來源：中金點睛
作者：劉剛 楊萱庭 張典
過去一兩年，在傳統需求乏力的困境下，全球增長若非AI的異軍突起可能要面臨更大壓力，例如美國高達1萬億美元的科技軟硬件設備投資貢獻了2025年GDP的三分之一（圖表1），更不用說潛在要素生產率提升對未來增長的拉動（圖表2）。
AI對股市的貢獻同樣顯著，2022年底ChatGPT發佈以來，美股Mag7貢獻了$標普500指數(.SPX.US)$84%回報中的45ppt，佔到一半還多（圖表3），2025年初DeepSeek發佈以來，港股七家科技龍頭股最高一度貢獻了$恒生指數(800000.HK)$37%回報中的14ppt，也佔到四成（圖表4）。不僅中美，2025年全球市場領跑的韓國，日本、中國臺灣等也都是AI產業上的關鍵鏈條（圖表5）。
圖表1：2025年前三季度實際GDP年化環比平均2.5%的增長中，美國科技軟硬件貢獻了0.8ppt
圖表2：自2023年以來，美國非農商業部門的勞動生產率已經抬升7.2%
圖表3：美股Mag7 佔標普500指數84%回報中的45ppt，佔一半還多
圖表4：港股七家科技龍頭股 佔了最高一度恒生指數37%回報中的14ppt，佔四成
圖表5：年初以來全球市場的AI風格再度領先
但與AI熱情如影隨形的是揮之不去的泡沫擔憂。經過三年的突飛猛進，目前已經很少有人會從底層質疑AI產業本身的前景，但仍會擔心最終兌現速度和投資之間可能存在差距，就如同90年代科網泡沫爲21世紀移動互聯網的蓬勃發展打下了堅實基礎，但也不妨礙2000年以泡沫破裂的形式擠出大量過剩投資。因此，泡沫本身並非壞事，也推動了產業發展，討論是否會變成泡沫也沒有太多意義，更重要的是確認所處的階段。
在這個過程中，投資扮演了一個重要角色，資金的來源和去向，直接決定了資金的行爲和投資的導向。作爲全球AI產業格局的「兩極」，由於在算力基建、芯片和模型等各方面稟賦的差異，中美在資金來源和投資方向上存在較大不同，因此追溯二者的差異有助於我們理解發展路徑上的差異，以及對不同投資方向的啓示。
圖表：中美基礎層投資佔比均在87-88%左右，技術層佔比爲12~13%
圖表：中美基礎層有產業鏈聯動，芯片存在自主割裂，應用層有映射
中美AI產業格局：美國有先發優勢，中國正快速追趕；美國「缺電」，中國「缺芯」，模型差異有限
人工智能產業的基石在於算力基建、模型、人才儲備以及資本市場的金融支持。在發展的初期，美國在算力基建、模型、高級人才建設、數據質量等方面都具有不小的領先優勢，然而2025年初DeepSeek發佈以來，中國在模型層取得突破性進展，尤其是開源模型的效果（圖表6），並開始在多個領域不斷縮小與美國的差距。
圖表6：中國在模型層取得突破性進展，尤其是開源模型的效果
► 算力基建：涵蓋了以數據中心爲核心的物理基建、以芯片研發爲代表的數字基建，以雲計算的形式實現算力的調動和交付。中國信通院在2025年《雲計算藍皮書》中引用了加特納的數據，2024年全球雲計算市場規模6929億美元，其中北美洲以54.3%的市場份額佔據主導地位，中國佔據16.8%，2025年份額預計進一步升至18.3%（圖表7）。
圖表7：2024年全球雲計算市場規模6929億美元，北美洲佔54.3%，中國佔據16.8%
1） 美國在基礎設施有先發優勢，但中國在電力供給優勢支撐下不斷縮短差距，所以美國更「缺電」。
