CABINET / The Physical Stack of AI / Neocloud
中美映射与国内替代
本系列定位：这是第 10 篇，也是本系列的结构性收尾篇之一。前九篇从 Neocloud 作为新资产类别出发，覆盖了美国市场的芯片硬件、电力基础设施、Hyperscaler 巨头、Neocloud 玩家（CoreWeave / Nebius / IREN）、Oracle 转型等主线。这一篇转向中国，回答一个关键问题：美国那套逻辑在中国有没有对应物？中国自己的 AI 算力版图长什么样？
读完这篇，你应该能清楚地说出：中美算力体系的三个根本差异，中国”类 Neocloud”的真实形态，华为昇腾在格局里的枢纽地位，以及为什么不能拿 CoreWeave 的估值框架套中国玩家。
1. 开篇：两套逻辑，两个版图
前九篇的核心发现，用一句话总结是这样的：美国 AI 算力市场是资本驱动的市场化竞争，NVIDIA 芯片是通货，CoreWeave 们用 GPU 做抵押借钱扩张，Oracle 用现金流转型，Hyperscaler 用股权激励绑定客户。整个生态的底层逻辑是：技术领先 + 资本杠杆 + 市场竞争。
中国的逻辑不是这样的。
中国的 AI 算力市场，底层驱动力是政策 + 国产替代 + 国内需求。国家对 AI 算力的战略定位接近于水电路桥，属于基础设施，而不只是商品。这一个前提差异，决定了后面几乎所有的结构差异：谁投资、谁运营、谁用、怎么定价、怎么监管。
理解这个差异的关键，是建立独立的中国分析语言，而不是把美国框架直接套用到中国市场。
2. 中美算力市场结构对比：三个根本差异
2.1 美国模式（复习）
| 类型 | 代表玩家 | 驱动逻辑 |
|---|---|---|
| 传统 Hyperscaler | AWS / Azure / GCP | 生态锁定 + 企业软件 |
| Neocloud（独立 GPU 云） | CoreWeave / Nebius / Lambda / IREN | GPU-backed ABS + 资本杠杆 |
| 传统软件转型 | Oracle | 现金流 + 企业客户关系 |
| 自建玩家 | Meta / X | 内部需求 + 不对外商业化 |
详细分析见本系列 01-Neocloud作为新资产类别 和 07-传统云玩家横扫。
2.2 中国模式（本篇重点）
中国市场的玩家结构完全不同，可以分为四个层次：
第一层：国有基础设施 三大运营商（中国移动 / 中国联通 / 中国电信）是中国 AI 算力的最大基础设施提供者。2024 年三大运营商合计 capex 中用于 AI 和智算的部分约 500 至 800 亿人民币。这不是商业决策，是政策任务。
第二层：互联网巨头自建 阿里 / 字节 / 腾讯 / 百度 / 华为各自建设大规模 GPU 集群，主要用于训练自家大模型，部分对外商业化。这一层最接近美国的 Hyperscaler，但国际扩张受限。
第三层：政府主导的智算中心 2020 年以来各地政府主导、地方国资参与投资的公共算力基础设施。成都智算中心、武汉人工智能计算中心、上海人工智能创新中心等。这是中国独有的”类 Neocloud”形态，下文重点展开。
第四层：垂直型 AI 公司 商汤 SenseCore、优刻得等，以 GPU 集群为核心资产，向外提供算力服务。规模远小于美国 Neocloud，商业模式尚在摸索。
2.3 三个根本差异
差异一：芯片供应链
美国可以用 NVIDIA H100 / B200，中国受出口管制限制，只能用降规版 H20，以及本土国产芯片（华为昇腾、寒武纪、海光等）。这不只是性能差异，而是整个软件生态和工程师工具链的差异。CUDA 生态积累了十多年，国产替代的软件层追赶需要时间。详见本系列 GPU、AI Infra 两章。
