第九章 制裁下的中国 AI

9.1 开篇：华为 CloudMatrix 384—— 系统级自立

「当你把一个 14 亿人口的国家逼到墙角,它不会放弃。它会用 20% 良率的芯片、用 $5.6M 训练成本的模型、用五年 $2,950 亿的数据中心计划,告诉你什么叫『举国体制』。」

2025 年,全球 AI 基础设施的叙事被一个词主导:NVIDIA。从 H100 到 B200 ,从 NVLink 到 GB200 NVL72 , Jensen Huang 的帝国看起来无懈可击。但在太平洋的另一边,一个被制裁、被封锁、被断供 EUV 光刻机的公司,悄悄端出了一道系统级大菜:华为 CloudMatrix 384。这不是一颗芯片的发布。这是一整套系统架构的宣言。让我把数字摊开:

• 加速器数量; CloudMatrix 384 : 384 颗 Ascend 910C NPU ; NVIDIA DGX GB200 NVL72 : 72 颗 GB200 GPU
• CPU ; CloudMatrix 384 : 192 颗鲲鹏; NVIDIA DGX GB200 NVL72 : 36 颗 Grace CPU
• 计算节点; CloudMatrix 384 : 48 个(每节点 8 NPU + 4 CPU ); NVIDIA DGX GB200 NVL72 : 1 个机柜
• 总算力(FP16 ); CloudMatrix 384 : ~300 PFLOPS ; NVIDIA DGX GB200 NVL72 : ~180 PFLOPS (FP8 约 1.4 EFLOPS )
• 总 HBM 容量; CloudMatrix 384 : 48 TB ; NVIDIA DGX GB200 NVL72 : ~13.5 TB
• 互联架构; CloudMatrix 384 :自研 Unified Bus (UB ),全互联无阻塞; NVIDIA DGX GB200 NVL72 : NVLink + NVSwitch
• 单芯片性能; CloudMatrix 384 : 752 TFLOPS FP16 ; NVIDIA DGX GB200 NVL72 : ~5,000 TFLOPS FP4 第一眼看这张表,你可能会说:「单芯片性能差距巨大,华为根本不是对手。」你说得对。但你也说错了。华为的策略不是在单芯片层面硬碰 NVIDIA—— 那是一场他们打不赢的仗(至少目前打不赢)。他们的策略是:用更多芯片、更大规模的系统互联、更深的软硬件垂直集成,在系统层面追平甚至局部超越。CloudMatrix 384 把 384 颗 NPU 塞进一个「超级节点」 (SuperNode ),通过华为自研的 UB (Unified Bus )实现全互联无阻塞通信。这意味着 384 颗 NPU 之间的数据传输,不需要经过任何外部网络交换机—— 它们在逻辑上就像一颗巨大的芯片。NetworkWorld 在 2026 年 6 月的分析一针见血:「虽然 NVIDIA 的 GB200 在芯片层面显著超越华为 CloudMatrix 384 ,但华为通过集成五到六倍的计算和 HBM 芯片,在系统层面获得了优势。」这个思路,和 DeepSeek 用软件优化弥补硬件劣势的逻辑如出一辙 —— 中国 AI 生态正在形成一套「以量补质、以系统补单点」的独特方法论。2026 年 6 月,华为在 ArXiv 发表了论文《Serving Large Language Models on Huawei CloudMatrix384 》,展示了在该架构上服务大型 MoE 模型(如 DeepSeek 系列)的能力。这不是 PPT ,是有论文、有 benchmark、有生产部署的真实系统。

9.2 华为升腾 910C :良率与 HBM 的双重瓶颈 910C 的真实性能

华为升腾 910C 是目前中国最先进的量产 AI 芯片。它的内核规格:

• 制程:中芯国际(SMIC ) N+2 (约等于 7nm 级)
• 架构:双 Die 封装,片间互联 540 GB/s
• 算力: 752 TFLOPS FP16 / 780 TFLOPS BF16
• HBM : 128 GB HBM2e (来源存在争议,部分拆机显示为 Samsung 供应)
• 内存带宽: 3.2 TB/s

