中国AI的利润，正在两头跑

国产芯片抢份额抢得热火朝天，但真正赚钱的，可能不是你以为的那些玩家。

美银美林9月17日发布的中国AI策略报告给出了一个反直觉的判断：中国AI价值链的利润分布，正呈现哑铃型结构——价值集中在两端，一端是加速器、半导体设备、晶圆代工和存储这些战略瓶颈环节，另一端是拥有规模与生态网络效应的大型云平台；而夹在中间的独立大模型实验室与物理AI制造商，正面临转换成本低、模仿速度快、定价权薄弱的三重挤压。

一句话概括：本土化走了多远，和谁真正在赚钱，是两个问题。

📊 一个哑铃，两只膨胀的铃球

先看一个场景：过去两年，如果你问一位一级市场投资人“中国AI哪里机会最大”，十有八九会听到“大模型”。但据多位接近美元基金的人士透露，2025年下半年以来，机构内部讨论最多的已经变成另一个问题——中间层到底怎么退出。

这不是情绪，是数据决定的。

美银美林将中国AI相关标的划分为三个“桶”：本土化受益者、基础设施出口商与AI应用。三个桶的风险收益结构截然不同：本土化受益者吃的是政策与供应链替代的红利，护城河来自资本强度、开发周期、技术积累与监管壁垒；基础设施出口商赚的是全球算力建设外溢的钱；而AI应用与中间层，则在同质化竞争中被反复挤压。

A1

A2

A3

B[B]

B1

B2

C[C]

A[A] --> A1

A[A] --> A2

A[A] --> A3

B[B] --> B1

B[B] --> B2

A1 --> C[C]

A3 --> C[C]

这个结构的产业逻辑并不复杂。两端的玩家，一头握着稀缺的产能与技术，一头握着流量与生态锁定；中间层的玩家，产品容易被复制、客户切换成本几乎为零，只能靠价格换份额。

对投资者的直接含义是：中国AI不是一个同质化主题，而是三类风险收益完全不同的标的集合。把“国产替代”四个字当成一张票去买的时代，正在结束。

🚀 份额是真的：国产替代三年三级跳

金句先行：份额的扩张不需要辩论，需要辩论的是份额背后的含金量。

先看AI加速器。据IDC、公司报告与美银美林估算，2025年中国加速器市场，国内厂商合计约占50%，较2024年不足30%的份额大幅跃升；预计到2028年，这一比例将接近80%。华为在训练侧具备清晰的路线图优势，寒武纪、天数智芯、摩尔线程等厂商则在推理侧逐步建立竞争力。

存储端的追赶同样肉眼可见，但节奏并不均衡。长鑫存储的全球DRAM收入份额，从2024年的约3%至4%升至2026年二季度的约10%；长江存储的NAND份额从7%至8%升至约14%。两年时间，份额近乎翻了两到三倍。

设备端的数据更能说明资本强度：据SEMI.org数据，2025年中国半导体设备支出达493亿美元，较2020年的190亿美元实现五年复合增速21%，已连续六年是全球最大设备市场。本土设备供应商份额约30%，较2019年的22%有所提升——但先进光刻、离子注入、量测与检测仍是硬瓶颈，光刻设备本土份额不足5%，与ASML的差距短期内难以弥合。

不过这里要泼一盆冷水：资本密集涌入，也带来了重复投资与价格竞争。份额的分子在涨，利润的分母可能涨得更快。这正是哑铃型结构的起点——当每个环节都挤进足够多的玩家，只有护城河最深的环节能把份额变成利润。

🏭 铃球之一：战略瓶颈端开始收“稀缺税”

先讲一个数字细节：晶圆代工的均价，正在悄悄上涨。

中芯国际8英寸等效混合均价已从2025年上半年的904美元，升至2026年上半年的965美元；华虹从437美元升至461美元。更关键的是产能利用率——2026年二季度，两家公司分别达到94%与103%。满产、提价、纪律严明，这是典型的瓶颈环节议价姿态。

存储端的盈利弹性更夸张。长鑫存储2026年上半年经营利润率达79%，与全球龙头基本相当。当然，工程师朋友都懂这个数字的另一面：存储的盈利能力对新增产能高度敏感，今天79%的经营利润率，是供需错配给的，不是永久的——周期性风险不可忽视，这也是它仍属“哑铃端”而非“躺赢端”的原因。

