文/刘工昌

很多人都很关心，中美在人工智能领域目前状况究竟怎样，这是一个复杂且动态变化的问题。简单来说，当前的主流研究和数据显示：中美两国在AI领域的整体差距正在稳步缩小，美国在基础创新和算力上依然保持领先，但中国在技术追赶和应用落地方面展现出强劲势头。

根据中国科学技术信息研究所与北京大学联合发布的《全球人工智能创新指数报告2025》，中美两国共同稳居全球人工智能发展的第一梯队，且对其他国家保持着显著的领先优势。

分数对比：报告显示，2024年美国的综合得分为77.97分，中国为58.01分，两国分差从2023年的22.02分缩小至19.96分。这明确指出了差距缩小的趋势。

图源：AI

总体说来，在人工智能芯片企业、高层次人才、顶会论文和大模型数量等关键指标上，中美两国的总和占据了全球参评国家的半数以上，可以这样说，在人工智能领域，主要就中美两国在竞争。

中美人工智能的投资规模与发展模式

具体来说，从投资上看，投资趋势是美国狂热，中国务实。投资态势也清晰地反映了两国AI产业所处不同发展阶段的特点。

从总数看，从2024年至今，中美人工智能投入绝对数差距越拉越大，有数据表明，这一段中国在人工智能上投入甚至不及美国的一个零头。

但这背后是两国截然不同的发展模式和资本逻辑。简单来说，美国是科技巨头主导的“资本密集型”军备竞赛，而中国则更侧重于政府引导的“应用驱动型”生态培育。

具体说来，从投入规模与主体看，美国是私人资本主导，巨头投入惊人（如OpenAI与英伟达千亿美元级合作，摩根大通年投180亿美元）

而中国则是政府与国资引领，金融体系支持（如中国银行五年万亿授信，地方性方案千亿支持）

为此有人概括，在以人工智能为核心的资本投入中，美国高达80%以上都来自风险投资基金，而中国则主要是政府基金，民间投资不到20%。

下面是中美半导体/AI领域资本投入结构对比

政府直接补贴上， 美国《芯片法案》为其投资520亿美元（2022-2026），而中国国家大基金一期+二期超3500亿人民币（2014-2024）

民间资本占比上， 美国AI领域风投占比80%+（如OpenAI、Anthropic）；而中国AI领域政府基金占比超50%（如地方科创基金）

这里要说的是，美国的确是AI以风投为主，但半导体制造领域（如台积电建厂）依赖《芯片法案》直接补贴，需区分行业。

而中国AI政府主导属实，但半导体大基金也试图吸引社会资本（如二期募资中30%来自市场化机构）。

而关于“政府基金主导”的进一步澄清，导致中美AI投资主体关键差别的根源在于两者完全不同的历史路径依赖：在新型科技领域，美国一直依靠其发达的金融服务业也就是风投抢占风口，而中国半导体产业起步晚，民间资本早期不愿投入高风险领域（如光刻机），政府不得不主导，不过近年已尝试改革（如大基金二期要求市场化回报）。

这里投入差距不等于实力绝对差距，投入的差距确实会带来影响，但并不能直接等同于技术水平的绝对差距，更可能意味着发展路径的分化。

二从投入对象上看

美国：聚焦前沿，但挑战巨大。美国的模式旨在夺取通用人工智能（AGI）的制高点，但面临技术迭代成本高昂、社会资源虹吸效应以及商业模式能否持续的巨大挑战。

中国：聚焦应用，生态追赶。中国的路径更务实，强调技术在国内庞大实体经济中的应用和迭代。这种模式的优势在于能快速形成商业闭环，并通过巨大的市场反馈来锤炼技术。数据显示，中美顶尖AI模型的性能差距正在缩小，这在一定程度上证明了应用驱动模式的有效性。

美国侧重于前沿基础模型与算力基建（如OpenAI的“星际之门”项目），而中国则侧重于技术落地与产业应用（聚焦“AI+制造”、“AI+城市治理”等场景）。

所以双方投入差距的拉大，更可能意味着两国人工智能发展路径的进一步分化，而非一方对另一方的简单超越或抛弃。最终，人工智能技术的价值也许不仅在于模型的顶尖程度，更在于其对全社会生产效率和生活质量的提升能力。

从发展方向上看，中国的优势是在将AI技术应用于政务、金融、电力等具体领域已较为成熟，并计划在具身智能（如人形机器人）、AI智能终端硬件等方向寻求突破。其开源策略也有助于向全球推广技术方案。