良率问题：从 20% 到 40% 的艰难爬坡

• 对标:约为 NVIDIA H100 性能的 60% (推理场景) 注意「约 60% 」这个数字。这意味着 910C 不是一颗玩具芯片—— 它确实能跑大模型训练和推理。但它也确实与 NVIDIA 的最新旗舰有代际差距。910C 最大的制造痛点是良率。

时间线如下:

• 2024 年 11 月: TrendForce 报导, 910C 使用 SMIC N+2 制程生产,良率仅约20%—— 远低于商业化通常需要的 70%
• 2025 年 2 月: DIGITIMES Asia 报导,良率提升至约40% ,升腾生产线首次实现盈利
• 目标:华为正在努力将良率提升至60% 的行业标准水平从 20% 到 40% ,这是一个巨大的进步。但让我把这个数字翻译成

HBM :被卡脖子的高带宽内存

投资者能理解的语言: 如果良率是 40% ,意味着每生产 100 颗 Die ,只有 40 颗能用。对比台积电在先进制程上通常 80%+ 的良率,华为的成本劣势是触目惊心的—— 同样的晶圆面积,华为的有效产出只有台积电的一半。更糟糕的是, TechPowerUp 在 2025 年 3 月报导了另一个问题:约 25% 的单元在先进封装过程中(将计算 Die 与 HBM 集成)失败。这意味着即使 Die 本身良率达标,封装环节又会损失四分之一。两个环节叠加: 40% × 75% = 30% 的整体良率。910C 的第二个瓶颈是HBM (高带宽内存)。2026 年 6 月, NotebookCheck 的拆机报告确认: 910C 中使用了 Samsung 的 HBM2e 和疑似 TSMC 代工的 Die—— 这些都是「不应该」出现在一颗被制裁的中国芯片上的组件。这揭示了一个公开的秘密:华为的供应链在很大程度上依赖灰色渠道。TechPowerUp 报导称,华为通过壳公司从台积电获取了约 200 万颗 910B 的 Die。但灰色渠道不是长久之计。这也是为什么华为在 2025 年 9 月公布了三年芯片路线图,内核目标之一就是自研 HBM——HiBL (High- Bandwidth Link ):

• 910C (当前);时间: 2024-2025 ; HBM : HBM2e (外购/灰色渠道);容量: 128 GB ;带宽: 3.2 TB/s
• 950PR ;时间: 2026 Q1 ; HBM :HiBL 1.0 (自研);容量: 128 GB ;带宽: 1.6 TB/s
• 950DT ;时间: 2026 Q4 ; HBM : HiBL 升级版; 容量: 144 GB ;带宽: ~4 TB/s
• 960 ;时间: 2027 Q4 ; HBM :下一代自研 HBM ;容量: TBD ;带宽: TBD
• 970 ;时间: 2028 Q4 ; HBM : TBD ;容量: TBD ;带宽: TBD 注意一个关键细节:950PR 的 HiBL 1.0 带宽只有 1.6 TB/s ,是 910C 使用的 HBM2e (3.2 TB/s )的一半。这意味着华为的自研 HBM 在第一代会牺牲性能换取供应链自主。这是一个痛苦但务实的取舍。

