中國AI“四小龍”破萬億背后

這個5月，中國AI圈炸響了一個驚天數字：智譜、DeepSeek、MiniMax、月之暗面——

“四小龍”總估值集體突破一萬億元人民幣。

最新的數字很是炫目：智譜4267億港元（約3850億人民幣），DeepSeek約450億美元（約3065億元人民幣），MiniMax約2360億港元（約2235億人民幣），月之暗面約200億美元（約1362億人民幣）——加在一起剛好過萬億。

雖然這些數字出自不同的定價場景：智譜和MiniMax為二級市場市值，DeepSeek是一級市場談判估值，月之暗面則是新一輪融資的投后估值。但“萬億”這個總量級，仍足以撩動市場的神經。

這輪狂歡里還有另一個更具象征意味的注腳。公募某QDII基金，將MiniMax列為第一大重倉股，而貴州茅臺、阿里巴巴、快手、騰訊等所有傳統持倉，全部退出了十大重倉股名單。

這種“拋棄所有確定性、擁抱一個可能”的極端押注，某種意義上道出了這輪估值狂歡的全部密碼——資本不再盯著賬本上的利潤和現金流，而是以一場徹底的風險投資思維，在二級市場直接買下整個AI時代的門票。

但在熱鬧與掌聲中，一些底色卻令人不安：智譜2025年營收僅為7.24億元，市值卻一度超過京東；DeepSeek幾乎沒有公開披露的收入。

巨大的估值與收入倒掛之間， 這一萬億估值，究竟是中國AI實力的確認函，還是泡沫破裂前的鐘聲？

我們離真正的AI強國，到底還有多遠？

Part 1

理解這輪行情的關鍵，需要讀懂中國AI企業在資本市場上正在經歷一場根本性的估值“換錨”。

美國資本市場早已存在兩套并行不悖的定價邏輯：一種以財務指標為核心，看營收、看盈利；另一種則以“定義權”為核心。

過去二十年，這些故事在硅谷早被反復驗證：微軟定義了PC時代的入口，谷歌定義了信息組織的方式，蘋果定義了移動生態的規則——一旦成為定義者，回報是指數級的。以英偉達為例，高增長階段的市場愿意給予97至145倍P/S的溢價，本質上就是在為“定義權”買單。

如今，中國AI企業被納入了同一套估值敘事。市場不再按“你賺了多少錢”出價，而是在按“你將來可能成為什么”出價。更準確地說，是按“你將來能不能定義點什么”出價。

資本押注的不是今天的營收賬本，而是明天成為定義者的概率。

“四小龍”在能力圖譜上各有側重：智譜主打“全棧大模型平臺”，在商業化落地上走得最遠；DeepSeek錨定“開源+國產算力全棧”路線，試圖在底層架構上彎道超車；MiniMax以多模態能力結合C端產品出海；月之暗面則在融資規模和產品力上傾注全部資源。

每家都是一張風格迥異的“定義權彩票”，當四張彩票同時漲到萬億，市場已不是在下注，而是在宣告：中國AI企業被集體納入了“成為定義者”的溢價邏輯。

這種定價方式的加速度令人咋舌。4月中旬，DeepSeek估值還停留在一級市場百億美元量級，短短一個月內就飆升至450億至500億美元。同時，月之暗面半年內完成近40億美元融資，估值從約43億美元突破200億美元大關。

最值得關注的信號，是國家集成電路產業投資基金——即“國家大基金”——親自下場領投DeepSeek。當國家的芯片產業戰略基金將AI大模型公司納入投資組合時，其潛臺詞極為清晰：大模型在戰略位次上已經等同于芯片制造。

二級市場的反應同樣說明了問題。智譜上市后累計漲幅達5至8倍。摩根大通測算，當前市場價格已隱含智譜2026年底ARR達到約10億美元、MiniMax達到約7億美元的預期。市場不只是在押注它們能達到這個數字，而是在押注它們能走出一條“Anthropic式的增長曲線”。換言之，現在的估值，押的是一個“中國版Anthropic”故事的全部兌現。

