穆迪评级的一份新报告指出，美国和中国科技巨头在人工智能支出上的巨大差距，可能并不会为美国巨头带来预期的优势，因为中国国内成本较低且获得大量政府支持，使得中国企业每美元能获得远更多的计算能力。

报告称，虽然美国超大规模企业在支出上远超中国同行，但实际计算能力的差距远没有这些巨额预算所暗示的那么大。

穆迪指出，较低的建造成本、有针对性的政策激励以及更便宜的绿色能源获取渠道，意味着中国科技企业正在超越其财务实力，以极低的成本缩小了与美国同行的计算能力差距。

美国在尖端半导体芯片方面仍保持明显整体领先，但研究结果表明，表面上的资本支出数字只说明了部分情况。以下是您需要了解的内容。

据穆迪预测，中国主要科技公司的资本支出今年将翻一番以上，达到约1400亿美元（2025年为650亿美元），到2027年将达到1650亿美元。

相比之下，美国五大超大规模企业——微软、亚马逊网络服务、Alphabet、Meta平台和甲骨文——加上AI云提供商CoreWeave，预计仅今年就将支出超过7850亿美元，到2027年将接近1万亿美元。中国的成本优势在于土地、电力和结构性的政府支持。

在北京的“东数西算”倡议下，高耗电的工作负载被引导至内蒙古和西北省份甘肃等资源丰富的内陆地区。

惠誉解决方案旗下的BMI表示，通过将延迟容忍的AI训练转移到绿色能源丰富、气候凉爽的枢纽（如字节跳动在内蒙古乌兰察布不断扩大的数据中心足迹），企业可以大幅削减电力和冷却费用，同时将宝贵的沿海容量保留给实时应用。

穆迪称，政府政策通过更便宜的基础设施、补贴、快速审批和税收优惠进一步倾斜了天平。中国的成本优势主要集中在非芯片基础设施上。

穆迪表示，服务器和加速器占AI支出的最大份额，而获取领先英伟达芯片的限制仍然是一个关键制约因素。国产处理器和软件生态系统持续改进，但仍落后于英伟达。

此外还存在效率权衡。BMI表示，一些中国半导体平台在执行同等计算工作负载时消耗的电力比英伟达处理器更多，这意味着更便宜的电力成本和补贴只能部分抵消国产硬件更高的运营成本。

在系统层面，这种权衡也很明显。半导体研究公司SemiAnalysis估计，华为技术的CloudMatrix 384的功耗约为英伟达GB200 NVL72的4.1倍，而计算性能却接近其两倍，这使得获得充足且相对便宜的电力尤为重要。以数据中心容量而非纯美元支出来衡量，差距显著缩小。

根据穆迪引用的国际能源署数据，截至2025年底，美国数据中心装机容量为52吉瓦（GW），而中国为28GW。

到2030年，美国容量预计将达到100GW，而中国为67GW。中国的容量预计将以每年19%的速度增长，快于美国的14%，从而在绝对差距扩大的同时缩小相对差距。

虽然兆瓦输出并不直接等同于AI处理能力，但它表明资本支出差距夸大了物理容量差距。中国的更快增长速度意味着，即使绝对差距扩大，它也在稳步缩小相对差距。

模型能力反映了这种追赶。中国领先的模型——包括月之暗面的Kimi K3、智谱的GLM-5.3和阿里巴巴集团的Qwen3.8——现在在Artificial Analysis和Chatbot Arena等基准平台上与全球顶级开源权重竞争对手并驾齐驱。构建计算能力是一回事；将其变现是另一回事。

穆迪表示，云平台仍然是AI收入的主要引擎，但中国超大规模企业的运营规模要小得多，且处于价格竞争更激烈的市场。

在最近报告的季度中，微软云收入为590亿美元，亚马逊为420亿美元，Alphabet为250亿美元。阿里巴巴为70亿美元，百度约为10亿美元。

美国超大规模企业还受益于更大的企业客户群、合同化的云承诺和集成的软件生态系统，这使它们拥有更清晰的经常性AI收入路径。穆迪表示，中国的低成本开源模型正在推动采用，但变现仍处于早期阶段。

有迹象表明差距开始缩小。阿里巴巴的云业务在6月当季报告收入增长45%——这是22个季度以来最快的增速——因为AI相关产品的需求加速。阿里巴巴拥有《南华早报》。