雖然美國當前在服務器和數據中心數量遠超中國（圖表8），但中國目前算力承載的密度更高。以數據中心爲例，美國的數量爲中國的8倍還多（4165個 vs. 500個），但容量則僅爲中國的1.7倍（美國53.7GW vs. 中國31.9GW）。更重要的是，大規模部署數據中心需要電力的支撐，中國發電量在2024年已經超過美國的兩倍（圖表9），美國存量數據中心的耗電量已經佔據其總用電量的4.4%，而中國僅爲1.1%。2025年1月特朗普簽署的行政命令中明確提出「新建的大型AI基礎設施必需配套建設新增的清潔能源發電設施，以避免佔用居民的電力需求」。
圖表8：美國目前在服務器、物理數據中心以及雲計算設施的數量上都遠超中國
圖表9：中國發電量在2024年已經超過美國的兩倍
2） 美國在芯片研發領域佔據主導，中國國產替代進程加速，但先進製程領域仍有差距。
半導體產業協會（SIA）統計，2024年美國半導體行業的銷售額達到3180億美元，佔全球收入的50.4%，中國大陸和中國臺灣的銷售份額分別佔4.5%和6.5%（圖表10）。儘管份額仍顯著低於美國，但中國芯片規模增長迅速，2024年AI芯片總出貨量超過270萬張，本土芯片品牌的出貨量同比增加310%超過82萬張。不過，除了在成熟製程上的「平替」外，先進製程的不斷突破創新更爲重要。
圖表10：2024年美國半導體行業的銷售額達到3180億美元，佔全球收入的50.4%
► 模型：美國在整體數量和質量上仍領先，但中國在開源模型領域已經佔據優勢。
根據Epoch AI的統計，當前976個知名模型中，美國在數量上是中國的4倍（632個 vs. 156個），但在Artificial Analysis Intelligence Index的評分中，智譜GLM、DeepSeek以及Kimi等中國大模型也緊隨ChatGPT、Claude、谷歌Gemini等美國大模型其後躋身於前十（圖表11）。
中國在開源模型領域的下載量和使用量也已經處於領先，根據Atom Project的統計，中國開源模型的累積下載量已經在2025年8月超過美國（圖表12），並且截至2025年12月有超過62%的模型衍生品基於中國大模型（圖表13）。一定程度上，中國恰是利用模型優勢彌補了芯片上的不足。
圖表11：海內外主要模型評分對比
圖表12：中國開源模型的累積下載量已經在2025年8月超過美國
圖表13：截至2025年12月有超過62%的模型衍生品基於中國大模型，超過美國的32%
► 人才儲備：中國對頂尖人才的吸引力在逐步增強，專利超過美國。
推動AI技術不斷髮展的核心在於人才，根據2025年7月全球數字經濟大會上公佈的《全球人工智能科研態勢報告（2015-2024）》，美國和中國的AI研究人員數量佔全球的57.7%，美國以6.3萬餘人的數量居於全球領先，中國的研究人員數量從2015年的不足萬人增加至2024年的5.2萬人。人才數量的快速增長加強了中國在AI研究領域的科研實力，2022年中國研究人員的人工智能專利數量也已經達到美國的三倍（圖表14）。
圖表14：2022年中國研究人員的人工智能專利數量已經達到美國的三倍
綜合來看，美國在人工智能領域起步更早，在算力和模型領域佔據先發優勢，並且湧現出全球範圍內的龍頭公司。反觀中國，得益於政策支持、國內大市場以及人才紅利開始逐步縮小與美國在人工智能領域的差距。美國的瓶頸在電力等更基本的基礎設施上，中國的瓶頸在先進製程的芯片研發上，模型的差異尤其是開源模型有限，這一基本格局也奠定了中美在投資導向上的「差異」。
中美AI投資格局：中美投資強度接近，考慮基礎設施後中國更強；對美國宏觀拉動效果更明顯
► 科技設備投資：中國名義投資規模爲美國的六成，但佔GDP比例與美國相當，均爲3.3~3.4%。
