Johnny Yu，威灵顿投资管理宏观策略师
要点：
·中国人工智能（AI）领域的进展正在提高市场对美国AI估值逻辑的审视标准。中国的低成本开源模型削弱了以词元（Token）为中心的商业模式，并对市场关于定价权、营收增长与终值的假设形成挑战。
·AI价值重心或将不再聚焦于模型所有权。随着模型调用趋于商品化，竞争优势或将转向分发、专有数据、工作流、部署以及可量化的商业产出层面。
·当前AI投资逻辑并未被推翻，但确定性有所下降。中国技术崛起令市场共识面临考验，也意味着投资者需要围绕增长、回报与风险建立更严谨的研判假设。同时，这也凸显了在美国与中国两大AI生态系统之间进行多元化配置的潜在价值。
过去数十年间，中国企业在从必需消费品、电子产品到汽车行业的众多赛道中，都推出了相比美国及其他发达市场成本更低的替代产品。如今，在美国企业开发的 AI 模型正在重塑产业格局、经济形态乃至社会运行模式之际，中国再次凭借成本更低、性能相当的 AI 产品，正在打破现有的竞争格局。
7 月初，中国初创企业月之暗面发布了其Kimi K3 AI大模型，这一新产品引发了投资者对美国 AI 供应商发展前景的担忧。该模型被认为性能优于Anthropic、OpenAI 等美国企业的同类产品。就在该模型亮相前不久，中国另一家AI企业智谱刚推出 GLM-5.2 AI大模型，是另一款可对标美国模型的高性价比替代方案。
投资者或许仍低估了中国的AI 产业，但这两次模型发布足以说明，中国在全球 AI 格局中的影响力已经难以忽视。真正具有实质意义的AI创新正在中国落地，而中国企业推出的低成本、开源大语言模型（LLMs），有可能挤压美国LLMs厂商的定价权与营收空间。这一点至关重要，它或将动摇当前整条AI产业链的融资模式，削弱诸多美国头部 AI 供应商的核心价值逻辑。
低价优势不容忽视
Kimi K3 与 GLM-5.2 问世之际，市场正在反思 “Token 最大化”，也就是一味拉高 Token 消耗量、以此推高 AI 业务潜在收益的发展思路是否正确，而这种反思也推动中国模型的使用量日益攀升。去年早些时候，市场就见证过“DeepSeek 时刻”：这款轻量化模型以低得多的成本实现了对标同类级别的性能。如今，前沿LLMs收取高昂溢价，AI用户越来越需要看到溢价对应的实际价值。倘若低成本模型能够以更少的资本投入和更低的硬件配置，持续提供大体相当的交付能力，投资者自然会重新审视美国AI企业维持高额支出的合理性。
在我看来，中国模型的发展提醒投资者，要区分效率提升与过度投入。几乎每一轮技术革命，从铁路、宽带到移动网络，都曾不可避免地出现过超前建设、过度承诺，脱离经济现实的现象，只有市场热潮褪去之后，过剩问题才会充分显现。当市场存在具备竞争力的替代方案，不仅能够为高投入企业提供参照基准，也能够对过于乐观的增长预测形成制衡。这不代表主流投资逻辑是错误的，但我认为，当下资金配置方需要拿出更强有力的论据来支撑自身判断。
“开源” 带来的现实问题
中国已经将开源模型作为“人工智能+”战略的重要支柱，也是一项核心竞争策略。发展开源最初是硬件受限之下的被动选择，如今却重塑了 AI 赛道的竞争格局，对闭源LLMs以 Token 为核心的商业模式形成冲击。
开源模型更易于传播与采用，也更难被限制。它依托线上社群、本地化部署、定制化再开发实现扩散；依靠网络效应而非传统销售渠道实现规模扩张，快速渗透进全球产业生态。
开源模型支持本地部署，能够更好保护数据隐私，缓解企业对商业机密泄露的顾虑。对于模型供应商而言，开源模式也有助于讲算力负担转移至用户端。当模型调用近乎免费，AI 赛道的博弈重心就从核心的模型能力，转向部署、分发、服务、数据、工作流以及商业产出等环节，而这些领域尚未形成成熟的定价逻辑。
政策博弈 vs 技术迭代
从中期视角看，对AI 发展走向影响最大的或许不是搭建、训练模型的技术人员，而是政策制定者，他们需要划定 AI 的扩张边界、发展速度，同时建立配套治理框架。中美LLMs性能差距不断收窄，也给监管层与政界带来权衡难题：是为安全治理适当放缓技术进步，还是加速迭代，争取在 “AI 竞赛”中占据优势。
今年夏天，美国曾短暂叫停 Anthropic 的 Claude Fable 5 模型，正是这种两难处境的体现。当需要通过关停、功能降级来管控新兴风险，或许意味着行业已经进入新阶段：制约行业发展的首要因不再是技术本身，而是治理规则。技术进步与社会接受度之间的矛盾只会持续加剧。
对投资者而言，我认为关键启示并非看空 AI，而是对预测与假设更加审慎，意识到国家安全、地缘政治因素对 AI 行业的影响，或将远超对以往多轮技术浪潮的影响。中国有望长期作为 AI 赛道中实力不容小觑的竞争者，足以让市场对当前主流共识产生质疑。因此，股票与信用资产的配置需要更加审慎，重视在中美两大 AI 生态之间做好多元化布局。