美国的优势是在生物医药、高端制造等前沿领域的AI应用更为深入，并在基础软件服务和无人驾驶等领域持续引领。

从代表性企业的表现来看，美国着重的是成为全球标准制定者，而中国则主要成为国内市场优化者。美国OpenAI、谷歌、微软，主要是构建并输出“技术栈”和“生态标准”，比如云服务（Azure, Google Cloud, AWS） 将最先进的AI模型作为基础服务（如水、电）提供给全球开发者。这不仅是“卖模型”，更是定义了下一代软件开发和云服务的范式。

从芯片层（NVIDIA）来看，美国CUDA生态已成为全球AI开发的事实上的操作系统。OpenAI等顶尖模型的需求，直接驱动着英伟达芯片架构的迭代。这是最深度的绑定，软件定义硬件，硬件支撑软件飞跃。从应用层来看，美国的ChatGPT、Copilot等产品正在重塑全球数亿用户的工作流和习惯，这种渗透是底层和普遍的。

而中国的阿里/腾讯/百度则是聚焦于“内部应用优化”和“垂直行业解决方案”，其优势确实体现在国内具体的商业场景中，例如阿里的电商推荐、腾讯的广告和游戏匹配。这些实践非常成功，但本质上是 “用AI优化现有业务”。

关键在于，这种融合更多是应用层面的，而非基础生态层面的。中国的AI巨头，尚未像美国同行那样，成功地向全球输出一套通用的开发平台或技术标准。

从与实体经济融合的深度来看，美国是要重塑物理世界，中国是优化数字流程。

比如特斯拉，其自动驾驶和机器人，不是软件算法在云端的自我循环，而是AI与机械、光学、车辆工程等硬科技的深度耦合。其最终产品是能物理移动的汽车和机器人，这代表了AI与实体经济的最高阶融合。而英伟达与英特尔本身就是实体经济的核心基石（算力硬件），其与AI的融合是自身业务的进化，同时为所有其他行业的智能化提供燃料。生物科技方面，谷歌旗下DeepMind的AlphaFold2解决了蛋白质结构预测这一世纪难题，这是AI赋能基础科学研究的里程碑，其影响将深远改变医药研发等实体产业。

中国的融合深度更多体现在 “工业AI” 或“AI+智能制造”上。例如，利用计算机视觉进行产品质量检测，利用预测性算法优化工厂供应链和能耗。这种融合非常重要，能切实提升中国制造业的效率和质量。但从技术层级上看，它目前更多是 “点”上的突破和效率提升，而非特斯拉或AlphaFold那种可能开创一个全新产业的“面”上的颠覆。

坦诚地说，在开创性、生态广度和对硬科技的整合深度上，美国企业目前走在前面。它们不仅在玩一场“软件游戏”，更是在玩一场 “软件定义硬件、AI重塑物理世界” 的更大格局的游戏。中国的优势在于其无与伦比的规模化应用场景和快速落地能力。当一项技术被证明可行后，在中国市场能迅速铺开并产生巨大价值。但当前的挑战是，我们在很大程度上仍在基于美国定义的技术栈（如GPU、Transformer架构）上进行应用创新。

未来的竞争关键点在于，中国能否在现有应用优势的基础上，在基础模型架构、AI专用芯片、以及类似机器人和自动驾驶这种“硬AI”领域实现突破，从而不再只是优秀的“应用者”，而是成为重要的“定义者”之一。

总体来说，中美顶尖AI大模型在核心性能、商业化闭环和全球化视野上，存在代际差距。中国的领先模型（如阿里通义千问、百度文心一言、月之暗面Kimi等）在国内市场取得了长足进步，但与美国顶尖模型（OpenAI的ChatGPT/GPT-4系列，Google的Gemini系列）相比，差距依然非常明显，且这种差距是全方位的。

如果把AI模型比作学生，美国的GPT-4像一个各科全优、尤其擅长解决奥数题的“学霸”，而中国的顶尖模型则像一个文科优秀、理科良好，但解难题能力稍逊的“优等生”。

商业化闭环是最根本的差距

“商业闭合”是关键。这不仅仅是技术问题，更是生态和商业模式的问题。美国（已形成飞轮效应）。OpenAI 通过 ChatGPT Plus 订阅、API 接口服务（被数百万开发者和企业集成）、以及与微软的深度绑定（Copilot for Microsoft 365, Azure OpenAI服务），构建了一个庞大、健康、持续盈利的商业模式。收入反哺研发，形成正循环。

Google 将 Gemini 深度整合进其搜索引擎、Workspace办公套件（Gmail, Docs等）、安卓系统以及云服务中，利用其现有的全球商业网络进行变现和推广。

