中国 AI 重心转向盈利，推动 EPS 飙升 62%

根据摩根士丹利的一份最新旗舰报告，中国 AI 行业已从追赶技术差距的策略转向积极获取价值的策略，重点在于应用和变现，这已经在重塑投资格局。该行研究表明，市场低估了这一变化的速度，因为中国 AI 采用者的未来 12 个月每股收益（EPS）预测自 2023 年底以来跳升了约 62%，显著领先于更广泛的 MSCI 中国指数。

“中国 AI 的故事不再是追赶，而是重写游戏规则，”摩根士丹利在报告中表示。该行认为，虽然西方公司专注于前沿模型的突破，但中国优势在于部署速度、成本效率和系统级集成，这在将 AI 潜力转化为切实财务业绩方面创造了独特的竞争优势。

这种战略转型得到了财务状况改善的支持。报告预计，采用 AI 的中国公司的 EBIT 利润率将从 2021 年的约 4% 扩大到 2027 年的 16% 至 17%。这种主要由成本效率而非收入增长驱动的利润率扩张，凸显了 AI 部署对利润的即时影响。摩根士丹利对中国首席信息官（CIO）的调查强化了这一趋势，47% 的受访者计划在未来一年启动首个 AI 项目，高于上次调查的 40%。

报告称，中国 AI 优势的核心是以极低的成本提供相当的模型智能。通过利用混合专家模型（MoE）、模型蒸馏和硬件软件协同优化等架构创新，中国企业的推理成本仅为美国同行的 15% 至 20%。根据 OpenRouter 数据，这种效率使得中国顶级大语言模型（LLM）在 Token 使用量中的市场份额从 2025 年 4 月的 5% 飙升至 2026 年 3 月的 32%。

从价格战到定价权

中国基础模型层的竞争态势发生了重大逆转。在经历了 2024 年 API 成本削减 70% 到 90% 的激烈价格战之后，阿里巴巴、百度和腾讯等领先供应商以及 Z.ai 和 MiniMax 等初创公司现在正在提高其新旗舰模型的价格。摩根士丹利数据显示，API 输入平均价格在 2025 年第二季度至 2027 年第一季度之间攀升了约 80%。

这并非成本驱动的增长，而是性能提升的体现，标志着市场正从商品化转向基于价值的定价。例如，Z.ai 的 GLM-5 模型价格较其前代产品提高了 200% 以上。摩根士丹利认为阿里巴巴是定位最佳的全栈 AI 平台，其整合产品组合涵盖了平头哥（T-Head）芯片部门、阿里云、通义千问（Qwen）系列模型及消费级应用。

半导体自给自足的推进

应用繁荣的背后是半导体自主化的协调推进。摩根士丹利预计，中国 AI 芯片的国内供应率将从 2025 年的 41% 攀升至 2030 年的 86%，同期总市场规模将从约 190 亿美元扩大至 670 亿美元。

采购重点正从峰值性能转向“可部署的成本效率”。该行的渠道调查显示，与目前在中国供应的英伟达产品相比，国产 AI 加速器的总拥有成本（TCO）可降低 30% 到 60%，且每 Token 推理成本相当。随着出口管制的收紧，这为国内领军企业创造了一个稳健的内部市场。

新前沿：电力、机器人与自动驾驶

报告还强调了新兴的增长点，中国的制造基地和数据优势在这些领域创造了独特机遇。AI 数据中心需求的爆炸式增长正在将瓶颈从计算转向电力，为储能系统（ESS）创造了巨大的新市场。摩根士丹利预测，到 2030 年，中国数据中心 ESS 的年部署量将达到 85 GWh。

在机器人领域，市场正接近规模拐点。该行估计中国人形机器人的销量将从 2025 年的 1.2 万台增长到 2034 年的 100 万台以上，到 2050 年有望触及 1 万亿美元的国内市场。同样，汽车行业也接近 AI 驱动的转折点，监管机构已发放首批 L3 级自动驾驶许可证。L2+ 智能驾驶系统的渗透率预计到 2030 年将超过 50%，而 2025 年约为 25%。

本文仅供参考，不构成投资建议。