中国AI的钱，被两头赚走了

中国AI的本土化，已经从政策文件里的一行字，变成了采购订单上的一串数字。但一个更扎眼的问题浮出水面：份额扩张得越快，利润反而越向两端集中。据美银美林9月17日发布的中国AI策略报告，中国AI价值链正在形成'哑铃型'利润结构——战略瓶颈环节与大型云平台两端吃肉，夹在中间的独立大模型实验室与物理AI制造商只能喝汤。谁在价值链上真正赚钱，已经比本土化走了多远，更值得每一个盯着这个赛道的人想清楚。

📈 份额是真的，利润还没跟上来

份额是最容易量化的胜利，也是最容易被误读的胜利。

先看一份2025年中国AI硬件的成绩单。据IDC、公司报告与美银美林估算，2025年中国加速器市场，国内厂商合计已占约50%，而2024年这个数字还不足30%，预计2028年将逼近80%。训练侧，华为具备清晰的路线图优势；推理侧，寒武纪、天数智芯、摩尔线程等厂商正在逐步建立竞争力。

存储的追赶同样迅猛，只是节奏不均。长鑫存储的全球DRAM收入份额，已从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%。两年翻一倍以上的份额曲线，放在全球存储史上也足够醒目。

设备端更是一张漂亮的宏观报表。据SEMI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%，连续六年是全球最大设备市场。本土供应商份额约30%，较2019年的22%有所提升。

但漂亮报表的另一面，是资本密集涌入带来的重复投资与价格竞争。份额扩张与利润扩张之间的裂口正在加深——这正是本篇要拆的核心矛盾。据多位接近产业链的人士观察，这一轮国产替代的采购动能里，既有真实需求，也有产能军备竞赛的成分。

💰 哑铃的两端：瓶颈与生态才是利润池

在半导体行业，护城河从来不是画出来的，是资本强度和时间堆出来的。

美银美林报告的核心框架很直白：中国AI价值链的利润分布呈'微笑曲线'，两端高、中间低。一端是战略瓶颈环节——AI加速器、半导体设备、晶圆代工和存储；另一端是拥有规模优势与生态网络效应的大型云平台。

瓶颈端的护城河来自四样东西：资本强度、漫长的开发周期、深厚的技术积累与监管壁垒。这四样，恰恰是中间层最缺的。

代工端的定价纪律改善是看得见的。中芯国际8英寸等效混合均价已由2025年上半年的904美元升至2026年上半年的965美元；华虹由437美元升至461美元。2026年二季度，两家产能利用率分别达到94%与103%。涨价加满载，这是典型的卖方市场姿态。

存储端的盈利能力更是惊人：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。设备端则略有分化，北方华创与中微公司2025年毛利率因新品导入承压，但均维持盈利，并将长期毛利率目标设定在40%以上——关键变量在于能否把当前投入转化为更大的装机基数与持续的服务收入。

另一端，云平台的逻辑更经典：规模优势叠加生态网络效应。算力、数据、客户、开发者工具链在云上闭环，越用越粘，越粘越强。两头一合，利润池的形状就定了。

⚠️ 中间层：被上下夹住的一代

最苦的位置，往往在曲线的最低点。

微笑曲线的中间，站着两类玩家：独立大模型实验室与物理AI制造商。美银美林给它们的画像是三重挤压——转换成本低、模仿速度快、定价权薄弱。

拆开看逻辑并不复杂。对模型层而言，客户从一个模型迁移到另一个模型的成本很低，今天你有先发，明天对手追平架构与数据，价格战立刻开打。而下游云平台既是你最大的分发渠道，也可能是你最强的竞争者——它有算力、有客户、有账期谈判权。上游呢，加速器与算力集群是刚性成本，议价权在瓶颈端手里。

物理AI制造商的处境类似。硬件制造环节的可模仿性天然更高，一旦产品定义被验证，跟随者可以快速复制形态与功能，定价权随之稀释。

据多位接近投资机构的人士反馈，现在看中间层项目，投资人问得最多的不是技术领先多少，而是'你的转换成本在哪、护城河能撑几个季度'。这不是苛刻，是哑铃结构下的生存拷问：当两端都握有定价权，中间层的利润天然被压成薄薄一层。份额可以靠资本买出来，利润必须靠结构挣出来——中间层恰恰缺的，就是结构。

📊 三个桶：同一场雨，不同的伞

把中国AI当成一个同质化主题来买，是这一轮最容易犯的错。

美银美林把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。这个划分的价值不在于分类学，而在于风险敞口完全不同——若美国AI资本开支放缓，三类标的所受冲击的性质与幅度将显著分化。

推演一下传导链条：本土化受益者的需求主要来自国内算力建设，对海外资本开支周期的直接暴露较低，更多受国内采购节奏与价格竞争影响；基础设施出口商的收入与全球AI资本开支周期绑定，海外风向一变，订单弹性最大；AI应用层则取决于商业化落地速度，受宏观需求与中间层定价权薄弱的双重影响。

对投资者而言，这意味着同一顶'中国AI'的帽子下面，藏着三类风险收益截然不同的资产。选桶，比选赛道更重要。

🔧 系统级优化：中国路径的真实打法

单点拼不过，就把整个系统拼到极致。

中国应对硬件约束的核心策略，是系统级优化而非单点突破：用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。这一路径在近期大模型训练与部署中已有实证——你不是在比一颗芯片的峰值算力，而是在比一个集群的有效算力、比一套软硬件栈的综合效率。

这套打法的深层含义是：本土化的竞争优势更多体现在系统层面，而非可直接比较的单芯片规格。它有效，但也带来一个评价体系的错位——用国际通行的单芯片benchmark去看中国AI硬件，容易看走眼；反过来，只讲集群规模不讲单点短板，同样会误判。

短板清单依然清晰：先进光刻、离子注入、量测与检测仍是设备端的瓶颈，光刻设备本土份额不足5%，与ASML的差距短期内难以弥合。而存储端的高利润率也自带周期属性——79%的经营利润率很亮眼，但存储盈利能力对新增产能高度敏感，今天的利润率是供给格局的产物，不是永久禀赋。据多位接近设备厂商的人士观察，行业共识是：瓶颈清单本身就是未来五年的投资地图。

小结

中国AI的故事正在从'份额叙事'切换到'利润叙事'。哑铃型的价值链结构意味着：瓶颈端靠资本与时间筑墙，云平台靠规模与生态收租，中间层则必须在转换成本上找出路。对产业参与者，站位决定利润率；对投资者，选对桶比选对赛道更关键。往前看，2028年国产加速器份额若真逼近80%，价值链的再分配只会更残酷——届时真正的赢家，是那些在曲线两端提前修好护城河的人。