河马观澜

本文来自微信公众号「未尽研究」，作者：未尽研究。

中国的开源模型开始服务全球市场，但是短缺的算力仍然主要以本土市场为基本盘。

如果将中国AI生态按照算力所在地与市场所在地划分为四个象限，那么中国AI全球化的理想路径，应该是从“本土算力、本土市场”，经过“本土算力、海外市场”，最终走向“海外算力、海外市场”。但现实并没有沿着这条路径线性发展。（未尽研究、Workbuddy 制图）

本土算力、海外市场，即年初翻炒过几轮的“token出海”，商业模式上已经初步获得了验证。但是，边际上新增的算力，正在越来越多地转向满足本土需求。就更别提实体“算力出海”了。

token出海，是愿景，不是现实

MiniMax的半年报揭示了这一现实趋势。今年上半年，它的商业模式从直接面向消费者的AI原生产品，转向开放平台、API和企业服务。它的开放平台及其基于AI的企业服务收入，同比增长了703%，占比从去年同期的30%提升至当前的63%；但是，它的海外收入占比却从72%降至了61%。这并不意味着海外业务在收缩，但说明了中国大陆收入增长得更快。随着开放平台和企业服务收入爆发，MiniMax的增长重心正在更多回到本土市场。

智谱则经历了另一种转变，商业模式从以私有化部署为主，转向持续的模型调用。云端API的收入占比，从去年同期的15%提升至87%。但与MiniMax不同，智谱并未披露2026年上半年的收入地域结构。公司此前曾解释，由于收入主要来自中国客户、资产也主要位于中国，因此不提供按地理位置划分的收入信息。这意味着，智谱最新一轮API收入爆发，仍主要由本土市场需求驱动。

本土市场的爆发，也意味着本土算力及其增量，仍将优先用于满足本土需求。让中国AI企业进一步把算力基础设施搬到海外，实际上意味着把本就有限的资本、芯片和基础设施能力配置到海外市场。相比继续扩大国内算力供给，这并不是眼下最优先的选择。

这也并非中国独有的选择。即使是AI算力最为充沛的美国，近年来同样不断出现要求优先保障本土AI算力供给的政策主张。

与美国相比，中国的本土算力仍然处于高速追赶、奋力爬坡阶段。这不仅包括技术层面的，也包括产能层面的。按照信通院的数据，今年一季度，本土AI算力需求同比涨417%，而有效供给增速仅为128%，缺口反而一时扩大。

这背后既有先进工艺良率、客户设计迁移、关键设备和材料等因素，也受到HBM等关键组件供给的约束；与此同时，消费电子和智能汽车等规模产业仍会与AI数据中心争夺部分产能。

这种供需缺口还将持续一段时间。摩根大通预计，到2030年前，中国本土市场的推理需求将以约80%的复合增速增长；与此同时，本土算力满足中国AI基础设施需求的比例，将从2025年的约40%，提升至2028年的80%、2030年的90%。

因此，即使模型厂商持续通过算法优化降低单位Token的算力需求，算力厂商加速用群计算补单芯片，包括以“进口算力”适当弥补缺口，本土算力更可能首先实现的是与本土需求之间的紧平衡。

无论是“Token出海”还是“算力出海”，在战略层面的长期布局，以及技术验证和商业模式探索，都仍然颇具意义。尤其对于中国企业出海而言，这也是降低对美国先进算力“使用权”不确定性的长期选择。但在本土AI市场供需瓶颈真正缓解之前，它们都很难成为眼下值得满足的商业需求。

据报道，汕头已经完成首个Token出海全链路闭环验证，截至7月底，日均对外提供Token超过150亿；而在6月底，中国日均Token消耗量已经达到500万亿。Token出海已经跑通了商业模式的可行性，但与本土市场的需求相比仍然是小步试点。

算力出海面对的则是另一种难题。华为昇腾出海的重要一站就在韩国。后者正在推进万亿美元级别的“主权AI”建设，计划到2029年建成8.4GW、到2035年扩展至18.4GW的AI基础设施。韩国虽然缺乏自己的AI芯片，但对于这样的市场，中国算力厂商面对的是一个已经拥有成熟全球供应商、同时对算力的先进性、部署规模和供应稳定性都有很高要求的市场。

这并不意味着中国模型厂商就放弃了海外市场的收入。相反，它们正在寻找一种对算力依赖更低的出海方式：先不必把自己的算力搬出去，而是把模型能力交给海外的算力、客户和应用场景。

月之暗面最新的Kimi K3许可证，要求经营MaaS业务的公司及其关联方，连续12个月合计收入超过2000万美元的，商业使用前需要与公司另行签署协议。月之暗面正在与微软Azure、亚马逊AWS以及谷歌GCP谈判，谋求最高30%的分成。

MiniMax的视频生成模型H3也采用了类似思路，年收入超过2000万美元的企业，需要另行取得MiniMax的书面授权；而Comfy公司已经开始销售相关的本地商业使用权。

此外，据财报电话会议，智谱也在积极推进与海外CSP的合作，并考虑通过开源模型本地托管、收入分成等方式拓展海外市场。

另一种模式则是MiniMax最新的一招，帮助有“主权AI”需求的市场，训练当地的“本土大模型”。

沙特公共投资基金（PIF）旗下人工智能公司Humain推出的阿拉伯语大模型Humain-M3，就是一个典型案例。官方称，该模型由Humain委托、MiniMax交付，基于MiniMax M3构建；它们的总参数（4280亿）与激活参数（230亿）一致，但是Humain-M3经过了超过1万亿Token的阿拉伯语专项训练，重点强化了本地文化适配。不过，双方都没有披露其中的商业细节。

