中国AI产业的三大优势

前言

从2022年底ChatGPT横空出世算起，人工智能（AI）产业经历了近四年的爆发式增长，已经从一个前沿技术概念演变为重塑全球经济格局的战略性力量。据PrecedenceResearch预测，2024年全球AI市场规模已达到6382亿美元，到2034年将飙升至约3.68万亿美元，十年间复合年增长率高达19.2%。AI服务器市场同样扩张迅猛——IDC数据显示，2025年全球AI服务器市场规模预计达到1251亿美元，到2028年将增至2227亿美元。更值得关注的是生成式AI的崛起：IDC预计2020年至2023年全球生成式AI市场空间上涨了约6倍，2024年至2030年期间复合增长率将达到40%，2030年有望接近万亿美元规模。

AI产业的竞争，本质上是一场贯穿全产业链的国力较量。从上游的稀散金属原材料、芯片设计制造，到中游的算法模型、数据中心，再到下游的千行百业应用，每个环节都牵动着国家战略安全与经济命脉。在这场全球性角逐中，中国并非在所有环节都占据上风——高端光刻机、先进制程芯片、EDA设计工具等领域仍面临严峻的外部制约。然而，经过系统梳理可以发现，中国在稀散金属资源掌控、电力供应保障、应用市场规模三个维度上，拥有明确的、显著的、短期内难以被替代的战略优势。这三大优势构成了中国AI产业发展的"压舱石"，也是在复杂的国际博弈中能够形成有效反制能力的关键筹码。

理解这三大优势的具体内涵与战略价值，对于客观评估中国在全球AI产业格局中的真实位置至关重要。本文将从稀散金属、电力供给、应用市场三个维度展开深度分析，结合最新权威数据，揭示中国AI产业的底层竞争优势。

一、稀散金属：全球供给的"命门"握在中国手中

AI产业的根基深埋于地壳之中。芯片制造、光电子器件、射频组件等核心环节，高度依赖一系列被称为"工业维生素"的稀散金属。这些金属在地壳中含量极低、分布极度不均，且大多以伴生矿形式存在，无法独立开采。谁掌控了这些金属的矿产资源和冶炼产能，谁就掌握了AI硬件产业链的"水龙头"。

1.1 镓（Gallium）：AI芯片的"味精"

镓是第三代半导体——氮化镓（GaN）和砷化镓（GaAs）的核心原材料。氮化镓功率器件是数据中心电源管理、新能源汽车快充、5G基站射频的核心组件；砷化镓则是高端射频芯片、光通信器件的关键材料。可以说，没有镓，现代AI算力基础设施的能效和性能将大幅倒退。

从资源属性来看，镓是典型的伴生矿，没有独立的镓矿床，主要以伴生形式赋存于铝土矿和铅锌矿中。全球铝土矿资源中镓含量超过100万吨，但现阶段具有潜在可开采性的不足10%。这意味着镓的供给完全依附于氧化铝和锌冶炼的产能规划，供给弹性几乎为零，扩产周期长达3至5年。

中国在这一领域的统治地位是压倒性的。据美国地质调查局（USGS）数据，中国拥有全球约68%-85%的镓金属储量，更垄断了全球超过95%的原生镓产量。2025年全球原生镓产量约580吨，中国产量达555吨，占比95.7%。海外仅哈萨克斯坦、俄罗斯有不足30吨的零星产能，没有任何国家可替代中国的供给地位。中国铝业作为全球镓资源整合规模最大的企业之一，2024年金属镓产量约280吨，是国内龙头企业产能持续扩张的代表。需要说明的是，由于不同机构对"原生镓"与"精炼镓"、"企业口径"与"全国口径"的统计标准存在差异，公开渠道关于年度总产量的数字存在一定波动，具体应以USGS及国家权威部门最新发布数据为准。2025年中国铝业规划将原生镓产能扩至300吨，并持续扩产高纯镓（6N-7N）产品。

