高盛 Ronald Keung 团队发布了一份长达 50 页的中国 AI 模型报告，其核心结论指出：“在 AI 领域消耗 Token 最多的两大应用——智能代理（Agent）和编程（Coding），目前已大规模迁移至中国模型上运行。这并非因为中国模型的品质超越了美国，而是因为其极低的单价使得‘不使用它’变成了一个需要向 CFO（首席财务官）做出合理解释的商业决策。”

这种“便宜”并非偶然，而是一场有计划、有策略的亏损换市场行为。以下是该战略的具体拆解：

一、 为什么能做到这么便宜？

目前，中国头部编程模型（如混合架构模型）的 Token 定价约为 1 美元/百万 Token，而美国最先进的同类模型（SOTA）价格则在 4 至 8 美元/百万 Token 之间，价差高达 4 到 8 倍。这种极致性价比的背后，是多维度的系统性支撑：

• 模型架构优化（MoE 技术）： 真正的差异在于混合专家（MoE）架构的激活比例被压得极低。例如，DeepSeek V4 Pro 每个 Token 仅激活 3% 的参数，GLM 5.2 仅激活 5.4%，而相比之下，许多美国模型的激活比例推测在 10% 左右。这意味着在生成相同内容时，实际消耗的计算资源大幅减少。

• 人才成本优势： 中国 AI 工程师的平均年薪与美国同行存在 3 到 5 倍的差距，这为企业在研发环节提供了巨大的成本压缩空间。

• 硬件与政策的博弈： 虽然很多人认为国产芯片（如昇腾）比 NVIDIA H100 便宜，但实际上单卡单价相近，甚至按算力（per-FLOP）计算可能更贵。企业选择国产化方案的核心并非单纯为了省钱，而是为了确保供应链安全，不被“卡脖子”。

• 电力成本洼地： 甘肃、贵州、内蒙古等地方政府将 AI 数据中心的电价大幅削减至 0.4 元/kWh。更重要的是，政策上存在“排他性激励”——使用 NVIDIA 芯片的数据中心可能无法享受补贴，而采用国产芯片的则能获得支持。这促使企业纷纷转向国产算力底座。

据测算，这些模型目前的息税前利润（EBIT）利润率处于 -30% 到 -39% 的亏损状态。值得注意的是，高盛采用了最严苛的会计准则（计入训练成本摊销，不计算 EBITDA），真实反映了当前的“失血”状况。

二、 为什么敢亏本经营？

这种看似激进的“烧钱”策略背后，有着严密的商业逻辑和财务模型支撑。高盛的预测模型显示，只要 Token 的总消耗量在 2030 年能达到当前的 25 倍，规模效应就会发挥作用，将利润率一举翻正至 +14% 至 +22%。

因此，当前的亏损是带有明确试算表的战略性投入。为了加速这一拐点的到来，中国市场正在发生以下变化：

• 算力补贴与需求侧刺激： 地方政府和园区开始替中小企业支付高达 80% 的算力账单，发放“算力券”直接补贴需求端。

• 抢占高频场景： 厂商们正以极低的价格疯狂抢夺 Token 消耗密集的场景（如软件开发、数据处理），意图迅速做大盘子。

这一切都在共同推动同一个飞轮：通过低价刺激需求，用庞大的消耗量提前兑现 25 倍的规模红利。

三、 谁在用脚投票？

市场的选择已经通过数据显现出了明显的倾向性：

• 极致的性价比案例： 一个软件开发 Agent 每天约消耗 709 万 Token。如果使用中国模型，成本仅为 13 美元/天；若使用美国 SOTA 模型，成本则高达 52 至 104 美元/天。这意味着，同样的预算，中国企业可以用 13 美元跑 100 个 Agent，而美国方案只能跑 25 个。

• 市场价格指数的变迁： 行业 Token 均价指数（可类比为 Token 界的油价指数）在 6 月初见顶（2.07 美元）后，目前已跌至 1.67 美元。价格的下跌并非因为某家厂商单方面降价，而是整体的市场需求结构正在向“更便宜的中国模型”大规模迁移。

• 开发者生态的数据： 在开发者常用的 OpenRouter 平台上，来自中国模型的流量已占据 Agent Token 消耗的 85%，以及代码生成 Token 消耗的 89%。虽然该平台用户以中小开发者和初创团队为主，未能覆盖全部市场，但这一趋势极具代表性。

四、 总结：新的游戏规则

正如文中所言，到 2030 年实现盈利的前提是“25 倍用量”的假设能够成真，这目前仍是基于财务模型的预测。

中国厂商当下的核心目标，并非单纯与美国争夺“模型质量王座”，而是在争夺“每一百万个 Token 到底该值多少钱”的全球定价权。他们正沿着“极致性价比”的路线一路狂奔，用亏损换取规模，用规模定义标准。