产能规划

9.3 DeepSeek :廉价模型冲击全球「 $5.6M 的震撼」

DeepSeek-V3 在 2,048 颗 NVIDIA H800 GPU 上训练,按每 GPU 小时 $2 的租用价格计算,总训练成本仅约 $5.6M。

DeepSeek 的技术突破

根据多家媒体报导,华为 2026 年的升腾芯片生产目标约为75 万颗 (包含 910C 和新的 950PR 系列)。ByteDance (字节跳动)据报已向华为下单$56 亿。这个数字说明什么?说明中国科技巨头正在用钱投票—— 即使华为的芯片性能不如 NVIDIA ,它们也在全面转向国产。2025 年 1 月 27 日,美国科技股经历了历史性的一天。NVIDIA 单日市值蒸发$5,890 亿—— 这是美国股市史上单一公司最大的单日市值损失。Nasdaq 暴跌,整个 AI 板块血流成河。S&P 500 单日蒸发超过$1 万亿。原因?一家叫DeepSeek 的中国 AI 创业公司发布了两个模型: DeepSeek-V3 和DeepSeek-R1。V3 是一个 671B 参数的 MoE (混合专家)模型,每次推理只激活 37B 参数。R1 是一个推理模型,能力接近 OpenAI 的 o1。但真正让华尔街恐慌的不是模型性能本身,而是训练成本: $5.6M。作为对比, GPT-4 的训练成本估计在 $100M 以上。OpenAI 2025 年全年在计算上的支出超过 $50 亿。一个中国团队,用不到六百万美元,训练出了一个在多项 benchmark 上匹配甚至超越 GPT-4 的模型。投资者的恐慌逻辑很简单:如果训练 AI 不需要那么多 GPU ,那 NVIDIA 还卖给谁?如果 AI 不需要那么多算力,那超大规模厂商的 $800 亿年度 capex 还有必要吗? DeepSeek 的低成本不是靠偷工减料,而是靠一系列工程创新:

• MoE 架构: 671B 总参数但每次只激活 37B ,计算效率极高
• FP8 混合精度训练:在 H800 这种受限硬件上最大化吞吐
• Multi-head Latent Attention (MLA ):大幅降低推理时的 KV-cache 内存占用

DeepSeek 的后续发展

• 自研通信优化:充分利用 H800 有限的互联带宽值得强调的是, DeepSeek 使用的是H800—— 这是 NVIDIA 为绕过美国出口管制、专门为中国市场设计的「阉割版」 H100 (互联带宽从 900 GB/s 降至 400 GB/s )。DeepSeek 在受限硬件上做出了不受限的结果。DeepSeek 的故事没有停在 2025 年 1 月:
• 2025 年全年:连续发布 V3-0324、R1-0528、V3.1、V3.2-Exp、V3.2 (2025 年 12 月)
• 2026 年 4 月:发布DeepSeek-V4-Pro , 1.6 万亿总参数,原定价 $1.74/ 百万输入 token , 2026 年 5 月起永久降价 75% 至 $0.435—— 比 Claude Opus 4.6 ($5/$25 )便宜约 11- 60 倍
• 2026 年 6 月:完成首轮外部融资,规模约500 亿元人民币(约 $74 亿),投后估值超$500 亿
• 用户规模:月活用户约1.3 亿,在 156 个国家登上 App Store 榜首 DeepSeek 目前的 API 定价:
• V4 Flash ;输入(每百万 token ): $0.14 ;输出 (每百万 token ): $0.28
• V4 Pro (原价,现永久 75% 折扣);输入(每百万 token ): $0.435 ;输出(每百万 token ): $0.87
• 对比: Claude Opus 4.6 ;输入(每百万 token ): $5.00 ;输出(每百万 token ): $25.00
• 对比: GPT-5.4 ;输入(每百万 token ): ~$5.00 ;输出(每百万 token ): ~$15.00 这个定价差距是10-60 倍。DeepSeek 宣称其 V3 和 R1 模型的每日成本利润率达到545% 。

对投资者的启示

DeepSeek 的存在从根本上改变了 AI 投资的几个内核假设:

• 「训练成本只会越来越高」→ 不一定。工程创新可以将成本降低一到两个数量级
• 「只有最大的公司才能训练前沿模型」→ 不一定。一个几百人的团队可以做到
• 「中国在 AI 软件层已经落后」→ 不一定。至少在开源模型领域,中国已经是顶级玩家

9.4 中国 AI 芯片生态（寒武纪、海光、壁仞）

• 「GPU 需求只会上升」→ 短期仍在上升,但效率提升正在改变曲线斜率但 Jensen Huang 说得也有道理: DeepSeek 的成功实际上扩大了 AI 的可及性,更多人和公司能负担得起 AI 推理,总需求反而可能上升(Jevons Paradox )。事实证明, NVIDIA 的股价在 2025 年 2 月后完全收复失地,并在 2026 年创下新高。结论: DeepSeek 不是 AI 投资的终结者,它是 AI 民主化的加速器。但它确实证明了中国在 AI 软件/算法层面的世界级竞争力。华为升腾不是中国唯一的 AI 芯片。一个完整的国产 AI 芯片生态正在

