科技专题分析报告：中美为何持续加码AI？

敬请参阅最后一页特别声明 1 中美各有优势，也都受制于将资源转化为算力的短板。 美国拥有领先的芯片、资本和模型资源，但 GPU 到位之后，电力接入、设备交付和地方审批仍可能拖慢投产。中国在电力扩张、设备配套和工程建设方面具备优势，先进芯片供给则是主要约束。美国需要加快基础设施建设，中国需要推进自主芯片、系统工程和模型效率优化。双方竞争既看投入规模，也看突破瓶颈的速度。 持续加码的背后，是企业竞争与国家战略的相互叠加。 企业率先放缓研发，可能失去市场份额和定价能力。安全倡议因此与产品迭代并行，监管规则也涉及行业门槛和竞争利益。国家层面，美国希望把技术领先转化为长期增长，并寄望于生产率提升缓解财政压力，中国则希望突破技术约束、推动产业升级。当 AI 关系到未来的产业位置，短期回报的不确定性就难以成为停止投入的充分理由。 这场“国家级内卷”可能让中美都变得更强，却未必让所有参与者都受益。竞争有望推动双方弥补短板，但产业能力提升能否覆盖投资成本，仍需商业化和生产率增长验证。劳动者可能先承担就业调整压力，第三方经济体虽然能够使用更便宜、更强的模型，也可能面临技术依赖和传统竞争优势受到挤压的问题。中美 AI 竞争未必需要一个绝对胜者，但技术收益与转型成本如何分配，将深刻影响全球产业格局。 风险提示 AI 技术进步及商业化落地不及预期；算力供给与基础设施建设不及预期；中美科技政策与监管变化超预期。 宏观专题研究报告 敬请参阅最后一页特别声明 2 扫码获取更多服务 内容目录 一、 中美 AI 竞争各自的比较优势 ............................................................. 3 二、 中美 AI 竞争为何持续加码 ............................................................... 6 三、 中美 AI 竞争将走向何处 ................................................................. 8 风险提示 ....................................................................................... 9 图表目录 图表 1： AI 产业运行机制示意图 .................................................................. 3 图表 2： 2026 年底全球主要地区数据中心 IT 容量预测（单位：GW） ................................... 3 图表 3： 按持有主体划分的 AI 累计算力（H100 等效） ............................................... 4 图表 4： 按持有主体划分的 AI 累计算力份额（%） .................................................. 4 图表 5： 按持有主体及芯片型号划分的 AI 累计算力（H100 等效） ..................................... 5 图表 6： 按持有主体及芯片型号划分的 AI 累计算力份额（%） ........................................ 5 图表 7： 美国公众对在本地社区建设 AI 数据中心的态度（%） ........................................ 6 图表 8： 美国不同党派公众对在本地社区建设 AI 数据中心的态度（%） ................................ 6 图表 9： 美国头部 AI 企业重要模型发布时间线 ..................................................... 6 图表 10： 中美主要模型智能指数与单任务成本比较 ................................................. 7 图表 11： 美国加码 AI 的经济逻辑——资本循环与科技化债 .......................................... 8 图表 12： AI 高暴露职业的就业下滑集中在 22–25 岁从业者 ........................................... 9 宏观专题研究报告 敬请参阅最后一页特别声明 3 扫码获取更多服务 全球 AI 竞争日趋激烈，模型之间的较量正从能力上限进一步延伸至具体任务的完成效率，既要提高任务完成质量，也要缩短耗时、降低调用成本。Artificial Analysis 的评测显示，美国模型仍占据最高能力区间，部分模型同时具备输出 Token 用量较少、生成耗时较短的优势。中国模型则在部分中高能力区间，凭借较低的调用成本展现出较强的性价比。 模型能力的差异，背后是算力资源、资本投入与基础设施条件的共同作用。芯片供给与资本投入影响算力资源的获取和扩张规模，电力保障则关系到数据中心的稳定运行和算力的持续供给。 一、 中美 AI 竞争各自的比较优势 数据中心是 AI 模型训练和推理的主要载体，芯片提供计算能力，电力保障持续运行，工程建设则影响数据中心的交付进度。从数据中心规模看，美国仍明显领先，中国则拥有较大规模的项目储备。SemiAnalysis 预计，到 2026 年底，美国数据中心 IT 容量将达到 56GW，中国超过 24GW，分别位居全球第一和第二。中国另有约 20GW 具备明确时间安排的储备项目，以及约 30GW 已宣布的规划项目。 图表1：AI 产业运行机制示意图 来源：国金证券研究所 图表2：2026 年底全球主要地区数据中心 IT 容量预测（单位：GW） 来源：SemiAnalysis,国金证券研究所 宏观专题研究报告 敬请参阅最后一页特别声明 4 扫码获取更多服务 在数据中心规模之外，芯片数量和性能进一步决定算力供给。Epoch AI 估算，截至 2025 年底，谷歌、微软、亚马逊、Meta 和甲骨文五家美国企业合计持有约 1436 万 H100 等效算力，占全球总量的 70.9%，中国约为 116 万，占比 5.7%。 从芯片构成看，美国在先进芯片获取和自研芯片部署方面具有优势，中国则更加依赖国产芯片。美国头部企业加快部署英伟达 B200、B300 系列芯片，同时扩大自研芯片应用。截至 2025 年底，谷歌自研 TPU 贡献了其约 75.5%的等效算力，亚马逊自研 Trainium 贡献约 41.7%。中国方面，华为昇腾芯片贡献约 71 万 H100 等效算力，占中国总量的 61.3%，英伟达芯片占比 34.8%，寒武纪和 AMD 芯片合计占比约 3.9%。 在先进芯片供给受限的背景下，中国企业通过芯片互联和软件优化提升系统级算力。华为