点击蓝字

关注我们


前言




2025年5月，摩根士丹利发布《中国人工智能：马上苏醒的巨人》报告，深入分析了中国在人工智能领域的战略布局与发展潜力。报告指出，中国正通过自上而下的策略，构建涵盖基础设施、数据、人才和创新的人工智能生态系统，推动人工智能与产业深度融合，有望在全球人工智能竞争中占据重要地位。


报告强调，尽管面临美国芯片限制，中国凭借高效算法、开源模型（如DeepSeek-R1）及成本优势，在人工智能应用落地速度上领先，且人工智能已开始助力经济增长，预计可创造相当于2024年中国名义GDP4.7%的劳动价值，到2030年投资回报率达52%。在行业应用方面，2C领域依托超级应用和人工智能原生应用快速渗透，2B领域虽采用（adoption）较快但变现（monetization）滞后，硬件和能源领域则需应对GPU自主化和绿色算力需求。


摩根士丹利在文中指出，美国的出口限制虽对中国的人工智能发展构成短期挑战，但中国正通过发展本土人工智能芯片和优化算法来应对。同时，中国在量子计算、神经形态计算和光子计算等前沿领域取得进展，进一步增强了其AI技术实力。



图片


一、中国在全球人工智能竞赛的位置与动态竞争



摩根士丹利指出，中国在全球人工智能竞赛中已从“跟跑者”逐步转向“关键参与者”，凭借政策协同、数据规模与成本效率构建独特优势。截至2024年，中国拥有全球47%的顶尖人工智能研究者，人工智能专利占比超50%，并在开源模型领域实现突破（如DeepSeek-R1以1.1美元/百万token的成本实现比肩GPT-4的性能）。政府通过《新一代人工智能发展规划》等顶层设计，推动“全栈式”生态建设，形成从基础算法（如百度飞桨）到行业应用（如智能制造、智能驾驶）的完整链条。


尽管美国在高端芯片（如NVIDIAH100）供应上实施限制，中国通过存量GPU库存（如H20芯片）、国产替代（华为昇腾910B）及算法优化（混合专家模型MoE）突破算力瓶颈，预计2027年GPU自给率从34%提升至82%。差异化策略体现在聚焦应用落地而非单纯追求模型规模，例如字节跳动的Doubao模型以0.1美元/百万token的低价推动全民人工智能普及，而美国更侧重基础模型研发。摩根士丹利预测，中国人工智能有望在2030年实现全产业链自主，核心产业规模超1万亿元，相关产业达10万亿元，成为全球人工智能创新双极之一。


中国连续两年在全球人工智能产业集群前100强数量中居于领先地位



二、监管策略与创新自由的平衡路径




摩根士丹利强调，中国正通过“标准先行”策略提升全球人工智能治理话语权，计划2026年前建立50套人工智能国家标准，涵盖模型安全、数据治理、行业应用（如智能驾驶测试标准），并参与20项国际标准制定。与西方“封闭模型+订阅制”模式不同，中国以开源生态（如HuggingFace中国模型占比40%）和低成本硬件（如寒武纪MLU370芯片）推动技术普惠，吸引新兴市场采用“中国方案”。例如，DeepSeek开源模型已被东南亚开发者用于本地化应用，成本仅为Open人工智能方案的1/10。


在伦理与监管层面，中国建立“创新与可控平衡”框架，要求生成式人工智能服务备案（如2024年批准188个生成式人工智能产品），强调数据主权与国家安全。这种模式与欧盟《人工智能法案》的“风险分级”、美国的“自愿自律”形成差异，可能在智慧城市、工业互联网等领域形成区域性标准壁垒。摩根士丹利指出，中国通过“东数西算”等基础设施协同，正构建以绿色算力（2032年数据中心100%绿电）和开源生态为核心的“人工智能全球化路径”，挑战传统西方主导的技术生态。


