中国AI“四小龙”破万亿背后

这个5月，中国AI圈炸响了一个惊天数字：智谱、DeepSeek、MiniMax、月之暗面——

“四小龙”总估值集体突破一万亿元人民币。

最新的数字很是炫目：智谱4267亿港元（约3850亿人民币），DeepSeek约450亿美元（约3065亿元人民币），MiniMax约2360亿港元（约2235亿人民币），月之暗面约200亿美元（约1362亿人民币）——加在一起刚好过万亿。

虽然这些数字出自不同的定价场景：智谱和MiniMax为二级市场市值，DeepSeek是一级市场谈判估值，月之暗面则是新一轮融资的投后估值。但“万亿”这个总量级，仍足以撩动市场的神经。

这轮狂欢里还有另一个更具象征意味的注脚。公募某QDII基金，将MiniMax列为第一大重仓股，而贵州茅台、阿里巴巴、快手、腾讯等所有传统持仓，全部退出了十大重仓股名单。

这种“抛弃所有确定性、拥抱一个可能”的极端押注，某种意义上道出了这轮估值狂欢的全部密码——资本不再盯着账本上的利润和现金流，而是以一场彻底的风险投资思维，在二级市场直接买下整个AI时代的门票。

但在热闹与掌声中，一些底色却令人不安：智谱2025年营收仅为7.24亿元，市值却一度超过京东；DeepSeek几乎没有公开披露的收入。

巨大的估值与收入倒挂之间， 这一万亿估值，究竟是中国AI实力的确认函，还是泡沫破裂前的钟声？

我们离真正的AI强国，到底还有多远？

Part 1

理解这轮行情的关键，需要读懂中国AI企业在资本市场上正在经历一场根本性的估值“换锚”。

美国资本市场早已存在两套并行不悖的定价逻辑：一种以财务指标为核心，看营收、看盈利；另一种则以“定义权”为核心。

过去二十年，这些故事在硅谷早被反复验证：微软定义了PC时代的入口，谷歌定义了信息组织的方式，苹果定义了移动生态的规则——一旦成为定义者，回报是指数级的。以英伟达为例，高增长阶段的市场愿意给予97至145倍P/S的溢价，本质上就是在为“定义权”买单。

如今，中国AI企业被纳入了同一套估值叙事。市场不再按“你赚了多少钱”出价，而是在按“你将来可能成为什么”出价。更准确地说，是按“你将来能不能定义点什么”出价。

资本押注的不是今天的营收账本，而是明天成为定义者的概率。

“四小龙”在能力图谱上各有侧重：智谱主打“全栈大模型平台”，在商业化落地上走得最远；DeepSeek锚定“开源+国产算力全栈”路线，试图在底层架构上弯道超车；MiniMax以多模态能力结合C端产品出海；月之暗面则在融资规模和产品力上倾注全部资源。

每家都是一张风格迥异的“定义权彩票”，当四张彩票同时涨到万亿，市场已不是在下注，而是在宣告：中国AI企业被集体纳入了“成为定义者”的溢价逻辑。

这种定价方式的加速度令人咋舌。4月中旬，DeepSeek估值还停留在一级市场百亿美元量级，短短一个月内就飙升至450亿至500亿美元。同时，月之暗面半年内完成近40亿美元融资，估值从约43亿美元突破200亿美元大关。

最值得关注的信号，是国家集成电路产业投资基金——即“国家大基金”——亲自下场领投DeepSeek。当国家的芯片产业战略基金将AI大模型公司纳入投资组合时，其潜台词极为清晰：大模型在战略位次上已经等同于芯片制造。

二级市场的反应同样说明了问题。智谱上市后累计涨幅达5至8倍。摩根大通测算，当前市场价格已隐含智谱2026年底ARR达到约10亿美元、MiniMax达到约7亿美元的预期。市场不只是在押注它们能达到这个数字，而是在押注它们能走出一条“Anthropic式的增长曲线”。换言之，现在的估值，押的是一个“中国版Anthropic”故事的全部兑现。