从需求端看，2026年全球镓总需求预计增至850吨，其中第三代半导体领域镓需求增速尤为突出。2025年全球镓供需缺口已达140吨，占总产量的24%，预计2026年缺口将扩大至270吨以上。这种"中国主导供给、全球需求爆发"的格局，使镓成为中国在AI产业链上最具战略威慑力的资源筹码。

1.2 锗（Germanium）：红外光学与高速芯片的基石

锗是重要的半导体材料，在AI产业链中主要应用于红外光学器件、光纤通信、高性能太阳能电池以及锗硅芯片。特别是在光通信领域，锗是800G/1.6T高速光模块的关键材料，而光模块正是数据中心内部数据传输的"血管"。

锗同样是伴生矿，主要伴生于铅锌矿中，从锌冶炼过程中回收提取。全球原生锗资源高度集中，中国储量占全球约41%，产量占全球约67%-70%。2025年全球原生锗总产量约145吨，中国产量102吨，占全球70.3%，稳居第一。排名第二的加拿大年产量仅15-18吨（占比10.3%-12.4%），俄罗斯产量10-12吨但受西方制裁影响大部分无法进入国际市场。美国自1984年后停止本土原生锗矿开采，仅少量再生锗产能，对中国依赖度极高。

国内主要生产企业包括云南锗业（国内最大，储量728吨，占全国21%）、驰宏锌锗（全球占比20%-25%）、中金岭南等。由于锗的供给同样受限于铅锌矿开采计划，且全球库存处于低位，中国在锗领域的优势具有长期的结构性特征。

1.3 铟（Indium）：光通信与显示的"粘合剂"

铟在AI产业链中的核心价值体现在两个方向：一是磷化铟（InP）光芯片，这是800G/1.6T光模块的核心材料，直接决定数据中心内部的数据传输带宽；二是ITO（氧化铟锡）导电薄膜，广泛应用于触摸屏和高端显示设备。随着AI驱动的高速光通信需求爆发，铟的战略价值正在快速提升。

铟是全球99%以上来自铅锌矿伴生的稀散金属，无独立矿床，供给弹性为零。全球可经济开采的铟储量仅1.5-1.6万吨，中国占比72.7%（约1.15万吨），全球超七成可直接开采的铟资源集中在中国。2025年全球原生铟产量约460吨，中国产量370吨，占全球80.4%。中国精炼铟设计产能720吨/年，是全球主流增量的主要供给方。

2025年至今，受益于HJT光伏电池与AI光模块需求爆发，铟价格涨幅超260%，成为近一年涨幅最高的小金属品种之一。据行业信息，英伟达等全球芯片巨头已通过资本入股、长期包销、技术绑定等方式锁定相当一部分全球高端磷化铟光芯片产能，这一具体比例建议以企业公开披露信息为准，进一步凸显了铟资源的战略稀缺性。

1.4 钽（Tantalum）：芯片电容器的"心脏"

钽在AI产业链中的角色，藏在每一颗高端芯片的电源管理模块里。钽电容器因具有超高电容密度、极低的等效串联电阻和出色的频率特性，被广泛用于CPU、GPU和AI加速芯片的去耦电路中，负责稳定芯片工作电压、滤除高频噪声。在AI服务器的高频供电系统中，钽电容是重要的元器件之一。此外，钽溅射靶材还用于半导体芯片中金属互连层的沉积工艺。

钽与铌在自然界中共生于钽铁矿等矿物中，划分钽矿或铌矿主要依据两者含量高低。USGS数据显示，2022年全球钽矿储量约31.9万吨，主要分布于澳大利亚、巴西等地。从产量看，2022年全球钽金属产量仅约2000吨——刚果占43%、巴西18%、卢旺达17%，中国产量约78吨，占比约4%。中国钽矿资源分布在13个省区，江西、内蒙古、广东三省合计占72.6%。

