2025年5月，摩根士丹利發布《中國人工智能：馬上蘇醒的巨人》報告，深入分析了中國在人工智能領域的戰略布局與發展潛力。報告指出，中國正通過自上而下的策略，構建涵蓋基礎設施、數據、人才和創新的人工智能生態系統，推動人工智能與產業深度融合，有望在全球人工智能競爭中占據重要地位。

報告強調，盡管面臨美國芯片限制，中國憑借高效算法、開源模型（如DeepSeek-R1）及成本優勢，在人工智能應用落地速度上領先，且人工智能已開始助力經濟增長，預計可創造相當于2024年中國名義GDP4.7%的勞動價值，到2030年投資回報率達52%。在行業應用方面，2C領域依托超級應用和人工智能原生應用快速滲透，2B領域雖采用（adoption）較快但變現（monetization）滯后，硬件和能源領域則需應對GPU自主化和綠色算力需求。

摩根士丹利在文中指出，美國的出口限制雖對中國的人工智能發展構成短期挑戰，但中國正通過發展本土人工智能芯片和優化算法來應對。同時，中國在量子計算、神經形態計算和光子計算等前沿領域取得進展，進一步增強了其AI技術實力。

一、中國在全球人工智能競賽的位置與動態競爭

摩根士丹利指出，中國在全球人工智能競賽中已從“跟跑者”逐步轉向“關鍵參與者”，憑借政策協同、數據規模與成本效率構建獨特優勢。截至2024年，中國擁有全球47%的頂尖人工智能研究者，人工智能專利占比超50%，并在開源模型領域實現突破（如DeepSeek-R1以1.1美元/百萬token的成本實現比肩GPT-4的性能）。政府通過《新一代人工智能發展規劃》等頂層設計，推動“全棧式”生態建設，形成從基礎算法（如百度飛槳）到行業應用（如智能制造、智能駕駛）的完整鏈條。

盡管美國在高端芯片（如NVIDIAH100）供應上實施限制，中國通過存量GPU庫存（如H20芯片）、國產替代（華為昇騰910B）及算法優化（混合專家模型MoE）突破算力瓶頸，預計2027年GPU自給率從34%提升至82%。差異化策略體現在聚焦應用落地而非單純追求模型規模，例如字節跳動的Doubao模型以0.1美元/百萬token的低價推動全民人工智能普及，而美國更側重基礎模型研發。摩根士丹利預測，中國人工智能有望在2030年實現全產業鏈自主，核心產業規模超1萬億元，相關產業達10萬億元，成為全球人工智能創新雙極之一。

中國連續兩年在全球人工智能產業集群前100強數量中居于領先地位

二、監管策略與創新自由的平衡路徑

摩根士丹利強調，中國正通過“標準先行”策略提升全球人工智能治理話語權，計劃2026年前建立50套人工智能國家標準，涵蓋模型安全、數據治理、行業應用（如智能駕駛測試標準），并參與20項國際標準制定。與西方“封閉模型+訂閱制”模式不同，中國以開源生態（如HuggingFace中國模型占比40%）和低成本硬件（如寒武紀MLU370芯片）推動技術普惠，吸引新興市場采用“中國方案”。例如，DeepSeek開源模型已被東南亞開發者用于本地化應用，成本僅為Open人工智能方案的1/10。

在倫理與監管層面，中國建立“創新與可控平衡”框架，要求生成式人工智能服務備案（如2024年批準188個生成式人工智能產品），強調數據主權與國家安全。這種模式與歐盟《人工智能法案》的“風險分級”、美國的“自愿自律”形成差異，可能在智慧城市、工業互聯網等領域形成區域性標準壁壘。摩根士丹利指出，中國通過“東數西算”等基礎設施協同，正構建以綠色算力（2032年數據中心100%綠電）和開源生態為核心的“人工智能全球化路徑”，挑戰傳統西方主導的技術生態。

中美歐人工智能標準制定的差異比較

三、中國人工智能的應用：2C和2B

在面對全球人工智能擴散趨勢和技術競爭格局變化的背景下，OpenAI提出，美國在出口管制政策上應當兼顧安全底線與市場拓展兩個方向。一方面，限制先進技術流向高風險國家，防止關鍵模型或芯片落入潛在對手手中；另一方面，主動擴大“民主技術朋友圈”，推動美方AI系統在國際市場中的接受度與部署率。

2C領域：超級應用驅動規模化滲透

摩根士丹利認為，中國2CAI以“超級應用+AI原生”模式快速落地。微信整合Yuanbao助手實現文檔總結、圖像生成，日活用戶超5000萬；抖音通過Doubao模型推出“AI視頻生成”功能，用戶日均使用時長增加20%。商業模式上采用“免費服務+廣告/交易分成”，例如淘寶AI導購帶動2024年GMV增長15%，美團AI客服降低30%人力成本。摩根士丹利預測，2030年2CAI貢獻消費端價值5560億元，其中電商（2710億元）和社交廣告（950億元）為主要增長點。

2B領域：效率優先與monetization挑戰

企業級應用聚焦降本增效，制造業AI滲透率從2023年12%提升至2025年25%，例如三一重工通過AI質檢降低缺陷率18%。但與美國訂閱制（如SalesforceAICloud）不同，中國企業偏好“開源模型+私有部署”，48%的CIO選擇第三方定制開發，僅21%愿為開源模型付費。政府與國企成為早期adopters，例如中國移動AI算力利用率從20%提升至68%，但中小企業受預算限制，AI支出中硬件占比達34%（高于軟件的40%），導致軟件廠商收入增速滯后于技術落地速度。摩根士丹利指出，2BAI需突破“工具化”陷阱，通過行業垂直模型（如醫療影像分析）提升付費意愿。

中國主要人工智能原生應用程序的功能和定位比較

四、版權制度與AI發展空間的政策博弈

摩根士丹利強調，中國人工智能在硬件領域面臨“卡脖子”壓力與國產替代機遇。高端GPU依賴進口（如NVIDIAA800/H800），但華為昇騰910B已實現等效A10070%性能，采用7nm工藝（中芯國際代工），2027年產能預計達26萬片/月。存儲芯片方面，長鑫存儲DRAM自給率從2018年0%提升至2024年18%，長江存儲NAND突破232層技術。開源芯片架構RISC-V成為突破口，阿里巴巴玄鐵處理器已用于邊緣計算，降低對ARM的依賴。計算基礎設施呈現“東西協同”格局：東部聚焦低延遲推理（如長三角數據中心），西部利用綠電優勢承接訓練任務（如貴州“東數西算”樞紐）。2024年數據中心功率需求占全國1.8%，2027年將達2.9%，催生液冷技術（如華為間接蒸發冷卻）和智能電網配套。摩根士丹利強調，盡管短期面臨EDA工具（僅13%自給率）和光刻機限制，但中國通過“AI-in-a-Box”一體機（華為Atlas900）和異構計算（CPU+GPU+NPU混合架構），正構建自主可控的計算棧，目標2030年實現AI算力自主化。