华尔街预测：中国"开源AI盛世"撑不过两年，没芯片就是"套壳繁荣"

近期，几份出自美国头部投行与科技智库的研究报告（SemiAnalysis、OSTP），在华尔街交易圈引发不小震动。

报告给出的论断十分尖锐：国内当下如火如荼的AI创业热潮与开源生态繁荣，本质只是搭建在西方开源基础之上的空中楼阁。

受高端算力硬件封锁的制约，中国一众AI独角兽企业，将在2026年下半年撞上难以逾越的缩放定律壁垒。大部分企业会因为无力承担持续暴涨的算力开销，最终走向倒闭。

在西方资本的话语体系中，这近乎是一道无解的困局：拿不到英伟达Blackwell系列（GB200等）芯片，缺少HBM3e高带宽内存加持，中国AI产业就只是表面热闹的套壳式繁荣，撑不过两年时间。

不过，这套被不少西方企业高管、对冲基金奉为金科玉律的“算力霸权论”，真的会如他们所预判的那样成为现实吗？

看到华尔街那几份报告的时候，我一点都不意外。这几乎是西方叙事框架里的标准剧本——先给你画一个“算力霸权”的圈，然后告诉你：你跳不出去。

SemiAnalysis和OSTP的报告，核心逻辑说白了就一句话：你买不到英伟达Blackwell级芯片，买不到HBM高带宽内存，所以你的AI繁荣全是“套壳”，撑不过两年。

我的看法是，这套逻辑从根上就错了。它错就错在，把“算力”等同于“英伟达的算力”，把“AI进步”等同于“堆更多的H100”。

这种思维惯性，在过去几年或许还能成立，但在2026年的今天，已经严重滞后于现实了。

先来看一个基本事实。全球最大的开源AI社区HuggingFace在2026年春季发布的报告显示，中国自研开源模型的下载量已经占到了全球总量的41%，首次超越美国，成为该平台规模第一的开源模型供给方。

过去12个月里，国产模型有9个月保持着全球开源模型的规模上限。累计下载量突破100亿次，全球居首。

如果这都叫“套壳繁荣”，那我不知道什么叫真正的繁荣。

华尔街报告里提到一个说法，说中国AI创业潮是建立在“西方开源底座”上的。

我的判断是，这个说法在2025年之前或许有一定道理，但在2026年已经站不住脚了。

今年7月，月之暗面发布了旗舰模型KimiK3，总参数达到2.8万亿，一跃成为全球规模最大的开源模型。8月3日，阿里巴巴发布Qwen3.8-Max，总参数2.4万亿。

在全球主流大模型调用榜单上，排名前六位的模型全部来自中国团队。知名风险投资机构a16z的合伙人透露，前来寻求融资的硅谷AI初创公司中，使用中国开源模型的比例可能达到了80%。

我的猜测是，如果非要说“套壳”，那现在的情况更像是硅谷在“套壳”中国。

今年4月，有海外网友发现，一款被吹得神乎其神的AI产品Composer2，背后调用的竟是月之暗面的KimiK2.5，官方发布中对此只字不提。

《华尔街日报》自己都承认，“中国在开源AI领域的领先地位震惊了华盛顿和硅谷”。

华尔街报告的第二层逻辑是：没有顶级芯片，中国的AI公司会在2026年下半年遭遇“ScalingLaw壁垒”，算力成本飙升，绝大多数公司撑不住。

我认为这个逻辑的问题在于，它假设了“ScalingLaw”只有一种实现方式——堆更多芯片、烧更多电。但中国AI企业走的是另一条路：用算法效率去抵消硬件劣势。

DeepSeek就是最好的例子。2025年初，DeepSeekR1仅用2000块H800GPU、花费560万美元就完成了训练，而同水平的西方模型需要在16000块H100上投入8000万到1亿美元。

到了2026年4月，DeepSeekV4发布，采用了MoE（混合专家）架构，总参数1.6万亿，每次推理只激活490亿参数。

V4-Flash更激进，2840亿总参数，每次推理只激活130亿，算力消耗锐减。V4-Pro在100万token上下文场景下，单token推理所需浮点运算量仅为V3.2的27%，KV缓存占用仅为10%。

这不是“套壳”，这是实打实的架构创新。

我的看法是，华尔街的分析师们可能习惯了用“算力军备竞赛”的尺度来衡量一切，但他们忽略了一个关键变量：当算力获取受限时，创新的动力反而会被极大激发。

中国AI企业无法盲目复刻“十万张H100暴力堆砌”的路线，于是被迫走上了极限工程优化的道路——通过MoE架构优化、高质量数据清洗、动态路由机制等手段，在同等甚至更优的推理表现下，把运算显存占用和动态计算开销砍掉了数个数量级。

