DeepSeek专家视角：中国LLM在编码、Agent和芯片供给上的机遇与约束
AI 摘要卡
DeepSeek专家视角：中国LLM在编码、Agent和芯片供给上的机遇与约束
汇丰通过DeepSeek产品经理Eric Chen的专家交流，梳理中国大模型竞争格局、与美国能力差距、芯片供给瓶颈以及AI商业化路径。
- 编码能力方面，专家认为Zhipu（Knowledge Atlas）、Kimi和DeepSeek处于国内领先位置，关键驱动包括后训练策略、数据质量、复合型人才和芯片资源。
- Agent能力方面，专家将Alibaba Qwen、Kimi和DeepSeek列为国内领先；腾讯和阿里受益于用户、数据和生态工具，独立实验室则依靠基座模型迭代和架构差异化。
- 中美能力对比上，专家认为中国视频生成已大体接近美国，但美国在文本/推理、多模态和Agent产品化方面仍分别领先约1-3个月、6个月和8-12个月。
- 芯片供给仍是约束：国产芯片当前覆盖中国推理需求不足40%，到2026年底或提升至40-45%，若7nm级生产突破则可能达到50%。
- 商业化方面，海外更依赖高价订阅和封闭生态，中国互联网平台更偏流量、云、电商和超级入口交叉变现，长期token价格下行将推动价值型服务和定制工作流收费。
研报解读
概览
本报告是汇丰关于中国AI与大模型产业的专家观点纪要，核心来自2026年5月8日与DeepSeek产品经理Eric Chen的交流。报告覆盖国内模型厂商在编码、Agent、多模态和视频生成上的相对位置，并讨论中美模型能力差距、国产芯片对推理需求的覆盖能力以及AI产品的商业化策略。
核心观点
报告的核心观点是：中国LLM生态在编码、视频生成和低成本模型方面具备竞争力，但在Agent成熟度、多模态数据质量、先进架构、人才和CUDA生态依赖方面仍落后于美国。短期内，先进芯片短缺可能限制训练效率和模型迭代速度，但不是能力差距的唯一决定因素。商业化将从单纯token消耗收费转向服务化、工作流定制和按交付价值定价。
分析框架
报告采用专家访谈与行业横向比较方法，将国内外模型能力拆分为编码、Agent、多模态、视频生成、芯片供给和商业化模式等维度，并辅以相关互联网与AI公司评级、现价和目标价摘要。
方法论与常识提炼
通过DeepSeek产品经理Eric Chen的行业经验判断中国LLM竞争格局。
该方法适合捕捉模型产品化、工程落地和商业化策略等公开数据难以完全量化的行业趋势，但结论依赖专家视角而非完整实证统计。
将大模型能力拆分为编码、Agent、多模态、视频生成、数据、人才和芯片资源。
报告通过分项比较来解释中国与美国模型能力差距，并识别不同国内厂商的相对优势。
汇丰使用目标价相对现价的上行/下行空间划分Buy、Hold、Reduce等评级。
报告附录说明，目标价通常反映6至12个月表现周期；当目标价较现价高20%以上通常分类为Buy，接近现价区间则通常为Hold。
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）。
- Alibaba / Qwen国内Agent能力和工具生态领先者之一
- 优势
- 拥有庞大生态、用户基础、专有数据和现成产品/工具，有利于Agent集成和商业化。
- 劣势
- 相对美国头部Agent产品，成熟工具套件和部署-ready产品层仍有差距。
- 对比
- 专家将Alibaba Qwen与Kimi、DeepSeek并列为国内Agent能力领先阵营。
- 风险
- 若Agent产品化速度慢于美国，可能影响商业化溢价。
- Tencent受益于大型互联网生态的中国AI平台
- 优势
- 拥有大规模用户基础、高质量专有数据和生态入口。
- 劣势
- 报告未将其列为编码或Agent第一梯队模型，但强调生态优势。
- 对比
- 与阿里类似，腾讯相对独立实验室更受益于生态和产品集成能力。
- 风险
- 模型能力和产品化节奏若落后，生态优势可能不足以转化为AI收入。
- DeepSeek国内领先大模型与低成本模型代表
- 优势
- 在编码能力方面被列为国内领先之一，价格下调有助于抢占份额。
- 劣势
- 作为独立实验室，需要通过基座模型迭代和架构差异化保持竞争。
- 对比
- 在编码方面与Zhipu、Kimi同属领先；在Agent能力方面与Alibaba Qwen、Kimi同属领先阵营。
- 风险
- 长期token价格下行可能压缩单纯API收入，需转向服务和工作流价值变现。
- Kimi国内编码和Agent能力领先模型之一
- 优势
- 专家在编码和Agent能力两个维度均将其列入国内领先阵营。
- 劣势
- 报告未提供具体商业化和财务数据。
- 对比