但参照系摆在眼前。以Anthropic为例，其Claude大模型年化收入已突破数百亿美元，最新估值逼近9000亿美元，市销率约为27倍。而智谱的市销率已超过500倍，——中国AI公司每一元收入承载的估值期望，远超美国同行，是美国同行的十几倍甚至二十倍。一旦增速不达预期，今天的万亿估值便是沙滩上的楼阁。

云启资本的管理合伙人陈昱，投了MiniMax多轮，在这个问题上讲了一句很耐人寻味的话：万亿估值“短期非理性，长期仍低估”。

这或许折射出了这轮估值狂欢最深的张力。

Part 2

我们的实力，究竟配不配得上这场估值狂欢？

斯坦福大学HAI（以人为本人工智能研究院）于2026年4月发布的《2026人工智能指数报告》给出了一个似乎让国人开心的数据：截至2026年3月，美国顶尖模型Claude Opus 4.6的Elo评分为1503，中国顶尖模型紧随其后，两者差距仅有2.7%。仅仅三年前的2023年，OpenAI的GPT-4以超过1300分遥遥领先，中国模型的得分尚不足1000。

而从模型产出数量看，2025年美国发布了50个值得注意的顶级模型，中国发布了30个。2025年2月，DeepSeek-R1曾一度追平美国顶尖模型——这是中国大模型首次在通用人工智能能力上与全球最高水平站在了同一条起跑线上。

中国更擅长的，是另一条非对称竞争曲线：效率优势。摩根士丹利报告（《China's AI Path: More Bang For The Buck中国AI路径：更具性价比》2026年4月）揭示了一个关键事实——中国模型以美国同行15%至20%的推理成本，便可实现同等的智能水平。

这种成本效率差异的直接后果，已经在全球模型调用数据中得到验证。第三方平台OpenRouter的监测显示，中国头部模型的token消耗份额从2025年4月的约5%急剧攀升至2026年3月的32%，而美国头部模型的份额则从58%骤降至19%。也就是说，用户在同等智能的前提下，大规模转向了更便宜的中国API。

推动这一变化的，是显著的价格优势。以MiniMax某款模型为例，其输入价格约为每百万token 0.3美元，而Claude Opus高达5美元，相差十余倍。中国模型正在以美国同行几分之一的推理成本，提供同等智能水平的服务。

虽然在总体算力上，报告显示，美国拥有5427个数据中心，而中国仅有449个，两国数量差距仍超过12倍。

但中国能源的结构性优势或许弥补了这个差距。数据显示，中国2025年新增发电能力约540GW，约为美国新增量的8.5倍。西部（甘肃、内蒙古、贵州）绿电价格只要0.13-0.3元/度，而美国工业电价普遍在0.8-1.5元/度。这种能源禀赋的差异，使中国AI推理成本比美国低4-5倍。

有人调侃，这是“用义乌做小商品的逻辑，降维狙击硅谷的赛博魔法”。但弯道超车，终归要回到直道上来。在直道上，有一堵很难绕开的墙。

英伟达真正的护城河，从来不是GPU本身的算力优势，而是其构建的CUDA“事实标准”软件生态——近20年来，几乎所有主流AI框架、算子库、开源模型的首发优化都以CUDA为默认起点。

这导致中国AI产业长期陷入一种“有模型无算力”的被动局面：开发者使用英伟达GPU开发AI模型，其代码、训练成果全部绑定在CUDA生态中，迁移到其他芯片平台无异于推倒重来。

DeepSeek V4适配华为昇腾的经历，最能说明这种被动。V4原计划在2026年春节前后发布，但一推再推，直到4月才有了“数周内发布”的消息。

延期的核心原因并非模型本身的技术瓶颈，而是一场极其复杂的底层硬件大迁移——将模型从英伟达架构迁移到华为昇腾芯片。工程师需要手动重写关键算子，精度对齐反复调试，才能在英伟达与昇腾上取得一致结果。

