7月24日，瑞银证券中国互联网行业分析师熊玮在媒体分享会上披露了一组令人瞩目的数据：中国头部人工智能模型的训练成本仅为海外龙头企业的十分之一左右，推理成本方面，中国模型API定价约为海外对标模型平均定价的10%至20%，且仍能保持20%至40%的毛利水平。这一发现打破了外界对中国AI产业“烧钱追赶”的固有印象，揭示了本土模型厂商在成本效率方面的结构性优势。
成本优势非源于补贴，而是结构性效率
熊玮在分享会上特别强调，中国头部模型厂商的成本优势并非来自激进的价格补贴或厂商“让利”，而是由多重结构性因素共同塑造。数据显示，在训练成本端，中国头部企业通过算法创新、架构设计优化以及开源生态的深度参与，实现了训练效率的显著提升。例如，国内厂商在混合专家模型（MoE）架构、稀疏化计算、梯度压缩等技术路线上进行了大量本土化创新，使得同等规模模型的训练算力消耗大幅降低。
在推理成本端，中国模型应用层API定价仅为海外竞品的10%至20%，但依然能够维持20%至40%的毛利水平。熊玮指出，这一毛利率略低于美国同行（通常在40%至60%），但“仍然是一个非常健康的水平”。这意味着中国模型厂商并非在“赔本赚吆喝”，而是在成本控制与商业回报之间找到了可持续的平衡点。
三大因素支撑成本优势
瑞银分析认为，中国头部模型厂商的成本优势主要源于三个方面。首先是训练算法创新与架构设计差异化。中国团队在模型压缩、知识蒸馏、量化技术等领域的积累，使得较小的算力投入也能产出性能接近国际前沿的模型。例如，一些国产大模型采用“小参数+高质量数据”策略，在特定任务上实现了与千亿级参数模型相当的效果，极大降低了训练耗电和硬件投入。
其次是模型策略重点的差异。海外龙头倾向于追求“通用超级大模型”，致力于覆盖所有场景的通用智能，这需要庞大的参数规模和数据量。而中国厂商更注重商业化落地和垂直场景优化，通过“领域定制”策略，将算力集中在金融、医疗、制造业等具体行业中，从而在降低整体成本的同时提升了实用价值。
第三是开源生态的协同效应。中国AI开源社区活跃度居于全球前列，如智源、阿里、百度等机构开源了大量模型权重、训练框架和工具链。开源生态不仅减少了重复造轮子的成本，还通过社区协同快速迭代技术，加速了成本曲线下行。熊玮指出，“中国模型厂商不必从零开始，而是站在开源巨人的肩膀上，这种生态红利是海外部分封闭式企业难以复制的。”
行业：从“烧钱军备竞赛”转向“效率竞争”
瑞银的观点与近期市场趋势相吻合。过去两年，中国AI大模型行业经历了从“百模大战”到“淘汰赛”的转变，早期依靠资本输血、不计成本堆算力的模式已难以为继。头部厂商开始转向精细化运营，通过成本管控和场景化应用寻求盈利闭环。
以百度文心、阿里通义、科大讯飞等为代表的国产大模型，在定价策略上采取了“以量换价”的方式，通过极低的API调用门槛吸引开发者和小微企业，快速占领市场份额。同时，厂商积极拓展B端垂直场景，例如金融风控、智能客服、工业质检等，这些领域对实时性和定制化需求高，能够支撑合理的毛利率。
展望：成本优势能否持续？
尽管当前成本优势显著，但瑞银也提示了潜在挑战。一方面，海外龙头正在加速技术迭代，通过自研芯片、超大规模集群等方式进一步压低成本；另一方面，中国厂商需要警惕“低端锁定”风险——如果长期依赖低成本而非技术突破，可能在下一代基础模型（如多模态、具身智能）的竞争中掉队。
熊玮认为，中国模型厂商需要在保持成本优势的同时，加大原创技术投入，尤其是在训练数据质量、多模态融合、推理效率等核心环节实现突破。“成本优势是护城河，但并非永远的护城河。真正的核心竞争力仍然来自于模型能力的持续提升。”
总体而言，瑞银的分析为中国AI产业提供了一面镜子：在资本退潮后的“冷静期”，谁能以更低的成本交付更优的模型能力，谁就能在未来的市场竞争中占据先机。随着结构性效率优势的进一步释放，中国头部模型厂商有望在全球AI版图中扮演更加重要的角色。