昨晚上翻研报，被大摩一份研报的标题给吸引住了。
“中国的AI路径，寸金之力，千钧之效。”
寸金之力，千钧之效。意思就是你只用了一点点力气，却撬动了千钧重物。以巧破力，以小博大。
这尼玛不就是在说DeepSeek吗。。。
外资投行对中国AI的研究报告我看过不少，但这篇的角度确实有点意思。他不是来唱衰的，也不是来捧杀的，而是认认真真的在回答一个问题，中国的AI公司，到底是怎么在没有海量芯片的情况下，把事情做成的。
我把这份研报的核心观点给你捋一捋，中间穿插一些我自己的看法。
摩根士丹利上来先抛了一个判断，缩放定律依然成立，但中国的工程效率正在重新定义它的成本曲线。
你想想看，缩放定律说的是模型越大、数据越多、算力越强，效果就越好。这个规律大家都认。但问题是，按照这个定律，你没有英伟达最先进的卡，你就玩不起这个游戏。这也是为什么之前全世界都觉得，中国AI已经被锁死在第二梯队了，硬件上被卡脖子，追不上的。
但是DeepSeek V3和V4出来以后，这个叙事被打破了。
摩根士丹利在研报里专门列了一组OpenRouter上的数据，今年开始，中国的头部6个模型的词元消耗量，已经超越美国了。
OpenRouter是个啥呢，简单理解就是个模型的「应用商店」，各种AI模型在上面接单，开发者按需调用。谁家的模型被调用的多，说明谁家的受欢迎程度高。
更离谱的是，这还是在价格极低的情况下实现的。摩根士丹利对比了各模型的定价。
我觉得这里头最值得关注的一个观点，是摩根士丹利提出的「算法创新驱动效率」。
他们观察到，中国AI公司正在用一系列技术手段来绕开算力瓶颈。比如混合专家模型MoE的精细化设计，比如推理阶段的优化，比如用更聪明的数据筛选方法来替代无脑堆数据。这些听起来很技术，但翻译成大白话就是，我没你那么好的工具，但我活儿干得比你巧。
这种「巧劲」，说实话，特别符合我对中国工程师的刻板印象。不是贬义啊，是夸奖。你去看全球各大开源社区里那些最硬核的底层优化项目，中国工程师的身影多得离谱。我们好像天生就擅长在资源受限的环境里，找到那条最省力的路径。
回到研报本身。
摩根士丹利还关注到一个很有意思的现象，中国AI模型开始显现出定价能力了。
这听着有点反直觉。因为就在几个月前，大家还在价格战里杀红了眼。字节跳动的豆包、DeepSeek、MiniMax、智谱，你降一块我降五毛，搞得很多小厂直接活不下去。
但研报的观点是，这种价格战恰恰说明了一个好的信号——大家开始认真争夺C端用户了。
你想想看，一个行业只有从「技术Demo」阶段进入到「争夺真实用户」阶段，才会打价格战。如果无人在乎，你降价给谁看？
中国头部AI应用在C端的市场已经基本集中到了三家手里，豆包、DeepSeek、Kimi。而从token消耗的增速来看，这不是烧钱烧出来的假繁荣，是真实的用户行为在迁移。
摩根士丹利估计，中国AI应用在2026年的总词元消耗量会达到一个惊人的数字，而且增速是非线性的。换句话说，越往后，增长会越快。
这让我想到一件事。很多人到现在还在质疑，说AI是不是泡沫，C端到底有没有真实需求。
我觉得这个数据已经回答得很清楚了。用户不是不用AI，用户是不用不好用还贵的AI。当你的价格打到足够低、体验足够好的时候，需求是自然释放出来的。这不是什么高深的大道理，就是最朴素的经济学。
说到这，我想重点聊聊摩根士丹利对几家头部公司的判断。
他们最看好的，或者说认为最有差异化优势的，是那些掌握了「算力资源」的公司。字节跳动因为自己有云、有数据中心，在这个维度上天然占优。阿里巴巴通义千问也是，自研芯片加上阿里云的基础设施，闭环了。
DeepSeek呢，虽然硬件资源受限，但他走的是另一条路——开源生态。R1开源以后，全球的开发者都在帮他做适配、做优化、做分销。这种打法相当于用社区的力量来弥补硬件的不足，也是一种「寸金之力」。
