摩根士丹利-2026年中国AI展望：AI路径变得明确|中国|人工智能模型|摩根士丹利|豆包

AI芯片供应改善：预计2026年随着H200的批准以及芯片本地化进展的增加，AI芯片的供应将有所改善。H200被认为是一款高性能GPU，广泛用于基础模型训练，目前国内芯片无法替代，中国的AI推动者和采用者将在H200获得官方批准后受益，预计监管方面不会有阻力。

中国本土芯片供应能力也在加速提升，摩根士丹利大中华半导体团队预计，中芯国际的先进制程厂扩产将逐步缓解设备瓶颈，从而进一步提高中国本土GPU自给率，从2025年的27%升至2026年的39%。

图表4：中国人工智能：GPU充足率

分析：对于近期H200进口的问题大摩的判断比较明确，尽管美方层层设限，但预计后续我方监管不会有阻力，理由是目前国内用于模型训练的高性能GPU并没有替代品。芯片方面的东西我不是很懂，所以我找了一下相关资料，H200的性能是H20的6倍，而且在训练场景确实没有国产替代，这种短缺预计会持续2-3年，直到国产能填补这个空缺。

上图4列明了未来两年我国GPU的自足率走势，到2027年也就50%，后续还有很长的路要走，这也说明国产芯片的发展具备可持续性。但面临的技术封锁等困难也不小，未来国产芯片股的业绩是否能支撑目前的估值要打个大大的问号，如果我要买会等确定性再高点，大家可以自行判断。

模型能力的增长：中国人工智能基础模型在2025年已与美国前沿模型保持同步（仅落后数月），我们预计到2026年性能差距将进一步缩小，中国模型将在开放权重和多模态类别以及成本效率方面继续领先。自主智能体AI的发展以及多模态场景的蓬勃发展将进一步推动2026年令牌消耗量增加。

图表 5：中美前沿模型智能对比

分析：在AI模型的性能方面目前中美之间的差距并不大（仅几个月），预计在今年差距将进一步缩小。关键是中国AI模型在成本效率上领先美国，这也符合我们这边价格杀手的一贯风格，成本效率的领先是很重要的，以后AI在应用端的经济效率和扩张速度很大程度上取决于成本效率。

2C端的非线性增长：我们预计AI原生应用将在2026年继续获得关注，其增长将呈现非线性态势，这主要由基础模型能力提升和超级应用突破推动。豆包（Doubao）在月活用户（MAU）方面可能仍将保持领先，同时预计随着阿里巴巴建立C端业务部门来整合阿里生态系统应用，包括淘宝/饿了么（电商/即时配送、外卖）、飞猪（旅行）、高德地图（地图）、支付宝（支付），全新推出的Qwen有望在C端市场获得关注，从而定位为一站式AI超级应用和生活助手。此外腾讯近期的顶尖人才引进、推出HY2.0及计划在2026年上半年推出的HY3.0，也可能推动公司在AI领域更积极的投资。

图表7：AI原生应用月活跃用户数

分析：从我个人的应用感受上来说，我觉得目前千问和豆包给我的使用体验比较不错，特别是一天限用5次的深度研究，我经常用这个功能来搜集某些投资问题的意见，给出的报告也比较长比较详实。

但也不是没问题，比如有一次我叫千问算复投问题时它把75%的分红支付率给算成了股息率，真是离了个大谱，在我提醒之后才改了过来，AI毕竟不能像人类一样避免一些常识性错误。DS的话之前还行，但从某一天开始似乎参考资料的数量缩水了，回答问题比较敷衍（没有更改设置）。

2B端的发展：2025年下半年CIO调查显示，企业正越来越多地将其IT预算分配给AI，企业AI预算占IT总预算的平均比例从2025年的7.7%提高到2026年的13%。另外软件在AI预算中相对于硬件获得更多份额，但没有看到任何证据支持“AI取代软件”的说法。最后通缩的宏观环境仍然是企业端整体AI变现的一大障碍。

图表 11：人工智能在IT领域的支出渗透率

分析：数据显示企业端正在加速布置AI，预计2026年企业在AI布置上的预算将增加将近一倍（IT预算从2025年的7.7%提高至2026年的13%），这也意味着企业内一些基础文员的工作很可能陆续被AI所替代。另外就是AI在企业的布置受到通缩环境的影响（预算限制）而减慢了速度，这点上也与美国AI在2B市场上的快速扩张形成了对比，所以说通缩对AI付费扩张的限制作用也是很大的。

AI在2C端竞争加大：预计互联网平台之间的竞争将保持激烈，主要是阿里巴巴（千问）、腾讯（元宝）和字节跳动（豆包）。在用户采用方面，豆包的日活跃用户数稳步增长，得益于其来自抖音的强大流量导入。虽然腾讯通过微信/元宝提供最广泛的超级应用服务，但近期重点在于提升混元模型能力。相比之下，千问正在加强2C服务，该助手整合了整个阿里巴巴生态系统（外卖、快速商业、电子商务、本地服务等业务板块），目前可以提供一体化的日常生活服务而领先于同行。