差异二：资本形态
美国：股权市场（NASDAQ / NYSE）+ 债务融资（GPU-backed ABS）+ 私募。CoreWeave 可以用 GPU 做抵押借钱，这是一种美国金融市场独有的结构。
中国：国资 + 产业基金 + 地方政府专项资金 + 银行贷款。互联网巨头可以用自有现金流，但”独立 GPU 云公司”做 GPU 抵押融资的路径在中国几乎不存在。资本形态的差异决定了商业模式上限。
差异三：监管逻辑
美国的监管压力主要来自反垄断（DOJ / FTC 对 Hyperscaler）和出口管制（商务部 BIS 对中国）。
中国的监管层次更多：网信办《生成式人工智能服务管理暂行办法》、数据出境审批、算力调度（国家有权调用私营算力）、内容安全审查。这些监管不只影响应用层，也影响算力基础设施的商业空间。
3. 中国云计算巨头的 AI 算力布局
3.1 阿里云（Alibaba Cloud）
阿里是目前中国最大的 IaaS 提供商，2024 年全年营收约 1150 亿人民币，国内市场份额第一。
AI 算力侧：大规模采购 NVIDIA H20（降规版，专为中国市场合规设计），同时自研含光（Hanguang）推理芯片用于搜索和推荐场景的推理加速，但训练侧仍依赖 NVIDIA。
模型侧：通义千问（Qwen）系列持续迭代，已开源，在国际开源社区具有一定影响力。2025 年 Qwen 在多个 benchmark 上与 Llama 3 系列竞争。
战略方向：国内市场继续巩固，同时加速国际扩张（新加坡、马来西亚、沙特）。但增速近两年出现下滑，字节的火山引擎快速追赶，竞争明显加剧。
不确定性：马云回归后集团战略调整节奏、阿里云是否会从集团拆分上市，这些都是影响长期预期的变量。
3.2 字节跳动（火山引擎，Volcano Engine）
字节是这两年国内云市场最大的黑马。背靠抖音 / TikTok 的庞大内部算力需求，字节 2024 年花在算力基础设施上的 capex 超过 600 亿人民币，其中很大一部分用于购买 NVIDIA GPU。
模型侧：豆包大模型是字节 AI 战略的核心，2024 年下半年 DAU 快速增长，成为国内 AI 应用的头部之一。MCP（Model Context Protocol）生态布局也在推进。
云服务侧：火山引擎 2025 年 IaaS 营收预计已进入国内前三，超越百度云，向腾讯云和阿里云发起挑战。
不确定性：字节未上市，财务数据不透明。自研芯片计划有传言但无量产验证。TikTok 在美国的政策风险持续影响国际扩张空间。
3.3 华为云（Huawei Cloud）
华为云是中国 AI 算力格局里最独特的变量，需要单独理解。
核心差异：华为是唯一一家在中国能提供”端到端国产化算力”的公司：自研昇腾芯片（Ascend 910B / 910C / 920）+ 自研 MindSpore 框架 + 盘古大模型 + 华为云服务。换句话说，华为可以给客户一套完全不依赖 NVIDIA 和美国软件生态的解决方案。
市场定位：主要服务政企客户、国央企（金融、能源、运营商、政府）。这些客户在数据安全和供应链安全上有刚性需求，国产化率要求越来越高，华为是最自然的受益者。
昇腾的现状：910B 2024 年已有规模部署，性能约等于 A100 量级。910C 2025 年迭代，目标是 H100 量级。软件层的 CANN 框架正在逐步扩大支持的模型库，但与 CUDA 生态的成熟度差距仍然明显，高端量化推理、大规模分布式训练的工程调优经验在业界积累不足。
最关键的判断：华为昇腾的软件生态成熟度，是决定 2027 至 2030 年中国 AI 算力国产化率能到多高的核心变量。这比芯片硬件性能更难追赶。
3.4 腾讯云
