中國AI模型營收衝高，國產晶片能把推理成本壓下來嗎？

 

Z.ai把國產晶片推進大規模線上推理

美國持續收緊高階晶片出口限制，中國AI產業開始把算力自主納入模型競爭門檻。Z.ai近期發布GLM-5.3-Flash，宣稱線上推理服務完全由中國製造的晶片支撐，約10萬顆晶片負責處理使用者請求。這項部署若能長期穩定運作，代表中國本土晶片已從規格展示走向實際流量環境。

GLM-5.3-Flash於今年8月20日以「Ox Alpha」代號上線，隨後登上OpenRouter近一週使用排名第一。模型在Artificial Analysis Intelligence Index排名第10，也超越DeepSeek V4 Pro Max等競品。這些數據顯示，Z.ai已在模型效能、服務成本與開發者採用之間取得一定平衡。

市場快速反映這項進展。Z.ai於今年8月相關消息公布後，香港盤中一度上漲逾8%；截至今年8月27日，自今年1月IPO以來累計漲幅超過800%。股價表現反映資本市場正在給予「本土模型加國產算力」較高期待，營收與成本改善幅度仍要等待財報確認。

目前公開資訊仍有缺口。Z.ai尚未揭露晶片供應商、單位推理成本、耗電量及故障率，外部機構也無法獨立核實部署細節。10萬顆國產晶片能否有效率運轉，後續需要更多營運數據支持。

 

推理端成為中國晶片較容易切入的市場

大型模型訓練需要高效能GPU、高頻寬記憶體及成熟的軟硬體生態，Nvidia(NVDA)在這些環節仍握有明顯優勢。推理是模型完成訓練後，針對使用者需求產生答案的運算過程。透過量化、模型壓縮與架構調整，推理可以部署在效能較低的硬體上。

這項技術差異提供中國晶片商較務實的切入路線。Z.ai先把國產晶片導入線上推理，可以降低出口管制帶來的供應風險，也能累積大規模部署經驗。晶片在實際服務中產生的吞吐量、延遲、耗電及穩定性資料，也能回饋下一代硬體與軟體設計。

因此，Z.ai的策略可理解為在既有限制下建立可運作的算力系統。推理市場提供本土晶片實戰場域，也讓模型公司、晶片商與資料中心業者形成更緊密的合作關係。只要服務品質可接受，中階算力便可能先出現供應鏈替代。

算力自主的範圍仍要區分訓練與推理。Z.ai目前公開宣稱集中在線上推理，模型訓練是否使用美系GPU、境外資料中心或海外雲端資源，尚未充分揭露。現階段較合理的描述，是中國AI供應鏈正加速降低美國技術依賴，全鏈自給仍需更多證據。

 

MiniMax營收成長283%，虧損同步擴大

MiniMax提供另一組商業化數據。公司今年上半年營收較去年同期成長283%，顯示中國企業與開發者對大型模型及AI雲端服務的需求快速增加。旗艦模型M3在Artificial Analysis Intelligence Index排名第18，技術排名落後Z.ai，但收入擴張速度已相當突出。

高速成長也帶來明顯代價。MiniMax今年上半年調整後淨虧損增至2.93億美元，較去年同期超過翻倍。算力租用、研發人力及市場拓展仍消耗大量資金，收入增加尚未轉化成獲利。

截至今年8月27日，MiniMax股價自今年1月上市以來累計上漲逾80%。這段漲幅呈現市場對中國AI需求的期待，同期虧損則揭示商業模式仍處擴張期。營收增速與單位算力成本，將影響公司能否逐步縮小虧損。

中國市場環境也提供本土模型公司發展空間。美國AI公司的旗艦服務未全面正式進入當地市場，企業客戶若經由非官方管道使用海外模型，會面臨合規、穩定性及付款等問題。具備本地算力部署、中文模型與企業服務能力的供應商，因此較容易取得客戶與開發者。

 

中國推理晶片替代將影響Nvidia的區域組合

美國出口限制直接壓縮Nvidia在中國銷售高階GPU的空間，也限制Microsoft(MSFT)等美系雲端業者提供頂級AI服務。中國政府與企業近年加碼半導體、資料中心及模型開發，華為與其他本土晶片商則持續推出替代方案。

短期競爭仍呈現明確分層。高階模型訓練依賴先進GPU與成熟軟體生態，Nvidia的領先地位難以迅速被追平。中低階推理對單顆晶片效能的要求較低，更重視成本、供應穩定及規模化部署，這些場景較可能先採用中國晶片。

若中國大型模型公司持續擴大本土推理晶片用量，美系晶片在中國中階與低階算力市場的占比可能逐步下降。這會影響Nvidia的區域產品配置，也可能推動更多降規版本或特定市場產品。Microsoft等雲端平台則需在出口規範、資料合規與商業利益之間重新安排服務方式。

對全球AI基礎建設而言，這代表算力供應鏈可能形成區域化生態。美國體系以高階GPU、雲端平台與先進製程為主，中國體系則透過本土模型、國產晶片與境內資料中心建立替代路線。算力區域化將改變晶片市占結構，影響幅度取決於中國推理需求的成長速度。

 

Z.ai財報將檢驗國產算力的經濟效益

Z.ai預計近期公布今年上半年財報，市場會檢視營收能否跟上股價與使用量成長。國產晶片部署若能降低單位推理成本，毛利率、算力支出與服務規模應逐步出現相互支持的變化。若成本仍高、穩定性不足，10萬顆晶片的宣示效果便難以轉化成獲利改善。

後續可追蹤三組證據：模型使用量能否維持、國產晶片能否降低推理成本，以及訓練端對海外算力的依賴程度。單一模型排名或短期股價漲幅，只能確認市場關注升高；持續營收、成本效率與系統穩定性，才能衡量算力自主的商業價值。

Z.ai與MiniMax已顯示中國本土模型需求正在擴張，同時也暴露高額算力與研發成本。中國AI競爭進入算力自主階段，技術封鎖、供應安全與商業化速度將同步影響產業格局。下一階段的判斷基礎，會落在國產晶片能否把大規模推理流量轉成可持續的成本優勢。