- 与DeepSeek、Zhipu、Alibaba Qwen等共同构成国内第一梯队模型对比对象。
- 风险
- 需持续投入数据、人才、架构和产品化能力以缩小与美国差距。
- Zhipu / Knowledge Atlas国内编码与多模态理解能力较强的模型公司
- 优势
- 专家认为其在编码能力领先，并点名其多模态理解能力较强。
- 劣势
- 股票表中Knowledge Atlas评级为Hold，目标价920.00 HKD低于现价923.00 HKD。
- 对比
- 编码能力与Kimi、DeepSeek同列领先；多模态理解与Minimax被专家点名。
- 风险
- 估值与盈利兑现压力，以及多模态数据质量差距。
- Minimax多模态理解和视频生成相关AI公司
- 优势
- 专家点名其多模态理解较强，并在视频生成方面与Kuaishou一同被提及。
- 劣势
- 股票表中评级为Hold，尽管目标价高于现价。
- 对比
- 在多模态理解上与Zhipu并列被提及，在视频生成上与Kuaishou并列被提及。
- 风险
- 视频生成竞争激烈，商业化和成本控制仍需验证。
- Kuaishou视频生成能力相关互联网平台
- 优势
- 专家点名其在视频生成方面具备优势，股票表评级为Buy。
- 劣势
- 报告未详细说明其大模型整体能力。
- 对比
- 视频生成方面与Minimax一同被专家点名；中国与美国在视频生成能力上被认为大体相当。
- 风险
- 视频生成能力能否转化为广告、内容生态和商业收入仍需观察。
- 国产AI芯片中国AI推理需求替代和训练效率约束变量
- 优势
- 国产芯片对推理需求覆盖率有望从不足40%提升至2026年底的40-45%，技术突破时可能达到50%。
- 劣势
- 训练场景仅在小规模实验中使用，制造产能和CUDA生态依赖是关键瓶颈。
- 对比
- 相对美国先进芯片和软件生态仍处劣势，但在推理侧替代空间较大。
- 风险
- 先进芯片短缺可能限制训练效率和模型迭代周期。
关键数据
- 会议时间2026-05-08汇丰 hosted DeepSeek product manager Eric Chen。
- 报告签发时间2026-05-11 07:30 GMT报告披露称作者于该时间制作并签发。
- 国产芯片当前推理需求覆盖under 40%专家估计国产芯片当前覆盖中国推理需求不足40%。
- 国产芯片2026年底推理需求覆盖预期40-45%若7nm级生产技术突破，覆盖比例最高可能达到50%。
- 美国相对中国文本/推理领先幅度1-3 months专家认为美国在文本和推理能力上领先中国约1至3个月。
- 美国相对中国多模态领先幅度6 months专家认为差距主要来自数据质量和可获得性，以及美国更先进的模型架构。
- 美国相对中国Agent能力领先幅度8-12 months差距主要体现在成熟工具套件、技能体系和可部署的Agent产品层。
- 相关股票摘要700 HK Buy; BABA US Buy; 2513 HK Hold; 100 HK Hold; 1024 HK Buy表格列示lencent、Alibaba、Knowledge Atlas、Minimax、Kuaishou的评级、现价和目标价。
影响与含义
对投资者而言，报告提示中国AI产业链机会并不只来自模型参数或token价格，而更多来自生态入口、专有数据、产品工具集成、企业工作流和国产推理芯片替代。互联网平台可能通过流量、云、电商和超级应用入口间接变现，独立实验室则更依赖会员、API、私有化部署、授权、微调和维护服务。
风险
- 先进芯片供给紧张可能限制中国模型训练效率和迭代速度。
- 国产芯片制造产能不足以及对CUDA软件生态的持续依赖可能拖慢替代进程。
- 中国在Agent成熟工具套件、技能体系和可部署产品层方面相对美国落后8-12个月。
- 多模态能力差距主要受数据质量和可获得性约束，短期内不易完全弥合。
- token价格长期下行可能压缩基础API收入，迫使厂商转向更复杂的服务化和工作流定价。
- 报告为专家观点纪要，部分判断缺少可独立验证的量化样本。
后续跟踪
- 国产芯片到2026年底能否将中国推理需求覆盖率提升至40-45%。
- 7nm级生产突破是否能够把国产芯片推理覆盖率进一步推至50%。
- Alibaba Qwen、Kimi、DeepSeek等国内模型在Agent工具链和产品化层面的迭代速度。
- Zhipu、Minimax、Kuaishou等在多模态理解和视频生成上的商业落地。
- 中国互联网平台能否通过云、电商、超级应用入口和生态交叉销售实现AI间接变现。
- 独立实验室能否从价格竞争转向会员、API、私有化部署、授权、微调和维护服务收入。