虽然中国钽矿产量占比不高，但中国是全球重要的钽产品加工国之一。宁夏东方钽业是中国最大的钽产品生产企业，在钽粉、钽丝等高端材料领域具备较强的全球竞争力。这意味着中国虽然在原生钽矿开采上不占主导，但在下游高附加值加工环节拥有一定话语权。随着AI芯片对高性能电容器需求上升，钽的战略价值正在提升。

1.5 钼（Molybdenum）：半导体互连的"桥梁"

钼在AI产业链中的重要性往往被低估。实际上，钼溅射靶材是芯片制造中金属互连层（Metallization）的关键材料，用于在硅晶圆上沉积超薄钼层，作为铜互连的阻挡层和附着层。此外，钼的高熔点和优异热稳定性使其成为功率半导体器件的重要材料。

钼的资源格局呈现"中国主导"特征。USGS数据显示，2024年中国钼资源储量590万吨，占全球总量的39%，位居世界第一。2024年全球钼矿产量约26万吨（金属量），中国产量11万吨，占全球42.3%；秘鲁4.1万吨、智利3.8万吨、美国3.3万吨紧随其后。全球前五大钼生产国中，仅中国与美国同时通过原生钼矿和铜钼伴生矿两种途径生产钼。

钼的资源属性以伴生矿为主，全球约80%的钼产自斑岩铜矿的副产品。这意味着钼的供给与铜矿开采深度绑定，而中国2024年铜冶炼产能达全球50%，这一冶炼优势同样转化为对钼资源的掌控力。河南、陕西、吉林三省钼资源储量占全国总量的56.5%，金堆城钼矿、上房沟钼矿等国内大型矿山为全球钼供给提供了稳定支撑。

1.6 锡（Tin）：AI芯片焊接的"粘合剂"

如果说前述金属主要解决芯片"里面"的问题，锡则解决芯片"外面"的问题——锡焊料是连接芯片与电路板、封装器件的核心材料。AI服务器中数以亿计的焊点，从GPU封装到PCB组装，都离不开锡基焊料。随着AI芯片功率密度不断提升，对焊料的导热性、可靠性和无铅化要求也越来越高。

USGS数据显示，2024年全球锡储量约420万吨，中国储量100万吨，占全球23.8%，位居世界前列；印度尼西亚、缅甸、澳大利亚等国也拥有可观储量，是全球锡资源供给的重要组成部分。产量方面，2024年全球精炼锡产量37.2万吨，中国以18.4万吨居全球之首，占全球49%。中国已形成云南、江西为核心的"采矿-冶炼-焊料加工"一体化产业布局。

锡在AI产业链中的需求逻辑尤为直接。锡焊料占锡下游消费的48%-53%，其中与半导体相关的需求占比高达85%。2025年全球半导体销售额持续修复，3月全球销售额达1677亿美元，同比增长21.8%。AI应用带动GPU、CPU为主的芯片订单爆发，直接推升锡焊料需求。中邮证券预测，在AI浪潮带动下，2026年全球精锡供需缺口或将达到4.79万吨。这一"AI芯片→锡焊料"的传导链条，使锡成为AI原材料中需求弹性较大的品种之一。

1.7 钨（Tungsten）："工业牙齿"的绝对主导

钨的熔点高达3422°C，是硬质合金、特种钢材的核心原料，广泛应用于航空航天发动机、穿甲弹、核反应堆屏蔽材料、高端机床刀具等领域。在AI产业链中，钨基硬质合金是精密加工半导体晶圆、制造高端芯片封装模具的关键材料。

与前面几种金属不同，钨拥有独立的矿床（黑钨矿和白钨矿），并非严格意义上的伴生矿。全球钨矿资源分布极不均衡——2025年全球钨矿储量约470万吨，中国以250万吨占据53.19%；2025年全球钨矿产量8.5万吨，中国产量6.7万吨，占全球78.82%。中国钨储量占全球一半以上，产量占比近八成，且拥有全球最大的冶炼加工能力。

