中国 AI 融资靠谁支撑：从美元基金退潮到耐心资本接棒
来源说明：本文基于 Nomura《How is China’s AI sector financed？》整理，源文件共 8 页，发布日期为 2026 年 6 月 24 日。本文仅围绕报告中关于中国 AI 资本开支、政策融资工具、国资基金和民营企业 AI 投入的内容做解读，不构成投资建议。
图 1：报告封面，来源：Nomura《How is China’s AI sector financed？》第 1 页。
中国 AI 融资的关键变量，不只是钱多不多，而是谁在出钱
这份报告讨论了一个很现实的问题：中国 AI 行业到底靠什么融资。Nomura 的核心区分是，美国 AI 资本开支主要由私营部门尤其是 hyperscaler 驱动，而中国 AI 资本开支更依赖国家资本，尤其是在先进芯片受限、技术自立要求提高的背景下。
这意味着中国 AI 的融资结构与美国不同。美国更像企业利润、资本市场和云厂商预算共同驱动的商业循环；中国则更像政策目标、国资基金、地方财政工具、产业资本和互联网大厂资本开支共同支撑的混合体系。
报告指出，中国已经动员多层级国家资本支持完整 AI 供应链，尤其是芯片设计和制造等最受约束环节。编辑角度看，这不是简单的“政府补贴 AI”，而是一次围绕算力、芯片、数据中心和国产供应链的资本组织方式重构。
“大基金”从半导体走向 AI，说明底层约束仍在芯片
报告回顾了国家集成电路产业投资基金三期。第一期、第二期、第三期分别于 2014 年、2019 年和 2024 年成立，注册资本分别为 1390 亿元、2040 亿元和 3440 亿元，总规模接近 7000 亿元。报告提到，基金投资重点从下游芯片制造和封测，逐步上移到设备、材料等高壁垒环节，第三期覆盖范围更广，包括存储芯片、光刻设备、AI 产业和大模型等。
这说明中国 AI 产业融资的底层逻辑并不只是应用创新，而是补足供给侧短板。没有先进芯片和稳定算力，模型、Agent、数据中心和行业应用都会被卡住。因此，国家资本最先进入的往往不是最热闹的应用层，而是最难、最重、最受外部约束的底层供应链。
图 2：超长期特别国债、国有创投引导基金和新型政策性金融工具，来源：Nomura《How is China’s AI sector financed？》第 2 页。
超长期国债和政策性金融工具，把 AI 纳入逆周期投资框架
报告提到，中央政府从 2024 年开始发行超长期特别国债，用于“两重”等重点领域。2026 年第二批资金中，AI 被明确列为支持方向之一。报告还提到，2025 年 12 月设立的国家创业投资引导基金规模为 1000 亿元，由超长期特别国债资金支持，重点投向集成电路、AI、生物医药、量子科技和 6G 等前沿领域。
更值得关注的是新型政策性金融工具。报告称，该工具 2025 年 9 月推出，初始额度 5000 亿元，2026 年财政预算又新增 8000 亿元，用于通过政策性银行等渠道向项目注入资本金。与过去偏传统基建不同，这轮工具更强调数字经济、AI 和消费基础设施。
这意味着 AI 融资正在被放入更大的宏观政策框架中：既是科技自立的产业政策，也是稳投资、稳增长的财政金融工具。
图 3：AI 企业融资条件、资本市场和民营资本开支，来源：Nomura《How is China’s AI sector financed？》第 3 页。
民营部门没有缺席，但角色更像“应用和云服务加速器”
报告并没有把中国 AI 描述成完全由国家资本驱动。它同时提到，民营部门尤其是云服务商和大模型公司仍在贡献大规模 AI 资本开支。报告估算，主要国内 hyperscaler 年度 AI capex 合计约 5000 亿元。
例如，报告提到字节跳动 2026 年 AI 资本开支计划超过 2000 亿元；阿里在 2025 年 2 月宣布未来三年投入 3800 亿元用于云计算和 AI 硬件基础设施；腾讯 2026 年一季度 AI 相关资本开支达到 370 亿元；百度自 2023 年推出文心一言以来，AI 领域累计资本和研发投入超过 1000 亿元。
这说明国家资本与民营资本并不是替代关系，而是分工关系。国家资本偏底层供应链、战略项目和长期资本，民营资本偏云服务、大模型迭代、应用落地和商业化场景。
图 4：中国 AI capex 的国家资本作用，来源：Nomura《How is China’s AI sector financed？》第 4 页。
结论：中国 AI 的融资结构，决定了产业节奏会更偏“长期战”
这份报告最值得关注的结论，是中国 AI 行业融资不能简单对标美国。美国看云厂商 capex、资本市场风险偏好和应用商业化；中国还要看中央财政工具、国资基金、地方债投向、政策性金融和国产供应链进展。
这种结构的优点是能支撑长周期、重资产、卡脖子环节，缺点是资金效率、项目筛选和地方财政约束会成为重要变量。后续跟踪中国 AI，不应只看模型排名和应用下载量，还要看资本进入了哪一层：芯片、算力、数据中心、云服务、大模型，还是行业应用。钱的来源，往往决定产业的速度和边界。
如需研报原件，请在公众号主页点击“联系我”添加联系方式获取
免责声明：本文仅为基于已下载研报源文件的学习整理，不构成任何投资建议或交易依据。市场有风险，决策需独立判断。
