中国AI便宜到不用需向CFO解释

高盛 Ronald Keung 团队发布了一份长达 50 页的中国 AI 模型报告，其核心结论指出：“在 AI 领域消耗 Token 最多的两大应用——智能代理（Agent）和编程（Coding），目前已大规模迁移至中国模型上运行。这并非因为中国模型的品质超越了美国，而是因为其极低的单价使得‘不使用它’变成了一个需要向 CFO（首席财务官）做出合理解释的商业决策。”

这种“便宜”并非偶然，而是一场有计划、有策略的亏损换市场行为。以下是该战略的具体拆解：

一、为什么能做到这么便宜？

目前，中国头部编程模型（如混合架构模型）的Token定价约为1美元/百万Token，而美国最先进的同类模型（SOTA）价格则在4至8美元/百万Token之间，价差高达4到8倍。这种极致性价比的背后，是多维度的系统性支撑：

• 模型架构优化（MoE 技术）： 真正的差异在于混合专家（MoE）架构的激活比例被压得极低。例如，DeepSeek V4 Pro 每个 Token 仅激活 3% 的参数，GLM 5.2 仅激活 5.4%，而相比之下，许多美国模型的激活比例推测在 10% 左右。这意味着在生成相同内容时，实际消耗的计算资源大幅减少。

•人才成本优势：中国AI工程师的平均年薪与美国同行存在3到5倍的差距，这为企业在研发环节提供了巨大的成本压缩空间。

• 硬件与政策的博弈： 虽然很多人认为国产芯片（如昇腾）比 NVIDIA H100 便宜，但实际上单卡单价相近，甚至按算力（per-FLOP）计算可能更贵。企业选择国产化方案的核心并非单纯为了省钱，而是为了确保供应链安全，不被“卡脖子”。