中国LLM：开源不等于成本优势可复制，企业应用与推理硬件成为主线

概览

本报告聚焦中国互联网与新媒体领域的LLM趋势，核心资料来自Nomura中国互联网团队与一家中国研究机构旗下AI实验室专家的电话会。该实验室自有基础模型已部署至100多家企业客户。报告讨论了高端AI芯片供给、国产加速器经济性、DeepSeek成本优势、开源模型商业化、模型价格分层以及企业客户采用LLM的关键约束。

核心观点

报告的核心观点是：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和客户切换成本低，可能继续降价以获取客户；但先进模型、定制化服务和深度嵌入企业流程的模型仍可维持溢价。DeepSeek虽开源部分模型权重和软件栈，但其推理成本优势主要来自系统级工程和运营经验，第三方云平台即使用类似硬件部署同一模型，也难以完全复制其效率。高端Nvidia芯片供给紧张和价格上涨提升了Huawei Ascend等国产加速器在推理场景中的吸引力。

分析框架

报告采用专家访谈和产业链观察相结合的方法：先通过中国AI实验室专家的实践经验判断模型部署、硬件适配、客户需求和价格策略，再结合Nomura对中国互联网、云厂商和AI模型生态的行业反馈，形成对LLM商业化路径和竞争格局的判断。

方法论与常识提炼

• 专家访谈中国AI实验室专家电话会

  以一线部署经验验证行业趋势

  专家所在实验室自有基础模型已覆盖100多家企业客户，因此其反馈可用于观察企业客户购买标准、模型价格分层、国产硬件适配和实际推理成本。

• 产业竞争分析开源模型可复制性分析

  开源权重不等于开源运营手册

  报告区分模型权重、软件栈片段与完整生产部署能力，认为缓存效率、延迟控制、硬件利用率和工程经验才是DeepSeek成本优势的重要来源。

• 商业模式分析模型定价双轨制

  基础模型获客，先进模型变现

  基础模型面向商品化任务并承受价格竞争，先进模型和定制化服务因质量、稳定性、低延迟和工作流嵌入而拥有更高切换成本和更强定价能力。

• 客户分层安全合规与ROI双轴

  不同企业客户采用LLM的决策标准不同

  政府和国企优先考虑数据安全、监管合规和本地化部署，民营企业更关注AI项目能否在12至18个月内收回初始投入。

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

  低成本推理与开源模型代表

  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，可在官方API Token定价上具备更大降价空间。

  劣势

  关键实施细节和运营经验并未完全公开，外部平台难以仅凭开源权重复现其原生部署效率。

  对比

  相较部署同一开源模型的Tencent、Alibaba和ByteDance等云平台，DeepSeek原生部署被专家认为具备更高运营效率和更低推理成本。

  风险

  开源策略能否持续、成本优势能否维持、商业化规模和客户付费能力仍需跟踪。

• Tencent (700 HK)

  云平台与LLM部署参与者

  优势

  具备云基础设施、企业客户入口和模型部署能力。

  劣势

  即使部署同一DeepSeek开源模型，也可能难以复制DeepSeek原生部署效率。

  对比

  报告将其与Alibaba、ByteDance一并作为部署开源DeepSeek模型的第三方平台进行比较。

  风险

  基础模型Token价格竞争、推理成本差距和企业工作流嵌入深度可能影响变现。

• Alibaba (BABA US)

  云平台、模型提供方与开源生态参与者

  优势

  早期推动开源策略，Qwen生态具备开发者影响力；文中提到Qwen在代码模型梯队中具备竞争力。

  劣势

  最新旗舰模型Qwen 3.6 Max转为闭源，显示开源与商业化之间存在权衡。

  对比

  与Moonshot专家观点一致，开源更适合建立品牌和开发者生态，闭源仍是规模化变现专有模型的主要路径。

  风险

  基础模型价格压力、开源策略变化和高级模型商业化效果仍存在不确定性。

• Huawei Ascend

  国产AI加速器与推理硬件替代

  优势

  在高端Nvidia芯片供给紧张和价格上涨背景下，国产加速器用于推理工作负载的经济性更具吸引力。

  劣势

  仍需持续证明软件生态、模型适配、稳定性和大规模部署效率。

  对比

  Nvidia高端芯片价格涨幅更明显，国产加速器也涨价但幅度相对较低。

  风险

  供给、生态成熟度、性能稳定性和客户迁移成本是关键风险。

• Nvidia (NVDA US)

