国产AI算力、DeepSeek成本优势与企业级LLM商业化成为核心线索

概览

本报告整理了野村中国互联网团队与一家中国研究机构附属AI实验室专家的电话会议要点。该实验室的自有基础模型已部署于超过100家企业客户。报告重点讨论中国LLM行业的硬件供给约束、DeepSeek开源模型背后的真实成本壁垒、基础与先进模型的价格分化，以及企业客户采用AI时在安全、合规和投资回报之间的取舍。

核心观点

核心观点是，中国LLM行业并非简单进入全面价格通缩。基础模型因任务商品化、迁移成本低，仍可能被供应商用作低价获客工具；但面向大型企业的高性能模型、定制化服务和嵌入式工作流解决方案，因客户更重视可靠性、完成质量、延迟和服务稳定性，具备更稳健的定价前景。DeepSeek的优势不只是模型权重开源，而是推理环节的系统级效率、运维经验和硬件利用率，因此第三方云平台即使部署同一开源模型，也未必能复制其原生部署成本。

分析框架

报告采用专家访谈和行业反馈归纳方法，从供应端的算力与模型效率、需求端的企业采用门槛、以及商业化场景三个维度分析中国LLM产业链。讨论对象包括Nvidia高端芯片、华为Ascend国产加速器、DeepSeek开源模型、云厂商部署效率，以及金融、办公、代码、制造、法律和医疗等垂直应用。

方法论与常识提炼

• 行业专家访谈LLM专家电话会议

  专家访谈法

  通过具有企业级模型部署经验的行业专家，验证LLM供给、定价、硬件和商业化趋势。

• 产业链分析硬件约束与推理经济性分析

  AI算力供需与单位推理成本

  从高端芯片供给、价格变化、国产加速器替代和模型推理效率角度判断供应商成本结构。

• 商业模式分析基础模型与先进模型价格分层

  客户获取与工作流锁定

  将低端通用模型视为获客入口，将先进模型和定制服务视为更具黏性和定价权的收入来源。

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）。

• DeepSeek

  未上市模型厂商和开源模型生态核心参与者

  优势

  推理成本较低，系统级优化、缓存效率、低延迟和硬件利用率较强，官方API定价更具灵活性。

  劣势

  部分关键实现细节和运营经验不公开，外部投资者难以直接映射到上市资产。

  对比

  相比部署同一开源模型的云平台，原生部署效率更高、平均推理成本更低。

  风险

  开源策略、商业化路径、竞争格局和监管环境变化可能影响长期价值。

• Huawei Ascend

  国产AI加速器代表

  优势

  在高端Nvidia芯片供给紧张和价格上涨背景下，推理场景经济性提升，政府和国企本地化部署偏好有利于采用。

  劣势

  生态、软件适配和高端训练能力仍需与国际领先硬件竞争。

  对比

  相较Nvidia高端芯片，价格涨幅较温和，国产替代吸引力增强。

  风险

  供应链、性能迭代、生态适配和客户迁移成本仍是主要不确定性。

• Tencent (700 HK)

  云平台和模型部署参与者

  优势

  拥有云服务、企业客户和应用生态基础，可承接开源模型部署和企业AI需求。

  劣势

  若部署同一开源模型但效率低于原厂，可能承受成本和价格竞争压力。

  对比

  报告称云厂商部署DeepSeek开源模型时，可能难以复制DeepSeek原生部署的成本优势。

  风险

  模型同质化、API价格下行、算力成本和企业客户ROI要求。

• Alibaba (BABA US)

  云平台、Qwen模型与开源/闭源策略参与者

  优势

  具备云基础设施、Qwen模型生态和企业服务能力。

  劣势

  开源有助于品牌和开发者生态，但大规模专有模型变现仍依赖闭源和企业级服务。

  对比

  报告提到Alibaba早期支持开源，但最新旗舰模型Qwen3.6Max以闭源产品形式推出。

  风险

  开源与闭源策略平衡、价格竞争、算力成本和客户需求变化。

• Nvidia (NVDA US)

  高端AI训练芯片供应商

  优势

  高端训练硬件需求强劲，供给紧张支撑价格。

  劣势

  价格上涨和供应受限使国产替代在中国推理场景中更具吸引力。

  对比

  报告称部分高端Nvidia芯片过去一年价格显著上涨，涨幅高于国产加速器。

  风险

  中国市场供应限制、客户转向国产硬件、推理场景性价比压力。

关键数据

• 专家所在实验室企业客户数量超过100家该实验室的自有基础模型已在超过100家企业客户中部署。
• 私营企业AI投资回收期要求12至18个月专家称民企客户通常希望清晰看到初始AI投资可在12至18个月内收回。
• 工业制造工作流渗透率估计低于10%专家认为工业制造AI应用仍处早期阶段，随着多模态能力提升有望加速。
• Nomura Group Buy评级占比58%披露部分显示Nomura Group全球股票研究中Buy评级占58%。
• Nomura Group Neutral评级占比39%披露部分显示Neutral评级占39%。
• Nomura Group Reduce评级占比3%披露部分显示Reduce评级占3%。

影响与含义

对投资研究而言，LLM行业的关键变量正在从单纯模型能力竞争转向算力成本、部署效率、客户工作流嵌入和垂直场景变现。国产AI加速器在推理侧的性价比改善可能提升本土硬件和软件适配生态的重要性；同时，开源模型不必然削弱原厂优势，具备系统级优化和商业化渠道的模型厂商仍可能保持差异化。云厂商和互联网平台若只依赖开源权重和价格竞争，可能面临成本与定价压力；若能提供稳定、低延迟、合规且嵌入业务流程的企业服务，则更可能获得可持续收入。

风险

• 高端AI芯片供应持续紧张可能限制模型训练和企业部署节奏。
• 基础模型API价格继续下行可能压缩通用模型服务利润率。
• 开源模型的品牌和生态优势不一定转化为直接变现能力，闭源与定制化路径仍存在执行风险。
• 政府、国企和私营企业对安全、合规和ROI的要求不同，可能拉长销售周期。
• 企业客户若无法在12至18个月内看到明确回报，可能推迟或缩减AI投入。
• 法律、医疗、制造等高潜力行业存在监管、数据安全、系统集成和可靠性门槛。

后续跟踪

• Nvidia高端芯片与国产AI加速器的供给、价格和性能差距变化。
• DeepSeek、Qwen、GLM、Moonshot等中国模型在推理成本、代码能力和企业部署中的相对表现。
• 基础模型API价格是否继续下探，以及先进模型和定制化服务是否能维持溢价。
• 云厂商部署开源模型后的真实单位推理成本、延迟和服务稳定性。
• 政府、国企本地化部署需求与私营企业ROI导向需求的订单转化。
• 金融、办公生产力、代码、制造、法律和医疗场景的付费渗透率。