7月24日消息，“中国模型的训练成本仅为海外龙头的十分之一，推理定价则只有10%到20%，且仍能维持20%—40%的毛利水平。”在2026年世界人工智能大会落幕不久、国产大模型Kimi K3引发“第二个DeepSeek时刻”热议之际，瑞银证券中国互联网行业分析师熊玮在一场线上分享会上，系统阐述了中国AI行业的底层竞争力：一套贯穿训练、推理与基建的系统性成本优势。这一优势正随着企业用户转向“ROI驱动”的AI预算管理而愈发凸显，并可能重塑全球大模型的商业版图。
成本优势不是“烧钱补贴”，而是结构性的
熊玮指出，投资者常问“中国模型为何这么便宜”，但这一现象背后是训练与推理两个环节的实质性效率领先。从训练端看，中国头部模型的算力成本仅为美国对标模型的约1/10，这不仅因参数量更小，更重要的是架构设计创新、GPU利用率优化，以及“性能与成本平衡”的策略取向。美国同行更倾向于不计成本追求绝对性能提升，而中国厂商则从起步便兼顾AI普惠的推广目标。
在推理端，中国模型的API定价通常为海外同级模型的10%—20%，且并非亏损获客。熊玮援引调研数据称，中国模型厂的API业务毛利率可达20%—40%，虽低于美国同行，但已属健康水平。这一成本结构由三层因素支撑：模型架构（如MOE激活参数比例仅个位数至10%，远低于美国的15%—30%）、工程调度（头部玩家GPU利用率超70%，行业平均仅40%—50%）、以及基建成本（电力、数据中心配套更便宜）。
Token ROI时代：开源模型正从“备选”变为“优选”
熊玮特别强调，行业正从早期的“token maxxing”转向**更加理性的ROI驱动型AI消费**。企业用户开始担忧“AI账单膨胀”，并主动寻求性价比更优的方案。这恰好与中国开源模型的崛起同频。过去开源模型性能未达企业级门槛，但如今头部中国开源模型与闭源模型的性能差距已大幅收窄。
“第三方数据显示，开源模型的使用量正从低基数快速攀升，”熊玮称，“企业不仅把开源模型视为控制成本的工具，更因其性能达标而开始将部分工作流迁移至其上。”他甚至举例，已有海外企业公开讨论将某些任务交由中国的开源模型承担，这一趋势若持续，中国模型有望在全球企业AI预算中切下更大份额。
Kimi K3发布，不止是“第二个DeepSeek时刻”
近期最受瞩目的行业事件当属Kimi K3的推出。熊玮认为，将其称为“第二个DeepSeek时刻”并不为过，它再次向世界证明，中国模型能在成本极致优化的同时，将性能逼近全球第一梯队Claude Fable 5、GPT-5.6 Sol。K3不仅是全球开源模型中参数量最大的之一，其定价也定在了国产模型的高端区间，说明“真正的好模型有溢价权，也有用户愿意买单”。
更重要的是，K3的开源属性进一步繁荣了中国本就活跃的开源生态，倒逼海外闭源巨头也开始调整token定价。熊玮判断，开源模型的强劲势头正在改变全球竞争格局，而中国厂商凭借持续的技术创新，有望在性能追赶与成本领先的双轨上保持长期竞争力。
下半年三大焦点：性能、变现与算力供给
展望2026年下半年，熊玮提出三个关键观察维度：
模型性能：行业迭代速度仍为每1.5—2个月一轮密集发布，但领先玩家的“track record”趋于稳定。尤其在coding赛道，数据飞轮效应和AI自我进化研究可能进一步巩固头部优势。
变现空间：AI coding正从程序员群体破圈至高级白领与知识工作者，多模态模型则成为中国厂商的“相对优势区”——全球高质量视频生成模型供应商中，中国公司占据领先位置。
算力供需：目前算力需求远大于供给，且推理端受限直接制约收入转化。熊玮呼吁国产芯片在量与性能上加速提升，否则无论是模型训练升级还是商业扩张，都将遭遇瓶颈。
中美对比：中国云厂商更“稳健”，开源路线或动态调整
针对市场关心的中美云厂商资本开支差异，熊玮指出，中国互联网大厂的AI投入“更加prudent（审慎）”，管理层天然重视ROI，即便加码也走长期可持续路线，因此“去年我们就不认为中国有AI泡沫”。而关于“中国模型厂商是否过多”的疑虑，熊玮区分了两类玩家：AI初创实验室（如DeepSeek、智谱、Kimi）以模型研发为核心使命，而科技大厂的AI策略则与其既有生态深度绑定，两者终局未必是简单洗牌。
至于开源与闭源的路线选择，熊玮认为中国当前选择开源是“牺牲部分变现上行空间换取更大adoption”的战略理性，未来是否转向闭源，将取决于市场需求、商业化目标与产业链供给的动态平衡。
“全球能真正竞争大模型的只有中美两国，而中国已经用成本优势证明了自己不仅是追赶者，更是效率规则的重新定义者。” 熊玮表示。随着Kimi K3点燃新一轮关注，中国AI模型在下半年的全球舞台上的表现，值得持续追踪。