不要再抢占"AI产业高地"了，城市真正该抢的是生态位

本文来自微信公众号： TOP创新区研究院 ，作者：创新区研究组

转载引用请注明出处。内容仅供交流学习，不做任何商业用途，不代表任何投资建议，如有侵权请联系后台删除。

据统计，全国已有超过50个城市在"十五五"规划中明确提出打造人工智能产业高地。但如果真有这么多高地，那么这个地形应该叫平原。

城市真正该抢的，不是制高点，而是生态位。

生态位是有限的、并且分层的——这是一个好消息。

让我们从8月7日英国《金融时报》的一篇报道说起。

这篇报道说，字节跳动正在训练一个参数量最高可达10万亿的模型，能力逼近Anthropic最前沿的模型，于是国外很快就有人说了：

字节跳动是中国最强的AI实验室。

我们看到这个判断的第一反应，不是同意，也不是不同意，只是觉得，有点怪。

打个比方。

1835年，达尔文到了加拉帕戈斯群岛，看见十几种雀。这些雀的祖先是同一种，但他们喙的形状完全不一样——

有的粗短厚实，专门砸开硬壳种子；有的细长弯曲，专门伸进仙人掌花里掏蜜；还有一种更离谱，它学会了叼着一根树枝，去戳树洞里的虫子，竟然自学成用上了工具。

现在你走过去问达尔文一个问题：

这十几种雀里边，哪一种最强？

达尔文大概会有点懵逼，然后说你这个问题问得不对。因为它们压根不在同一个赛道上。你把砸种子的和掏花蜜的放一起比强弱，就像问螺丝刀和扳手谁厉害。

"中国最强的AI实验室是哪家"，就是这个会让人懵逼的问题。

当然，在美国，这是个好问题。

那边确实存在一个冠军结构：OpenAI、Anthropic、Google DeepMind三家吃掉了绝大部分算力、资本和注意力，第四名往后的存在感就不太强了。

但你把同一个问题搬到中国，就不太对了，因为中国长成今天这样，也是因为：加拉帕戈斯群岛四面环海。

咱们慢慢说。

一个月四块金牌

咱们看一组数据，从2026年7月中到8月初，短短三周多一点：

7月16日，月之暗面发布Kimi K3。2.8万亿总参数，1040亿激活参数，百万token上下文。7月27日按承诺开放权重，成为当时全球规模最大的开源模型。

8月1日，DeepSeek发布V4-Flash。2840亿总参，130亿激活。输入每百万token 0.14美元，输出0.28美元；缓存命中价低到每百万token 0.003美元——比它自己的标准输入价还低98%。

8月4日，阿里发布Qwen3.8-Max。2.4万亿总参，约950亿激活，多模态，百万token。输入2美元、输出6美元，明码标价比Kimi K3便宜（后者是3美元和15美元）。

8月7日，FT曝出字节的10万亿参数模型。

四家公司，四块金牌：

规模的金牌、成本的金牌、性价比的金牌、资本投入的金牌。

唯一的解释是，他们比的根本不是同一个项目。

注意最右边两列。

几乎每一家都在一个别人不跟它正面打的维度上领先。

这不是巧合。

适应辐射

生物学里有一对概念，对于理解这件事有帮助：

第一个叫适应辐射（adaptive radiation）。

一个物种进入一个新环境，这个环境里有很多空着的生态位，同时又缺少强力竞争者，于是它就会向各个方向"辐射"出去，分化成很多个形态各异的物种。加拉帕戈斯的雀就是标准案例。夏威夷的蜜旋木雀、非洲大湖里的丽鱼，都是。

第二个叫趋同演化（convergent evolution）。

反过来：如果所有地方的环境压力都一样，那么亲缘关系再远的物种，也会长成同一个样子。鲨鱼是鱼，鱼龙是爬行动物，海豚是哺乳动物——祖上八竿子打不着，但它们都长成了流线型加背鳍，因为在水里高速游动这件事，最优解只有一个。

现在咱们把这对概念扣到AI上：

美国那边正在发生的是趋同演化，他们实验室在飞速地长成同一个样子。

产品形态一样（聊天框加API），商业模式一样（订阅加按量计费），技术路线一样（更大的模型、更多的算力、更长的训练）。因为在那个环境里，最优解只有一个，而且已经被验证过了。