这就是中国AI产业在底层架构上最真实的写照：我们能造出顶尖的模型，但要在非CUDA生态上跑起来，每一步都如履薄冰。

Part 3

4月15日，国家数据局发布的一份征求意见稿，很可能将成为中国AI发展史上一个被低估的重要节点。这份名为《关于推进行业高质量数据集建设行动的实施方案》的文件，首次在国家政策层面提出“探索词元交易”。

词元（Token）作为大模型处理信息的最小语义单元，被赋予了深刻的经济内涵——它成为连接技术供给与商业需求的标准结算单位。

而“词元交易”的提出，意味着中国正在尝试为AI服务的供给和消费设计一整套可量化、可定价、可交易的计量体系——就像电力的度、水量的吨一样，词元成为衡量人工智能服务的新尺度。

这份方案的战略意义远不止于技术交易本身。它标志着中国人工智能的发展重点正在从“模型好不好”的单一维度，升级为“智能服务如何计量、如何定价、如何交易”的全方位制度建设。

换言之，这既是中国在数据要素市场化浪潮中的一次精细构建，也是在标准与规则层面争夺AI生态“定义权”的一次先手布局。

AI竞争的核心，从来不只是技术能力的对抗，更是谁能为这个新兴行业制定标准。国家数据局的这份方案，说明中国政府已经意识到：技术追赶可以靠企业完成，但规则制定权必须靠国家的系统性工程来争夺。

与制度创新同步推进的，是国产算力生态的实质性突破。

2026年被业界称为“国产AI芯片训练落地元年”。华为昇腾、寒武纪、摩尔线程全线完成了“Day0”适配；DeepSeek V4首次将华为昇腾芯片与英伟达GPU并列写进硬件验证清单。2025年中国AI加速卡市场国产厂商出货量约165万张，市场占比攀升至41%。更关键的是，DeepSeek V4在适配昇腾芯片后，实现了高吞吐、低时延的推理部署。这是第一次在真实生产环境中系统性验证了非CUDA平台上承载核心大模型能力的可行性。

但“适配”和“好用”之间，还横亘着CUDA近二十年积累的文档、教程、社区和工具链，这些在国产算力生态中仍需从头建设。从能用到好用，还有漫长的路要走。

Part 4

我们离真正的AI强国，到底还有多远？

单看模型能力，2.7%的差距是个了不起的成就，斯坦福报告甚至直言中美顶尖模型性能差距“已几乎消失”。

但AI竞争从来不只是模型性能的比拼，而是围绕算力基础设施、基础模型、开源生态、实体经济融合、半导体供应链和安全治理展开的多维战争。

美国在前沿模型、先进芯片和超大规模数据中心方面仍保持明显优势；中国则在模型效率提升、开源生态扩散和应用落地方面形成非对称竞争力。

更何况，中国AI产业手中握着一张令人不敢轻视的底牌：15%-20%的成本和与全球顶尖水平几乎持平的智能输出。如果这套“低成本、高智能”的模式能够持续兑现，万亿估值就不仅仅是一个资本数字，而将是产业价值真正释放的信号。

2026年或许是一个关键的分水岭：

技术角度看，模型性能差距收窄至个位数、国产芯片训练元年开启、AI竞争从“参数竞赛”转向“生态系统战争”； 制度视角上，词元交易的提出标志着中国正在为全球AI数据要素定价提供自己的方案； 市场视角上，一级与二级市场完成了对中国AI企业的集体价值重估。

这三条线索交汇于一点，指向同一个趋势：一个真正的“非对称博弈”时代到来了——美国以资本和算力为盾，中国以效率和场景为矛。这既是追赶者的生存策略，也是定义者的博弈逻辑。

中国AI公司已经第一次拿到了去定义规则的门票。但门票到手和真正坐上牌桌之间，还隔着算力底座、软件生态、开发者生态三道硬坎。

跨过去，万亿只是起点；跨不过去，万亿就是终点。

此刻，牌局才刚刚开始。

* 所刊专家文章并不代表本中心观点。