彭博社最近发了一份报告，论调简短而冷酷：

在中美科技博弈与出口管制持续加码的背景下，中国科技股指数表现持续低迷。

腾讯、阿里、百度等昔日巨头市值相较于巅峰期折半甚至大幅缩水，市盈率普遍被压制在 10 至 15 倍的低位；而海峡另一边的硅谷巨头们，正踩着 25 至 35 倍的高估值跳着算力狂欢舞。

华尔街也顺势附和，甚至带着一种高高在上的资本霸权味儿：“买不到英伟达顶级显卡，拿不到最尖端的 HBM（高带宽内存），中国正在错过整个全球 AI 硬件暴利与红利时代，只是他们不愿承认。”

在华尔街的逻辑里，AI 的窗口期极短；没有英伟达，中国科技公司就注定要永远被锁在 AI 的冰河世纪里。

然而，这套被硅谷资本捧上神坛的“算力断层论”，真的锁住了这场大戏的结局吗？

华尔街的“算力霸权神教”：把堆显卡等同于领跑能力

如果你翻开高盛、摩根士丹利或者彭博智库的底层分析报告，会发现华尔街的做空逻辑建立在一个近乎虔诚的“硬件神教”假设上：

AI 竞争力 = 资本开支（CapEx）规模 = 显卡数量。

为了证明中国巨头“掉了队”，华尔街列出了一组触目惊心的数据对比：

硅谷“四大天王”——微软、Meta、谷歌、亚马逊，单家年度 AI 资本开支已经飙升至 500 亿甚至 600 亿美元的惊人体量。四家巨头一年砸在数据中心、芯片和电力上的钱，加起来能轻松突破 2000 亿美元。

反观中国科技巨头，阿里、腾讯、百度等公司单季度的 CapEx 虽在提速，但换算成美元，年化投入通常仅为硅谷单家巨头的 20% 至 30%。

在华尔街的现金流折现（DCF）模型里，这直接被翻译成了“死刑判决”：

没有顶配“三合一”：缺乏英伟达 Blackwell/B200 芯片、SK海力士 HBM3e/HBM4 内存以及台积电 CoWoS 封装构成的“硬件圣杯”，集群互联带宽（如 NVLink 的 900GB/s 级别）就会断崖式下跌。

训练代差：集群互联数据传输慢，万卡集群在大模型训练效率上会被拉开 3 到 5 倍的代差。

推理成本天花板：当大模型进入靠“思考链”和搜索消耗海量算力的推理时代，缺乏高性能芯片将导致中国企业在承载高并发请求时成本高昂，无法实现高利润率的 SaaS 变现。

结论看似顺理成章：既然买不到天价显卡，砸不出万亿集群，中国科技巨头就只能在 AI 时代的边缘“讨饭吃”。

但华尔街这套打法，本质上是用资金壁垒收割全球的资本老套路——像极了当年微软用 Windows 垄断操作系统，或者 IBM 用大型机锁定企业客户。他们试图向全世界灌输一个观念：AI 是个天价游戏，穷人与受制裁者免进。

被“卡脖子”的技术真相，与中国工程师的非对称打击

华尔街靠这套逻辑做空，是因为他们惯性地用“暴力堆硬件”的工程思路去看待一切。但大模型底层的技术演化，远比资本家脑海里的 Excel 表格生动得多。

普通人听到芯片禁令，总以为是“计算速度变慢了”。但真正的不为人知行业真相是：大模型最大的瓶颈从来不是 GPU 计算有多慢，而是“内存墙（Memory Wall）”和“互联带宽”。

在大模型推理过程中，芯片绝大部分时间不是在忙着做算术，而是在焦急地“等数据”从显存传输到计算核心。华尔街以为没有台积电 CoWoS 封装和 NVLink 16 车道高速公路，中国大模型就得因为“交通堵塞”而瘫痪。