但中国这边，正在发生的是适应辐射，五家公司长成了五个物种。

那好了，中国这边的"海"是什么？

答案或许有三层。

饿肚子的雀

高盛之前有一组数字。

我们需要看的不是倍数，是绝对差额：

倍数一直在7到8倍之间徘徊，看着好像还稳定，

但美元金额上的鸿沟，在预测期内是扩大的，从三千八百亿扩到将近九千亿。

常规解读到这儿就结束了：

中国算力不够，所以落后。

这个“正确”的解读漏掉了一个更有意思的机制。

算力充裕的时候，所有人都可以跑同一个策略——模型做大、数据堆多、训练拉长。这时候赢家就是卡最多的那个。所以竞争一定会收敛成冠军结构。

算力稀缺的时候，跑同一个策略等于必输——你永远堆不过对手。于是每一家都被迫去找一个"不靠堆算力也能赢"的维度。

这个稀缺机制就是加拉帕戈斯的海。

资源稀缺加上隔离，是适应辐射的标准配方。

DeepSeek对成本的偏执，就是这个约束逼出来的。

"如果我不能靠更多的卡赢，我靠什么赢？"

一个人如果永远吃不饱，他大概不会长成大力士。但他很可能会进化出极高的能量利用效率——这在另一种环境里，是一种更值钱的能力。

月之暗面押百万上下文和Agent编排，MiniMax押全模态自研，阶跃星辰押视频加语音加图像编辑，都是同一道题的不同答案。

所以有外国网友说：

出口管制没有让中国AI变慢，它让中国AI变形了。

开源的武林

第二层原因，是中国AI产业自己制造的。

Qwen系列是全球下载量最大的开源模型族。有统计说，2024年它占了Hugging Face全部模型下载量的三成以上；到2025年8月，Qwen的衍生模型占了新增语言模型变体的四成以上，而Llama系列大约15%。

Kimi K3发布11天后按时开放权重。

智谱的GLM-5.2用的是MIT许可——那基本上等于"随便拿去用，别来烦我"。

这带来一个后果：

在开源结构里，第一名是个轮值岗位。

但在闭源结构里，第一名的领先是可以锁住的。

你训出一个更强的模型，对手要追几个月甚至一年。这段时间里你可以把优势换成用户、收入和下一轮融资。所以"当第一"值得拼命。

但开源之后，你辛辛苦苦闭关三年练成一套武功，出关三个礼拜表演了一下，于是全武林都会了。

这时候一个理性的人会怎么办？

他不会再去练下一套武功，他会去练一套别人偷不走的东西。

模型权重可以抄，成本结构抄不走——那玩意儿是架构选择和推理优化长期积累出来的。

模型权重可以抄，生态位置抄不走——全世界的开发者已经默认在Qwen上做微调，这是习惯，不是技术。

模型权重可以抄，分发闭环更抄不走——字节手里3.82亿豆包月活加上抖音那套分发系统，没有第二家能复制。

所以中国把模型开源了，就是说：

我们已经不指望靠模型能力本身建护城河了。

一切都与钱相关

第三层原因最少被讨论，但可能最根本。

美国的实验室差不多共享同一个变现出口：消费者订阅加企业API。ChatGPT Plus、Claude Pro、Gemini Advanced，加上按token计费的接口。统一出口，所以趋同演化。

中国没有这个出口。

中国的消费者被免费惯了几十年，可能是全球最会薅羊毛的用户群体了。遥想2026年5月前后，豆包在App Store测试68元、200元、500元三档订阅，舆论立刻炸了，一个大众级AI助手突然挂出几十到几百块的月费，大家的第一反应不是值不值，而是"免费版会不会故意做差"。

好了，羊毛势必是要出在猪身上的，那每一家就必须各显神通，去找不同的“猪”，这就会倒着推出不同的商业模型设计——

比如阿里，它的钱在云上。所以Qwen必须开源——开源是获客，模型白送，算力和推理收钱。开源在这儿的商业逻辑是闭合的，账也是通的。

再看字节：它的钱在广告、电商、内容里。所以Seedance比Seed语言模型重要——视频生成直接接进抖音的分发和交易系统。它不需要模型排第一，它需要模型离收银台最近。

还有智谱，它的钱在政企和资本市场。所以MIT许可加合规叙事，2026年1月8日港交所上市，拿下"全球大模型第一股"。

MiniMax，它的钱在多模态消费产品和资本市场。1月9日紧跟着上市，首日涨了一倍多。

DeepSeek的ATM在A股里，所以它更像一个研究机构而不是公司——而这恰恰让它可以做别人不敢做的激进架构选择，没有KPI的人，往往走得最远。

三个约束叠在一起，适应辐射就是必然的。

算力稀缺→逼出维度分化权重开放→让"第一名"不值得抢变现分散→让每家的最优解都不一样。

就是达尔文的那个岛。

那这个岛目前表现怎么样呢？

有一个经验事实，来自斯坦福HAI《2026年AI指数》：

2025年美国私人AI投资约2859亿美元，中国约124亿——相差23倍。而到2026年初，中美最强模型之间的能力差距，收窄到不到3个百分点。2023年5月，这个差距还是17.5到31.6分。