寒武纪（Cambricon , 688256.SH）

形成: 寒武纪是中国 AI 芯片的「明星股」。它的故事是一部从巨亏到暴赚的逆转剧本: 财务数据(截至撰稿时):

• 2025 年全年营收:约 65 亿元人民币,同比增长约 440%
• 2025 年净利润:约 21 亿元—— 成立以来首次年度盈利
• 2026 年 Q1 营收:约 28.9 亿元,同比增长约 160%
• 2026 年 Q1 净利润:约 10.1 亿元,同比增长约 185%
• 市值:约 7,168 亿元人民币(约 $1,049 亿),一度成为 A 股「股王」寒武纪的内核产品是思元(Siyuan )系列AI 加速器:
• 思元 590 :当前主力产品,面向云端训练和推理

海光信息（Hygon , 688041.SH）

• 思元 690 :下一代旗舰 2026 年生产计划:约50 万颗AI 加速器(包含 30 万颗思元 590/690 )。最大客户:ByteDance (据报占收入约 80% ),另外阿里巴巴、腾讯等均有采购。投资者警告:寒武纪的客户集中度极高——2025 年上半年前五大客户占营收 94% ,最大单一客户占约 80% 。这是一把双刃剑:短期增长确定性高,但一旦大客户转单,风险巨大。海光是中国的「AMD 等价物」—— 它的 x86 CPU 技术源自与 AMD 的合资企业(2016 年成立), DCU (Deep Computing Unit ) GPU 架构也有 AMD CDNA 的血统。

财务数据(截至撰稿时):

• 2025 年全年营收:超过 140 亿元人民币(约 $20 亿),同比增长约 60%
• 2026 年 Q1 营收:同比增长约 68%
• 净利润:同比增长超 30%

海光的产品线:

• 海光 CPU : x86 架构,面向服务器和数据中心
• 海光 DCU : GPGPU 架构,支持 FP64/FP16/BF16 , 面向 AI 训练和 HPC

壁仞科技（Biren Technology）

• 最新产品: DCU-3G ,已获中国 AI 芯片安全认证 2026 年 6 月, NetworkWorld 报导了一个重大消息:海光与曙光 (Sugon )正在推进合并,目标是打造从芯片到服务器的垂直集成体系—— 类似 NVIDIA+ 服务器 OEM 的一体化模式。壁仞是中国 GPU 创业公司中最激进的一家:
• 成立: 2019 年
• 内核产品: BR100 GPGPU——7nm , 770 亿晶体管, 256 TFLOPS FP32
• 上市: 2026 年 1 月在香港交易所 IPO ,成为首家在港上市的中国大陆 GPU 创业公司
• 融资: 2025 年获得 $2.07 亿国资领投融资
• 最新产品:壁仞 166 ,已获中国 AI 芯片安全认证

其他玩家

• 客户:中国移动、中国电信等智算中心壁仞的挑战在于: BR100 在 2022 年发布时号称性能对标 H100 , 但由于美国制裁导致台积电代工受阻,实际量产和部署规模远不及华为和寒武纪。
• 燧原科技(Enflame );产品: GCU 系列;定位:云端 AI 训练/推理
• 摩尔线程(Moore Threads );产品: PH100 ;定位:通用 GPU + AI
• 天数智芯(Iluvatar CoreX );产品: KCC-V100X ; 定位: AI 推理
• 沐曦(Metax );产品: MXC600 ;定位: AI 加速器
• 阿里平头哥(T-Head );产品:含光系列;定位:阿里云自用 2025 年,中国国产 AI 加速器出货量中,华为约占 50% (约 81.2 万颗),阿里平头哥约占第二(约 26.5 万颗),其余厂商瓜分剩余份额。