国内核心矿山包括柿竹园钨矿（全球最大单体钨矿之一，WO3保有储量56万吨）、大湖塘钨矿（世界大型钨矿之一）等。2025年2月，中国将钨列入两用物项出口管制清单，1-5月钨品出口同比减少1879吨，国际供应缺口扩大。这种"资源+冶炼+出口管制"的组合，使钨成为中国在国际博弈中可直接动用的战略工具之一。

1.8 稀土：永磁材料的"隐形冠军"

稀土虽不属严格意义上的"稀散金属"，但在AI产业链中扮演着不可替代的角色。高性能钕铁硼永磁材料是AI服务器散热风扇、硬盘驱动器、工业机器人伺服电机、新能源汽车驱动电机的核心材料。

中国在稀土领域的地位领先全球：全球稀土储量中国占35%，总产量中国占70%，冶炼分离产能占全球92.3%。2025年中国稀土产量预计占全球70%以上，且拥有从采矿、冶炼分离到功能材料制备的完整产业链。2024年12月，中国明确禁止镓、锗、锑、超硬材料相关两用物项对美国出口，稀土作为重要筹码的战略价值愈发凸显。

1.9 综合评估：中国在稀散金属领域的系统性优势

下表系统梳理了AI产业链关键稀散金属（含稀土，稀土严格意义上不属于"稀散金属"分类，此处因其战略属性相近而一并纳入分析）的资源与供给格局：

从上表可以清晰看出，在镓、锗、铟、钼、锡、钨这六种严格意义上的稀散金属中，中国在五种（镓、锗、铟、锡、钨）上拥有全球主导的产量份额（42%-96%不等），仅在钽、钼两项上占比相对不高；若将稀土一并纳入统计，中国的产量份额同样领先。这种"多强并存"的格局，构成了中国在AI原材料环节较为显著的系统性优势。

更为关键的是，这些金属大多具有伴生矿或共生矿属性——镓依附于铝土矿和铅锌矿、锗依附于铅锌矿、铟依附于铅锌矿、钼依附于斑岩铜矿、钽与铌共生。这意味着它们的供给很大程度上受制于主矿种的开采和冶炼计划，短期内提升产量存在一定难度。全球较大比例的铅锌冶炼产能、铜冶炼产能、氧化铝产能集中在中国，这意味着全球稀散金属供给链条的重要枢纽掌握在中国手中。2023年以来，中国先后对镓、锗、石墨、锑、钨、碲、铋、钼、铟等实施出口管制，是这种资源优势转化为战略工具的直接体现。

需要指出的是，这种优势并非一成不变：澳大利亚、加拿大等国已在加速布局镓、锗等金属的回收与替代冶炼产能，材料替代技术（如降低单位芯片贵金属用量）也在持续研发中，长期看这一优势的独占性可能被逐步稀释；但就3-5年的中短期而言，受限于产能建设周期（通常需要3-5年）,中国在这一领域的主导地位预计难以被显著撼动。

图1：中国在AI产业关键稀散金属中的全球产量占比

二、电力供给：AI算力的"重要支撑"

如果说稀散金属是AI产业的"原材料命脉"，那么电力就是AI算力的重要基础。训练大模型需要消耗巨量电能——据多方公开研究测算，训练GPT-4级别的模型耗电约为数千万千瓦时量级（不同测算口径下约5000-6200万千瓦时）。随着大模型参数规模持续膨胀、AI应用全面渗透，数据中心用电量正呈快速增长趋势。在这个维度上，中国拥有规模优势和体系优势。

2.1 发电量：全球第一且仍在加速增长

2025年，中国电力基础设施交出了一组令世界瞩目的数据。国家能源局数据显示，2025年全国发电量达到10.58万亿千瓦时，同比增长4.8%；全社会用电量累计103682亿千瓦时（首次突破10万亿度），同比增长5.0%。中国由此成为全球首个年用电量超10万亿度的国家，用电总量已明显超过美国。2025年7月，中国全社会用电量首次实现月度突破万亿千瓦时大关，达到1.02万亿千瓦时，同比增长8.6%。