23倍的钱，换来2.7个点的差距。

美国砸2859亿，中国仅用124亿，却把AI差距压到2.7%？

换一个家长们都不陌生的场景：你家里给孩子报了285万的补习班，邻居报了12万的。最后考分差2.7分。

有人要说，这2.7分很重要，

我们不反对，

但值得花273万去补足吗？

——这个反问也是惯用的老套路了。

如果高地有几百个

前面说了产业，现在咱们回到创新区：

冠军结构的产业会向一个地方极度集聚；

适应辐射的产业，可以分布在很多地方。

所以，美国的AI产业几乎完全挤在旧金山湾区——那是冠军结构在地图上的投影。资源、人才、资本全指向两三家公司，那这两三家在哪，产业就在哪。

中国不是。

截至2026年4月，全国大模型企业约3.7万家，北京以4847家居首，上海、深圳分列二三。独角兽存量口径上，北京142家、上海98家、深圳61家，三城合计58.2%；杭州靠DeepSeek等公司以28家的体量贡献2394亿美元估值，单城排第四。

多中心，是适应辐射的必然结果。

这是好消息。

坏消息是，很多人把"多中心"理解成了"人人有份"，但生态位是有限的，一个小岛上装不下几百种雀。

就如我们开头说到，

不少地方的AI产业规划文件，几乎每一份里都有"高地"这两个字。

如果高地有上百个，那这个地形叫平原。

问题的根子在于：这些文件的底层假设，是自己可以当冠军。但在适应辐射的结构里，能拿的是生态位，不是冠军。而生态位是有限的、并且分层的——

首先，模型层的门槛，比你想的高得多。

北京首批人工智能创新街区里有一个海淀原点社区，范围东至王庄路及展春园西路，西至中关村大街，北邻清华，南抵北四环。

你可以在这里边散步。从清华科技园出发，走几百米，路过智谱，路过面壁智能，路过生数科技，路过智源研究院。2026年1月8日在港交所上市的智谱，办公地点和智源研究院隔一条街。

3k㎡的社区规划©FTA Group

这不是一个产业园区。这是一条街。

全国大约一半的AI顶尖科研机构和创新企业，挤在这条街周围的几平方公里里。

这种浓度是几十年熬出来的，不是三年招出来的。

一个城市在这一层没有密度，规划里写多少个"高地"都不管用——因为顶尖研究者搬家的时候，考虑的第一件事是"我周围有几个人能听懂我在说什么"，不是补贴给多少钱。

现实是，模型层对绝大多数城市是关着的。

承认这一点，资源才能挪到真正打得赢的那一层去。

我们之前说到，第一个给智能经济发明GDP的城市出现了……

2026年3月23日，中国发展高层论坛年会上，国家数据局局长刘烈宏正式把Token的中文标准译名定为"词元"，并给了它一个定位：词元不只是智能时代的价值锚点，更是连接技术供给与商业需求的"结算单位"。

紧接着，5月22日，国家数据局开了词元经济座谈会，阿里云、腾讯、月之暗面等企业参会，明确把推动词元经济发展纳入工作体系，给了两个抓手：行业高质量数据集建设和全国一体化算力网建设。

给一件东西起正式名字，并开始统计它，一般意味着接下来要考核它。

国家层面用来计量AI产业的单位，已经从"有没有模型"，换成了"消耗多少词元"。

互联网时代的核心指标是流量。

人工智能时代，官方给出的答案是词元。

所以，对于城市来说，可以把"引进大模型企业"从KPI里降级，把"场景开放清单加高质量数据集"升上去。

国家数据局给的两个抓手就是明确指引：高质量数据集，和全国一体化算力网。后者少数城市能做，但前者绝大多数城市能做。

制造业城市可以认领"工业词元"，把词元烧进排产、质检、工艺优化；医疗资源集中的城市可以认领"医疗高质量数据集"；文旅城市认领内容生成。

位置越具体，越可能真拿到。

位置越宏大，越接近于没有位置。

回到开头那个问题。

"中国最强的AI实验室是谁"——它之所以难回答，不是因为答案不清楚，是因为它假设了一个中国没有的结构。

真正的问题有两个。

第一个是时间问题：

适应辐射能不能撑到前沿收敛那一天。这取决于集中的边际回报掉得有多快。23倍的钱换2.7个点，是一个有利于编队的信号，但我们更需要的是范式的突破，能力的数量级跃升。

第二个是位置问题：

如果撑到了，谁在岛上，谁不在。

对城市来说，第二个问题更近，也更要紧。因为生态位正在锁定，而每个生态位只装得下少数几个玩家。

等到词元经济的统计口径完全建起来那天，一个区域在这张表上有没有名字，多半已经定了。

所以，不要再问谁的模型最强了。

去问自己所在的这块地方，一年能烧掉多少词元，烧在什么事情上。

达尔文当年没有去评选加拉帕戈斯最强的雀。

他做了一件更有用的事：

他把每一种雀的喙画了下来，然后问，这个形状是被什么塑造的。