但參照系擺在眼前。以Anthropic為例，其Claude大模型年化收入已突破數百億美元，最新估值逼近9000億美元，市銷率約為27倍。而智譜的市銷率已超過500倍，——中國AI公司每一元收入承載的估值期望，遠超美國同行，是美國同行的十幾倍甚至二十倍。一旦增速不達預期，今天的萬億估值便是沙灘上的樓閣。

云啟資本的管理合伙人陳昱，投了MiniMax多輪，在這個問題上講了一句很耐人尋味的話：萬億估值“短期非理性，長期仍低估”。

這或許折射出了這輪估值狂歡最深的張力。

Part 2

我們的實力，究竟配不配得上這場估值狂歡？

斯坦福大學HAI（以人為本人工智能研究院）于2026年4月發布的《2026人工智能指數報告》給出了一個似乎讓國人開心的數據：截至2026年3月，美國頂尖模型Claude Opus 4.6的Elo評分為1503，中國頂尖模型緊隨其后，兩者差距僅有2.7%。僅僅三年前的2023年，OpenAI的GPT-4以超過1300分遙遙領先，中國模型的得分尚不足1000。

而從模型產出數量看，2025年美國發布了50個值得注意的頂級模型，中國發布了30個。2025年2月，DeepSeek-R1曾一度追平美國頂尖模型——這是中國大模型首次在通用人工智能能力上與全球最高水平站在了同一條起跑線上。

中國更擅長的，是另一條非對稱競爭曲線：效率優勢。摩根士丹利報告（《China's AI Path: More Bang For The Buck中國AI路徑：更具性價比》2026年4月）揭示了一個關鍵事實——中國模型以美國同行15%至20%的推理成本，便可實現同等的智能水平。

這種成本效率差異的直接后果，已經在全球模型調用數據中得到驗證。第三方平臺OpenRouter的監測顯示，中國頭部模型的token消耗份額從2025年4月的約5%急劇攀升至2026年3月的32%，而美國頭部模型的份額則從58%驟降至19%。也就是說，用戶在同等智能的前提下，大規模轉向了更便宜的中國API。

推動這一變化的，是顯著的價格優勢。以MiniMax某款模型為例，其輸入價格約為每百萬token 0.3美元，而Claude Opus高達5美元，相差十余倍。中國模型正在以美國同行幾分之一的推理成本，提供同等智能水平的服務。

雖然在總體算力上，報告顯示，美國擁有5427個數據中心，而中國僅有449個，兩國數量差距仍超過12倍。

但中國能源的結構性優勢或許彌補了這個差距。數據顯示，中國2025年新增發電能力約540GW，約為美國新增量的8.5倍。西部（甘肅、內蒙古、貴州）綠電價格只要0.13-0.3元/度，而美國工業電價普遍在0.8-1.5元/度。這種能源稟賦的差異，使中國AI推理成本比美國低4-5倍。

有人調侃，這是“用義烏做小商品的邏輯，降維狙擊硅谷的賽博魔法”。但彎道超車，終歸要回到直道上來。在直道上，有一堵很難繞開的墻。

英偉達真正的護城河，從來不是GPU本身的算力優勢，而是其構建的CUDA“事實標準”軟件生態——近20年來，幾乎所有主流AI框架、算子庫、開源模型的首發優化都以CUDA為默認起點。

這導致中國AI產業長期陷入一種“有模型無算力”的被動局面：開發者使用英偉達GPU開發AI模型，其代碼、訓練成果全部綁定在CUDA生態中，遷移到其他芯片平臺無異于推倒重來。

DeepSeek V4適配華為昇騰的經歷，最能說明這種被動。V4原計劃在2026年春節前后發布，但一推再推，直到4月才有了“數周內發布”的消息。

延期的核心原因并非模型本身的技術瓶頸，而是一場極其復雜的底層硬件大遷移——將模型從英偉達架構遷移到華為昇騰芯片。工程師需要手動重寫關鍵算子，精度對齊反復調試，才能在英偉達與昇騰上取得一致結果。

