23倍投资差与4个月模型差：一个待解的反差

开场用两组数字立起核心问题：2025年美国私人AI投资2859亿美元、中国约124亿美元，相差23倍，但大模型能力差距从7个月缩到4个月。主持人介绍两位嘉宾背景，并提示市场风险。

技术路线分岔：美国拼规模，中国拼效率

黄文静解释差距源于技术路线不同。美国规模优先、拼算力拼参数；中国受算力约束，选择算法优先、效率优先，依靠人才与数据规模优势。她引用AI论文与专利数据说明人才回流趋势，并指出中国模型与美国的时间差在大幅缩窄。

AI基建链条拆解：从土建到芯片

成乔升自上而下拆解AI基建：数据中心厂房土建、电力设备（含不间断电源与储能）、IT设备（服务器、交换机、光互联），再往下是CPU/GPU、存储芯片、交换芯片与光模块。他补充资本开支并非唯一口径，算力租赁以费用形式支出，AI基建呈现多元化。

统计口径与资本市场成熟度

黄文静回应政府投资是否被低估：斯坦福报告主要统计私人VC和PE，但即便加上政府主导产投基金年均约77亿美元，差距依然巨大。她认为主因是商业模式、技术路线与一级市场成熟度，美国AI企业融资家数是中国的10到12倍，且可用GPU抵押贷款。

资本开支绝对值差是时间问题

成乔升认为中美资本开支差距是时间问题而非土壤问题，核心制约是芯片采购限制。但需求端在往上走：DeepSeek V3公开后中国开源模型地位上升，API调用量持续提升，主权AI与企业级需求坚定，中长期给中国AI基建留下想象空间。

越投越猛是不是泡沫

成乔升分析北美云厂商资本开支高增的驱动力已从预训练转向需求主导，投资人跟踪token消耗量与ARR。他给出三条健康依据：算力无滞销、API厂商毛利率高、成本下降刺激需求形成正向飞轮，即杰文斯悖论。结论是高位运行但相对健康。

电力是瓶颈但不是主因

黄文静对比数据中心存量（美国5427座、中国449座）与中国发电量优势，指出美国电力供给与电网接入已成瓶颈。但拆解一个GW数据中心投资结构后，电力设施仅约6亿美元，是服务器投资的八分之一，不足以解释差距。算电协同已写入政府工作报告与十五五规划。

国产算力芯片：单卡追赶到超节点

成乔升梳理国产算力芯片两年变化：单卡性能大幅提升，存储容量与带宽追赶，发展重心从单卡走向32卡、64卡超节点，今年世界人工智能大会上厂商宣发重点都在超节点。挑战在于高端代工产能、先进封装与DRAM/HBM配套，预计两到三年逐步突破。

开源模型毛利率低是误区

成乔升认为开源与闭源服务不同层次需求，开源偏海量大众化。通过AI infra优化，算力利用率可从20%到30%大幅提升，单位token成本降至闭源模型的几分之一甚至十分之一。他引用DeepSeek创始人十个月折旧回本的说法，指出面对60个月硬件使用期是五倍利润空间。

需求端基础与商业化拐点

黄文静列举需求侧数据：中国企业AI部署率45%高于全球38%，83%企业已在某职能使用AI，AI App月下载量突破2.4亿人次、日活同比增长220%。成乔升指出中国C端付费意愿弱于北美，突破点在B端与API，云大厂对API收入展望乐观。

出海：从硬件到模型与API

黄文静说今年商品出口增速预测从6%上调到12%，AI是最亮眼品类。她解释中美AI贸易数据错位：中国既有直接出口，也有经东盟、日韩台、拉美的间接出口，还有在通用存储芯片上的错位出口。服务出口比商品出口更具持续性。

端侧与云端：不是替代是飞轮

成乔升认为落地顺序先有云后有端，云端模型蒸馏下放到端侧；但端和边满足低时延与隐私需求，与云是平行需求。端侧用户数据反哺云端训练，云端能力提升再蒸馏下放，形成飞轮效应。

软硬件协同：从闭卷考试到开卷考试

成乔升类比英伟达的成长，指出软件栈与下游模型厂商深度适配相当于开卷考试，无法适配的芯片公司只能猜模型迭代方向。国产开源模型已能做到day zero适配，算子覆盖度等基础问题解决，国产算力有望复制英伟达路径。

推理算力：国产芯片的切入点

中国日均token调用量从2024年初1000亿升至2026年3月140万亿。成乔升认为推理算力是驱动国产AI算力需求的核心来源，训练端仍有系统级差距，但推理端看TCO，国产芯片在搜索推荐与多模态推理上对CSP大厂有成本优势。

稳健加速：四个字的含金量

黄文静拆解报告核心结论。稳健指不单纯拼规模，强调利润转化率、收入兑现性与效率；加速指需求侧与供给侧形成合力，前五大平台AI投资约500亿美元、增速超60%。国产加速卡占比升至41%，英伟达降至55%。

2026到2027：高位稳健运行

成乔升给出核心判断：维持稳定高位运行。模型端收入已达一年几百亿美元ARR，再爆发式增长有难度；但硬件投资端无明显泡沫化效应，上下游沟通顺畅，不存在库存堆积导致算力价格垮塌的路径。斜率可能略平缓但不代表投资不持续。

普通人可跟踪的景气度指标

成乔升最看重算力价格，它反映供需与金融风险敞口，亚马逊等云厂商的核心算力租赁价格可公开查询，但需辩证看待上一代算力的现货波动。黄文静给出三类指标：应用与需求扩张、算力可得性、投入变现能力。

两位分析师的方法论与周期视角

成乔升强调全产业链深度跟踪，用2021至2022年需求层层放大导致库存波动的例子说明拐点可从上下游数字差异中提前发现。黄文静从长中短三类周期切入，认为中国经济处在金融周期底部、人口周期下行，而AI放在熊彼特周期看是又一次技术周期向上的契机。节目以风险提示与版权声明收尾。