【科技资讯】中美AI进入“殊途同归”时代：美国押注算力与闭源价值，中国押注效率与开源生态

---

2026年的AI竞争，正在出现一个颇为反常的局面。

一方面，美国依然拥有全球最强大的资本市场、最先进的GPU、最庞大的云计算体系，以及OpenAI、Anthropic、Google、xAI等全球最强的前沿模型公司。

另一方面，中国在先进GPU受到持续限制的情况下，并没有像几年前很多人预测的那样被明显甩开。恰恰相反，DeepSeek、Qwen、Kimi、GLM、豆包等模型不断逼近全球前沿，开源模型甚至开始大量进入美国开发者和AI公司的生产技术栈。

Stanford《2026 AI Index》给出了一个非常具有象征意义的数据：截至2026年3月，美国和中国最强模型之间的性能差距已经缩小至2.7%。美国仍拥有更多顶级模型，但单纯从模型能力看，中美已经从过去的明显领先与追赶，进入了反复交替、差距保持在个位数百分比的新阶段。

Dimension Capital近期访华后给LP写的一封内部备忘录，恰好捕捉到了这种变化。但比“模型差距缩小”更加重要的，是它揭示了一个更深层变化：

中美正在形成两种不同的“智能生产函数”

美国越来越依赖“资本+顶级算力+闭源前沿模型”不断把智能上限向上推；中国则越来越依赖“工程优化+开源模型+低成本推理+场景规模”不断把智能成本向下压。两条道路最终都指向同一个目标——让AI从回答问题走向完成任务，从模型走向智能体，从技术能力走向经济价值。但它们实现这一目标的方式，正在越来越不同。

一、先校准几个容易被误读的结论

Dimension Capital的访华观察很有价值，但其中一些数字和判断需要放在更完整的2026年市场背景中理解。

第一，模型差距确实已经大幅缩小，但不能简单理解为“中国已经追平美国”

Stanford AI Index认为，中美顶级模型性能差距已经缩小到2.7%。但另一家研究机构Epoch AI采用不同的综合能力指标测算发现，2023年以来，中国最领先模型平均大约落后美国前沿模型7个月。两者并不矛盾。

它说明今天的中美模型竞争已经不是简单的“领先几年”，而是美国仍然更容易率先突破能力上限，中国则越来越快地把这一能力扩散、工程化和低成本化。

2026年以来这一趋势非常明显：4月DeepSeek发布V4并针对华为AI芯片进行了优化；7月Moonshot发布2.8万亿参数Kimi K3；8月3日阿里发布2.4万亿参数Qwen3.8-Max；8月28日腾讯又开源7700亿参数、激活参数约490亿的Hy4 preview。中国前沿模型竞争正在变成快速洗牌的“模型群”，而非某一家公司的长期统治。

第二，“80%的美国AI初创公司使用中国模型”需要更准确理解

这个数字传播很广，但更可靠的公开表述来自a16z：在使用开源AI工具的开发者中，大约80%正在使用中国开源工具。这与“80%的全部美国AI创业公司生产环境都部署中国模型”不是完全同一个概念，但趋势本身确实存在。

更有说服力的案例是Cursor，Cursor官方已经明确披露，Composer 2以及后续Composer 2.5都是建立在Moonshot开源的Kimi K2.5 checkpoint基础上，通过持续预训练和强化学习重新训练形成。2026年6月OpenRouter的数据甚至显示，中国模型的Token份额一度超过美国模型；DeepSeek V4上线后，其自身Token份额从年初约9%上升至接近18%。

这意味着中国第一次通过基础软件能力，大规模进入西方开发者的生产技术栈，这可能比单纯某个Benchmark排名第一更重要。

第三，中美AI商业化差距确实巨大，但不能简单概括为“相差100倍”

截至2026年7月底，Anthropic的年化收入运行率已经超过650亿美元；OpenAI在8月份的年化收入运行率超过400亿美元，这些都是按短期收入年化计算的run rate，而非已经确认的全年营业收入。中国头部AI业务的收入规模则明显低一个层级，公开报道显示，Seedance年化收入约20亿美元左右，而很多独立基础模型公司的收入仍只有数亿美元。

美国头部AI Lab与中国最成熟AI产品之间大约存在20—30倍收入差距；如果与独立基础模型实验室相比，差距才可能达到接近两个数量级。

中国的问题并不是“没有用户”，QuestMobile数据显示，截至2026年6月，豆包、千问、DeepSeek月活分别达到3.82亿、1.67亿和1.29亿，中国AI原生APP整体用户已经接近5亿。真正的问题是：中国已经证明了AI的大规模使用，却还没有完全证明AI的大规模付费，这将成为未来三年中国AI产业最重要的商业课题之一。

