美东时间 9 月 3 日，OpenAI 发布新一代旗舰模型 GPT-6Astra，可自主执行多步骤任务；9 月 8 日，其又宣称内部未公开的下一代前沿大模型（性能高于 GPT-6 Astra），联合约 10000 个并发协作的 AI Agent，攻克七大千禧年难题之一——纳维 - 斯托克斯方程（Navier-Stokes Equation）的存在性与光滑性问题。国内的 DeepSeek 也于 9 月 10 日正式发布 V4.1Flash，并传出筹备科创板 IPO 消息。
AI 的快速发展，再次引发市场对于其未来的争论。贝莱德、瑞银等多家机构近期对 AI 的下半场进行了讨论，话题包括 AI 的投资前景、中美 AI 的技术发展路径对比等。那么，在算力狂飙之后，钱从哪来，又流向何方？
"AI 时代经济增速会不会加快 " 仍然是个有争议的问题。贝莱德大中华区投资策略师陆文杰表示，根据他的测算，最乐观的情况下可能会有 15% 到 20% 的增量，最悲观的情况下是 0。从最近美国实际经济情况来说，仍然有理由乐观。陆文杰认为，这是因为美国正在大量投资数据中心，这一体量如此之大，堪比中国在能源领域的投资，大量的钱投下去，肯定会有经济增长。
美国科技公司近期也交出了非常出色的答卷：英伟达 2027 财年第二财季总营收 962 亿美元，同比增长 106%；数据中心算力业务贡献 890 亿美元收入，同比增长 117%，成为 AI 硬件最大赢家；微软 Azure 云服务 2026 财年第四财季收入同比增长 43%；谷歌 2026 年第二季度云营收增长 82% 至 248 亿美元。
但投资强度空前，并不意味着 " 一帆风顺 "。市场在质疑什么？陆文杰将其归纳为三个问题：大量的 AI 基建投资下去，能否带来回报；科技公司自有资金花完后，市场能否低成本承接巨额融资；数据中心能否真的造起来。
第一个问题，陆文杰相对乐观。他认为美国公司有很强的 ToB 软件生态，尽管 token 均价在跌，但用得越来越多、任务越来越复杂，这些 AI 巨头仍然能获得利润。例如全球程序员约 2000 万人至 3000 万人，以人均 5 万美元 / 年工资计算，约有 1.5 万亿美元的市场规模，AI 替代其中一部分便可以带来几千亿美元收入。
第二个问题已现压力，但是陆文杰表示，在当前市场下，高利率融资得到高收益的机会仍然是大概率事件。有测算显示，2026 年全球与 AI 相关的投资累计超万亿美元，其中 Magnificent 7（美股七巨头）AI 相关资本投入约 8000 亿美元。但是，美国科技公司最新财报显示，科技巨头的自有资金正在快速消耗甚至消失，包括谷歌、亚马逊等在内的部分科技巨头的现金流已经变成负数，这意味着这些巨头对 AI 的投资从自有资金变为融资。但市场情况并不乐观：一方面今年美股 IPO 发行规模处于历史较高水平，SpaceX 之后，OpenAI、Anthropic 等巨型公司 IPO 排队在后；另一方面，美国债券利率快速提高，抬高了整体债券的融资成本，而举债正成为数据中心建设更快的融资方式。
第三个问题关乎 " 民意 "：据贝莱德调研，69% 的美国民众反对 AI 基础设施建在自家附近，因为数据中心推高当地水电价格。这也对 AI 基建的实际落地造成困扰。
泡沫之争：需求、盈利与估值
事实上，更早的时候，市场就在讨论 AI 估值是否已经过高。甚至将 AI 的未来与互联网泡沫做对比。对于这一问题，贝莱德建信理财副总经理兼首席投资官刘睿给出三个判断维度：需求、盈利、估值。
需求端，海外模型调用 token 数据从今年年初至今翻倍增长，中国国内更是数倍增长。刘睿列举了一个数字，标普 500 公司中，二季度业绩电话会议讨论 AI 的公司占比从两年前的 30% 出头升至 70%。盈利端，标普 500 去年盈利增速约百分之十几，今年预估达 30% 以上。估值端，标普 500 当前市盈率约 20 倍，处于过去十年 15 倍— 25 倍区间中位，十年均值约 18 倍，因而 20 倍的市盈率并不是很高。