设备商则是另一种叙事。北方华创与中微公司2025年毛利率因新品导入承压，但两家均维持盈利，并将长期毛利率目标设定在40%以上。关键变量在于：当前的高强度投入，能否转化为更大的装机基数与持续的售后收入。设备这门生意，卖出去只是上半场，装机存量才是复利的来源。

这一端的共同点很清晰：护城河不靠讲故事，靠的是资本强度、漫长的开发周期、深厚的技术积累与监管壁垒。瓶颈环节的本质，是把稀缺性变现的能力。

⚠️ 铃球之二：云平台的生态复利

哑铃的另一端，是大云平台。

逻辑同样朴素：算力需求爆发，最终购买方是谁？是云。模型可以换，芯片可以换，但客户的数据、工作流与生态绑定在云平台上，切换成本极高。这种网络效应带来的定价权，是中间层梦寐以求而不可得的。

而中国应对硬件约束的核心策略——系统级优化而非单点突破——恰恰强化了云平台的地位。通过更大规模的国产算力集群、更快的互联、软硬件协同设计与更高效的模型架构，来弥补单芯片性能差距。这套打法在近期大模型的训练部署中已有实证，但请注意它隐含的分配效应：系统级优化能力，天然沉淀在拥有集群、互联和软件栈的云平台手里，而不是分散在模型公司手里。

换句话说，国产算力集群越大，云平台作为系统集成者的话语权越重。中间层的模型实验室，某种程度上是在替两端“打工”：算力从瓶颈端买，客户从云平台导，自己拿着一个随时可能被复制的模型夹在中间。

据多位接近云厂商的人士反馈，2025年以来头部平台的国产芯片适配投入显著加大，软硬件协同从“备选项”变成了“必选项”——这本身就是生态权重的直接体现。

🕳️ 中间塌了：大模型实验室的三重挤压

现在说哑铃中间最细的那一段。

独立大模型实验室面临的困境，可以拆成三刀：

第一刀，转换成本低。客户从模型A切到模型B，在多数场景下只是改一行API调用。没有数据锁定，没有生态绑定，议价权从第一天起就不在模型方手里。

第二刀，模仿速度快。前沿模型发布的领先窗口期越来越短，技术扩散的速度远快于商业变现的速度。你花十个亿训练出来的能力，可能三个月后就是行业标配。

第三刀，定价权薄弱。前两刀合起来，就是价格战的温床。API价格一路下探，推理成本下降的红利，大部分被下游应用与云平台拿走，而非模型方自己留存。

物理AI制造商的处境类似但维度不同：它们夹在硬件成本（缺不缺货、贵不贵）与终端价格战之间，毛利被两头啃。机器人、智能驾驶域控这些赛道，故事讲得震天响，报表上的毛利率却诚实得很。

这就是“微笑曲线”最直白的读法：曲线两端翘起来的是利润率，中间凹下去的是竞争强度。中国市场尤其残酷，因为每一个“看起来门槛不高”的环节，都会在两三年内挤满对手。

🌐 三个桶，三种命运：如果美国AI资本开支放缓

最后回到美银美林那个警告：若美国AI资本开支放缓，三个“桶”所受冲击的性质与幅度将显著分化。

这个推演值得展开。本土化受益者（加速器、设备、代工、存储）的逻辑根基在国内需求与政策确定性，对海外资本开支的直接敞口有限，属于防御性最强的一桶——前提是国内投资节奏不发生同步降温。基础设施出口商则直接暴露于全球算力建设周期，海外需求一旦降温，首当其冲。AI应用与中间层，短期看是成本下降的受益者，长期看则取决于能否在价格战打完之前建立真正的壁垒。

对产业从业者的启示更实际：如果你在瓶颈端，请把稀缺性变成结构性产能与技术存量；如果你在云平台，请把生态锁定做深；如果你不幸在中间层，那么唯一出路是尽快找到属于自己的“转换成本”——数据、场景、硬件绑定，总得占一样。

光靠模型能力本身，撑不起一个可持续的商业模式。这话不好听，但价值链的利润分布已经替市场投过票了。

小结

中国AI本土化的份额故事是真实的：加速器50%、存储翻倍、设备支出全球第一。但美银美林的哑铃框架提醒我们，份额不等于利润，利润正在向战略瓶颈端与云平台两端集中，中间层承受着最沉重的挤压。接下来的看点有两个：一是存储与代工的高盈利能否穿越产能周期，二是中间层能否诞生真正的转换成本。哑铃还会晃多久，取决于中间那段什么时候长出肌肉。