二、中美AI正在出现四个越来越明显的“相同点”

虽然发展路径不同，但2026年以后，中美AI产业正在出现明显的殊途同归。

相同点一：竞争焦点都在从“模型会不会”转向“AI能不能干活”

过去三年，行业主要比较参数、Benchmark、推理能力、多模态能力。现在真正有价值的问题已经变成：AI能否连续完成一项真实工作？

美国最典型的是Coding Agent、Research Agent、Legal Agent以及企业级Agent。OpenAI正在把ChatGPT从聊天工具升级为集成Codex、智能体和第三方服务的Super App；Google在2026年8月进一步推出面向法律行业的Gemini Enterprise for Legal；Perplexity的增长越来越多来自能够自动完成专业任务的Computer Agent。

中国也是如此，DeepSeek V4强调Agent框架；豆包推出专业版，把浏览器、电脑操作、Skills和办公套件纳入统一智能体；腾讯Hy4直接瞄准Coding、办公、科研等长任务。模型正在从“大脑”变成“员工”。

相同点二：大家都开始从“追求最大模型”走向“追求最优经济性”

AI进入智能体时代以后，一个新的问题越来越突出：智能体不是调用模型一次，而可能调用几十次、几百次甚至数千次。因此一个模型便宜20%，对一个复杂Agent而言，最终成本可能相差几倍。

2026年模型竞争越来越强调单位任务成本，而不仅是单位Token价格。Cursor甚至直接把“完成一个真实Coding任务需要多少Token、多少步骤、多少钱”作为模型核心指标。AI竞争正在从Intelligence per Model转向Intelligence per Dollar、Intelligence per Watt，以及Business Value per Token。

相同点三：AI正在从软件产业重新变成基础设施产业

过去20年互联网产业强调“轻资产”，AI正在把科技行业重新变成资本密集型产业。IDC数据显示，2025年全球AI基础设施支出已经达到3180亿美元，比2024年的1530亿美元增长超过一倍；IDC预计，到2029年AI基础设施市场将突破1万亿美元。

模型越强，智能体越多，Token消耗越大，对GPU、网络、存储、数据中心和电力的需求就越大。所以今天OpenAI、Anthropic、Google、Meta、阿里、腾讯竞争的已经不仅是“谁的算法更好”，而是谁能够建立芯片—服务器—网络—数据中心—电力—云—模型—智能体的一整套智能生产体系。

相同点四：最终竞争都正在从技术价值转向经济价值

IDC预计，全球企业AI支出将从2026年的约9400亿美元增长到2029年的2.1万亿美元。AI超级周期已经从基础设施建设阶段进入企业应用规模化阶段。这意味着下半场最大的变化是：谁的模型Benchmark高3个百分点，可能没有谁能帮助客户降低30%成本重要，AI开始真正进入产业竞争。

三、中美之间存在四个非常深刻的结构性差异

如果说前面的相同点决定AI最终去向哪里，那么下面的差异，将决定中美分别通过什么路径走到哪里。

• 模型差异: 中国追求“智能商品化”，美国追求“智能稀缺化”

美国头部AI公司的商业逻辑，本质上是不断创造稀缺的最高级智能，然后对稀缺能力收取高价格。OpenAI、Anthropic以及Google最顶级模型越来越封闭，前沿模型承担的是高价值、高可靠、高复杂度任务，美国最终可能形成类似航空业的结构：少量“头等舱”Token贡献大量利润，而大量普通任务则由便宜模型处理。

中国正在形成相反路径：尽快把昨天昂贵的智能变成今天廉价甚至免费的基础设施。DeepSeek、Qwen、Kimi、GLM以及腾讯最新Hy4，都在强化开源或开放权重路线，不断压低智能的边际价格。未来很可能形成美国负责不断提高智能天花板，中国负责不断降低智能地板成本的格局，一个制造稀缺，一个制造普及，这将成为全球AI产业长期存在的张力。

• 算力差异: 美国“芯片多、电紧”，中国“电多、芯片紧”