腾讯云的 AI 算力战略与阿里 / 字节有根本区别：腾讯更重内部消化，对外商业化意愿相对保守。
核心业务：游戏云（腾讯游戏是全球最大游戏公司）、微信生态的 SaaS 和 PaaS、音视频和直播基础设施。这些业务的算力需求大但相对稳定，不像 AI 训练需要大量 GPU 集群。
AI 侧：混元大模型 2024 年持续迭代，接入微信生态（微信 AI 助手）。腾讯还战略投资了燧原（Enflame）AI 芯片公司，属于在国产芯片侧的布局。
投资者视角：腾讯的 AI 逻辑更接近”微信生态 AI 化”而非”卖算力”，增量体现在广告 ARPU 提升、游戏 AI 生成、企业微信工具升级，而不是在云 IaaS 增速上。
3.5 百度云 / 智能云
百度是国内最早发力 AI 的互联网公司，但云业务规模已是一线最小。
优势资产：文心一言 + 千帆大模型平台，百度 Apollo 自动驾驶的算力积累。自研昆仑芯片（Kunlun）主要用于内部推理加速。
劣势：云 IaaS 增速落后于阿里 / 字节 / 腾讯，在政企市场被华为挤压，在互联网市场被字节追赶，腹背受敌。
对具身智能的意义：百度 Apollo 是国内自动驾驶算力积累最深的公司之一，如果具身智能和自动驾驶的算力需求出现融合，百度有独特的技术资产。
4. 中国 Neocloud：三种形态
这是本篇最需要重新定义的概念。“中国有没有 Neocloud”这个问题，答案是：有，但形态完全不同，不应该用 CoreWeave 的框架来理解它。
4.1 政府主导的智算中心（最重要的形态）
这是中国特有的”类 Neocloud”，也是理解中国 AI 算力版图的关键。
什么是智算中心：由地方政府主导投资建设、面向本地 AI 产业提供公共算力服务的数据中心。特点是政府出大头，可能引入运营商或互联网公司联合运营，向 AI 公司、科研院所、初创企业提供算力租用。
代表案例：
- 成都人工智能计算中心：2022 年建成，基于昇腾 910 芯片，算力规模 300 petaflops
- 武汉人工智能计算中心：2021 年建成，是国内最早一批智算中心之一
- 上海人工智能创新中心：接入多类型芯片（NVIDIA + 昇腾），面向上海 AI 产业
- 北京智源人工智能研究院的算力平台
模式的本质：这不是市场化的 GPU 租赁生意，更接近”政府补贴的公共基础设施”。客户有时享受补贴价格，项目背后有产业政策诉求（吸引 AI 企业落地、带动本地就业、体现政绩）。
商业模式的真实挑战：智算中心存在严重的重复建设问题，2020 至 2024 年各地建设热情高涨，但算力利用率普遍偏低（部分低于 50%），缺乏足够的本地 AI 公司去消化算力。盈利模式不清晰，高度依赖政府补贴，一旦补贴退坡，商业压力会很大。
4.2 专业 GPU 云（最接近美国 Neocloud 的形态）
商汤 SenseCore 大装置：商汤科技（0020.HK）的算力业务，位于上海临港，GPU 规模 3 万卡以上，主要是 NVIDIA A100 / H800 / H20，以及接入华为昇腾。对外提供 AI 模型训练和推理的算力租用，是目前国内最接近 CoreWeave 形态的公司。
优刻得（UCloud）：国内中立云服务商，部分业务面向 GPU 算力租用，体量有限但较为市场化。
与美国 Neocloud 的本质差异：商汤等国内 GPU 云公司没有”GPU-backed ABS”融资路径，没有美国资本市场的估值逻辑，也没有 CoreWeave 那样密集的大客户合同（OpenAI 级别）。它们的估值应该更接近传统 IaaS 公司，而非 Neocloud 的溢价逻辑。
4.3 运营商智算（规模最大的形态）
三大运营商是中国 AI 算力市场里规模最大但最不为人关注的玩家。