两种模式的共同点是，中国模型厂商输出的是模型能力，而不是算力基础设施；承载这些模型能力的，则是当地的“本土算力”。对于现阶段中国AI产业的全球化而言，更现实的路径可能是让模型能力先跨越国界，而让算力留在更需要它的地方。

而随着中国本土AI市场逐步从供需紧平衡走向更充足的供给，以及海外市场对AI基础设施需求持续增长，模型与算力最终仍可能在海外重新汇合，在不远的将来。

尽管如此，算力与模型服务正在解耦。尽管华盛顿有人对沙特把自己的主权AI建立在中国的开源基座上不爽，但美国自己的厂商也在成群结队地使用中国的开源模型；K3们能对海外MaaS厂商谈授权分成服务，也没有理由不与国内厂商谈类似交易。

本文来自微信公众号「ToB老人家」，作者：王戴明。

大家发现没有？随着AI越来越强大，内卷也越来越严重。

最近一位FDE朋友，帮助一家大型软件企业，把软件编程成本降低了50%（包含旧软件项目的迭代）。但真正有意思的是：这家企业降低研发成本的驱动力，是来自客户的硬性要求。

他们的一个大客户明确表示：你们必须证明自己具备AI编程的能力，才能参与我们的项目投标。其暗含的意思是：供应商必须具备AI编程能力，从而显著降低人天报价。

不能AI编程=不能参与投标，能够AI编程=必须降低报价。

这就是软件行业越来越普遍的现象：AI编程，正在变成甲方压价的新武器。

以前，一家软件公司利用新技术提效，是自己的竞争优势。现在，它正在变成一张准入证。

精通新技术，不代表你能多赚钱。相反，甲方会拿着这件事要求你降低人天报价。

说白了，软件公司辛苦提升的效率，成果全被客户拿走了。

一、AI提效越多，为什么越内卷

大模型刚出来时，很多人都乐观预期：由于AI提效，我们的工作时间有望从8小时变成5小时。

但真实情况是怎样的呢？工作效率确实提升了，但随之而来的是更多任务，而薪酬还在稳步下降，甚至还有人要自费购买AI上班。

对只按人天卖项目的软件公司来说，情况更残酷：研发成本是降了，可客户也会要求报价跟着降。

如果一家公司的收入主要来自人天，AI就会把它推入一个很尴尬的位置。

不用AI，成本比竞争对手高，拿不到项目。

用了AI，客户又要求你把省下来的钱让出来，收入反而更薄。

为什么会这样呢？核心在于，决定价格的从来不是“价值”，而是“供求关系”。

AI提高了供给端的效率，但是市场需求并没有增加，结果就是“供大于求”，“供应端”不断内卷，软件公司赚不到钱，打工人的收入也在下滑。

结果就是：AI编程确实带来了更高的效率，但是公司的收入反而降低了，需要的员工也变少了，大裁员无可避免。

二、为什么AI会变成内卷工具

那在欧美，这种情况为什么相对好得多？

除了完善的劳工保护制度，重点在于：欧美的生意是全球化的，有更为广阔的市场空间，不用在一个狭小的市场内卷。

更重要的是，欧美企业更倾向于用创新、高质量的产品来构建核心竞争力。相比之下，中国企业更倾向于同质化竞争，用更低的成本来赢得竞争优势。

在欧美，AI提升的是创新能力；在中国，AI提升的却是内卷能力。

三、打工人怎么办

大环境问题，短期无法改变。

我觉得关键在于搞清楚：AI提高了哪部分的效率，没有提高哪部分的效率。

对于“AI提高了效率的部分”，我们保持不落伍就行了，因为这部分不会有任何溢价。但是对于“AI没有提高效率”的部分，则需要投入主要精力，把它建设成为我们的核心竞争力。

比如，AI提高了画原型的效率，但并没有提高商业决策和产品规划的效率。

对于这些关键决策，有大量私有信息和模糊地带，AI很难具备充分的上下文。加上AI不会承担决策责任，所以具备较强决策能力的人，并不会随着AI的增强而贬值。

当然，在决策时，AI可以辅助资料收集和方案编写，但产品到底该不该做，应该先服务哪类客户，哪些需求要拒绝，最终仍然要由人决定。

四、软件公司怎么办

实际上，AI提高了代码编写的效率，却并没有提高业务问题诊断、组织变革的效率。

企业AI转型真正卡住的时候，往往不是技术问题，而是找到合适的场景、收集和整理数据、克服组织惰性等。

所以对于软件公司来说，帮助企业AI转型的经验和能力，仍然是稀缺品。

实际上，细想一下，我们有很多能力是AI无法替代的。

举个例子，现在我所有的文章和视频文案，都是通过我自己研发的一个Agent来完成的。

我不否认Agent确实提高了效率，也不否认Agent在很多细节上确实做出了有价值的决策，但文章的灵魂：行业洞见——仍然高度依赖我自己。

不管AI产生内容的能力再强，它始终无法具备我所有的上下文，也无法100%复制我的思考逻辑，那么它就不可能产出和我同等质量的内容。

所以，我担心的从来都不是“AI会不会替代我”，而是“我如何才能保持洞察力”。

回到软件行业，对于一个软件产品来说，真正值钱的从来不是那一堆代码，而是产品背后的思考：应该做什么，不应该做什么。

而这些最值钱的部分，恰恰是AI无法替代的，也是避免AI内卷的重要途径。