瑞銀新興市場及亞洲股票策略主管Sunil Tirumalai表示，中國的人工智能模型變得更強大且成本更低，足以勝任大部分日常任務的同時，成本亦明顯低於美國同業，某些情況下使用成本僅為同類美國模型的15%至20%。與此同時，中美模型之間的性能差距仍在持續收窄。不過他指，中國AI的崛起不應被簡單視為對當下贏家的威脅，並更關注中國的低成本和高效模式將影響整個科技生態。

Sunil Tirumalai表示，更低成本的AI意味著更多人能夠負擔得起相關服務，更多企業能夠嘗試應用AI，也意味著更多應用場景具備商業化可行性。對於有投資者認為，AI變得更便宜和高效，對底層硬體的需求就會下降，他則指歷史經驗表明，當一項技術變得更加高效時，人們往往會更多地使用。以移動網路為例，由2G演進到如今的5G，資料傳輸成本大幅下降，但資料總使用量卻出現爆發式增長，因為人們不斷發現技術的新用途，包括音樂串流媒體、影片、遊戲等，他認為人工智能很可能會走上類似的發展路徑。

Sunil Tirumalai指出，人工智能相關的總存儲需求取決於兩個因素，包括每項AI任務所需的存儲資源，以及執行AI任務的總量。隨著模型效率提高，前者大概率會下降，同時如果更低成本的AI帶來大幅增長的使用量，那麼即便效率持續提升，對底層基礎設施的總需求仍有可能繼續上升。

他又指，當前在全球範圍內受到關注的許多中國模型屬於開放權重模型，可以被其他機構或個體下載並運行。如果這些模型在歐美取得成功，它們依然需要算力基礎設施來服務使用者。而運行這些模型的資料中心很可能會部署在靠近客戶的地區，而不是中國境內。因此，中國AI模型的成功，並不必然意味著資料中心、存儲晶片或雲基礎設施的需求走弱。