如果以GDP項下科技硬件+軟件設備來界定狹義的AI投資，2025年美國約爲1.05萬億美元，佔名義GDP的3.4%，2023年以來抬升0.5ppt。中國同口徑的科技硬件+軟件年化規模約爲6500億美元（4.6萬億元），相當於美國的六成，佔名義GDP的3.3%，與美國相當（圖表15）。
圖表15：2025年美國科技投資佔名義GDP的比重爲3.4%，與中國的3.3%接近
► 含基礎設施後的投資：中國佔GDP比例接近6%，高於美國的4.6%。
AI產業鏈並非只有科技設備，考慮到數據中心和電力設施的建設、相關產業的研發投資，2025年美國AI外溢需求或帶來4000億美元的投資增量，AI廣義投資規模升至1.4萬億美元，佔名義GDP的4.6%（圖表16）。不過，中美GDP分項口徑並不一致，因此我們使用算力規模的提升來測算AI投資對GDP的正向拉動。
圖表16：2025年美國AI相關投資規模或升至1.4萬億美元，佔名義GDP的4.6%
中國信通院在《算力經濟發展研究報告（2025年）》中提到「根據實證分析，算力規模每提升1%，會對應帶動中國GDP增長0.425‰」。根據IDC的數據，2025年中國算力規模同比提升43%，對應增加2.5萬億元GDP（佔整體名義GDP的1.8%），中國AI廣義投資規模或升至5~6%（圖表17）。
圖表17：2025年中國算力規模提升43%，對應AI投資規模或抬升至在5~6%
► 對經濟的拉動：美國信息技術貢獻GDP增長的三成，中國貢獻一成。
在衡量中美AI產業對宏觀經濟的拉動效果時，爲避免設備進口和資本品價格的影響，我們仍採用生產法下的行業增加值（GVA）口徑觀察科技產業在境內創造的實際價值。如果僅對比信息技術行業對GDP的貢獻，美國貢獻了2025年上半年1.6%實際GDP增長中的0.6ppt（佔比34%），中國信息技術產業在2025年前三季度5.2%的整體累計同比中貢獻0.55ppt，貢獻佔比10.6%較2023年的9.6%小幅抬升（圖表18）。
圖表18：美國信息技術行業貢獻整體增長的三成，而中國信息技術行業貢獻整體增長的一成
資金來源「差異」：美國由私人部門主導，中國政府和私人雙輪驅動
雖然中美在整體投資規模佔比上相近，但從AI產業基礎設施、芯片研發以及模型應用等領域來看，中美當前的發展速度和方向卻有所差異，這背後的一個重要原因是中美AI投資的資金來源不同，來源決定了資金的屬性和行爲，如對投資回報的要求、時間忍耐度、投資去向等等。資金來源分爲私人部門和政府部門，私人部門又分爲上市公司自有資金和風投資金。
整體看，美國AI投資基本由私人部門主導（5520億美元），政府直接投資規模有限（110億美元）；中國私人部門的投資規模（900億美元）雖僅有美國的六分之一，但政府直投和引導資金的強度更大（750億美元）。具體而言，
► 私人部門：美國投資規模更大（5520億美元），是中國（900億美元）的近6倍。
1）龍頭公司層面，美國投資規模是中國的近5倍。美股市場中，我們選取超大規模雲服務商投向基礎層的資本開支、以及芯片和大模型的研發費用來衡量全產業鏈的投資規模（詳情見下文），2025年已經突破4000億美元。中國市場中，我們測算整體規模爲840億美元左右（圖表19）。
2）風投層面，美國規模是中國的25倍。根據PitchBook統計，中國大陸2025年的AI領域風險投資爲60億美元，而美國AI相關的風投融資額高達1750億美元，即便避免重複計算而完全剔除OpenAI以及Antropic等在模型層的支出，融資額仍高達1520億美元（圖表20）。
圖表19：2025年美國龍頭公司基礎層和技術層的投資規模接近中國的5倍
圖表20：中美AI領域風險投資規模
