The Value Depression in China's AI Infrastructure: 85% of Global Compute Traffic, Only 10% of Market Revenue

中国 AI 模型已悄然主导全球算力消耗，但其基础设施的市场估值却与这一体量严重背离——这或许是当前 AI 投资领域最被忽视的套利机会。

据 zerohedge 周二报道，OpenRouter 数据显示，中国开源模型承载了全球 85% 至 89% 的智能体与代码生成 token 流量，但对应的算力消费收入占比仅为 10% 至 16%。换言之，市场目前定价的是一个 10% 的变现故事，而其背后支撑的是一个 85% 的流量现实。

与此同时，美国 AI 算力基础设施的企业价值合计约 1750 亿美元，中国同类资产仅约 200 亿美元——单一 CoreWeave 的市值，足以买下中国头部算力三巨头近四倍。

基本面正在出现拐点。GDS（万国数据）刚刚录得上半年创纪录的 470 兆瓦新签预订量，并上调全年业绩指引，同时恢复盈利；VNET（世纪互联）将于 8 月 18 日发布财报。估值洼地已然存在，基本面的向上拐折正在成为催化剂。

流量领先，变现滞后

中国开源模型在全球 AI 使用量中的主导地位，已超出多数投资者的认知。

在 OpenRouter 平台——目前追踪开源模型使用情况最具代表性的公开数据源——中国模型承载了全球 85% 至 89% 的智能体任务与代码生成 token 流量，但对应收入占比仅为 10% 至 16%。这一剪刀差揭示出一个结构性错位：市场定价反映的是当前变现能力，而非底层流量规模。

分发端的数据同样印证了这一趋势。阿里巴巴旗下 Qwen 模型在过去六个月内累计下载量突破 30 亿次，超过 Meta 与谷歌同期下载量之和。

这一逻辑的演进路径清晰：先以规模赢得流量，再以流量驱动变现。

前沿性能，分数级定价

高流量并非来自低质量模型的堆砌。中国开源模型已跻身全球顶级代码能力排行榜，Kimi K3 目前位居 Arena 前端代码排名榜首，Qwen 3.8 Max 紧随其后。

然而在定价上，中国前沿模型的 API 调用费用约为每百万 token 0.20 至 2.30 美元，而美国头部模型的对应价格为 4 至 8 美元。

这一价差正在收窄。智谱 AI（Zhipu）年初至今已累计提价约 110%，并指引年化经常性收入（ARR）从 2.5 亿美元增长至年底约 10 亿美元。

定价策略的逻辑与流量策略一脉相承：先以低价锁定用户，再逐步提升货币化率。

算力约束的方向正在对调

此前看空中国 AI 的核心逻辑是：缺乏顶级芯片，无法参与前沿模型竞赛。这一约束正在松动。

美团旗下 LongCat 2.0 已完全基于 5 万张华为 Atlas 950 芯片完成端到端训练。据高盛预测，中国 AI 芯片自给率将从当前的 42% 提升至 2030 年的约 70%。

与此同时，美国的约束方向恰好相反。高盛预计，美国可用电力冗余容量将在 2030 年收缩至约 130 吉瓦，而中国同期将扩张至约 400 吉瓦。

芯片差距在缩小，电力差距在扩大。

估值错位：一个 CoreWeave 买下中国四倍

估值差距在具体数字面前更为直观。

美国 AI 算力企业的市值区间约为 90 亿至 750 亿美元，中国同类企业仅为 20 亿至 70 亿美元。以企业价值计，美国约 1750 亿美元，中国约 200 亿美元。

单以 CoreWeave 的市值，可以买下中国头部算力三家公司近四倍。

收入层面的对比同样耐人寻味。Applied Digital（APLD）年收入仅数亿美元，市值却高于指引年收入约 17 亿美元的 GDS。

同样是 AI 基础设施建设周期，定价却截然不同。

买基础设施，而非模型本身

这一错位在产业链上移一层后同样存在，且方向更为极端。

投资者愿意为智谱 AI 等中国模型实验室支付约 177 倍经常性收入的估值，而托管这些模型的阿里巴巴、腾讯等基础设施层，市盈率仅约 15 至 17 倍。

每一个增量 token，最终都需要算力来承载。

以 177 倍买模型，不如以 15 倍持有向所有模型收取"租金"的基础设施层。

廉价本身不构成投资逻辑，需要基本面的配合。GDS 刚刚公布上半年创纪录的 470 兆瓦新签预订量，另有 600 兆瓦处于预留状态，同时上调业绩指引并恢复盈利。VNET 将于 8 月 18 日发布财报，届时将提供进一步的基本面验证。