中美AI战略竞争：跑得最快不一定跑得最远

本文来自微信公众号： 数字经济发展评论 ，作者：数字经济发展评论

中国正在推进一种“全栈式”的人工智能发展路径，覆盖从芯片与算力基础设施到基础模型以及具体应用的各个环节。中国政策制定者的目标并非实现通用人工智能，而是将人工智能作为一种通用性极强的技术工具，用以全面赋能各类行业与公共服务。自2017年发布《新一代人工智能发展规划》以及持续推进“人工智能+”行动以来，中国持续推动人工智能在制造业、医疗健康、药物研发、科学研究、教育以及政府治理中的融合应用。

美国AI领跑，中国差异化竞争

总体来看，美国模型在多个关键指标上保持领先，包括数学推理、代码生成以及长周期复杂任务处理等。中国人工智能实验室，尤其是初创企业，在算力获取方面受到限制，这既源于美国对先进人工智能芯片的出口管制，也与资金规模有限有关。例如，阿里巴巴计划在三年内投入超过530亿美元用于人工智能，而微软仅在2025年的人工智能资本支出就达到约800亿美元。美国主要云计算企业，包括Alphabet、亚马逊、Meta和微软，计划在今年合计投入6500亿美元。美国数据中心正迈向吉瓦级规模，部署数十万颗人工智能加速芯片。

然而，中国采取的是一条不同的发展路径。尽管部分中国企业如DeepSeek和阿里巴巴也提及通用人工智能目标，但整体而言，中国政策与产业更强调多维度并行推进，重点在模型效率、应用普及以及人工智能与物理世界的融合。这一取向既源于算力与资本约束，也反映了政策导向。同时，中国正大力推进半导体自主可控，力图在美国主导的出口限制环境下实现供应链本土化。

▲图源：网络

中国AI效率优化与技术创新突围

在效率方面，中国人工智能实验室高度重视模型性能与成本之间的平衡，致力于在有限算力条件下提升性能并降低部署成本。例如，广泛采用“专家混合模型”架构，仅激活部分参数，从而在保持模型容量的同时降低推理成本。DeepSeek开发了DSA（DeepSeek Sparse Attention），降低计算与内存开销，这一方法也被智谱（Z.ai）等企业采用。月之暗面（Moonshot AI）推出的Kimi模型则通过混合线性注意力结构，实现百万级上下文长度并显著降低资源消耗。

在工程优化方面，中国企业在量化技术上进展迅速，通过降低数值精度压缩模型规模，同时尽量减少性能损失。阿里巴巴在其Qwen系列中推进4位量化，而月之暗面的Kimi-K2-思考模型则原生采用INT4量化，大幅提升部署效率。与此同时，美国企业也在探索更低精度格式，但对中国而言，效率优化是更为核心的研发方向。

在算力资源受限的背景下，模型蒸馏被广泛视为一种常见的技术优化手段。从整体来看，这类技术手段的效果存在一定边界。中国AI实验室通过发表研究论文与技术报告，已经展现出实实在在的创新能力，这些成果也获得了美国AI研究人员的认可。在神经信息处理系统大会（NeurIPS）等顶级AI学术会议上，中国研究者占比极高，2022年甚至达到近半数。

中国AI应用

生态与实体产业融合

在应用层面，中国企业更强调人工智能的普及，尤其通过开源策略推动全球扩散。许多中国模型开放权重并附带详细技术报告，使开发者能够免费或低成本使用并进行二次开发。相比之下，美国多数先进模型仍采取封闭策略，通过订阅或接口收费获取收益。这使美国企业在商业收入上占优，但中国模型在开发者群体中更具吸引力。在模型平台Hugging Face上，中国模型下载量已超过美国，基于中国模型的衍生项目也增长更快。阿里巴巴的通义千问已在开源领域超越Meta的Llama模型。此外，中国云服务提供商如华为（Huawei）、阿里巴巴和腾讯正在积极拓展海外市场。

在实体融合方面，中国尤其重视人工智能与现实世界的结合，这与其制造业与供应链优势密切相关。从自动驾驶、无人机配送到智能穿戴设备与智能手机，中国企业正推动人工智能落地。具身智能和机器人是重点领域之一。宇树科技（Unitree）已生产超过5000台人形机器人，并计划上市。小米（Xiaomi）与蔚来（NIO）正在尝试将机器人引入汽车生产线。地方政府也在建立数据采集平台，用于机器人训练。

中国半导体自主与供应链攻坚

在半导体方面，中国正在推进供应链自主进程。华虹（Hua Hong）和中芯国际（SMIC）等企业构成产业基础。美国在特朗普与拜登政府时期实施的技术限制措施，尤其是对台积电（TSMC）代工限制及对阿斯麦（ASML）光刻机出口限制，加速了中国自主化进程。目前，中国人工智能芯片在本土市场占比已接近41%，其中华为占据重要份额。尽管单芯片性能仍有不足，但中国通过系统级集群提升性能。

目前，中国在先进制程上仍面临挑战，受高端光刻设备等核心条件约束。为突破限制，中国正扶持中微公司（AMEC）、北方华创（NAURA）等设备企业发展，并推动国产光刻机研发。

美国AI发展的现实制约

当前美国发展仍面临多重现实制约。结合行业机构预测，2030年当地数据中心用电需求或将翻倍，占到全社会总用电量的9%左右，能源供需与电网配套压力逐步凸显，可通过优化审批机制、提升电网接入效能、完善核心设备供给体系等方式加以改善。

同时，开源生态建设存在明显短板，企业参与布局的主动性偏弱，可依托政策激励举措，进一步赋能开源模型稳健发展。除此之外，底层基础研究层面的算力供给存在落差，高校及非商业科研机构，难以匹配产业端的资源配置水平，亟需搭建更为完善、系统化的支撑保障体系。

中美AI安全合作空间

在人工智能安全方面，随着技术能力提升，其潜在风险也在增大，包括网络攻击、深度伪造以及生物风险。目前相关监管仍不完善，风险不仅来自国家行为体，也可能来自非国家主体，并可能同时利用中美模型。因此，在竞争之外，中美在安全领域仍有合作空间，例如建立信息共享机制。

总体而言，中美人工智能竞争是多维度的，包括算力、模型、应用、融合与产业化。美国在前沿技术上仍保持领先，但中国通过效率提升、开源扩散以及实体融合正在迅速追赶。最终胜负不取决于谁拥有最强模型，而在于谁能将人工智能更有效地转化为广泛的经济与社会价值。