中国AI基础设施承载全球85%的token生产，仅获得10%的市场收入
我看到的关键矛盾，不是中国AI有没有需求，而是巨大的使用量还没有转化成相称的收入和估值。
素材引用的OpenRouter数据显示，中国开源模型承载了全球85%至89%的智能体任务与代码生成 token 流量，对应收入占比却只有10%至16%。
这意味着，市场按今天的变现能力定价，产业却已经在为远大于收入份额的真实流量提供服务。
先获得流量，再提高变现
中国开源模型的优势首先体现在分发规模。
素材称，阿里巴巴旗下Qwen模型过去六个月累计下载量超过30亿次，高于Meta与谷歌同期下载量之和。
低价是这种扩张的重要条件。中国前沿模型的API价格约为每百万 token 0.20至2.30美元，美国头部模型则为4至8美元。
但我不把低价简单理解为缺乏商业能力。它更像一条清晰的路径：先用性能和价格获得用户，再逐步提高货币化率。
素材给出的智谱AI案例已经出现这种变化：年初至今累计提价约110%，并预计年化经常性收入从2.5亿美元增长至年底约10亿美元。
真正需要观察的，不是价格能不能上涨一次，而是提价之后，流量和客户是否还能留下。
高使用量不只是低价换来的
流量只有建立在产品能力上，才可能成为长期资产。
素材称，中国开源模型已经进入全球顶级代码能力排行榜，Kimi K3位居Arena前端代码排名榜首，Qwen 3.8 Max紧随其后。
如果性能接近前沿水平，而价格仍明显更低，全球开发者自然会用脚投票。流量领先与低价之间不是单向因果，而是性能、开源和价格共同形成的分发优势。
这也是后续变现的基础。没有可替代性较低的能力，低价只能换来短期使用；有了能力，规模才可能转化为定价权。
算力约束正在换方向
过去看空中国AI，最直接的理由是高端芯片受限，难以参与前沿模型竞争。
素材认为，这个约束正在松动。美团旗下LongCat 2.0已使用5万张华为Atlas 950芯片完成端到端训练；高盛预计，中国AI芯片自给率将从当前42%提高到2030年的约70%。
与此同时，电力可能成为更长期的基础设施约束。素材引用的预测显示，到2030年，美国可用电力冗余容量约为130吉瓦，中国同期约为400吉瓦。
我的判断是，AI基础设施竞争不能只看单颗芯片。芯片、集群工程、电力供应和数据中心交付能力共同决定最终可用的算力。
芯片差距如果继续缩小，而电力和建设能力的差距继续扩大，原有的竞争判断就需要重估。
估值没有反映流量现实
素材给出的估值差异非常直接：美国AI算力基础设施企业价值合计约1750亿美元，中国同类资产约200亿美元。
单一CoreWeave的市值，接近中国三家头部算力公司的四倍。Applied Digital年收入仅数亿美元，市值却高于指引年收入约17亿美元的万国数据。
这不一定说明中国资产必然被低估，也可能说明市场对增长质量、融资能力、治理结构和地缘风险给出了不同折价。
但当底层使用量、基础设施需求和资本市场定价出现如此大的剪刀差时，至少值得追问：哪些风险已经被充分计价，哪些增长还没有被计价？
与其押注模型，不如关注收租者
模型竞争的结果很难提前确定。今天领先的模型，明天可能被更便宜或更强的产品替代。
基础设施的逻辑不同。只要 token 总量持续增长，无论最终由哪个模型获得用户，都需要芯片、电力、机房和网络来承载。
素材将这种差异概括得很尖锐：投资者愿意给智谱AI等模型实验室约177倍经常性收入估值，而承载模型运行的阿里巴巴、腾讯等基础设施层，市盈率约为15至17倍。
我更认同关注“收租者”的思路，但不能把所有大平台都简单视为纯粹的算力资产。它们业务复杂，基础设施增长能否真正转化为股东回报，还要看资本开支、利用率和利润率。
便宜要等基本面确认
估值低不是买入理由，只是研究起点。
素材称，万国数据上半年新签预订量达到创纪录的470兆瓦，另有600兆瓦处于预留状态，公司上调全年指引并恢复盈利。这些变化说明需求可能正在从流量故事进入订单和利润表。
但一个季度或一家公司还不足以证明整个行业完成重估。世纪互联的财报、后续订单兑现、提价后的客户留存，以及电力和芯片供给能否按预期改善，都是必须继续验证的环节。
这轮机会最值得关注的地方，是中国AI已经形成了远超收入份额的真实使用规模。
最需要警惕的地方也在这里：流量不会自动变成利润，便宜也不会自动带来回报。只有当流量、定价、产能利用率和现金流开始同向改善，估值错位才真正具备兑现条件。