模型差距在缩小，AI算力投入差距为何仍可能扩大？

AI竞争正越来越像一场“资金与基础设施”的竞赛。穆迪的判断是：中国超大规模云服务商正在加快投资，但仍会显著落后于最大的美国同行，原因在于后者融资能力更强、全球业务更广，而且大规模基础设施建设已先行展开。28

关键约束不只是模型能力，而是资本

即使中美部分大模型在某些评测上的差距收窄，规模化训练和部署AI依然是重资本生意。芯片、服务器、网络、数据中心容量、土地、电力保障，以及长期容量承诺，都需要在服务收入得到验证前先行投入。

穆迪指出，中国科技公司正提高AI投资，但与美国同行相比，其收入基础较小、财务灵活性较弱。这会使企业更难在维持运营和资产负债表稳健的同时，长期维持高速资本开支追赶。2

相比之下，美国最大的科技平台可以用云服务、广告、软件和消费级平台等多个大型业务的现金流支撑基础设施投入。不过，这并不意味着美国企业没有风险。穆迪也警示，AI推动科技公司从相对“轻资产”的模式转向更重资产的模式，可能压缩自由现金流并影响信用质量。8

按Token计费，为何让投入压力更直接

许多AI原生服务按Token（模型处理或生成文本时使用的基本计量单位）或实际用量收费。这种模式下，计算资源成为每一次客户交互的直接成本：无论服务通过API、企业产品还是消费级应用交付，提供商都需要为推理算力付费或预先配置容量。

对于基础设施充足、使用率较高的企业，大规模自建或锁定算力容量，有助于增强成本和供给的可控性。对内部现金生成能力较弱的提供商而言，同样的扩张则会让低价获客、增加容量与获取投资回报之间的取舍更为艰难。

阿里巴巴的预期也说明了回报周期并不短。公司首席执行官表示，按当前平均毛利率估算，AI相关资本开支预计约在三年内实现盈亏平衡。1 这提醒市场：AI需求增长，并不等同于基础设施投资能够立即盈利。

投入规模的差距依然悬殊

穆迪称，中国超大规模云服务商未来两年仍将大力投资AI，但资本开支会持续远低于美国竞争对手。2

美国正在进行的建设规模可说明这一差距。根据《福布斯》援引的穆迪分析，Alphabet、亚马逊、CoreWeave、Meta、微软和甲骨文这六家美国大型超大规模云服务商，2026年合计资本开支约为7850亿美元，2027年将接近1万亿美元。8

其他预测也指向相同方向。三菱日联金融集团（MUFG）援引的预期显示，“五大”超大规模云服务商2026年资本开支将超过6000亿美元，其中约4500亿美元将直接投向AI基础设施，包括服务器、GPU、数据中心及相关设备。3

具体比较会因统计口径不同而变化，例如纳入哪些公司、哪些支出类别。但方向清晰：中国厂商正在积极投入，而美国龙头部署资本的绝对规模很难被逐美元追平。

债务能提前扩容，也会放大财务风险

外部融资可以让企业在仅靠经营现金流不足以覆盖时更早建设产能。但债务、股权融资、租赁以及长期容量承诺，也会把更多风险带到资产负债表上。

这并非中国企业独有的问题。穆迪将AI基础设施扩张描述为整个行业由轻资产科技企业向资本密集型运营商转变的过程，融资需求普遍上升。8

但对中国云平台而言，内部资金基础相对较小，使这种转变更具影响。随着AI投入增加，若更依赖借款或外部融资，企业可能同时面对利息支出、再融资风险和自由现金流压力，而基础设施成本又需前置支付。穆迪特别指出，中国企业提高AI支出将对现金流和杠杆水平形成压力。2

对全球AI竞争意味着什么

持续存在的基础设施差距，可能让美国超大规模云服务商在前沿模型训练、大规模推理部署和全球云服务分发方面占据优势。美国联邦储备委员会的研究同样认为，美国在算力、基础设施和投资条件上拥有重要优势。17

这并不意味着中国企业无法竞争。其可能的竞争路径包括提升模型与系统效率、聚焦国内需求、通过开放生态部署模型，以及侧重那些更看重成本与上线速度、而非拥有最大算力集群的应用场景。

由此形成的可能是一个更趋分化的AI市场：美国企业拥有为前沿基础设施融资的突出能力；中国企业则更多依靠高效率模型、选择性部署和本地化规模云生态参与竞争。半导体获取是这场竞争的重要组成部分，但现有穆迪材料没有量化美国出口管制将如何影响中国企业到2028年的资本开支。

关于“2028年”的重要限定

现有报道所述的穆迪展望主要覆盖未来两年，美国支出预测则给出了2026年和2027年的数字。材料支持“差距可能持续存在”的判断，但并未给出穆迪对中国或美国2028年AI基础设施支出的具体美元预测。28