国产基础设施玩家通过深度重构推理引擎、普及vLLM投机采样、PagedAttention显存管理等技术，硬生生将大模型的单次推理成本打到了物理极限。

DeepSeekV4-Flash的API定价，每百万tokens输入（缓存命中）仅为0.02元。缓存命中输入价格降至0.025元/百万token，远低于同类模型。这种价格水平，别说“撑不下去”，简直是在用价格战倒逼全球同行降价。

华尔街报告的第三层逻辑是：芯片封锁会掐死中国的算力供给。

我的判断是，这个逻辑在2025年或许还能成立，但在2026年已经彻底失效了。原因很简单——国产算力已经跑起来了。

2026年4月24日，DeepSeekV4正式发布，官方技术报告明确将华为昇腾950PR写入硬件验证清单，实现了从英伟达CUDA到国产算力的全栈迁移。

同一天，美团LongCat-2.0-Preview开放测试，这是目前唯一公开确认由国产算力完成万亿参数预训练的大模型，训练全程动用了5万到6万张国产算力卡。

华为昇腾950PR推理芯片，采购价格仅为英伟达的四分之一，单卡算力比英伟达对华特供版H20提升了2.87倍。

昇腾950超节点在2026世界人工智能大会上首次线下展出，实现业界最大1024卡规模，提供1EFLOPSFP8、2EFLOPSFP4的澎湃算力。

基于该超节点打造的集群可扩展至50万卡。DeepSeek创始人梁文锋公开表示，华为950超节点可以完全平替英伟达GB300。

我的看法是，美国对华芯片管制的效果正在发生戏剧性的逆转——它不但没有扼杀中国AI，反而加速了中国本土算力生态的成熟。

英伟达CEO黄仁勋自己都坦承，该公司已将中国市场“基本上拱手让给”了中国公司。摩根士丹利的数据显示，中国AI芯片自给率已从2021年的约10%大幅跃升至2026年的41%，预测到2030年将达到约86%。

伯恩斯坦预估，英伟达在中国AI半导体市场的市占率到2026年将急剧萎缩至8%，而中国本土企业的总体份额将高达八成。

国产大模型正在集体奔向国产算力。DeepSeekV4首次全面适配华为昇腾等国产芯片，推理完全跑在国产算力上；智谱GLM-5系列也完成了与国产芯片平台的深度适配。

头部玩家不约而同地切换主航道——国产算力不再是备胎，而是正选。Gartner预测，到2030年，80%的中国本土AI基础设施将采用国产AI芯片，而目前这一比例仅为20%。

华尔街报告还忽略了一个关键因素：中国正在进行的AI基础设施投资规模。

据彭博社报道，中国准备在未来五年内投入约2万亿元人民币在全国各地建设数据中心。

以字节跳动、阿里巴巴、腾讯、华为为代表的头部企业，2025年起每年用于采购算力及IDC服务的资本开支合计超过4000亿元。阿里云宣布未来三年向AI基础设施建设投入超3800亿元。华泰证券测算，2025年上述主体合计资本开支约8926亿元，2026年预计增至约1.07万亿元。

我的判断是，这不是一个“撑不过两年”的产业，这是一个正在以万亿级资金砸向基础设施的产业。华尔街的“两年论”，要么是对中国AI产业的实际规模缺乏了解，要么就是刻意选择性地忽视了这些数据。

我的最终看法是：华尔街那几份报告，与其说是一份严肃的行业分析，不如说是一份服务于特定叙事框架的“焦虑制造机”。

它的真正目的，可能不是预测中国AI的未来，而是安抚美国资本市场——告诉那些重仓英伟达、重仓美国AI公司的投资者：别担心，中国那个“威胁”撑不了两年。

但现实正在朝着完全相反的方向演进。SemiAnalysis的创始人DylanPatel自己在一次深度访谈中承认，如果AI的发展时间拉长到2035年，拥有完整本土供应链和恐怖扩产规模的中国，极有可能在成熟制程的算力红海中靠规模实现反超。

他甚至说，中国AI实验室通过自由市场竞争持续迭代、快速交付，已在开源领域形成明显优势。

连唱空中国AI的机构自己都承认中国长期可能反超，那“撑不过两年”的结论又从何而来？

我的猜测是，两年之后，当我们回看2026年这些华尔街报告时，会发现它们和当年那些预测“中国手机永远做不出高端芯片”、“中国汽车永远追不上欧美日韩”的报告一样，成为又一个被现实打脸的分析样本。

中国AI走的是一条完全不同于西方的路——不是靠堆最贵的芯片、烧最多的电，而是靠算法效率、工程优化、开源生态和规模化制造的综合优势。

这条路或许在华尔街的模型里算不出来，但它正在被真实的市场数据所验证。

全球最大开源社区的数据摆在那里，中国开源模型下载量全球第一；全球主流模型调用榜单前六名全部来自中国；硅谷80%的AI初创在用中国的开源模型底座。如果这都叫“套壳繁荣”，那全世界可能都需要重新定义什么叫“不套壳”。

信息来源