中国移动 2024 年智算相关 capex 约 250 至 300 亿人民币。中国联通、中国电信各约 150 至 200 亿人民币。三家合计约 500 至 800 亿人民币，远超所有互联网巨头对外销售的云 capex。
客户结构：主要服务国央企、政府机构，少部分商业化。运营商智算的本质是”国家队的 GPU 集群外包管理”，不是市场化竞争的产物。
对投资者的含义：运营商股票（A 股 + 港股）是中国 AI 算力最确定的受益者之一，但增量预期已大部分被定价，估值空间有限。
5. 中国 AI 芯片：国产替代的真实进展
见本系列 CPU、GPU 两章关于芯片研究的详细框架。这里补充最新进展：
5.1 头部玩家现状
| 公司 | 产品 | 定位 | 2024-2025 进展 |
|---|---|---|---|
| 华为昇腾 | 910B / 910C / 920 | 训练 + 推理全场景 | 910C 量产，软件生态持续扩大 |
| 寒武纪（688256.SH） | 思元 590 / 690 | 政采、科研 | 政采市场为主，商业化仍慢 |
| 海光信息（688041.SH） | DCU 系列 | 国央企数据中心 | 兼容 CUDA，AMD 架构衍生 |
| 摩尔线程 | MTT S4000 / S5000 | 数据中心 + 消费级 | 产品线扩张，生态建设中 |
5.2 二线玩家
壁仞（Biren）曾推出 BR100，性能指标接近 A100，但 2022 年被列入实体清单，国际扩张受阻。燧原（Enflame）有腾讯战略投资背景，主要做 AI 加速卡，云数据中心方向。沐曦（MetaX）团队来自 AMD，做 GPU 兼容产品。天数智芯（Iluvatar CoreX）主要做云计算 GPU。
5.3 国产化率：真实数字与目标
2024 年现状：中国 AI 算力（以 FLOPs 计）的国产化率约 30 至 40%，主要体现在政府和国央企采购端。互联网巨头和商业 AI 公司的训练侧，NVIDIA（包括 H20）仍是主流。
2026 至 2030 年目标：官方提法是 2025 到 2027 年力争 50% 以上，但这个目标能否实现，高度依赖两个因素：一是昇腾 920 的量产良率和性能验证，二是 CANN / MindSpore 框架的工程师规模生态形成。
最大的障碍不是硬件，是软件：这一点值得重复一遍。CUDA 生态的护城河是十五年积累的：数万个优化过的模型库、数百万熟悉 CUDA 的工程师、Triton / PyTorch 等上层工具链。国产芯片的硬件性能可以追赶，但工程师生态的追赶是五到十年的事。
6. 东数西算工程：中国特色的基础设施逻辑
6.1 什么是东数西算
2022 年 2 月，国家发改委等四部门启动”全国一体化大数据中心协同创新体系算力枢纽实施方案”，俗称”东数西算”工程。
核心逻辑：中国东部（北京 / 上海 / 广深）电价贵、土地贵，西部（内蒙、贵州、甘肃、宁夏）电价便宜（0.2 至 0.3 元/度，东部约 0.5 至 0.6 元）、土地充裕。因此把大型数据中心建在西部，通过骨干网络向东部输送算力服务。类比水电：西南水电通过特高压输电线路送到东部用电大省。
八大枢纽节点：京津冀、长三角、粤港澳、成渝四个东部节点，以及内蒙古、贵州、甘肃、宁夏四个西部节点。
这和美国的能源基础设施解决方案形成了鲜明对比。09-AI数据中心PPA细粒度 一篇里讨论了美国数据中心的电力逻辑：PPA 长协 + 核电复兴 + 天然气备用。中国的解法是：政府规划 + 西部新能源 + 骨干网络传输算力，而不是把算力中心建到电力便宜的地方然后靠市场 PPA 解决。两种解法反映的是两种经济体的底层运作逻辑。
6.2 对 AI 算力的实际意义
适合的场景：大模型训练任务（对延迟不敏感，一次训练可以跑几周，放在西部低成本节点完全合理）。离线批量推理、数据处理、科研计算。