9.5 美国制裁的演变和影响制裁时间线：从精准打击到反复摇摆

美国对中国 AI 芯片的出口管制,经历了一个从坚定到混乱的过程: Biden 时期(2022-2024 ):系统性封锁

• 2022 年 10 月;事件:首轮出口管制:禁止向中国出口 A100 及以上性能的 AI 芯片
• 2023 年 10 月;事件:升级管制:堵住 H800/A800 等「阉割版」漏洞,扩大实体清单
• 2024 年 1 月;事件: AI Diffusion Rule :限制全球 140+ 国家的 AI 芯片出口,仅 18 国免许可 Trump 第二任期(2025-2026 ):政策摇摆
• 2025 年 4 月;事件:禁止 H20 出口中国, NVIDIA 被迫计提约 $55 亿库存减值
• 2025 年 5 月;事件:商务部暂停 AI Diffusion Rule 的运行
• 2025 年 7 月;事件:政策逆转:恢复 H20 对中国销售,但要求 NVIDIA/AMD 向美国政府缴纳销售额的15%
• 2025 年 8 月;事件: NVIDIA 与 AMD 分别与美国政府达成「营收分成」协议
• 2026 年 1 月;事件: BIS 从「推定拒绝」改为「逐案审查」
• 2026 年 3 月;事件: NVIDIA 获准向中国销售 H200 (更先进芯片),但设上限(约 75,000 颗)并加 25% 关税
• 2026 年 5 月;事件: BIS 发布新指引,限制向中国实体关联的海外企业出口
• 2026 年 6 月;事件:但据报导,美国政府至今未收到 NVIDIA/AMD 承诺的分成款项截至撰稿时,美国对华 AI 芯片出口政策呈现「名义严格、实际松动」的态势。政策的反复摇摆反映了两股力量的角力:
• 国安派:认为必须遏制中国 AI 军事化能力

制裁的实际效果

• 商业利益: NVIDIA 一年在中国的潜在营收损失达 $500 亿

短期(已发生):

• NVIDIA 在中国的市场份额从 2022 年的约 95% 暴跌至 2026 年的接近0% (至少在添加订单方面)
• 中国国产芯片厂商 2025 年拿下本土市场约41% 份额 (IDC 数据), 2026 年预计升至56%
• 华为成为最大赢家, 2025 年 AI 芯片收入约 $75 亿, 2026 年预计达$120 亿

中期(正在发生):

• 中国全产业链加速国产替代, SMIC 7nm 月产能从 2 万片向 10 万片扩张
• 第二家中国代工厂(华虹集团)开始 7nm 试产
• 华为启动自研 HBM (HiBL ),摆脱对 Samsung/SK Hynix 的依赖

长期(结构性影响):

• 中国正在创建一个平行的、自闭环的 AI 芯片生态系统 —— 从设计(华为/寒武纪)、代工(SMIC/ 华虹)、封装、HBM 到系统互联,全部国产化

制裁的「意外后果」

• 这个生态系统在绝对性能上仍落后 NVIDIA 2-3 年,但在中国市场内已经自给自足 Brookings 在 2026 年 6 月发表了一篇分析,标题直截了当:「Ball Game's Over — The US Is Out of the AI Chip Market in China」(游戏结束—— 美国已退出中国 AI 芯片市场)。文章指出一个讽刺的现象:美国政府批准了向部分中国企业销售 H200 ,但中国政府反而不允许国内 AI 公司购买。北京的逻辑很清楚:既然已经花了巨大代价创建国产替代生态,为什么还要让企业回头依赖随时可能再次被切断的美国供应? 制裁最终成了中国 AI 芯片产业的「催化剂」,而非「绝杀」。

9.6 中国数据中心建设 $2,950 亿：五年国家计划

2026 年 6 月 9 日,路透社引述 Bloomberg 报导:中国正准备在未来五年投入约 2 万亿元人民币($2,950 亿)建设全国性 AI 数据中心网络。这个计划的内核要素:

• 牵头部门:国家发改委(NDRC )
• 资金来源:超长期国债
• 运营方:中国移动、中国电信等国企
• 国产化要求:芯片国产化率至少80%
• 架构:全国互联的算力网络,不是零散的独立机房

作为对比:

• 总投资;中国五年计划: $2,950 亿 / 5 年 = ~$590 亿/年;美国 Hyperscaler 年度 capex :微软 +Google+Meta+Amazon ≈ $3,000 亿 +/ 年(2026 )
• 主导方;中国五年计划:国企 + 政府;美国 Hyperscaler 年度 capex :私营科技巨头
• 芯片来源;中国五年计划: 80%+ 国产;美国 Hyperscaler 年度 capex : 99% NVIDIA/AMD

「东数西算」 2.0

• 决策速度;中国五年计划:中央统一规划;美国 Hyperscaler 年度 capex :各公司独立决策注意:中国的年投入仍然只有美国 Hyperscaler 的约五分之一。制裁下的中国在 AI 基础设施的绝对投入上仍然显著落后。但中国的优势在于:统一规划、避免重复建设、利用效率更高。中国 2022 年启动的「东数西算」工程(East Data West Computing )是数据中心布局的基础框架。内核思路:把计算密集型工作负载从电力昂贵的东部城市迁移到电力便宜、可再生能源丰富的西部地区。2026 年的升级版关注几个新重点:
• AI 算力专用节点:不再只是通用数据中心,而是专门为大模型训练优化的「智算中心」
• 可再生能源绑定:西部数据中心与风电/光伏直接配套,目标 2030 年每度电碳排放降低 25-40%

中国数据中心市场规模

• 国产芯片优先: 2025 年 8 月,北京要求新建数据中心至少 50% 采用国产芯片根据 Frontiers in Energy Research 的学术分析,中国数据中心用电量从 2018 年的 161 TWh (占全国总用电 2.35% )增长至 2024 年的约 277 TWh ,预计 2030 年可能达到 277-500 TWh ,取决于 AI 采用速度。根据 Arizton 的市场研究:
• 2025 年市场规模:约 $607 亿
• 2031 年预期:约 $1,015 亿

主要玩家

• CAGR :约 8.94% 中国云端 AI 加速器市场(仅芯片/卡) 2026 年预计出货超过212 万颗,同比增长 136% (DIGITIMES 数据)。
• 中国移动;角色:最大电信运营商, AI 数据中心主力建设者
• 中国电信;角色:第二大电信运营商
• 阿里云;角色:中国最大公有云,正在向国产芯片迁移
• 腾讯云;角色:第二大公有云
• 华为云;角色:全栈自研(芯片 + 系统 + 云平台)
• 字节跳动;角色:最大 AI 芯片买家之一(华为 + 寒武纪)

9.7 投资 Playbook :制裁下的机会与风险内核投资逻辑

机会一：华为生态链

制裁下的中国 AI 形成了一个「半封闭生态系统」—— 与全球主流 (NVIDIA 生态)部分脱钩,但内部正在高速成长。这创造了独特的投资机会,也带来独特的风险。华为升腾 AI 芯片收入从 2025 年的 $75 亿增长至 2026 年预计的 $120 亿(+60% ),且订单可见度极高(ByteDance $56 亿订单等)。但华为本身不是上市公司,投资者需要通过华为供应链参与:

• 中芯国际(SMIC , 0981.HK / 688981.SH ):华为最主要的代工伙伴, 7nm 产能正在翻倍
• 长电科技(JCET , 600584.SH ):先进封装

机会二：寒武纪（688256.SH）

• 华为云生态合作伙伴:需具体研究风险:华为的灰色渠道供应链随时可能被进一步切断; SMIC 的制裁风险

优势:

• 营收爆发式增长(2025 年 +440% , 2026 Q1 +160% )
• 首次盈利,产品被 ByteDance 等大客户验证
• A 股市值约 $1,050 亿,有政策支持和国产替代逻辑

风险:

• 估值极高: TTM P/E 超过 100 倍
• 客户集中度:单一客户占 80% 营收
• 良率和 HBM 供应:与华为面临类似瓶颈

机会三：海光信息（688041.SH）

• 与华为的竞争:长期来看,华为可能挤压寒武纪的空间

优势:

• x86 CPU + DCU GPU 双产品线
• 营收稳健增长(2025 年 +60% , 2026 Q1 +68% )
• 与曙光合并将创造垂直集成体
• 受益于政府/国企客户的国产化采购

风险:

• AMD IP 授权的法律风险和技术代际限制

机会四: DeepSeek 主题

• 同样面临先进制程受限的问题 DeepSeek 本身未上市(2026 年 6 月首轮融资估值 $500 亿 + )。间接受益标的包括:
• 使用 DeepSeek 模型的中国云服务商
• 受益于 AI 推理需求爆发的国产芯片公司

机会五：数据中心基础设施

• DeepSeek 的开源模式带动的整个中国 AI 应用生态 $2,950 亿的五年建设计划意味着:
• 电力设备(变压器、配电)
• 液冷系统(AI 数据中心散热需求)
• 光模块(国内厂商如中际旭创已是全球领先)

风险清单

• 服务器整机(浪潮、联想、新华三)
• 制裁升级;具体内容:美国进一步收紧,切断更多设备/材料供应;概率评估:中等
• 制裁放松;具体内容:美国全面恢复对华芯片销售,国产替代逻辑被削弱;概率评估:低 - 中
• 技术瓶颈;具体内容: SMIC 良率长期无法突破,先进制程停滞;概率评估:中等
• 估值风险;具体内容:寒武纪等公司估值已 Price-in 过多乐观预期;概率评估:高
• 政策风险;具体内容:中国政府干预(如强制采购特定供应商、限制定价);概率评估:中等
• 地缘政治;具体内容:台海局势恶化,影响所有中国科技股;概率评估:低概率高影响

9.8 本章小结

制裁下的中国 AI 正在走一条独特的道路: 硬件层面:

• 华为升腾 910C 良率从 20% 爬坡至 40% ,目标 60% ; 2026 年收入预计 $120 亿
• 950 系列搭载自研 HiBL 内存,牺牲带宽换取供应链自主
• CloudMatrix 384 用系统级互联弥补单芯片性能差距
• SMIC 7nm 产能正在翻倍,目标 2026 年月产 6 万片、2027 年月产 8 万片软件/模型层面:
• DeepSeek 以 $5.6M 训练成本震惊全球,证明中国在 AI 算法层的世界级竞争力
• V4-Pro 定价比美国同类模型便宜 11-60 倍(永久 75% 折扣后),融资估值超 $500 亿
• 开源策略加速整个中国 AI 应用生态的成熟

产业层面:

• 中国国产 AI 芯片市场份额从 2022 年的 <5% 上升至 2025 年的 41% , 2026 年预计达 56%
• $2,950 亿五年数据中心计划, 80% 国产芯片要求
• 华为 + 寒武纪 + 海光形成「三足鼎立」格局

投资启示:

• 制裁不是终结,而是催化剂—— 它加速了中国 AI 的「内循环」
• 短期机会在国产替代主题(华为供应链、寒武纪等)
• 长期风险在技术天花板(EUV 光刻机缺失、先进制程追赶)和极高估值
• 最大的不确定性来自政策—— 无论是美国的制裁走向, 还是中国政府的产业政策一句话总结:中国 AI 正在制裁的压力下锻造出一个「平行宇宙」 —— 它不完美,它有瓶颈,它在绝对性能上落后 2-3 年。但它在高速成长,它有 14 亿人口的市场,它有举国体制的加持。对投资者而言,这个「平行宇宙」既是机会,也是风险—— 关键在于你能否在恐惧和贪婪之间找到平衡。免责声明本书内容仅供教育及信息参考之用途,并不构成投资建议、财务建议或交易建议。本书提及的任何公司、代币、股票、基金或投资工具,均不构成作者买入、卖出或持有的建议。所有投资均涉及风险,包括可能损失本金。读者应根据自身的财务状况、风险承受能力和投资目标作出独立判断,并在作出任何投资决定前咨询持牌专业顾问。加密货币及相关数字资产波动极大,未必适合所有投资者。各地对加密货币的监管政策不同,读者有责任了解并遵守其所在地区的相关法律法规。本书中的数据及市场信息以撰稿时为准,出版后可能出现重大变化。尽管已尽一切努力确保信息的准确性,但作者对其完整性或准确性不作任何保证,亦不对因依赖本书内容而导致的任何直接或间接损失承担责任。过往表现并不代表未来结果。