美東時間9月3日，OpenAI發布新一代旗艦模型GPT-6Astra，可自主執行多步驟任務；9月8日，其又宣稱內部未公開的下一代前沿大模型(性能高於GPT-6 Astra)，聯合約10000個併發協作的AI Agent，攻克七大千禧年難題之一——納維-斯托克斯方程(Navier-Stokes Equation)的存在性與光滑性問題。國內的DeepSeek也於9月10日正式發布V4.1Flash，並傳出籌備科創板IPO消息。 　　AI的快速發展，再次引發市場對於其未來的爭論。貝萊德、瑞銀等多家機構近期對AI的下半場進行了討論，話題包括AI的投資前景、中美AI的技術發展路徑對比等。那麼，在算力狂飆之後，錢從哪來，又流向何方？ 　　 　　     　　算力建設強度空前 三大疑問待解 　　「AI時代經濟增速會不會加快」仍然是個有爭議的問題。貝萊德大中華區投資策略師陸文傑表示，根據他的測算，最樂觀的情況下可能會有15%到20%的增量，最悲觀的情況下是0。從最近美國實際經濟情況來說，仍然有理由樂觀。陸文傑認為，這是因為美國正在大量投資數據中心，這一體量如此之大，堪比中國在能源領域的投資，大量的錢投下去，肯定會有經濟增長。 　　美國科技公司近期也交出了非常出色的答卷：英偉達2027財年第二財季總營收962億美元，按年增長106%；數據中心算力業務貢獻890億美元收入，按年增長117%，成為AI硬件最大贏家；微軟Azure雲服務2026財年第四財季收入按年增長43%；谷歌2026年第二季度雲營收增長82%至248億美元。 　　但投資強度空前，並不意味着「一帆風順」。市場在質疑什麼？陸文傑將其歸納為三個問題：大量的AI基建投資下去，能否帶來回報；科技公司自有資金花完後，市場能否低成本承接鉅額孖展；數據中心能否真的造起來。 　　第一個問題，陸文傑相對樂觀。他認為美國公司有很強的ToB軟件生態，儘管token均價在跌，但用得越來越多、任務越來越複雜，這些AI巨頭仍然能獲得利潤。例如全球程序員約2000萬人至3000萬人，以人均5萬美元/年工資計算，約有1.5萬億美元的市場規模，AI替代其中一部分便可以帶來幾千億美元收入。 　　第二個問題已現壓力，但是陸文傑表示，在當前市場下，高利率孖展得到高收益的機會仍然是大概率事件。有測算顯示，2026年全球與AI相關的投資累計超萬億美元，其中Magnificent 7(美股七巨頭)AI相關資本投入約8000億美元。但是，美國科技公司最新財報顯示，科技巨頭的自有資金正在快速消耗甚至消失，包括谷歌、亞馬遜等在內的部分科技巨頭的現金流已經變成負數，這意味着這些巨頭對AI的投資從自有資金變為孖展。但市場情況並不樂觀：一方面今年美股IPO發行規模處於歷史較高水平，SpaceX之後，OpenAI、Anthropic等巨型公司IPO排隊在後；另一方面，美國債券利率快速提高，抬高了整體債券的孖展成本，而舉債正成為數據中心建設更快的孖展方式。 　　第三個問題關乎「民意」：據貝萊德調研，69%的美國民衆反對AI基礎設施建在自家附近，因為數據中心推高當地水電價格。這也對AI基建的實際落地造成困擾。 　　泡沫之爭：需求、盈利與估值 　　事實上，更早的時候，市場就在討論AI估值是否已經過高。甚至將AI的未來與互聯網泡沫做對比。對於這一問題，貝萊德建信理財副總經理兼首席投資官劉睿給出三個判斷維度：需求、盈利、估值。 　　需求端，海外模型調用token數據從今年年初至今翻倍增長，中國國內更是數倍增長。劉睿列舉了一個數字，標普500公司中，二季度業績電話會議討論AI的公司佔比從兩年前的30%出頭升至70%。盈利端，標普500去年盈利增速約百分之十幾，今年預估達30%以上。估值端，標普500當前市盈率約20倍，處於過去十年15倍—25倍區間中位，十年均值約18倍，因而20倍的市盈率並不是很高。 　　「從需求、盈利以及估值水平來看，並沒有看到特別明顯的泡沫跡象。」