► 政府資金：中國投資規模更大（750億美元），約爲美國（110億美元）的7倍。
美國政府直接撥款力度相比其私人部門要弱的多，美國政府在AI技術的研發支出預算自2021財年的82億美元抬升至2025財年的110億美元。星際之門（Stargate）項目雖然由特朗普在2025年1月正式官宣，但核心出資方是OpenAI和軟銀，並且部分預算與$甲骨文(ORCL.US)$、$微軟(MSFT.US)$的資本開支存在交集，因此不計入政府投資額。
中國政府的直接投資規模或超過5000億元（750億美元），在AI領域的大規模國家級直投資金爲國家集成電路產業投資基金三期（3440億元），國家人工智能產業投資基金（600.6億元）爲其專項子基金。此外，財政部牽頭出資1000億元設立國家創業投資引導基金，再加上三大運營商的資本開支，粗略估算政府投資或在5000億元以上（750億美元）。
投資去向「差異」：美國在數據中心與配套上投入更多，中國在芯片和模型上投入更大
從投資方向看，AI產業可分爲基礎層、技術層與應用層三大板塊：1）基礎層爲硬件算力，涵蓋AI芯片、服務器、光模塊等核心硬件，以及含液冷設備、電力設備等在內的數據中心能源與配套基建；2）技術層聚焦大模型、算法框架等技術創新；3）應用層是技術落地載體，包括各行業內的垂直領域解決方案。
► 首先從私人部門投資角度看，1）基礎層聚焦中美雲廠商的資本開支投向基礎設施的部分（美國：$亞馬遜(AMZN.US)$、 $微軟(MSFT.US)$ 、 $谷歌-C(GOOG.US)$ 、 $Meta Platforms(META.US)$ 、$甲骨文(4716.JP)$、$CoreWeave(CRWV.US)$；中國：$百度(BIDU.US)$、$阿里巴巴(BABA.US)$、 $騰訊控股(00700.HK)$ 、字節等雲廠商）、以及主要芯片商用於芯片研發的費用（美國：$英偉達(NVDA.US)$、 $美國超微公司(AMD.US)$ 、$博通(AVGO.US)$以及$高通(QCOM.US)$；中國：$海光信息(688041.SH)$、 $寒武紀-U(688256.SH)$ 、 $摩爾線程(LIST23919.SH)$ 、 $沐曦股份-U(688802.SH)$ 、華爲以及百度和阿里巴巴的自研芯片）；
2）技術層聚焦頭部大模型公司的研發投入（美國：OpenAI、Anthropic、xAI以及谷歌大模型；中國：百度、阿里巴巴、騰訊、字節、智譜、Minimax等）；3）應用層涵蓋各個行業，難以實現較爲精準的剝離和統計。
綜合看，如果不考慮應用層投資的話，2025年美國龍頭公司在基礎層和技術層上的投資規模爲中國龍頭公司的5倍（4000億美元 vs. 840億美元），2026年預期則或進一步擴大。
1） 美國：4000億美元中88%投向基礎層（數據中心和配套爲主83%，芯片爲輔佔5%），12%投向技術層（模型）。美國基礎層投資規模2025年約爲3500億美元，相比2022年增加2.4倍。其中，數據中心與配套基建等投資規模爲3340億美元（83%）；芯片研發在整體投資中規模佔比不算大（5%），且規模基本穩定在150~200億美元。技術層的投資規模由2022年以來快速抬升，從42億美元抬升至2025年的480億美元，佔整體投資規模的比例也升至12%（圖表21）。
圖表21：美國龍頭企業4000億美元中九成投向基礎層，一成投向技術層
2） 中國：840億美元中78%投向基礎層（數據中心和基建70%，芯片佔比相對更大8%），22%投向技術層（模型）。中國基礎層投資規模2025年約爲650億美元，其中數據中心與配套基建的投資規模爲590億美元（佔比70%），芯片研發規模爲64億美元（佔比7.5%），技術層的投資規模爲190億美元（佔比22%）（圖表22）。