這就是中國AI產業在底層架構上最真實的寫照：我們能造出頂尖的模型，但要在非CUDA生態上跑起來，每一步都如履薄冰。

Part 3

4月15日，國家數據局發布的一份征求意見稿，很可能將成為中國AI發展史上一個被低估的重要節點。這份名為《關于推進行業高質量數據集建設行動的實施方案》的文件，首次在國家政策層面提出“探索詞元交易”。

詞元（Token）作為大模型處理信息的最小語義單元，被賦予了深刻的經濟內涵——它成為連接技術供給與商業需求的標準結算單位。

而“詞元交易”的提出，意味著中國正在嘗試為AI服務的供給和消費設計一整套可量化、可定價、可交易的計量體系——就像電力的度、水量的噸一樣，詞元成為衡量人工智能服務的新尺度。

這份方案的戰略意義遠不止于技術交易本身。它標志著中國人工智能的發展重點正在從“模型好不好”的單一維度，升級為“智能服務如何計量、如何定價、如何交易”的全方位制度建設。

換言之，這既是中國在數據要素市場化浪潮中的一次精細構建，也是在標準與規則層面爭奪AI生態“定義權”的一次先手布局。

AI競爭的核心，從來不只是技術能力的對抗，更是誰能為這個新興行業制定標準。國家數據局的這份方案，說明中國政府已經意識到：技術追趕可以靠企業完成，但規則制定權必須靠國家的系統性工程來爭奪。

與制度創新同步推進的，是國產算力生態的實質性突破。

2026年被業界稱為“國產AI芯片訓練落地元年”。華為昇騰、寒武紀、摩爾線程全線完成了“Day0”適配；DeepSeek V4首次將華為昇騰芯片與英偉達GPU并列寫進硬件驗證清單。2025年中國AI加速卡市場國產廠商出貨量約165萬張，市場占比攀升至41%。更關鍵的是，DeepSeek V4在適配昇騰芯片后，實現了高吞吐、低時延的推理部署。這是第一次在真實生產環境中系統性驗證了非CUDA平臺上承載核心大模型能力的可行性。

但“適配”和“好用”之間，還橫亙著CUDA近二十年積累的文檔、教程、社區和工具鏈，這些在國產算力生態中仍需從頭建設。從能用到好用，還有漫長的路要走。

Part 4

我們離真正的AI強國，到底還有多遠？

單看模型能力，2.7%的差距是個了不起的成就，斯坦福報告甚至直言中美頂尖模型性能差距“已幾乎消失”。

但AI競爭從來不只是模型性能的比拼，而是圍繞算力基礎設施、基礎模型、開源生態、實體經濟融合、半導體供應鏈和安全治理展開的多維戰爭。

美國在前沿模型、先進芯片和超大規模數據中心方面仍保持明顯優勢；中國則在模型效率提升、開源生態擴散和應用落地方面形成非對稱競爭力。

更何況，中國AI產業手中握著一張令人不敢輕視的底牌：15%-20%的成本和與全球頂尖水平幾乎持平的智能輸出。如果這套“低成本、高智能”的模式能夠持續兌現，萬億估值就不僅僅是一個資本數字，而將是產業價值真正釋放的信號。

2026年或許是一個關鍵的分水嶺：

技術角度看，模型性能差距收窄至個位數、國產芯片訓練元年開啟、AI競爭從“參數競賽”轉向“生態系統戰爭”； 制度視角上，詞元交易的提出標志著中國正在為全球AI數據要素定價提供自己的方案； 市場視角上，一級與二級市場完成了對中國AI企業的集體價值重估。

這三條線索交匯于一點，指向同一個趨勢：一個真正的“非對稱博弈”時代到來了——美國以資本和算力為盾，中國以效率和場景為矛。這既是追趕者的生存策略，也是定義者的博弈邏輯。

中國AI公司已經第一次拿到了去定義規則的門票。但門票到手和真正坐上牌桌之間，還隔著算力底座、軟件生態、開發者生態三道硬坎。

跨過去，萬億只是起點；跨不過去，萬億就是終點。

此刻，牌局才剛剛開始。

* 所刊專家文章并不代表本中心觀點。