  高端训练与推理芯片供应方

  优势

  高端芯片仍是AI训练和高性能推理的重要硬件基础。

  劣势

  供给紧张和价格上涨削弱部分客户的经济性。

  对比

  国产加速器在推理工作负载上的相对吸引力因Nvidia高端芯片价格上涨而提升。

  风险

  供需紧张、价格波动、出口限制和替代硬件渗透可能影响中国市场需求结构。

• 金融服务

  高潜力LLM商业化垂直领域

  优势

  拥有大量专有数据，对高端AI工具付费意愿较强。

  劣势

  安全、合规和数据治理要求高。

  对比

  专家将金融服务列为最有吸引力的垂直领域之一。

  风险

  监管约束、模型可靠性和数据安全要求可能拉长落地周期。

• 办公生产力与代码

  企业LLM应用场景

  优势

  办公场景可覆盖文档生成、会议管理、ERP和CRM集成；代码能力是智能体、机器人和自动化运营的基础层。

  劣势

  通用办公任务可能面临更强价格竞争，代码模型需要持续提升准确性和可靠性。

  对比

  专家认为GLM-5.2是中国领先代码模型，之后是DeepSeek、Moonshot和Alibaba Qwen的新版本。

  风险

  客户ROI验证、工作流集成深度和模型错误成本是主要约束。

关键数据

• 报告日期2026-07-13报告首页显示日期为13 July 2026。
• 专家所在实验室部署规模100+ enterprise customers专家称其自有基础模型已部署到100多家企业客户。
• 民营企业ROI要求12-18个月私营企业通常希望清楚看到初始AI投资在12至18个月内回收。
• 工业制造工作流渗透率低于10%专家估计工业制造当前仍处于早期采用阶段，工作流渗透率低于10%。
• Nomura全球股票研究评级分布58% Buy / 39% Neutral / 3% Reduce该数据来自披露页，属于Nomura Group评级分布披露，不是本报告对中国LLM标的的评级。
• 被提及的上市标的Tencent (700 HK, Buy); Alibaba (BABA US, Buy); Nvidia (NVDA US, Not rated)评级为报告正文括号中出现的Nomura标注；本报告本身未给出新的目标价或评级调整。

影响与含义

对投资研究而言，LLM行业的观察重点应从单一Token价格下降转向商业化质量、客户切换成本和推理成本结构。具备先进模型能力、工程化部署效率、企业流程嵌入能力和国产硬件适配能力的参与者更可能在价格竞争中保持利润弹性。国产AI加速器的机会主要来自高端Nvidia芯片供给紧张和推理成本优化需求，但其长期竞争力仍需通过稳定性、生态和实际部署效率验证。

风险

• 高端AI芯片供给紧张和价格波动可能继续影响训练与推理成本。
• 基础模型任务商品化、客户切换成本低，可能导致Token价格竞争持续。
• 开源模型未必持续开放，且开源权重无法保证复制原始开发者的运营效率。
• 政府和国企客户对数据安全、监管合规和本地化部署要求高，可能限制部分私营模型提供商的渗透速度。
• 民营企业要求12至18个月内看到投资回收，若ROI不清晰，企业AI预算释放可能低于预期。
• 先进模型的溢价依赖可靠性、服务稳定性和工作流嵌入深度，若落地质量不足，客户续费和提价能力会受压。

后续跟踪

• 高端Nvidia芯片与国产AI加速器的供给、价格和实际推理成本变化。
• 基础模型Token价格是否继续下行，以及先进模型和定制化服务是否维持溢价。
• DeepSeek原生部署相对第三方平台部署同一开源模型的成本差距是否持续。
• Alibaba Qwen 3.6 Max闭源后，其他中国AI实验室是否继续开放前沿模型。
• 政府、国企与民营企业在本地化部署、数据安全和ROI门槛上的采购节奏。
• 金融服务、办公生产力、代码、工业制造、法律和医疗等垂直领域的真实商业化收入贡献。