圖表22：中國龍頭企業840億美元中近八成投向基礎層，兩成投向技術層
► 其次再看政府投資，1）美國政府資金側重於技術層的基礎研究和應用層的前沿方向，110億美元預算主要投向人工智能的非商業性基礎研究，比如新型算法等以及AI+。
2）中國政府資金則聚焦於基礎層的芯片研發和「硬科技」，如國家集成電路產業投資基金三期（3440億元）明確將70%資金投入設備與材料國產化，30%資金投向先進封裝與AI存儲，側重於半導體制造等重資產、超長週期行業，存續期爲15年；國家創業投資引導資金，存續期20年，是目前國內存續時間最長的「耐心資本」，堅持「投早、投小、投長期、投硬科技」。
彙總私人與政府投資，中美基礎層投資佔比均在87-88%左右，技術層佔比爲12~13%（圖表25）。美國基礎層投資規模爲3500億美元（龍頭公司出資），技術層投資約爲535億美元（龍頭公司的480億美元和110億美元政府資金的50%），佔比分別爲87%和13%（圖表23）；中國基礎層投資規模爲1400億美元（龍頭公司650億美元+三大運營商的114億美元+634億美元的政府基金），技術層投資約爲190億美元（龍頭公司出資），佔比分別爲88%和12%（圖表24）。
圖表23：美國整體基礎層和技術層投資佔比分別爲87%和13%
圖表24：中國整體基礎層和技術層投資佔比分別爲88%和12%
圖表25：中美基礎層投資佔比均在87-88%左右，技術層佔比爲12~13%
中美AI投資差異的啓示：美國私人主導故有回報約束，側重基建；中國政府投入更高，側重芯片和模型
中美在AI產業格局、資金來源和投資去向的差異，直接決定了產業發展方向與投資差異，有幾點啓示：
1) 美國AI投資由私人部門主導，核心驅動力在於對商業回報的追求，短期在協調公共基礎建設時的動員能力沒有中國強，這也是近年來中國在政策支持下，AI基礎設施領域迅速縮小差距的原因之一。另一方面，私人資本主導的特徵導致一旦回報不及預期或者回報偏慢，市場就很容易陷入泡沫擔憂。
2) 中國AI投資由政府主導，通過「耐心資本」進行長期戰略引導。這種模式具備極強的資源調配能力，能不計短期盈虧地在算力與芯片等「卡脖子」領域進行攻克和超前佈局，展現出強大的投資韌性。但其挑戰在於對財務回報的敏感度較低。
3) 美國AI投資側重在數據中心與能源配套基建。根據Aerio的統計，目前美國有628個數據中心在建。以超大規模雲廠商爲主的投資者必須確保前期巨額投入不因電力供給瓶頸而停滯，否則將直接導致資本開支「打水漂」造成財務報表惡化。
4) 中國AI投資側重在基礎層，尤其是芯片研發。從上文提到的AI產業現狀來看，中美目前在算力基建仍有差距，尤其是芯片研發的先進製程。從當前企業和政府的資金投向來看，數據中心與「卡脖子」領域也是最主要投資方向。
中美AI產業如何聯動？基礎層有產業鏈聯動，芯片存在自主需求的割裂，應用層有映射和互鑑
AI產業本身的高聯通和可移植性，疊加中美資源稟賦、資金來源和投向的差異，導致中美兩國AI產業與市場在基礎層有產業鏈上的聯動（如芯片製造業數據中心建設所需要的價值鏈），又有因爲地緣割裂下的芯片國產替代需求，但應用層則更多體現在商業場景上的映射與互鑑。
► 基礎層聯動的核心是中美兩邊投資共同對相關產業鏈需求的拉動。如上文分析，美國在AI鏈條上更缺的是算力承載密度高的數據中心和電力基礎設施，因爲在這塊的投資也會拉動價值鏈上有競爭優勢的中國企業的需求，如液冷、電力設備配套等環節；芯片上的持續投入（雖然不及中國佔比大），也同樣會拉動核心硬件如光模塊、PCB等的需求。同樣的邏輯也適用於中國，同樣也需要在數據中心上繼續投入，而且在芯片上的投入比例更大。
