騰訊阿里同日出季績，一個資本開支急升，一個集團整體轉虧。兩間合計市值超過萬億美元的公司，同時大手燒錢。這並非偶然，而是在告訴市場一件事：中國AI競賽已到真金白銀的階段，而且代價或許比任何人預期的大。
不過季績只是入口，中國發展AI，到底卡在哪幾關？
第一關：欠缺高階晶片
AI競賽表面是模型的競賽，但模型背後是算力，算力背後是晶片。美國出口管制不是外交姿態，而是系統性地把中國隔離在最先進的訓練及推理晶片之外。英偉達H100、B200在正常渠道銷售被禁止，國產華為雖然追緊，但製程、良率、軟件生態的差距，不是兩三年可以填平。
騰訊在季績後中表示「本土晶片供應改善有望紓緩壓力」，反過來解讀就是：壓力目前仍存在，代表模型訓練規模、推理服務擴張速度受限，成本比理想狀態高。即使在宣傳上的數值上堆到多高，只要推理成本壓不落來，商業化的算盤就永遠打不平。
第二關：電力錯配
中國電力資源豐富理論上對AI來說是一大利好，但其實細看新增算力大量落在西部——電費平、地方大、政策配合。但高頻、對延遲要求嚴格的AI推理數據中心，卻是集中在東部沿海的企業用戶手上，令電力優勢根本不能充分發揮。即使是在中國，建設數據中心快的話兩三年，但要同步做電網升級、冷卻系統、光纖鋪設。AI工作負載不似傳統工廠，等不到物流配套慢慢跟上，對即時性的要求會直接將錯配成本反映在價格同體驗上。「東數西算」工程進度同市場需求之間的時間差，是真實存在的摩擦，也大大提高AI的運算成本。
第三關：用量有，但付費用戶不足
中國消費者數字化程度高，AI應用場景理論上多的是。但有場景不等於有付費。消費者習慣了免費或極低價的內卷互聯網服務，付費意願整體偏低。企業端較好，但整體經濟下行帶動中小企IT預算有限，結果是整個市場的token消耗量可以在短期暴升，但這些消耗有幾多真是轉化為可持續收入，而不是靠補貼換來的虛假繁榮，是個從外部難以釐清的問題。阿里AI相關收入已佔雲外部收入近三成，但同期整個集團在虧損。收入增長，但獲取這些收入的成本，仍未形成一個健康的商業迴圈。這個不單是阿里的問題，而是整個中國AI商業化的共同困境。
第四關：由模型到真正落地，距離不細
AI要真正賺錢，必須入到企業流程、廣告分發、商家營運這些有預算、有KPI的地方。
問題是，中國最有預算、最穩定的付費客戶例如大型國企、銀行、政府機構—恰好也是對數據安全、合規要求最挑剔的買家。AI模型要進入這些機構，要捱過漫長的採購流程、安全審查、私有化部署要求，還有「出了問題誰負責」的問題。
所以中國AI的投資邏輯可以這樣理解：騰訊是把AI嵌入廣告、遊戲、微信生態這些本來就收費的地方，利用AI錦上添花；阿里則押注AI雲平台的未來位置，接受短期盈利被壓，換取整個收入結構重新定價的可能。前者確定性高，故事不夠性感；後者彈性大，但回報周期更長，波動亦更大。
更多AI概念股相關報導
集體發達｜OpenAI逾600員工參與售股 75人身家暴漲逾2億
新加坡主體模式失效｜中國叫停Meta收購AI初創企業Manus