不适合的场景：在线推理（用户实时调用 AI 接口，需要毫秒级响应，延迟敏感）。这类推理服务必须在东部节点部署，东数西算覆盖不了这部分需求。
已暴露的问题：西部算力中心的客户开发难度远超预期，很多算力中心利用率长期偏低。东部 AI 公司的工程师不愿意去西部部署和调优，远程运维成本高。
深层判断：东数西算解决的是”算力成本”问题，但中国 AI 算力最大的瓶颈不是成本，而是芯片供给（H20 受限）和软件生态（国产替代需要时间）。在更核心的约束没有解除之前，东数西算的战略意义是长期的，但短期内的经济账不好算。
7. 中美 Neocloud 全景对比
| 维度 | 美国 | 中国 |
|---|---|---|
| 主流训练芯片 | NVIDIA H100 / B200 | NVIDIA H20 + 华为昇腾 910C |
| 国产芯片 | 几乎无（Intel / AMD 份额极小） | 昇腾 / 寒武纪 / 海光 / 摩尔线程 |
| Hyperscaler | AWS / Azure / GCP | 阿里云 / 腾讯云 / 华为云 |
| Neocloud（独立 GPU 云） | CoreWeave / Nebius / Lambda / IREN | 商汤 SenseCore / 优刻得 GPU 云 |
| 特色形态 | 无（全市场化） | 政府智算中心 / 运营商智算 |
| 资本来源 | 市场股权 + GPU-backed ABS | 国资 + 产业基金 + 地方政府 |
| 软件生态 | CUDA + PyTorch + Triton | CUDA 兼容层 + MindSpore + PaddlePaddle |
| 主要客户 | AI 公司 + 互联网企业 + 个人开发者 | 国央企 + 互联网巨头 + 部分初创 |
| 定价机制 | 完全市场化（H100 $2-3/hr/GPU） | 部分政府指导 + 部分市场 |
| 数据中心布局 | 分散，多州，靠近电力来源 | 东数西算（西建东用）+ 东部推理 |
| 电力解决方案 | PPA 长协 + 核电 + 天然气 | 电网主导 + 西部新能源 + 特高压 |
| 监管风险 | 反垄断 + 出口管制（BIS） | 网信办 + 数据出境 + 算力调度 |
| 公开市场投资 | NASDAQ / NYSE 直投 | A 股 + 港股 + 一级市场 |
| 估值逻辑 | GPU 资产倍数 + ARR 成长 | 政策受益 + 国产替代叙事 |
8. A 股 / 港股投资标的全景
这里提供一个分层的投资标的地图，不是推荐，是版图梳理。
8.1 芯片端（国产替代最直接受益）
| 公司 | 代码 | 定位 |
|---|---|---|
| 寒武纪 | 688256.SH | AI 芯片，政采为主，估值高，亏损 |
| 海光信息 | 688041.SH | CPU + DCU，国央企，兼容 AMD |
| 芯原股份 | 688521.SH | IP 授权 + 芯片设计，偏 IP 模式 |
| 龙芯中科 | 688047.SH | CPU，国产化 + 信创赛道 |
注意：寒武纪是目前市场上最纯粹的”AI 芯片国产替代”标的，但估值长期处于高位，且商业化节奏比预期慢。海光的兼容 AMD 架构降低了迁移门槛，是政企采购中相对务实的选择。
8.2 服务器 / 硬件端
| 公司 | 代码 | 定位 |
|---|---|---|
| 浪潮信息 | 000977.SZ | AI 服务器，国内最大，出货量直接受益 |
| 工业富联 | 601138.SH | 富士康旗下，服务器 + AI 基础设施 |
| 中科曙光 | 603019.SH | 超算 + AI 计算，政采强 |