► 應用層的聯繫主要體現在商業模式互鑑，雙方在同類垂類領域的實踐經驗及商業模式，可爲彼此提供參考，例如健康AI領域（如螞蟻阿福、ChatGPT Health等）；A股市場近期熱議的GEO概念，與馬斯克宣佈要在近期開源X平台推薦算法的預期催化有關。AI助手領域的商業探索中，美國有ChatGPT類個人助手APP，蘋果宣佈將谷歌Gemini模型深度集成至蘋果生態系統，我國則有千問深度接入阿里生態，向AI助手演變（圖表26）。
圖表26：中美基礎層有產業鏈聯動，芯片存在自主割裂，應用層有映射
從資本市場角度，1）基礎層鏈條上市公司主要集中在A股與美股（美股如英偉達、博通、高通等，A股如摩爾、沐曦、寒武紀、海光信息等、港股如壁仞，還有$新易盛(300502.SZ)$、$中際旭創(300308.SZ)$和$天孚通信(300394.SZ)$等光模塊企業，還包括數據中心、液冷、儲能、電力設備等），市場對中美基礎層上市公司的業績增速預期相對高於技術層和應用層（圖表27，圖表28），主要源自更確定的資本開支和政策支持形成的需求。從市場表現看，中美基礎層超額收益呈現較高的正相關性，但不算很穩定（圖表29），一方面因爲基礎層更容易受到貿易摩擦的影響，另一方面也因爲高預期、高估值帶來的高波動性；
2）技術層頭部上市公司更多在港股和美股，港股如阿里、智譜與Minimax、騰訊，美股如谷歌、Meta等；
3）應用層則在A港的分佈相對更均衡，除了互聯網平台外，也是因爲垂類應用領域範圍較廣。從超額收益相關性來看，DeepSeek問世後中美兩地的呈現更明顯、且更穩定的相關性（圖表30），這也是創新聯動、商業模式互鑑的結果。
圖表27：中國資產中，市場對基礎層的盈利增速預期相對更高
圖表28：美國市場也是如此，市場對基礎層的盈利增速預期相對更高
圖表29：儘管產業脈絡使得中美基礎層表現有正相關性，但並不算穩定
注1：超額收益的計算，A股基準爲Wind全A，美股基準爲標普500，港股基準爲恒生指數，右同；注2：A股PCB以中信PCB行業指數刻畫、光模塊以Wind光模塊指數刻畫；資料來源：Wind，中金公司研究部
圖表30：而DeepSeek問世後，技術與應用層的中美資產體現出正且穩定的超額收益相關性
注1：A股應用層以國證AI應用指數刻畫，美股應用層包括Adobe、賽富時、Palantir，以主要龍頭股表現等權均值刻畫；
注2：美股技術層包括谷歌、微軟、亞馬遜，港股技術與應用層包括騰訊、百度、阿里、商湯、金蝶國際、快手、美圖、第四範式、阿里健康、金山軟件，以主要龍頭股表現等權均值刻畫資料來源：Wind，中金公司研究部
往前看，基礎層業績兌現確定性高，技術與應用層潛在上行空間更大。從信用週期視角看，AI所代表的科技鏈條仍是當下主要的景氣方向。具體而言，
美國目前仍在大規模投資數據中心和能源設備，也會對中國算力基建（如光模塊等）、數據中心（如液冷等）和能源基建（如相關電力、儲能設備等）等領域的供應鏈形成需求拉動；
中國目前仍需要芯片，無論源自基礎層資本開支、還是國產替代戰略，因此半導體等領域仍有需求和政策支持的確定性，但缺點是估值和預期較高；
技術層主要關注大模型的技術進展，來自中美大模型領域的進展都可能對彼此形成催化；
應用側的催化則來自各個行業垂類場景的進展，如若C端商業模式和需求不斷兌現，相關板塊可能會具備更大的上行空間，而應用側整體的進展也可能對技術層形成拉動。
編輯/rice