这种规模的电力消费，是AI算力扩张的重要底座。据媒体报道，马斯克2025年8月访华期间曾公开表示，中国是极具实力的竞争对手，在电力供应和硬件建设能力方面表现突出（具体措辞以权威媒体原始报道为准）。美国2024年全年全社会用电量约为4.2万亿千瓦时，月均仅0.35万亿千瓦时——中国单月用电量已接近美国月均水平的3倍。

中国的发电装机增长速度同样值得关注。截至2025年底，全国累计发电装机容量达38.91亿千瓦，同比增长16.1%。"十四五"期间（2021-2025年），全国新增发电装机共计16.90亿千瓦，其中风电、太阳能发电新增装机13.07亿千瓦，占新增装机的77.3%。2025年中国风电和太阳能发电新增装机容量合计超过4.3亿千瓦，这一建设速度在全球范围内位居前列。

2.2 新能源：装机爆发式增长，绿电占比持续提升

AI产业的可持续发展，不仅需要充足的电力，还需要清洁的电力。高耗能的数据中心若依赖煤电，不仅碳排放压力巨大，也与全球绿色转型的大趋势相悖。中国在这方面的布局同样领先全球。

截至2025年底，全国可再生能源装机总量达23.4亿千瓦，同比增长24%，约占全国电力总装机的60%。其中，太阳能发电装机12亿千瓦，风电装机6.4亿千瓦，风光装机合计18.4亿千瓦，占比47.3%，历史性超过火电装机。2025年，风电发电量1.13万亿千瓦时，太阳能发电量1.17万亿千瓦时，风光发电量同比增长25.8%，占全年总发电量的22%。

表2：2025年中国电力关键指标

从发电结构看，2025年全国可再生能源发电量3.99万亿千瓦时，同比增长15%，约占全部发电量的38%。火电发电量6.33万亿千瓦时，实现十年来首次下降，同比下降0.7%。全国新增可再生能源发电量5193亿千瓦时，已经覆盖全社会用电增量（5161亿千瓦时）——这意味着2025年中国全社会用电增量绝大部分由可再生能源提供。

对于AI数据中心而言，这意味着未来可以越来越容易地获取清洁、低成本的绿色电力。部分先进数据中心的绿电使用率已经达到80%左右，这与欧盟等地对数据中心碳排放的严格限制形成呼应，为中国AI产业的全球化布局提供了一定优势。

2.3 电网：规模领先、技术先进的输电网络

发电能力再强，如果无法高效输送，也难以充分发挥效用。中国能源资源与负荷中心存在天然的地理错配——煤炭、风能、太阳能资源富集在西部和北部，而电力需求集中在东部和中部。解决这一矛盾的核心工程，就是特高压（UHV）输电网络。

截至2025年底，中国累计建成投运45条特高压输电通道（24条直流、21条交流），"西电东送"输送能力达到3.4亿千瓦。这一规模的输电能力，足以支撑东中部地区约五分之一的用电需求。中国拥有能建设±1100千伏特高压直流输电的技术能力，特高压线路总长度突破5万公里，超过地球赤道周长（约4万公里）。

这张电网不仅规模领先全球，稳定性和先进性也经受住了严峻考验。2025年迎峰度夏期间，全国用电负荷峰值达到15.08亿千瓦的历史高位，7月、8月全社会用电量连续两月破万亿千瓦时。这张覆盖全国的电网从容应对，连续多年未发生大面积停电事故，供电可靠率达99.924%。

对于AI数据中心而言，特高压电网意味着可以将新疆、甘肃、内蒙古的低成本风电、光伏高效输送至算力密集的东部地区，让数据中心在不依赖城市高价电网的情况下，依然能获得稳定、充足的电力供应。这种"东数西算"的模式，目前也主要由中国以国家工程的形式系统推进。