| 紫光股份 | 000938.SZ | 网络设备 + 云基础设施 |
8.3 IDC / 数据中心
| 公司 | 代码 | 定位 |
|---|---|---|
| 光环新网 | 300383.SZ | 北京 IDC，AWS 合作，稀缺资源 |
| 宝信软件 | 600845.SH | 工业软件 + IDC，宝武钢铁背景 |
| 奥飞数据 | 300738.SZ | IDC + 算力，规模较小 |
| 数据港 | 603881.SH | IDC 运营，阿里背景 |
8.4 互联网巨头（港股 / 美股）
| 公司 | 代码 | AI 算力角度 |
|---|---|---|
| 腾讯 | 0700.HK | AI 化微信生态，广告 ARPU 提升，非算力直接标的 |
| 阿里巴巴 | 9988.HK | 阿里云 IaaS + 通义千问，最直接的中国云 AI 标的 |
| 百度 | 9888.HK | 文心一言 + Apollo，估值已低，弹性有限 |
| 美团 | 3690.HK | AI 外卖调度，间接受益 |
字节跳动未上市，华为未上市，这两个最重要的玩家无法在公开市场直接投资。
8.5 运营商
中国移动（0941.HK / 600941.SH）是运营商里 AI capex 最大、AI 叙事最强的标的。中国联通 + 中国电信体量较小，但估值也低，有防御性。运营商的逻辑是：稳定分红 + AI 算力 capex 受益 + 国央企政策背书，不是高成长，是高确定性。
8.6 AI 模型与应用
| 公司 | 代码 | 定位 |
|---|---|---|
| 商汤科技 | 0020.HK | SenseCore 算力 + 视觉 AI，现金流持续亏损 |
| 科大讯飞 | 002230.SZ | 语音 AI + 星火大模型，政企为主 |
| 昆仑万维 | 300418.SZ | 天工大模型，搜索引擎 + 游戏 |
9. 中国市场的独特风险与机会
9.1 风险（需要持续追踪）
出口管制升级：当前限制是 H100 禁止、H20 允许。如果下一轮管制把 H20 也列入限制，中国互联网公司的训练算力将受到实质性冲击，只能更快转向国产。这个场景的概率在 2025 至 2027 年不低。
产能瓶颈：中芯国际 7nm 工艺（N+2）有量产能力，但良率和产能与台积电 7nm 仍有差距。华为昇腾 920 能否按时、按规模量产，取决于中芯国际的产能爬坡，这是一个真实的不确定性。
监管节奏：《生成式人工智能服务管理暂行办法》已落地，大模型需要通过备案才能面向公众服务。这对合规成本和产品迭代速度都有影响。数据出境规定对国内 AI 公司国际化也是实质性障碍。
智算中心过剩：各地重复建设，利用率低，补贴退坡后商业模式存疑。这不是小问题，是整个”类 Neocloud”中国特色形态面临的系统性挑战。
9.2 机会（真实的结构性机会）
国产替代的刚性需求：无论 AI 算力商业模式成熟与否，国央企在数据安全和供应链安全的考量下，必须采购国产算力。这部分需求是政策驱动的，对华为昇腾系生态是长期红利。
具身智能的本土化链路：中国在机器人与具身智能赛道的优势是完整的制造业供应链、成本控制能力与国内市场规模。AI 算力 + 机器人 + 制造业的本土化闭环，是区别于美国路径的重要结构。
开源模型生态：DeepSeek、Qwen、Yi、Baichuan 等中国开源模型的质量和国际影响力在 2024 至 2025 年有实质性突破。DeepSeek R1 在国际开源社区获得广泛关注，证明中国 AI 研究能力不是靠算力堆出来的，而是有真实的技术创新。这对理解中国 AI 竞争力是重要的信号更新。
应用端爆发：豆包、Kimi、文心、通义的日活竞赛正在加速。中国有 14 亿人口，移动互联网渗透率极高，AI 应用的商业化空间是真实的。应用层的成功会反过来拉动算力需求。
