LLM专家电话会：国产AI加速器经济性提升，先进模型商业化韧性更强

概览

本报告总结Nomura中国互联网团队与一家中国AI实验室专家的电话会。该实验室隶属于研究机构，已有自研基础模型部署于100多家企业客户。讨论重点包括高端AI芯片供需、国产加速器替代经济性、DeepSeek开源模型的真实壁垒、LLM价格分化、企业采用门槛以及最具商业化潜力的行业。

核心观点

核心观点是：第一，高端训练硬件供给仍偏紧，Nvidia高端芯片价格大幅上行，国产加速器也涨价但幅度较小，因而在推理场景中更具成本吸引力。第二，开源并不等于商业秘诀公开，DeepSeek的低推理成本依赖系统级运营效率、缓存、延迟和硬件利用率，第三方平台即使部署相同开源模型也难以完全复制。第三，LLM行业并非全面通缩，基础模型价格下行主要用于获客，而先进模型和定制服务因可靠性、质量、延迟、稳定性和高切换成本仍可保持溢价。第四，金融服务、办公生产力、代码、制造、法律和医疗被认为是未来收入贡献最重要的垂直领域。

分析框架

报告采用专家访谈与行业观察相结合的方法，将AI产业链拆分为硬件供给、模型部署效率、模型价格策略、企业客户分层和垂直行业商业化机会，并通过DeepSeek、Nvidia、Huawei Ascend、Tencent、Alibaba、ByteDance、Moonshot等案例辅助判断。

方法论与常识提炼

• 专家访谈LLM专家电话会

  通过一线AI实验室专家反馈判断行业供需、成本与商业化趋势。

  专家所在机构已将自研基础模型部署到100多家企业客户，因此其观点可反映企业采用、模型定价和本地化部署的实际约束。

• 产业链分析AI硬件与模型运营效率框架

  将LLM成本拆分为芯片供给、推理效率、缓存效率、延迟和硬件利用率。

  报告强调DeepSeek优势不只是模型开源，而是系统级优化与运营经验，使其在相似硬件条件下仍能取得更低平均推理成本。

• 商业模式分析模型价格分层框架

  区分基础模型获客价格和先进模型/定制服务溢价。

  基础模型处理同质化任务且客户迁移成本低，价格竞争激烈；先进模型嵌入生产工作流后切换成本高，供应商具备更强议价能力。

标的映射与对比

研报将主题/逻辑映射到具体标的时的结构化摘要（优势、劣势、对比与风险）。

• NVIDIA CORP (NVDA.US)

  上游高端AI芯片供应商，报告提及其高端芯片供给紧张和价格上涨。

  优势

  高端训练和推理芯片仍具强需求，部分高端产品过去一年涨价明显。

  劣势

  在中国市场面临国产加速器经济性提升和本地化替代吸引力增强。

  对比

  相较国产加速器，Nvidia高端芯片涨价更明显；国产硬件在推理负载中的成本吸引力上升。

  风险

  供给紧张、价格高企、客户向国产硬件迁移和地缘/监管限制可能影响中国相关需求。

• DeepSeek (unlisted)

  中国LLM模型提供方，报告重点讨论其低推理成本和开源策略。

  优势

  系统级优化、缓存效率、低延迟和硬件利用率带来较低平均推理成本，并支持官方API更灵活定价。

  劣势

  部分实现细节和运营经验难以外部验证，且开源策略未来是否持续存在不确定性。

  对比

  即便Tencent、Alibaba、ByteDance等平台部署同一开源DeepSeek模型，专家认为DeepSeek原生部署效率仍更高。

  风险

  基础模型价格战、闭源商业化趋势、竞争模型升级和企业客户ROI审查。

• Tencent (700 HK)

  云和互联网平台，报告提及其部署开源DeepSeek模型。

  优势

  具备云基础设施和企业客户触达能力，Nomura评级为Buy。

  劣势

  部署同款开源模型不一定能复制原开发者的运营效率。

  对比

  与DeepSeek原生部署相比，第三方平台可能在平均推理成本和效率上处于劣势。

  风险

  模型价格竞争、企业客户切换、成本效率不足。

• Alibaba (BABA US)

  云和AI模型平台，报告提及其Qwen及开源/闭源策略变化。

  优势

  拥有Qwen模型生态和云平台能力，Nomura评级为Buy。

  劣势

  最新旗舰模型Qwen 3.6 Max被描述为闭源，显示开源策略并非固定路线。

  对比

  早期推动开源生态，但闭源仍被视为大规模变现专有模型的主要路径。

  风险

  开源生态与闭源变现之间的战略取舍、基础模型价格下行、竞争模型迭代。

关键数据

• 企业客户数量超过100家专家所在AI实验室的自研基础模型已部署于超过100家企业客户。
• NVDA评级Not rated报告提及Nvidia (NVDA US, Not rated)芯片供给紧张与价格上涨。
• 企业AI投资回收期要求12至18个月民营企业更关注AI初始投资能否在12至18个月内收回。
• 工业制造AI渗透率低于10%专家估计工业制造工作流中的AI采用仍处早期，渗透率低于10%。
• Nomura全球股票研究评级分布Buy 58%; Neutral 39%; Reduce 3%披露页给出的Nomura Group Global Equity Research评级分布。

影响与含义

投资含义上，高端AI芯片紧缺强化了国产加速器在中国推理场景中的替代逻辑；模型层面，单纯开源权重不足以消除领先厂商的运营壁垒；应用层面，具备高质量专有数据、强ROI和深度工作流嵌入的行业更可能率先贡献LLM收入。对互联网和云平台而言，短期基础API价格战可能压低表观单价，但先进模型、定制服务和企业级稳定性仍可支撑长期变现。

风险

• 高端AI芯片供给持续紧张可能推高训练和推理基础设施成本。
• 基础模型价格竞争加剧，可能压缩同质化API工作负载的利润率。
• 企业客户对数据安全、合规、本地化部署和ROI可见度要求较高，可能拖慢采用节奏。
• 开源模型不保证持续开放，领先模型厂商可能转向闭源以加强变现。
• 第三方云平台部署开源模型时，若无法复制原开发者运营效率，成本优势可能不足。

后续跟踪

• Nvidia高端芯片与国产AI加速器的供给、价格和交付周期变化。
• 国产加速器在推理负载中的实际成本、稳定性和生态适配进展。
• DeepSeek及其他中国AI实验室是否继续开源前沿模型。
• 基础模型API价格与先进模型/定制服务价格是否继续分化。
• 金融、办公、代码、制造、法律和医疗领域的企业付费转化与ROI验证。