量付费价格14.4元/小时计算，即便在这一上限假设下，电力差额也只相当于算力价格的约2%。[推断: 自行测算]

这说明电力虽然重要，但并非API价格差距的主因。

决定性的反证

西部电力优势更适合批处理型推理与训练，但低延迟API必须部署在靠近用户的东部与海外区域。而阿里巴巴的Qwen 3.5 Flash价格，不仅在北京，在法兰克福和弗吉尼亚也同样是输入0.029美元、输出0.287美元/百万token。[事实: 阿里云Model Studio价格表]

这是证明低价API并非单纯源自中国电力的最直接证据。[推断: 跨区域同价的含义]

7. 阿里巴巴真正的护城河是利用率

阿里云的强项与其说是电力，不如说是让GPU不停歇运转的能力。[事实: 阿里巴巴官方文档]

批量推理：较标价5折优惠
L20竞价实例：从按量付费的14.4元降至通常约2.88元左右，约省80%
闲置GPU：活跃单价0.000018美元/CU，闲置单价则为0.000007美元/CU
混合使用按量付费、竞价实例与自动伸缩来应对峰值流量

不过竞价实例存在被回收的风险，因此不能把SLA要求严格的实时API全部放在竞价实例上运行。基本需求放在按量付费或专属资源上，只有弹性需求才用竞价实例处理，这是目前的结构。[推断: 运营层面的约束]

8. 华为昇腾一定更便宜吗

严格来说，昇腾不是GPU，而是NPU。

华为在CloudMatrix 384上提出以下主张。[事实: 华为官方资料]

折算单卡推理吞吐量2,300 tokens/s
相比原有非超节点架构约提升4倍
MFU提升50%以上
相比H20，单卡平均推理性能提升3-4倍

这是通过资源池化与MoE专家并行，以系统设计弥补单颗芯片规格较低这一弱点的方式。

但不能直接解读为低成本

华为没有公开在相同模型、相同延迟、相同功耗口径下经外部验证的TCO。[未验证]
CloudMatrix是通过捆绑大量NPU与网络来提升吞吐量的结构，因此单卡吞吐量和整个集群的总成本是两回事。
2026年一项针对昇腾910的现场研究发现，为实现稳定推理，需要12个源码补丁、禁用部分高吞吐功能，并配置应对反复故障的装置。即便硬件价格便宜，工程与运维成本也可能随之上升。[事实: 昇腾现场研究]

有条件的判定

条件	判定
像Qwen·DeepSeek·GLM那样针对昇腾深度优化的模型	可能具备成本竞争力
直接迁移CUDA架构的模型	成本优势不确定
中国境内大规模批处理推理	有利
全球企业级实时服务	若计入软件与SLA成本则尚未确认

9. 与电动车有何不同

相似之处在于：都是战略产业，都有大规模投资、大型企业补贴，并通过降价来抢占市场份额。

不同之处在于，AI模型的转换成本要低得多。API规格相近，客户既可以同时路由多个模型，也可以自行运行开源模型。只要有一家厂商涨价，竞争模型与自建托管就会形成价格上限。

相反，将云计算、数据、安全、支付、广告、办公工具捆绑在一起的平台，转换成本很高。如果出现赢者通吃，更可能发生在分发和云这一层，而不是模型本身。[推断: 转换成本结构]

最可能出现的结构如下。

阿里巴巴：云计算·电商·企业客户
字节跳动：消费者流量·广告·内容
腾讯：微信·企业服务
华为·百度：国产基础设施与政务·企业客户
DeepSeek等1-2家独立模型公司：提供技术基准价格

10. 预期路径

情景	判断概率	结果
低价寡头垄断	60%	压缩至3-5家，基础API维持低价，峰值·SLA价格上调
完全商品化	25%	开源·MoE·自研芯片主导进一步降价
大幅正常化	15%	芯片·电力·融资负担推动价格上涨2-5倍

[推断: 情景推演]

即便价格上涨5倍，DeepSeek V4-Pro的输出价格也约为4.35美元，仍低于美国前沿模型。当前价格或许还不是底部，但低价化的方向已难以逆转。

11. 半导体启示

低价API会增加推理用量，有利于服务器DRAM、NAND、网络与电力需求。但另一方面，它也会降低每token运算量与HBM搭载强度，给高端GPU与HBM的单位经济性带来压力。

对象	判断
三星电子	通用DRAM·NAND占比高，相对能起到缓冲作用
SK海力士	对HBM稀缺性溢价构成长期警示
英伟达	高端GPU单价承压，但总推理量增长是对冲因素
阿里巴巴·腾讯	受益点在于云与分发生态的扩张，而非API利润率

核心不在于API价格的下降幅度，而在于整体token用量的增长速度。如果用量增长快于价格下降，杰文斯效应就会占上风；反之，高端GPU与HBM的估值倍数将率先下调。[推断: 方向判断]

12. 决定性验证在于2026年上半年的披露

智谱的API毛利率在83%涨价之后，能否升至25-30%以上
MiniMax是否会公开API成本率
营收增速能否持续跑赢计算成本增速
峰值·SLA费率与公开API费率之间的差距是否固化
华为是否会公开相同条件下经外部验证的TCO

这五项指标，将区分"可持续的成本"与"靠资本硬撑的价格"。

结语

中国API价格低廉，并不是因为这已是能够自立的正常价格。而是推理效率改善与庞大的资本募集共同支撑的结果。

中国在国内、批处理型、经过优化的模型服务方面，拥有结构性的成本优势。但目前观察到的极端低价API，不能仅用华为芯片和廉价电力来解释。按重要性排序，最大的成本优势依次是模型规模与激活参数压缩、批处理·缓存·量化、云端GPU利用率、较低的目标利润率，电力与国产NPU则排在其后。

从投资角度看，中国低价API并不直接等同于"中国AI已经建立起压倒性的成本护城河"。更准确的解读是：推理服务正在快速商品化，模型公司的利润率随之走低，价值则更可能向云、电力、半导体基础设施一侧转移。

这会给西方模型厂商的API利润率带来压力，但由于募集资金又重新投入训练与计算基础设施，并不意味着半导体总需求会下降。

本文综合香港上市公司披露（智谱02513 2025年业绩·新股配售，MiniMax 00100 2025年年度报告·融资）、各公司官方价格表（DeepSeek、OpenAI、Google、阿里云Model Studio、火山引擎、智谱BigModel、MiniMax Platform）、华为官方资料与CloudMatrix相关研究、中国地方政府电力资料、美国EIA统计数据撰写而成。MiniMax的API单独成本率与华为同口径外部验证TCO均未公开，情景概率与电力测算为撰写时点的假设。所提及标的为示例，非买卖建议。价格与披露数据以发布时点为准，此后可能发生变化。投资判断与责任由投资者本人承担。

中国开源模型性能收敛真正改变了什么：价值链再分配，而非需求崩塌

Fri, 17 Jul 2026 22:00:00 +0900

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]

核心论点

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。

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。