Dimension Capital最有洞察力的一点，就是对中美资源禀赋的观察。美国拥有NVIDIA Blackwell、Vera Rubin，以及Google TPU、AWS Trainium等世界领先AI芯片，同时拥有全球最成熟的超大规模云基础设施。Stanford AI Index统计，美国拥有5427个数据中心，数量超过任何其他国家十倍以上。但是美国新的瓶颈正在迅速变成电力和电网，2026年8月德州甚至暂停部分新数据中心接入审批，当地排队申请的新增负荷达到474GW，其中约90%来自数据中心。

中国恰好相反，仅2025年中国新增可再生能源装机就达到452GW，其中风电120GW、光伏318GW，电力基础设施扩张速度优势明显。中国最大的限制是先进AI芯片，因此行业普遍倾向于把每一块GPU“榨干”，形成了两种技术文化：美国是Scale everything，中国是Optimize everything。

• 应用差异: 美国更擅长“把AI卖出去”，中国更擅长“把AI嵌进去”

美国拥有全球最成熟的软件付费体系，AI可以非常自然地通过订阅、Seat、API、Token、Agent、SaaS变成收入，OpenAI目前已经有约200万企业客户，其收入中企业客户贡献快速提高。

中国C端付费习惯相对弱，因此中国AI很可能走出另一条路径：AI不是单独收费，而是进入交易、广告、电商、金融、汽车、制造、终端和服务流程以后收费。未来中国最大的AI收入池，很可能不是用户按月订阅付费，而是AI让银行多完成多少信贷，让工厂降低多少废品率，让电商提高多少转化率，让汽车增加多少智能服务收入，这实际上更接近“产业AI”。

• 布局差异: 美国更重“控制智能上游”，中国更重“扩散智能下游”

美国的长期布局越来越清晰：芯片、云、数据中心、电力、最前沿模型，以及对最高智能能力的控制。2025年发布的《America’s AI Action Plan》明确把数据中心、半导体制造和能源基础设施列为美国AI竞争力的核心基础。

中国2026年的政府工作报告提出“打造智能经济新形态”，深化拓展“人工智能+”，推动智能终端和智能体推广，推动重点行业人工智能商业化规模化应用，同时建设超大规模智算集群、推进算电协同、支持开源社区。两者区别非常明显，美国战略是掌握最强智能，中国战略是让智能进入整个经济。

四、中美AI真正竞争的已经不是“模型”，而是五种能力

全球AI竞争实际上已经进入五个战场：第一战场是最高智能，谁能率先突破科学推理、Coding、数学、长任务规划乃至递归改进，目前美国仍拥有优势；第二战场是最低智能成本，同样一个任务，谁可以用更少GPU、更少Token、更少电、更低价格完成，这是中国最值得关注的竞争力；第三战场是智能体规模，未来评价一个国家AI实力，核心指标是有多少AI真正每天在工作；第四战场是真实世界数据，未来AI最珍贵的数据很可能来自工厂、机器人、汽车、医疗设备、能源系统、金融交易和各种企业流程，中国拥有全球最大的制造体系、工业机器人装机和丰富实体产业场景，具备独特优势；第五战场是AI经济价值，最终所有技术都会回到一个问题：每投入1美元AI，到底产生多少收入、利润、生产率和组织能力，这才是AI超级周期最后真正的胜负手。

结语：中美AI真正的比赛，才刚刚开始

Dimension Capital此次访华最大的价值，并不是判断“中国赢了”或者“美国赢了”，它说明AI已经复杂到无法用一个排行榜决定胜负。美国依然拥有全球最强大的资本、芯片、云和前沿模型能力，2025年美国私人AI投资达到2859亿美元，是中国124亿美元的23倍以上。

但是中国正在形成另一种非常不同的能力：用工程降低算力需求，用开源降低智能成本，用产业规模扩大应用，用实体经济创造真实世界数据。未来可能出现一种非常有意思的全球分工：美国不断创造更昂贵、更稀缺的前沿智能，中国不断把这些智能变得更便宜、更开放、更普及，前者不断抬高智能的天花板，后者不断降低智能的地板。

而真正决定下一轮产业格局的，很可能不是哪一方单独赢得“大模型战争”，而是哪一方能够率先形成“模型—算力—数据—智能体—产业—商业价值”之间的完整闭环。过去三年，行业问的是“有没有自己的大模型？”，未来三年真正应该问的是“有多少AI已经进入核心业务流程？”，再往后则要问“AI究竟创造了多少新的收入、利润、效率和组织能力？”。AI竞争正在从模型竞赛走向价值竞赛，而2026年，很可能正是这场转折真正开始的一年。

---