2.4 数据中心用电：当前占比低，未来空间充裕

那么，AI数据中心目前到底消耗了多少电？中国信通院《绿色算力发展研究报告（2025年）》显示，2024年中国数据中心用电量达到1660亿千瓦时，占全社会用电量比例达到1.68%。北京理工大学能源与环境政策研究中心预测，到2030年全国数据中心总用电量约为5257.6亿千瓦时，用电量将占到全社会总用电量的4.8%。

图2：中国数据中心用电量及占全社会用电比例

即便按照最乐观的预测，到2030年数据中心用电量也仅占全社会用电量的约5%-10%。相比之下，美国数据中心2023年用电量已占总电力的4.4%，预计到2028年将消耗美国总电力的6.7%-12%。中国的数据中心用电占比明显低于美国，且电力总盘子远大于美国，这意味着中国电力系统对AI算力扩张的承载能力较强。

更关键的是增长弹性。2025年中国新增可再生能源发电量（5193亿千瓦时）已基本覆盖了全社会用电增量。即便数据中心用电量再大幅增长，中国也有较强的能力通过新增新能源装机来提供电力保障。据水电水利规划设计总院预测，到2030年风光大基地总装机容量将达到455GW（4.55亿千瓦），加上分布式光伏和海上风电的持续增长，电力供给的空间依然充裕。

综合而言，中国在电力供给方面的优势是三维叠加的：一是规模维度——发电量全球第一且增量最大；二是结构维度——新能源装机全球领先，绿电占比持续提升；三是系统维度——特高压电网实现跨区域优化配置，"东数西算"模式具有一定开创性。这三个维度叠加，构成了AI算力基础设施层面较为坚实的支撑条件。

需要说明的是，电力和资源优势虽能夯实算力扩张的基础设施底座，但难以完全替代先进制程芯片、EDA工具等环节的技术自主可控能力——这仍是当前中国AI产业链中最核心的瓶颈所在，电力优势更多是"必要条件"而非"充分条件"。

图3：中国电力装机容量与发电量结构（2025年）

三、AI应用市场：人口红利与场景创新的双重驱动

AI产业的价值最终要在应用端兑现。无论芯片性能多强、模型参数多大，如果不能转化为用户愿意付费的产品和服务，就只是实验室里的"玩具"。中国在这一环节的优势，源于全球最大的人口基数、最丰富的应用场景、以及最活跃的数字化创新生态。

3.1 消费级市场：14亿人口的"超级试验场"

中国拥有14亿人口、超过10亿网民、约4亿中等收入群体——这是全球最大、最多样化的消费市场。AI应用的爆发，首先取决于有多少用户愿意使用、愿意付费。在这个维度上，中国拥有无可比拟的优势。

从用户规模看，中国AI应用的渗透速度令人瞩目。截至2025年2月，中国生成式AI用户数量已激增至2.5亿。到2026年3月，字节跳动旗下豆包App月活用户突破3.45亿，稳居国内C端AI应用榜首。阿里的千问App月活用户达1.66亿，腾讯元宝月活5735万。这种用户规模在全球仅次于美国，但增长速度快于美国。

更重要的是用户付费习惯的养成。行业数据显示，2025年国内AI工具用户付费转化率从2024年的8%提升至11%，其中高频使用的职场人、专业创作者付费意愿超过30%。百度文库付费用户达4000万，位列全球第二（仅次于微软Copilot），总付费率年同比增长60%，这一增长几乎完全由AI功能带动。字节跳动2026年5月正式推出豆包付费订阅服务，标志着国内头部AI应用全面进入商业化阶段。