" 从需求、盈利以及估值水平来看，并没有看到特别明显的泡沫迹象。" 刘睿认为，泡沫本身是科技发展的必然规律，资本的关注、资源的关注，最后导致过度投入和过度预期，泡沫形成和出清是必然结果。
模型竞争 " 下半场 "：
从能力竞赛到 Token ROI
在模型层，竞争已进入 " 下半场 "。瑞银证券中国互联网行业分析师熊玮从模型能力、Token ROI（投资回报率）与厂商变现三个维度，判断中国在 AI 下半场竞争中的地位。模型能力端，熊玮强调中国模型 "coding 被模型厂称为模型能力的原能力 "，不仅商业路径清晰，还带动其他广泛模型能力提升。过去两三个月，中国大模型厂商迎来重磅发布潮：北京月之暗面科技有限公司发布的 Kimi K3 成为全球开源规模最大的模型，能力接近最领先的闭源模型；DeepSeekV4.1 Flash、8 月底的智谱 GLM-5.3 Flash 等不仅在能力上逼近全球前沿，也展现出更强的性价比优势。
" 中国大模型厂商展现出的模型发布势能非常强，进一步缩窄了中美前沿模型的差距。"熊玮说。他观察到模型厂商新一代版本重心正从预训练转向后训练，推理效率从 " 使用阶段 " 向 " 训练阶段 " 迁移——这是中国厂商具备系统性优势的领域。
通过梳理最近国产领先模型厂商发布的模型，他总结出两个规律：一个是开源模型越做越大，如 Kimi 的 K3 已经达到 2.8 万亿参数规模；第二个是 Flash 版本，如 DeepSeek 的 V4.1-Flash，在保持性能的基础上更快实现性价比的提升，行业的适应性迅速攀升。
TokenROI 端，行业正从上半年流行的 "token-maxxing"（鼓励内部用量最大化）转向 "token Optimization"（在不降低输出质量的前提下，减少输入）。熊玮指出，企业发现大量的 token 投入既抬高 AI 账单，又难以衡量经济价值，开始平衡绝对性能与性价比，出现了很强的 ROI 管控意识。
根据熊玮的跟踪，从 5 月— 6 月开始，全球平均模型 token 的花费不再直线增长了，市场将性价比因素更多纳入购买决策中。有更多的企业或者是开发者用户有更强的意愿使用中国的开源模型。
厂商变现能力方面，熊玮认为中国的模型无论是能力的提升还是商业化的进展都快于美国同行，且对于中国企业未来的商业化空间保持乐观。其通过一些公开数据测算显示，部分中国模型厂商研发花费不到国际同行 10%，主流 API（应用程序编程接口）定价平均仅为国际同行的 10% — 20%，而 API 业务毛利率仍在 20% — 40%，" 并不是贴钱扩大采用 "。
摩根士丹利研报也指出，中国大模型的竞争主轴正从 " 价格战 " 转向 " 智能战 "。
产业链利润争夺：
定价权在上游 下游待破局
为何当前美国 AI 巨头业绩格外亮眼，而中国科技公司的 AI 业务尚未在财报中充分兑现？
对于这一问题，瑞银中国互联网研究主管方锦聪直言，当前 AI 产业链的定价权在上游，领先 GPU 厂商毛利率超过 40%。" 技术在刚出现的时候，需要大量硬件支持，而当产能限制在上游时，硬件赚走产业链大部分钱，模型、应用只能占‘很小的份额’。"
方锦聪认为，这只是一个周期问题，3 年— 5 年后，随着 GPU 产能释放、训练模型缩放定律趋缓，上游定价权将减弱，" 手握用户、场景、时长与数据的下游将拿回话语权。"因此，短期互联网大厂股价仍有压力，但从更长维度看，稳定主业的现金流、独有的用户数据，将成为大厂在 "80 分到 100 分 " 阶段的优势。
" 现在还比较早期，终局还看不清楚。" 这是陆文杰对 AI" 下半场 " 的判断，也是多位机构人士的共识。但综合来看，中国在 AI 下半场的竞争中并非处于劣势，相反，凭借强大的工程化能力、极具性价比的开源模型以及快速迭代的商业化路径，中国 AI 企业正在缩小与美国的差距，并在特定领域形成系统性优势。随着上游算力瓶颈的缓解，拥有海量用户和丰富场景的中国互联网大厂有望在全球 AI 产业链中拿回更多话语权。
（本文已刊发于 9 月 12 日出版的《证券市场周刊》。文中提及个股仅为举例分析，不作投资建议。）