劉睿認為，泡沫本身是科技發展的必然規律，資本的關注、資源的關注，最後導致過度投入和過度預期，泡沫形成和出清是必然結果。 　　模型競爭「下半場」： 　　從能力競賽到Token ROI 　　在模型層，競爭已進入「下半場」。瑞銀證券中國互聯網行業分析師熊瑋從模型能力、Token ROI(投資回報率)與廠商變現三個維度，判斷中國在AI下半場競爭中的地位。模型能力端，熊瑋強調中國模型「coding被模型廠稱為模型能力的原能力」，不僅商業路徑清晰，還帶動其他廣泛模型能力提升。過去兩三個月，中國大模型廠商迎來重磅發布潮：北京月之暗面科技有限公司發布的Kimi K3成為全球開源規模最大的模型，能力接近最領先的閉源模型；DeepSeekV4.1 Flash、8月底的智譜GLM-5.3 Flash等不僅在能力上逼近全球前沿，也展現出更強的性價比優勢。 　　「中國大模型廠商展現出的模型發布勢能非常強，進一步縮窄了中美前沿模型的差距。」熊瑋說。他觀察到模型廠商新一代版本重心正從預訓練轉向後訓練，推理效率從「使用階段」向「訓練階段」遷移——這是中國廠商具備系統性優勢的領域。 　　通過梳理最近國產領先模型廠商發布的模型，他總結出兩個規律：一個是開源模型越做越大，如Kimi的K3已經達到2.8萬億參數規模；第二個是Flash版本，如DeepSeek的V4.1-Flash，在保持性能的基礎上更快實現性價比的提升，行業的適應性迅速攀升。 　　TokenROI端，行業正從上半年流行的「token-maxxing」(鼓勵內部用量最大化)轉向「token Optimization」(在不降低輸出質量的前提下，減少輸入)。熊瑋指出，企業發現大量的token投入既抬高AI賬單，又難以衡量經濟價值，開始平衡絕對性能與性價比，出現了很強的ROI管控意識。 　　根據熊瑋的跟蹤，從5月—6月開始，全球平均模型token的花費不再直線增長了，市場將性價比因素更多納入購買決策中。有更多的企業或者是開發者用戶有更強的意願使用中國的開源模型。 　　廠商變現能力方面，熊瑋認為中國的模型無論是能力的提升還是商業化的進展都快於美國同行，且對於中國企業未來的商業化空間保持樂觀。其通過一些公開數據測算顯示，部分中國模型廠商研發花費不到國際同行10%，主流API(應用程序編程接口)定價平均僅為國際同行的10%—20%，而API業務毛利率仍在20%—40%，「並不是貼錢擴大采用」。 　　摩根士丹利研報也指出，中國大模型的競爭主軸正從「價格戰」轉向「智能戰」。 　　產業鏈利潤爭奪： 　　定價權在上游 下游待破局 　　為何當前美國AI巨頭業績格外亮眼，而中國科技公司的AI業務尚未在財報中充分兌現？ 　　對於這一問題，瑞銀中國互聯網研究主管方錦聰直言，當前AI產業鏈的定價權在上游，領先GPU廠商毛利率超過40%。「技術在剛出現的時候，需要大量硬件支持，而當產能限制在上游時，硬件賺走產業鏈大部分錢，模型、應用只能佔‘很小的份額’。」 　　方錦聰認為，這只是一個周期問題，3年—5年後，隨着GPU產能釋放、訓練模型縮放定律趨緩，上游定價權將減弱，「手握用戶、場景、時長與數據的下游將拿回話語權。」因此，短期互聯網大廠股價仍有壓力，但從更長維度看，穩定主業的現金流、獨有的用戶數據，將成為大廠在「80分到100分」階段的優勢。 　　「現在還比較早期，終局還看不清楚。」這是陸文傑對AI「下半場」的判斷，也是多位機構人士的共識。但綜合來看，中國在AI下半場的競爭中並非處於劣勢，相反，憑藉強大的工程化能力、極具性價比的開源模型以及快速迭代的商業化路徑，中國AI企業正在縮小與美國的差距，並在特定領域形成系統性優勢。隨着上游算力瓶頸的緩解，擁有海量用戶和豐富場景的中國互聯網大廠有望在全球AI產業鏈中拿回更多話語權。　 　　(本文已刊發於9月12日出版的《證券市場周刊》。文中提及個股僅為舉例分析，不作投資建議。)