夜雨聆风前段时间关于AI市场遇冷的讨论不少。股价波动、资本开支收缩、业绩兑现困难……各种论调都在渲染一种情绪：这轮由大模型驱动的AI热潮，是不是快撑不住了？
近日科技板块情绪逐步回暖，我们回头再仔细想想：我们或许搞错了焦虑的对象。问题不在于AI本身，而在于投入产出比。更确切地说，问题不在高额的资本开支，而在大洋彼岸。
今年以来，一个越来越清晰的事实浮出水面：中国在AI领域的投入成本，远低于美国。无论是算力集群的搭建、大模型的训练路径，还是芯片制造工艺的突破，中国正在用一套“低成本高效能”的打法，紧追不舍。
这带来一个耐人寻味的局面。
我们设想一个简单的市场，假设只有两家公司博弈。A公司投入100，短期产出50；B公司投入50，通过产品利用、技术借鉴与科技创新，能够产出40。谁的经营压力更大？显然是A。为了维持领先优势，A必须不断加注，资本支出不断变大，越跑越累。这种“高成本维持领先”的模式，从商业逻辑上看，天然具有不可持续性。
更关键的是，当中国的EUV光刻机追赶、长鑫在HBM的技术突破、超节点技术迭代、芯片韬定律的创新、大模型工程化能力提升时，我们不仅在成本上重构了游戏规则，还在打破技术垄断的壁垒。而一旦垄断被打破，超额利润的土壤就会松动——这直接影响的是那些依赖高溢价维持研发循环的巨头们。
从实用性的角度，我们的科技路径一直在围绕第一性原理进行发展，而以英伟达、三星等为代表的硬件厂商，追求的是极致技术带来的极致利润。那么问题来了：以极致硬件堆料为代表的技术路线，是否真的是唯一的最优解？当出现竞争者，这种错位开支部分会被更快修正，更经济的技术路径会被压力巨大的下游厂商更快的选择。
市场并非对AI的未来失去信心，而是对“烧钱换领先”的高耗能模式的持续性产生了怀疑。AI软件出现技术性颠覆突破在时间上具备不确定性，自然而然地资本开支的持续性成为各方考虑的焦点。AI硬件——无论是存储、PCB、MLCC、还是光模块——短期内确实供不应求，这恰恰说明需求真实存在。短缺需要时间消化，但更值得关注的是，谁能用更少的“饲料”，养出跑得更快的“马”。
开源模型越来越强、越来越便宜，即便最强闭源模型在复杂推理和高价值任务上仍有溢价，但它已经没有必要成为所有任务的默认选择。
当中国以Kimi、deepseek为代表的大模型不断突破性能，更关键的是正逐步被全球资本认可为其性价比。可预见的是，未来的AI调用会从"一个模型解决所有问题”，转向分层，即：最难的任务调用最强模型，普通任务调用便宜的小模型或开放模型。
在这场中美的技术路径博弈中，中国用相对有限的投入，仍稳居第一梯队，这本身就是一种值得深思的“低成本突围”样本。AI的大方向没有错，错的是对“唯高投入论”的迷信。未来中国的相关技术逐渐会被全球市场正确定价，中国科技正面临被全球资本重估的历史时刻，百年未有之大变局。
当效率成为新的竞赛指标，游戏才刚刚开始。