中国大模型与开源生态展现全球竞争力 硬件建设长周期仍处初级阶段｜2026WAIC深度访谈

《徽声在线》7月22日讯（记者 张宇，实习记者 陈思涵）“过去，市场主要围绕资本性支出（capex）进行上游硬件投资，但最近一两个季度，仅靠增加资本性支出已难以满足市场需求。”国联民生研究所副总经理兼海外研究首席分析师孔蓉在接受记者采访时表示，“AI整体基础设施建设的周期以及AI技术落地的周期，均比之前的互联网和云计算时代要长。因此，无论是存储周期还是硬件周期，都将是一个时间跨度更长的周期。”

2026年7月19日，孔蓉做客WAIC 2026徽声在线专访直播间。孔蓉团队长期在全球AI产业一线进行深入调研，对AI硬件、上游供应链、应用场景以及模型发展进行了多年的跟踪研究。

孔蓉认为，AI产业正按照既定的节奏和步调稳步发展，对于即将到来的大厂财报季，市场可以保持乐观态度。她指出，中国的大模型和开源生态在全球市场上具有显著的竞争力，应用场景的不断拓宽为AI商业化提供了广阔的空间。然而，由于供需不匹配的问题长期存在，整体硬件和基础设施建设仍然处于前期阶段。

全球AI步入商业化盈利的“黄金时代”

随着AI技术的迅猛发展和股市的波动，今年全球AI领域与过去相比，最显著的变化是进入了真正实现商业化盈利的阶段。

尽管资本市场波动较大，投资者对META涉足算力租赁业务表示担忧，认为这可能意味着“算力过剩”，同时也在关注大厂未来的现金流状况。但孔蓉认为，META涉足算力租赁业务恰恰反映了整体算力需求的旺盛。“目前的算力租赁市场，预计两三年内就能实现回本。”

此外，她提到，META在考虑新业务后，决定在美国继续投资约400亿美元用于数据中心建设。

在孔蓉看来，市场的近期波动更多与交易层面和去杠杆有关。从产业进展来看，AI产业依然按照原有的节奏和步调发展。对于即将到来的大厂财报季，市场高度关注，除了资本性支出本身，商业化的收入增长也是焦点。

“过去，市场主要关注资本性支出带来的上游硬件投资机会，但最近一两个季度，仅靠增加资本性支出已难以满足市场需求。大家更加关注在持续投入下，投资回报率（ROI）如何，未来收入又将如何。因此，在财报季里，我们更关注企业到底能赚多少钱，以及能否持续盈利，这是未来影响AI投资的核心因素。”孔蓉分析道。

孔蓉认为，云厂商的财报仍然值得期待。影响AI板块及投资的重要指标包括商业化年度经常性收入（ARR）的增长，投资锚点主要关注Anthropic和OpenAI等领先企业。基于前期收入的快速增长，后续收入增速值得关注。近期发布的新模型，如Anthropic的claude fable 5以及国内的Kimi K3，发布后ARR拉动迅速，都是重要的参考指标。

国内大模型与开源生态持续保持市场竞争力

与海外模型在AI编程辅助、智能和算力方面的竞争相比，国内大模型过去似乎缺乏明确的核心竞争力。那么，未来国内大模型将如何展现其独特优势？

孔蓉认为，中国的大模型依然保持着快速推进的态势。

她向记者表示，Kimi K3发布后，不仅在国内受到广泛关注，海外生态评价和市场对其整体模型能力的反馈也非常积极。这表明，中国的大模型和开源生态依然保持着快速发展的势头。在当前整体token成本，尤其是海外token成本不断上升的背景下，开源模型因其较高的性价比而受到关注。美国一些公司也开始关注和使用开源模型，预计开源AI未来的市场份额将逐步提升，这将使中国的大模型和AI开源生态在全球市场上具有更强的竞争力。

针对业界对“AI模型可能吞噬一切”以及对软件业影响的担忧，孔蓉认为，随着AI模型能力的不断增强和在更多场景下的落地应用，AI产业链的价值分配将发生显著变化，从硬件到模型再到原有软件生态都将受到不同影响。但核心与数据相关、与安全认证相关的应用未来仍有广阔的成长空间。

未来，模型和AI的更强能力将不断拓宽应用场景。不仅限于编程代码领域，还包括桌面端智能体、机器人、生物医药等多个领域。这将为产业和投资带来众多机会。AI带来的不仅是自身模型的迭代升级，更将推动其他技术的发展。对于很多行业的研发端投入和原有研发效率的提升也将成为重要的投资机会，这也是AI商业化收入的重要来源。

硬件和基础设施建设仍处于前期阶段

随着今年商业化进程的加速推进，整体上游硬件需求持续旺盛。然而，扩产能在短期内难以迅速完成，供需之间的不平衡现象将持续存在。这带动了上游需求的旺盛增长，无论是GPU、存储还是MLCC（多层陶瓷电容器）等现货市场及股价均表现亮眼。孔蓉认为，尽管市场存在波动，但AI硬件的前景依然可观。

“AI周期与过去的互联网周期和云计算周期均不相同。整体基础设施建设的周期以及AI技术落地的周期都将比之前的互联网和云计算时代要长。因此，无论是存储周期还是硬件周期，都将是一个时间跨度更长的周期。”孔蓉分析道。

在这样的背景下看待投资机会，随着AI模型的迭代升级和应用场景的不断拓展，需求的未来增长仍然处于前期阶段。“供需不匹配的问题将长期存在。因此，这些硬件机会依然没有结束，无论是存储还是其他硬件领域都将存在众多机会。”

除了上游硬件外，影响整体AI发展的另一个重要瓶颈是能源和电力供应。中国作为电力大国，基础设施完善；但在海外，这将成为核心瓶颈。因此，从整体投资机会来看，上游硬件和基础设施建设仍然处于前期阶段且尚未完成。

（徽声在线记者张宇 陈思涵）