如果说有什么瑕疵的话，是摩根斯坦利没怎么提腾讯的混元3，要知道，混元3自从4月发布以来，在OpenRouter上的多项使用指标上，连续几周霸榜，可能是考虑到了腾讯的免费策略影响了使用者偏好，摩根斯坦利认为现阶段还没法判断后续效果。
摩根士丹利这份研报专门辟了一个章节，回答投资者的常见问题。
有人问，基础模型会不会变成大宗商品，谁都一样，没差别了？
摩根士丹利的回答是，分情况看。中等水平那一档，确实在走向商品化，反正都差不多，谁便宜用谁。但顶尖的那几个一流模型，情况不是这样。你如果有显著的优势，你就有定价权，就有市场价值。中国模型企业的机会在于，用价格优势+性能持续提升+垂直领域的深度定制，来保持竞争力。
说白了，平庸的会变得越来越不值钱，但顶级的依然值钱。
有人问，中国模型是不是就是在复刻（蒸馏）别人的开源模型，没有原创能力？
答案很明确，并非如此。DeepSeek V4的发布进一步验证了中国AI企业具备原创算法创新能力。V4在MoE架构设计、推理效率优化等方面都有原创性贡献，不是简单的跟随者。当然，开源模型的存在确实加速了中国AI生态的整体发展，这是事实，但「复刻」这个标签是不公平的。
还有人问，这些公司到底能不能赚钱？盈亏平衡有没有戏？
短期内有挑战，但路径是清晰的。目前三大收入来源，API服务、企业定制化解决方案、跟云厂商的合作分成。摩根士丹利算了一笔账，随着词元消耗量的指数级增长和定价能力的提升，头部企业有望在12到18个月内实现盈亏平衡。但风险也很现实，持续的高研发投入和价格战压力，这不是闹着玩的。
我觉得研报里最值得重视的一句话，是关于「token消耗的非线性增长」。
摩根士丹利用了很长的篇幅，来论证一个观点，当AI模型足够便宜、足够好用的时候，消耗的算力不是线性增长的，而是指数级增长。
因为你便宜了，用的场景就多了，用的场景多了，就需要更多的模型调用，更多的模型调用又需要更多的算力，然后价格继续下降，形成正反馈循环。
这个道理说出来很简单，但背后的含义很深。
这意味着什么？
意味着最先实现「低成本+高性能」的那个玩家，会获得一个自我强化的飞轮效应。越来越多的用户涌进来，越来越多的数据产生，模型变得越来越好，成本越来越低，然后更多用户涌进来。
而在这个飞轮里，中国公司因为有「寸金之力」的基因，可能反而比美国公司跑得更快。
因为美国公司习惯了「大力出奇迹」的路径依赖，要让他突然转向「精打细算模式」，组织上和文化上都是挑战。但中国公司从一开始就是在算力受限的环境里长大的，精打细算不是后天学的，是骨子里的。
我有时候觉得，这可能就是所谓的「后发优势」。
你先去建别墅，花了几千万。我在旁边看着，学习你的设计思路，但用更便宜的材料和更巧的工艺，建出了一个跟你差不多好用的房子，只花了几百万。然后我把省下来的钱，拿去建十个房子。
我看完这份研报的整体感受是，全球资本市场对中国AI的认知，正在发生一个微妙的转向。
以前大家觉得你是「追赶者」，所以你的估值天然就要打折。但现在越来越多的证据表明，你走的不是追赶者的路，你是另一条路。你用完全不同的方法论，在解决同样的问题。
就像武术里的「以柔克刚」。对方一拳打过来，我不硬接，我卸力、借力、顺势一带，反而把对方的力量化为己用。
当所有人都在比谁的GPU更多、谁的算力更强的时候，有人跳出来告诉你，其实你可以用更少的资源，做出更好的东西。
这不仅仅是AI行业的竞争。这更是一种受限环境压力下的演化奇迹。
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～
谢谢你看我的文章，我们，下次再见。