中美欧人工智能标准制定的差异比较




三、中国人工智能的应用：2C和2B



在面对全球人工智能扩散趋势和技术竞争格局变化的背景下，OpenAI提出，美国在出口管制政策上应当兼顾安全底线与市场拓展两个方向。一方面，限制先进技术流向高风险国家，防止关键模型或芯片落入潜在对手手中；另一方面，主动扩大“民主技术朋友圈”，推动美方AI系统在国际市场中的接受度与部署率。



2C领域：超级应用驱动规模化渗透



摩根士丹利认为，中国2CAI以“超级应用+AI原生”模式快速落地。微信整合Yuanbao助手实现文档总结、图像生成，日活用户超5000万；抖音通过Doubao模型推出“AI视频生成”功能，用户日均使用时长增加20%。商业模式上采用“免费服务+广告/交易分成”，例如淘宝AI导购带动2024年GMV增长15%，美团AI客服降低30%人力成本。摩根士丹利预测，2030年2CAI贡献消费端价值5560亿元，其中电商（2710亿元）和社交广告（950亿元）为主要增长点。



2B领域：效率优先与monetization挑战



企业级应用聚焦降本增效，制造业AI渗透率从2023年12%提升至2025年25%，例如三一重工通过AI质检降低缺陷率18%。但与美国订阅制（如SalesforceAICloud）不同，中国企业偏好“开源模型+私有部署”，48%的CIO选择第三方定制开发，仅21%愿为开源模型付费。政府与国企成为早期adopters，例如中国移动AI算力利用率从20%提升至68%，但中小企业受预算限制，AI支出中硬件占比达34%（高于软件的40%），导致软件厂商收入增速滞后于技术落地速度。摩根士丹利指出，2BAI需突破“工具化”陷阱，通过行业垂直模型（如医疗影像分析）提升付费意愿。


中国主要人工智能原生应用程序的功能和定位比较




四、版权制度与AI发展空间的政策博弈



摩根士丹利强调，中国人工智能在硬件领域面临“卡脖子”压力与国产替代机遇。高端GPU依赖进口（如NVIDIAA800/H800），但华为昇腾910B已实现等效A10070%性能，采用7nm工艺（中芯国际代工），2027年产能预计达26万片/月。存储芯片方面，长鑫存储DRAM自给率从2018年0%提升至2024年18%，长江存储NAND突破232层技术。开源芯片架构RISC-V成为突破口，阿里巴巴玄铁处理器已用于边缘计算，降低对ARM的依赖。计算基础设施呈现“东西协同”格局：东部聚焦低延迟推理（如长三角数据中心），西部利用绿电优势承接训练任务（如贵州“东数西算”枢纽）。2024年数据中心功率需求占全国1.8%，2027年将达2.9%，催生液冷技术（如华为间接蒸发冷却）和智能电网配套。摩根士丹利强调，尽管短期面临EDA工具（仅13%自给率）和光刻机限制，但中国通过“AI-in-a-Box”一体机（华为Atlas900）和异构计算（CPU+GPU+NPU混合架构），正构建自主可控的计算栈，目标2030年实现AI算力自主化。



主理人丨刘典
编辑丨郜晗轩（华东师范大学）

排版丨李森（北京工商大学）

审核丨梁正 鲁俊群



关 于 我 们




清华大学人工智能国际治理研究院（Institute for AI International Governance, Tsinghua University，THU I-AIIG）是2020年4月由清华大学成立的校级科研机构。依托清华大学在人工智能与国际治理方面的已有积累和跨学科优势，研究院面向人工智能国际治理重大理论问题及政策需求开展研究，致力于提升清华在该领域的全球学术影响力和政策引领作用，为中国积极参与人工智能国际治理提供智力支撑。



新浪微博：@清华大学人工智能国际治理研究院

微信视频号：THU-AIIG

Bilibili：清华大学AIIG



内容中包含的图片若涉及版权问题，请及时与我们联系删除