可中国工程师们并没有傻傻地在断桥前干等，而是直接改写了游戏规则。

硅谷的硬件暴民路线：

为了做出一份顶尖的蛋炒饭，硅谷雇佣了 10000 名特级厨师（稠密模型+天价 GPU 集群）。

每当有客人点单，10000 名厨师全部站在厨房里同时思考、协同炒菜。炒出来的饭确实美味，但一份饭包含高昂的厨房设备折旧费，只能卖 20 美元/份（如每月 20 美元的 ChatGPT 订阅费）。

中国团队的工程学逆袭：

采用 MoE（混合专家架构）和模型蒸馏技术。把 10000 名厨师的精髓“提纯”成一本标准化菜谱（蒸馏小模型），店里平时只聘请 2 个熟练工。

客人点蛋炒饭时，系统只精确激活做炒饭的那两个专家模块。炒饭口感达到特级厨师的 95%，但一份成本降到了 0.1 美元。

当硅谷还在砸钱买显卡时，中国大模型，在多项全球权威测评榜单中击败了 Meta 耗资数亿美元打造的 Llama 3。

中国团队用 1/10 的算力资源，打出了不输硅谷顶级开源模型的战绩。这不仅是算法工程的胜利，更是对“算力即权力”叙事自然而然的有力回应。

硅谷的“资本陷阱”与中国开源的“白菜价”革命

硅谷巨头疯狂烧钱买显卡，实际上正在把自己推进一个危险的“资本陷阱”：

硬件是有折旧期限的。一张售价 3 万到 4 万美元的英伟达顶级芯片，3 到 5 年后在财务报表上就会折旧归零。为了给这几百亿美元的芯片折旧和核电站电费“找补”，硅谷巨头必须向全球用户收取高昂的费用——20 美元一月的 C 端订阅费，或者价格陡峭的 API 调用费。

而以阿里 Qwen 和 DeepSeek 为代表的中国大模型生态，走了一条完全相反的道路：用极致的算法降本，把大模型打成基础设施的“白菜价”。

在过去一段时间里，中国大模型的 API 调用价格经历了“跳楼式暴跌”，Token 价格降幅高达 90% 到 97%。原本硅谷企业调用一次要花几分钱的高阶推理，在中国模型这里变成了几厘甚至几毫。

这种“白菜价”开源模式，打碎了硅谷的资本闭环：

全球开发者发现，他们不需要掏高额订阅费给 Open-AI，直接部署开源的中国模型，成本低廉且效果惊艳。

AI 不再是少数极客和高利润企业用得起的奢侈品，而是像自来水一样渗入电商、物流、教育、智能硬件和手机端侧。

历史上类似的戏码早已上演过。20 世纪 90 年代，Sun Microsystems 和 IBM 依靠昂贵的专用服务器和 Unix 操作系统赚得盆满钵满，并坚信这是计算机产业的唯一未来。直到 Linux 开源软件配合廉价的 x86 架构硬件横空出世，以“白菜价”迅速席卷全球数据中心，一个全新的互联网时代才真正到来。

华尔街之所以看衰中国科技公司，本质上是因为中国企业正在用“低成本开源 + 极速降本”的方式，拆掉硅谷靠高端硬件筑起的水坝。

华尔街赚不到“硬件垄断租金”，自然要疯狂唱空。

“买不到英伟达，肯定错过一个大时代”——这句华尔街的做空标语，终究只是资本游戏里的半句话。

它的后半句或许是：当硅谷还在为昂贵的显卡和庞大的电力账单焦虑时，中国开发者已经带着白菜价的 AI 工具，走进了千行百业的深水区。

这场关于 AI 未来的博弈，从来不是单一维度的“芯片军备竞赛”。当算力霸权遇到了工程创新，当资本高墙遇到了开源海洋，决定谁能笑到最后的，绝不仅仅是服务器机房里发烫的显卡数量，而是这项技术究竟能以多低的门槛、多快的速度，真正服务于物理世界里的每一个人。

究竟是硅谷的高价显卡城堡先收回成本，还是中国的普惠开源生态先破圈落地？资本市场给出的股价，从来都不是历史的终局。