10. 三种中美共存 / 竞争场景
10.1 平行宇宙（概率最高，70%+）
中美 AI 算力体系完全分离，各自演进：
美国端：NVIDIA B200 / 下一代芯片 + AWS / CoreWeave / Oracle，服务美国 AI 公司和国际市场。
中国端：华为昇腾 + H20（如果未被限制）+ 阿里 / 字节 / 华为云，服务国内市场和部分”中立”市场（东南亚、中东、非洲）。
这个场景的经济含义：两套芯片体系 + 两套软件生态 + 两个 GPU 供应链，长期会出现效率损失和重复投入，但对中国国产替代产业是利好（NVIDIA 的市场被昇腾填补）。
10.2 单边供应（中概率，20%-25%）
中国 AI 公司训练完的大模型，部分在美国或国际 Neocloud 上部署服务国际用户。美国算力服务中国模型，但中国算力不出口。部分通过第三方国家（阿联酋、新加坡、马来西亚）实现”技术洗产地”，绕开直接的中美算力互通。这个场景已经有苗头，是现实可观察的。
10.3 局部重新整合（概率极低，<5%）
地缘政治缓和，算力 / 模型服务部分互通。短期内这个场景几乎看不到触发条件，列出只是为了框架完整。
11. 五条核心判断
这是本篇最重要的一节，也是对前九篇的中国侧补充和收尾。
判断一：中国 Neocloud 的真实形态是”政府主导的智算中心 + 互联网巨头自建”，与美国股权驱动的 Neocloud 是完全不同的物种。
不存在”中国的 CoreWeave”，也不应该期待它出现。中国的算力市场结构不产生这种玩家。商汤 SenseCore 是最接近的，但它的融资逻辑、客户结构、估值方法都和 CoreWeave 不同。
判断二：国产替代是中国 AI 算力市场的第一叙事，商业模式是第二叙事。
在中国，先有政策驱动的需求，再有商业模式的摸索。这和美国先有市场需求、资本跟进、再有政策应对的顺序恰好相反。理解这个顺序，是理解中国算力投资逻辑的前提。
判断三：华为昇腾是格局里最重要的变量，软件生态成熟度决定 2027 至 2030 年的胜负。
昇腾硬件在量产，盘古 / MindSpore 框架在追赶，但 CANN 能否真正成为”中国的 CUDA”，取决于工程师生态规模的积累。这不是一两年能看清楚的事，但值得持续追踪。
判断四：东数西算工程解决了成本问题，但中国 AI 算力最核心的约束是芯片供给和软件生态，而不是成本。
东数西算是一个有价值的基础设施工程，但它不能解决 H20 限制或昇腾软件生态不成熟的问题。把它理解为”中国 AI 算力的核心战略”是高估了，把它理解为”没有意义的行政规划”是低估了。
判断五：作为投资者，不应该把 CoreWeave / Nebius 的估值框架硬套中国，中国需要全新分析语言。
CoreWeave 的估值逻辑是：GPU 硬资产 + 长期合同 ARR + 资本杠杆放大。中国算力玩家的估值逻辑是：政策叙事折现 + 国产替代进展 + 现金流修复预期。两者适用不同的分析工具，混用会导致系统性误判。
附录：相关系列文章索引
| 主题 | 文件路径 | 关联 |
|---|---|---|
| Neocloud 作为新资产类别 | 01-Neocloud作为新资产类别 | 美国模式的起点 |
| 芯片硬件研究框架 | 本系列 CPU、GPU 两章 | 国产芯片对比基准 |
| 电力系统中美格局 | 外部电力系统研究「市场格局（中美）」 | 东数西算 vs. PPA |
| 传统云玩家横扫 | 07-传统云玩家横扫 | Oracle / AWS 对比华为云 |
本篇写于 2026-04-21，作为系列第 10 篇的阶段性结论。部分数据（智算中心利用率、国产芯片量产进展）存在真实不确定性，应以最新行业报道更新为准。