摩根士丹利给中国AI算了三笔账，跟美国比如何？

说实话，大摩给出的数据不太好看，难道AI泡沫不只是美国的，而是全球性的？

最近，互联网上流传，摩根士丹利给中国AI算了三笔账。

实际上，所谓的三笔账，并不是出自同一份研报，而是媒体把摩根士丹利前后三份独立报告，打包概括成了“三笔账”。

第一笔，算力投入账。

2026到2030年，国内砸向AI的钱大约8.5万亿，这个投入规模大约是美国同行的16-17%。

但是，增速是反过来的，中国云厂商资本开支同比增长121%，美国同行只有41%。

2026年上半年，中国算力增长177.3%，美国只增长了40.3%；中国算力占比从2025年的18%提升到2026年21%，美国46%。

中国算力增速约为美国的4倍，邬贺铨院士预测，2030年中国算力将占全球30%。美国则从46%回落，但美国大概率仍然位居第一。

很显然，中美比拼算力，差距迅速拉近，到2030年，将会相差无几。

第二笔，C端变现收入账。

这个账，大摩在中美之间算出了巨大的差异。

大摩认为，中美差异的核心症结是硬件成本，同样一台AI服务器，中国的采购成本是美国的3倍。因为拿不到高端芯片，只能走特供版、转口和国产芯片混搭，中间商层层加价，压低了回报。

这么说，美国赢定了吗？

但是，大摩是拿美国AI的商业模式跟中国比，实际上没有可比性。

目前美国大模型闭源，变现模式主要是B端定制，收费很高；中国大模型开源，主要靠C端会员，收费相对比较低。

这两种模式，将会跑出截然不同的结果。到2030年，中国C端AI收入大头不再是订阅付费，而是AI赋能广告、电商交易佣金这种流量交易，可变现市场大约2940亿，接近3000亿。

中国这种商业模式还会派生出各种各样的“AI+消费”产品，例如AI手机、AI玩具、AI伴侣、AI学习机等等，市场将会拓展得非常大。

另外，大摩没有算电力，中国的电力不仅充足，而且价格只相当于美国的六七成。目前美国已经出现了严重的电力短缺，部分数据中心甚至要自建电力，成本更高。

所以，到2030年，中美AI会跑出差异巨大的商业模式，最终比拼的，将是资本回报效率。

第三笔，算力投入资本回报率（ROIC）的账。

这份是给云厂商、算力运营商看的，大摩对比了三种模式。

第一种，自建GPU出租（IaaS），中国的回报率只有13%，美国高达31%。

第二种，租算力转租，中国的回报率20%，美国很少用这种模式。

第三种，卖Token的模型服务（MaaS），中国的回报率是19.5%，美国高达46.2%。

大摩的逻辑，中国要追上美国的回报率，有三个变量：国产芯片放量拉低服务器成本、算力从训练转向推理、从价格内卷转向高价值场景变现。

但是，这里面有一系列的前提条件：负载率要拉满、算力能持续卖出去。如果需求不及预期、卡价下跌、电价上涨，回本周期会拉长，利润直接缩水。

换句话说，决定这项成绩的，不是实验室里的数学公式，而是应用端的真实流量。

说白了，你在实验室里把账算得再清楚，实际拉到市场里面，没有流量也白搭。

真实的数据，截至2026年10月下旬，OpenRouter平台最新一周的数据显示，中国模型周调用量大约79.18万亿Token，美国约17.36万亿Token。中国的Token调用量是美国的大约4.5倍。

虽然这只是单一平台的统计口径，不代表全口径数据，但也足以说明，中美之间已经拉开了差距。你觉得，再过三五年，美国闭源，中国开源，两者之间会跑出多大的差距呢？

我们总感觉，大摩想说的结论是，都说美国AI有泡沫，按照商业模型来推演，中国AI跟美国比，差距更大，也有泡沫。

但是，这种推演终究是理论，不是商业实践，更不是已经发生的事实。

高盛和瑞银的分析认为，中国AI不存在整体性泡沫。

未来几年，中国AI会不会有泡沫？不取决于8.5万亿的开支是否过剩，而取决于能卖出去多少。

所以，AI跟其他科技创新没什么两样，市场才是决胜之地。