从消费场景看，中国市场的多样性为全球之最。从一线城市的金融从业者到县城里的小店主，从Z世代的数字原住民到银发族的短视频用户，不同群体对AI应用的需求差异巨大，这种多样性倒逼AI产品必须不断优化用户体验、降低使用门槛。当豆包、DeepSeek、Kimi等产品在3亿多月活用户的"超级试验场"中快速迭代时，它们获得的用户反馈数据量和场景覆盖度，是其他任何市场无法提供的。

AI应用在消费端的爆发，还将激发新的消费潜力。以AI眼镜为例，2024年全球AI眼镜销量达152万台，2025年预计达350-550万台，同比增长130%-230%。中国市场增速尤为迅猛——2025年第二季度出货量同比增长145.5%。2025年"双11"期间，全品类AI眼镜销量126万台，同比增长380%。AI PC同样增长迅猛——2024年中国市场AI PC出货量超580万台，占15%；2025年预计渗透率将升至40%。这些AI硬件的普及，将进一步拉动上游芯片、传感器、显示面板等产业链环节的需求。

3.2 企业级市场：制造业与服务业智能化转型的巨大空间

消费级市场是AI应用的"面子"，企业级市场才是"里子"。中国拥有全球最完整的工业体系、最大的制造业产出、以及正在快速升级的服务业，这为AI在B端的应用提供了肥沃的土壤。

从市场规模看，中国AI市场整体规模从2021年的约1500亿元增长至2024年的7470亿元，同比增长41.0%，预计2025年将达10457亿元。IDC预测，中国生成式AI软件市场规模2025年将达到35.4亿美元，企业级应用管理软件市场2024年下半年达到54.3亿美元，预计到2029年将达到175.2亿美元，五年复合增长率达11.2%。弗若斯特沙利文预测，中国企业级AI市场2029年规模将达2394亿元人民币，五年复合增速44%。

从应用场景看，AI正在中国制造业的各个环节深度渗透。宁德时代通过AI视觉技术将缺陷率降至0.01%，制造成本同步下降40%。AI辅助诊断已覆盖全国绝大多数三甲医院，肺结节识别准确率达97.8%。在金融服务领域，AI用于风险建模、投顾辅助与客户服务，不仅提升效率，也增强了风险控制能力。据IDC数据，2024年中国AI在互联网领域的渗透率达89%，电信领域68%，政务领域65%，金融领域64%。

AI for Science（科学智能）是中国AI应用的另一片蓝海。2025年，AI for Science领域发表了超100篇重要成果，覆盖生物医药、材料化学、气象、天文等多个方向。中科曙光2026年4月发布的AI4S计算集群由6万张国产加速卡构成，在昌平实验室的蛋白质折叠模拟、中科院计算所的材料筛选等国家级科研场景中应用，将材料筛选时间从数年缩短至数天。Google DeepMind的GNoME模型发现了超过220万种新晶体结构，其中38万个稳定结构有望成为实验合成的候选材料。这些突破意味着AI正在从"辅助工具"演变为"科学发现引擎"，而中国庞大的科研队伍和丰富的应用场景，为AI for Science的落地提供了最佳土壤。

图4：全球AI市场规模及预测

3.3 收入闭环的关键：产品要"真有用"，用户要"愿付费"

应用市场再大，如果无法形成商业闭环，最终也会沦为"烧钱游戏"。中国AI应用要实现可持续的收入闭环，必须在两个维度上取得突破。

第一，AI应用必须真的好用、有效，而不是噱头。当前的AI产品市场存在明显的"泡沫"——很多产品只是把大模型能力简单包装，没有解决真实痛点，用户体验差、留存率低。国内C端订阅生意的难度有目共睹：工具类产品年均续费率能做到30%已是行业顶流，价格战内卷常态化，用户切换成本几乎为零。要实现商业闭环，AI应用必须从"有趣"进化到"有用"，从"尝鲜"进化到"刚需"。这意味着要深耕垂直场景，积累行业know-how，构建数据护城河——而不是简单地调用API做一个聊天机器人。

