近日摩根士丹利发了一份关于中国AI GPU的报告，里面的预测数据可以说是相当有料。

根据他们的测算，到2030年，咱们国家AI GPU芯片的自给率将从2024年的33%一口气飙升到76%。

简单来说，就是六七年之后，咱们手里用的AI算力，每4块钱的芯片支出里，有超过3块钱是花在国内芯片上的。

这个转变速度，说实话比很多人预想的要快得多。

大摩这份报告里给了一组非常具体的产能预测数据。2025年国内12纳米以下先进工艺的月产能大概在8000片左右。

这个数字看着不大，后面的增长曲线是陡峭的，到2027年要翻到20000片，到2028年直接跳到42000片。

最关键的是，大摩认为到了2028年这个节点，这些产能就可以满足核心的自主需求了。

再到2030年，进一步增加到50000片，而且良率预计能爬升到50%。

为什么要强调良率到50%？懂行的朋友都知道，芯片制造这玩意儿，良率就是生命线。

从30%到50%的跨越，意味着单位成本的大幅下降，也意味着从能做出来到能做好、能做赚钱的质变。

虽然在极尖端的制程上，我们和美国确实还有差距。但大摩这份报告还点出了一个非常关键的策略，叫做以规模补工艺。

什么意思呢？就是既然在单点技术上暂时追不上最顶尖的，那咱们就在整个产业链上铺规模，扩大晶圆厂、扩产设备、扩充产能。

这种打法虽然听着有点笨，但效果很扎实，你有最锋利的针，但我有成捆的针，而且我还能不断优化怎么用这些针，最后谁的产出多、谁的性价比高，还真不一定。

当然，如果只看产能数字，可能还只是量的层面。但大摩这次分析里最有意思的一个观点，是关于成本的。

报告指出，中国AI数据中心的总拥有成本非常有竞争力。这背后有几个支撑点。

第一，芯片采购价格本身就比海外大厂的低；

第二，咱们的电力成本有优势，尤其是在西部那些绿电丰富的地方；

第三，整个算力基础设施越来越完善，像东数西算这种大工程，不是光建几个机房，而是把算力网络盘活了。

另外大摩在报告里说了一句话：在推理领域，每Token成本要比极致性能更关键。

什么叫推理？就是模型训练好了之后，真正拿出来用的时候，像ChatGPT给你回答问题，那一下就是推理。

现在AI正在从技术验证走向规模应用，推理的算力需求占比越来越高。有预测说，到2026年推理算力可能要占到整体AI算力的六成以上。

在这个阶段，用户关心的是我用这个AI服务贵不贵、快不快，而不是训练这个模型的时候用了多厉害的卡。

这时候，每Token成本就成了核心竞争力。Token是啥？你可以简单理解为AI处理信息的最小单位。你问一个问题，模型回答一段话，这里面消耗的就是Token。

现在国内企业在这个赛道上卷得挺狠的。

有公司和国产GPU厂商合作，推出了百万Token一分钱的推理成本计划；还有厂商直接把推理成本干到了1块钱每百万Token。

这意味着以后用AI可能真的像用水用电一样便宜。当成本低到可以忽略不计的时候，AI才能从奢侈品变成日用品。

当然，大摩这份报告也不是光说好话。他们特别强调了一点，政策可以加速早期发展，但长期价值取决于商业竞争力。

也就是说，靠补贴、靠政策支持，可以把产业先做起来，但到了2028年之后，国产AI GPU供应商能不能继续增长，得看能不能真正证明自己的经济效益。

如果只是能用，但用起来不划算，那市场还是会用脚投票。

他们做了两个情景假设，乐观的话，国产GPU不仅能做推理，还能拓展到训练领域，甚至可能被海外客户采用。

悲观的话，如果差异化优势消退，那可能就会进入同质化竞争和行业整合的阶段。

总的来看，大摩这份报告给国产芯片画了一张很清晰的路线图，未来几年，产能爬坡是确定的，成本优势是明牌，推理市场是突破口。

到2030年76%的自给率，不是一个凭空吹出来的数字，背后是晶圆厂一座座建起来、良率一点点提起来、成本一寸寸降下来的实打实功夫。

当然，路还长，挑战还多，但方向对了，就不怕路远。