美国知名企业的产品从设计之初就是为全球用户服务的，拥有无可比拟的网络效应和品牌影响力。而中国还在探索和内卷。

中国企业的主要经营模式是，B端的企业服务和G端的政府项目是主要收入来源，例如为银行、运营商、政府提供定制化的AI解决方案就比较成熟。而C端变现就比较困难，像文心一言、通义千问这样的C端APP，几乎都是免费的，很难向个人用户收取订阅费。即便是“下载量超过美国”，很大程度上得益于庞大的国内用户基数和免费策略，但这并不直接转化为商业成功。

国内虽然也有API开放，但形成的开发者生态规模、应用创新数量和商业价值，与OpenAI和Google的生态不可同日而语。而从市场层面看，中国企业的AI大模型主要服务于中国市场，受限于语言、文化、政策以及地缘政治，出海困难。

简单说，美国的AI巨头已经建好了“高速公路”并向全世界收费，而中国的AI公司还在主要靠“承接政府和企业修路工程”来赚钱。总体来说，中国在AI与实体经济深度融合方面有望形成独特优势——这句话是对的，但需要正确理解。

“AI+垂直行业” 的应用，例如利用AI优化制造业流程、智慧城市、智能电网等。在这些领域，中国的庞大市场、丰富场景和政府推动力确实能催生独特的应用优势。然而，在 “基础大模型” 这个AI时代的“操作系统”层面，美国目前仍然掌握着定义未来方向和规则的王牌。追赶之路，依然漫长且艰难。

除了稀土，我们还有哪些反制牌？

面对中国在AI应用领域的快速突破，美方采取了各种手段予以遏制，那么这些遏制手段中，哪些是带有根本性的，我们没法至少是相当长时间内没法短时突破的？哪些是经过努力可以突破，甚至可能后来居上的？

面对美国强大的芯片反制，我们除了在稀土方面发起反击外，还有别的方法吗？在AI的竞争格局中，美国在一些基础领域构筑了较高的壁垒，但中国也并非没有机会。

稀土确实是反制中的重要筹码，因为它直接关系到芯片制造和国防工业。但我们的优势并非仅限于此。

成熟制程芯片的绝对产能：在并非最先进但需求量巨大的成熟制程芯片领域，中国拥有全球约70% 的产能。这意味着在全球汽车、家电、工业控制等众多领域，我们拥有强大的市场影响力和供应链稳定性。

“一带一路”与非美技术生态：通过“一带一路”倡议等框架，我们可以向参与国推广中国的AI技术标准与应用模式，例如智能农业和AI医疗。这有助于构建一个 “去美国中心化” 的国际技术合作网络，扩大我们的朋友圈和市场。

关键矿产的延伸控制：除了稀土，中国还在锂电池负极材料（石墨） 等领域占据全球主导地位。将这些关键原材料形成 “组合拳”，可以极大增强我们在博弈中的威慑力和回旋余地。

数据与场景的独特优势：中国庞大的人口和高速数字化的进程，产生了海量的、多样性的数据，这是训练AI模型的宝贵燃料。结合我们在智慧城市、移动支付等领域已经形成的先发优势，构成了其他国家难以比拟的 “场景实验室”。

短期看：美国在原始创新和顶尖模型性能上可能继续保持领先地位。

长期看：中国凭借完整的制造业体系、丰富的应用场景和强大的政府动员能力，在AI与实体经济深度融合方面有望形成独特优势。

展望未来，中美AI竞争将是一场持久的马拉松，各自面临不同的挑战与机遇。

美国的挑战：过于高昂的投资可能难以持续；同时，AI的快速发展正面临能源瓶颈的制约。

中国的挑战：最核心的挑战来自算力方面的高端芯片限制。此外，在高价值专利和顶级人才方面，与美国仍有较大差距。

中国的机遇：有市场观点认为，中国在能源供应和电池技术上的优势，可能在未来转化为支撑AI发展的长期基础优势。同时，聚焦于解决实际问题的商业化路径，也使其更易形成良性循环。

综合来看，这场竞争的本质正在从单一的技术比拼，转向体系与体系的对抗。美国试图通过“创世纪任务”这样的举措，在基础科研的源头建立代差。而我们的破局之路，关键在于将市场上的应用优势，持续地转化为底层技术上的创新优势。

同时，我们也需要关注美国激进策略背后的风险，例如放松监管可能带来的AI伦理和安全问题，这反而为我们倡导 “负责任AI” 、参与并引领全球AI治理规则制定提供了空间。

所以中美AI竞赛并非一场简单的冲刺，而更像是一场不同策略的马拉松。