中国AI的钱，都让谁赚走了？

国产替代狂飙两年，账本却越来越不公平

份额是真的，钱却不一定跟着份额走。

这是美银美林9月17日那份中国AI策略报告里，最扎心的一句潜台词。报告给出一个反直觉的判断：中国AI价值链的利润分布，正在形成"哑铃型"结构——钱集中在两端，一端是以AI加速器、半导体设备、晶圆代工和存储为代表的战略瓶颈环节，另一端是拥有规模与生态优势的大型云平台。夹在中间的独立大模型实验室和物理AI制造商，正被转换成本低、模仿速度快、定价权薄弱三面夹击。

换句话说，"本土化走了多远"已经不再是好问题，"谁在价值链上真正赚钱"才是。本文把这条曲线拆开看。

📊 份额狂飙：两年从30%到50%

故事要从数字说起。

据IDC、公司报告与美银美林估算，2025年中国加速器市场，国内厂商合计份额约50%。这个数字在2024年还不足30%，预计2028年将接近80%。两年翻近一倍，这在成熟产业里几乎不可能，但在国产替代的语境下，它就是发生了。

训练侧，华为有清晰的路线图优势；推理侧，寒武纪、天数智芯、摩尔线程正逐步建立起竞争力。分工相当明确——训练吃硬骨头，推理铺量走人。

存储的追赶同样肉眼可见。长鑫存储的全球DRAM收入份额，从2024年的约3%-4%，升到2026年二季度的约10%；长江存储的NAND份额从7%-8%升至约14%。翻倍不止，但离全球龙头的身位仍有距离。

设备端更能说明问题。据SEMI.org数据，2025年中国半导体设备支出达493亿美元，而2020年只有190亿美元——五年复合增速21%，连续六年是全球最大设备市场。本土设备商份额约30%，较2019年的22%有所提升。

但缺口也写在同一张表里：先进光刻、离子注入、量测与检测仍是短板，光刻设备本土份额不足5%，与ASML的差距短期难以弥合。

中国的应对策略，不是单点突破，而是系统级优化——用更大规模的国产算力集群、更快的互联、软硬件协同设计和更高效的模型架构，去弥补单芯片性能差距。这个思路在近期大模型训练部署中已有实证。但也意味着，本土化的竞争优势更多体现在系统层面，而非可以直接对标参数表的单芯片规格。

一句话：赢法变了，但确实在赢。

🏭 代工涨价，这次是底气不是缺芯

价值链第一端的含金量，看代工价格就知道。

中芯国际8英寸等效混合均价，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。2026年二季度，两家产能利用率分别达94%与103%。注意华虹这个数字——超过100%，意味着在消化积压订单。

这不是去年那种缺芯恐慌下的被动涨价，而是定价纪律的实质改善。用业界私下的说法："以前是客户挑产线，现在是产线挑客户。"

再看存储端那个惊人的数字：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。一个两年前全球份额还只有个位数百分比的厂商，利润率已经站到了第一梯队。

不过这里要泼一盆冷水——存储的盈利能力对新增产能高度敏感。79%的经营利润率是周期高位还是结构性改善，答案要到下一轮产能释放时才见分晓。周期性风险，谁都不能假装看不见。

设备商的故事则更微妙一些。北方华创与中微公司2025年毛利率因新品导入承压，但两家都维持盈利，并将长期毛利率目标设定在40%以上。关键变量在于：当期的研发与产能投入，能否转化为更大的装机基数和持续的服务收入。

价值链第一端的护城河，本质上来自四样东西：资本强度、漫长的开发周期、深厚的技术积累、监管壁垒。这四样，恰恰是中间层最缺的。

🎢 微笑曲线：中间层为什么赚不到钱

传统产业经济学的微笑曲线，在AI时代又灵验了一次。

为什么独立大模型实验室最难受？三个原因，环环相扣。

第一，转换成本低。客户从一家模型换到另一家，改几个API调用就行，没有换晶圆厂那种沉没成本。第二，模仿速度快。你发布一个能力亮点，竞对几个月内就能追平。第三，也是最致命的——定价权薄弱。当模型能力趋同，价格战就是唯一武器，而价格战的尽头是利润表见底。

物理AI制造商（机器人、智能驾驶等）面对的挤压结构略有不同：上游要买加速器和传感器，这些是瓶颈环节，议价权不在中国厂商手里；下游面对的是消费市场和整车厂，一样是价格敏感型客户。两头受气，中间夹着自己那点毛利。

而两端的逻辑完全相反。

战略瓶颈端，护城河来自"别人进不来"——晶圆厂一座一座建，设备一代一代磨，周期以十年计；云平台端，护城河来自"规模碾过去"——算力集群越大，单位成本越低，生态越丰富，客户越离不开。

这就是哑铃型结构的本质：AI这个行业的利润，天然向"不可复制"和"不可替代"的环节集中。中间层既不可复制性弱（模型可被追赶），又不可替代性弱（客户可随时切换），利润被两端抽干，几乎是结构注定的。

💼 三个桶：投资逻辑从此分道扬镳

美银美林这份报告对投资人的实操意义在于：中国AI不是一个同质化主题，而是三类风险收益截然不同的标的集合。

报告把相关股票划分为三个"桶"：本土化受益者、基础设施出口商、AI应用。

第一桶，本土化受益者——加速器、设备、代工、存储厂商。逻辑清晰，吃国产替代的确定性红利，但要警惕资本密集涌入带来的重复投资与价格竞争。份额扩张和利润扩张，从来不是一回事。第二桶，基础设施出口商——向海外输出算力与硬件能力的玩家。第三桶，AI应用——弹性最大，但如前所述，利润承压最深。

报告里最冷静的一句警告是：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。瓶颈端承受的是订单周期波动，云平台承受的是估值逻辑重估，而中间层承受的，可能是商业模式本身的存亡。

据多位接近产业的人士观察，过去一年进入AI硬件环节的产业资本，已经明显开始区分"有产能"和"有定价权"——前者在增加，后者依然稀缺。这个筛选过程，恰恰就是哑铃型结构自我强化的过程。

一个值得推演的判断：随着国产算力集群规模继续扩大，系统级优化带来的成本优势会进一步向云平台集中，中间层的谈判地位只会更被动。未来的中国AI版图，可能是"几座大山＋若干瓶颈工厂＋一片应用红海"的格局，而不是百花齐放。

写在最后：份额是过程，利润才是终点

回看这份报告，核心就一句话：中国AI的本土化叙事已经跑完上半场，下半场的主线是利润分配。

国产加速器从不足30%冲到约50%，长鑫从3%-4%冲到10%，这些数字证明追赶是真实的；代工均价上行、产能利用率高企、存储利润率比肩龙头，证明瓶颈端的护城河也是真实的。但微笑曲线同样真实——夹在中间的大模型实验室和物理AI制造商，正站在结构性的逆风里。

往前看，值得盯三个信号：一是存储新增产能投放后的长鑫利润率走向，二是北方华创、中微的装机基数能否兑现40%以上的长期毛利率目标，三是若海外AI资本开支降温，三个"桶"的分化速度。

国产替代这场大戏，前两幕是抢份额，第三幕才刚开始——分钱。