第二，必须培养中国人的软件付费使用习惯。长期以来，中国互联网用户习惯了"免费+广告"的模式，对软件付费的接受度较低。但AI大模型的推理成本远高于传统软件——每一次对话都意味着实实在在的算力消耗。如果用户不愿意为AI能力付费，那么再强大的模型也无法持续运营。好在这一习惯正在快速养成：从2024年的8%到2025年的11%，AI工具用户付费转化率正在稳步提升。百度文库4000万付费用户、豆包3.45亿月活用户的商业化尝试，都是这一进程的重要里程碑。

四、总结：以优势补劣势，走中国特色的AI强国之路

客观审视中国在全球AI产业链中的位置，必须承认一个基本事实：中国在许多关键环节上仍有大量功课要补。高端光刻机国产化率不到1%，EUV光刻机完全依赖荷兰ASML；高端光刻胶国产化率不足5%；EDA工具全球95%以上市场被美国Synopsys、Cadence等企业垄断；7nm及以下先进制程芯片的制造能力仍被锁在天花板之下。这些"卡脖子"环节不是短期内可以突破的，需要持续的技术攻关、生态建设和产业积累。

但我们同样要清醒地认识到，AI产业的竞争不是"单项赛"，而是"全能赛"。美国在芯片设计、EDA工具、前沿算法上领先，但中国在稀散金属、电力供给、应用市场上拥有不可替代的优势。这三大优势不是孤立的，而是可以形成战略协同的：稀散金属优势保障了AI硬件制造的原材料供给安全，电力优势保障了算力扩张的能源底座，应用市场优势则为技术迭代提供了最丰富的场景和数据。

特别需要强调的是，在这三大优势中，稀散金属的优势是唯一可以"卡别人脖子"的优势，是国际博弈中可以直接动用的战略力量。光刻机再先进，没有镓和锗就造不出高端芯片；数据中心再强大，没有钨基硬质合金就无法精密加工晶圆。2023年以来，中国先后对镓、锗、石墨、锑、钨、碲、铋、钼、铟等关键矿产实施出口管制，正是将这种资源优势转化为战略威慑力的具体实践。彼得森国际经济研究所指出，中国这些反制措施被广泛解读为对美国半导体出口管制的"对等回应"——"如果美国拒绝向中国提供先进的半导体，中国则会拒绝向美国提供半导体和清洁科技的基本构建材料"。

因此，稀散金属的战略价值必须上升到国家安全的高度来看待。它不仅是AI产业的"原材料"，更是国际博弈的"战略筹码"。在资源勘探、冶炼产能、出口管制、战略储备等方面，需要有更长远的规划和更坚决的执行。同时，也要避免"资源武器化"的滥用——出口管制的目的是维护国家安全和利益，而非扰乱全球产业链，需要在威慑与稳定之间找到平衡点。

面向未来，中国AI产业的发展路径应该是：充分发挥三大优势，以优势补劣势，整合政府和市场的力量促进在薄弱环节突破，整体变强。在稀散金属领域，要继续巩固"资源+冶炼"的双重主导，同时加大高端材料研发，向下游高附加值环节延伸；在电力领域，要持续扩大新能源装机，优化电网智能化水平，为"东数西算"提供更强的能源支撑；在应用市场领域，要鼓励真正的场景创新，培育用户付费习惯，让AI应用从"概念热"走向"商业实"。

AI产业的全球竞争远未到终局。中国在某些环节落后，在另一些环节领先，这种"非对称"格局恰恰是制定战略的出发点。把自己的长板做到更长，用长板的收益去弥补短板的投入，同时在国际博弈中善用稀散金属等战略筹码争取时间和空间——这是中国特色AI强国之路的现实选择。最终，AI产业的胜负不取决于谁在某一个单点上最强，而取决于谁能在全产业链上实现动态平衡和持续进化。中国有这样的底气，也有这样的能力。

盘古智库

2026年7月

（本文作者系盘古智库高级研究员周济、盘古智库高级研究员牛站奎。）