大衛·薩克斯的表態，近期在科技圈引發不小震動。這位川普的科技政策顧問，近日接受了彭博電視台採訪。他現任總統科技顧問委員會主席，話語權足夠份量。薩克斯直言，中國AI晶片設計已落後美國僅1.5到2年。更關鍵的是，他預判華為不久後會對外出口AI晶片。這一動作，或將點燃全球技術堆疊主導權的爭奪戰。薩克斯也承認，華為GPU生產仍受限制，但追趕速度驚人。“華為尚未達到頂尖水平，但未來一定會改變。”他如此判斷。他的擔憂很直接，華為若成重要GPU供應商，美企將承壓。川普政府的核心目標，是讓美國技術堆疊成為全球標準。為此，拜登時期的“擴散規則”已被正式放棄。那項規則曾限制美國GPU出口，還要求買家申請許可證。薩克斯解釋，過度限制盟友，反而會錯失鎖定市場的機會。他認為，阻止最先進半導體流向中國合理，但別傷了盟友。過去的法規，無異於“因擔心風險而自傷科技產業的腳”。薩克斯的履歷也印證了他的行業洞察力。他曾是貝寶前COO，還創辦過被微軟收購的Yammer。2024年底，他被川普任命為白宮AI和加密貨幣負責人。華為這邊，任正非近期也有清醒表態。他坦言，自家GPU確實落後美國頂級產品一代。但華為有自己的應對方式，用數學補物理、群計算補單晶片。這種思路下，華為晶片能達到實用水平，滿足多數AI需求。很多AI工作負載，本就不需要最尖端的硬體支撐。只要華為能以合理價格供貨，搭建成熟生態。完全有能力在部分市場，挑戰輝達和AMD的地位。輝達CEO黃仁勳，也曾公開批評美國的出口管制。他直言這些政策“完全錯誤”，只會適得其反。全球一半AI研究人員是中國人，堵不住創新的腳步。美國的限制，還讓輝達損失了巨額中國市場收入。僅H20晶片禁令，就導致其損失55億美元庫存和150億營收。黃仁勳也認可華為的實力，稱其是“世界級科技公司”。薩克斯的判斷，其實藏著美國的戰略焦慮。放棄過度限制，不是妥協，而是想鎖定盟友市場。遏制中國先進晶片，同時鞏固美國技術的全球主導權。華為若真啟動AI晶片出口，格局會發生微妙變化。國產晶片出海，不僅是營收突破，更是生態突圍。中美AI晶片的差距在縮小，競爭只會愈發激烈。華為能否打破壟斷，關鍵看生態搭建的速度和質量。而美國的政策調整，也會持續影響全球半導體格局。這場技術博弈，沒有旁觀者，每一步都關乎未來走向。 (1 ic芯網)

2026年初，一場圍繞人工智慧核心技術的暗戰浮出水面。Anthropic在今年2月率先發難，指控中國的DeepSeek、MiniMax、月之暗面（Kimi）對其模型發動了“工業等級的蒸餾攻擊”，涉及超過1600萬次互動。隨後，OpenAI向美國國會提交備忘錄，指責DeepSeek試圖“免費搭便車”。OpenAI、Google、Anthropic——這三家平日裡在AI賽道上你追我趕的競爭對手，罕見地站到了同一戰壕裡。他們的目標很明確：聯手遏制中國AI公司正在廣泛使用的“模型蒸餾”技術，識別並打擊所謂的“對抗性蒸餾”行為，矛頭直指中國AI企業。何為“模型蒸餾”呢？這是一項行業通行的知識遷移技術。想像一下：一位資深的大學教授（大模型）將知識精華提煉成通俗易懂的講義，讓一名高中生（小模型）能夠快速掌握核心要點。在這個過程中，小模型不需要閱讀浩如煙海的原始資料，而是通過向大模型“提問”並學習其輸出模式，最終以更低的成本、更快的速度獲得接近大模型的能力。這項技術並非中國公司的獨創，在AI學術界和工業界，蒸餾早已是一種公開、合法、廣泛使用的最佳化手段。幾乎所有主流AI公司，包括OpenAI和Google自身，都在不同程度上使用蒸餾技術來提升模型效率、降低推理成本。它就像物理學中的“槓桿原理”，是一種聰明的工程智慧，而非見不得光的“偷竊”。分析一下圍堵背後的真實動機：美國三巨頭的聯手，表面上是維護智慧財產權和“安全”，實質上暴露了美國AI巨頭更深層的焦慮。1、中國AI公司的進步速度超出了預期以DeepSeek為代表的企業，通過蒸餾等最佳化技術，在算力受限的情況下依然打造出性能逼近頂尖閉源模型的產品，這讓習慣了技術領先優勢的美國巨頭感到不安。2、這是一場赤裸裸的商業利益博弈OpenAI等公司每年投入數十億美元訓練模型，而蒸餾技術的普及意味著後來者可以用極低的成本“站在巨人的肩膀上”，在美國公司看來，這相當於每年損失數十億美元的潛在利潤。於是，他們試圖通過“前沿模型論壇”這種行業聯盟的形式，聯合施壓、資訊共享，形成一道針對中國AI公司的技術封鎖線。美國巨頭面對競爭時的雙重標準：特斯拉CEO埃隆·馬斯克在社交平台上公開嘲諷，稱這是“賊喊捉賊”——因為OpenAI等公司在發展初期，也曾大量利用Google、Meta等機構公開的研究成果和模型資料。所謂“技術追趕者利用先行者成果”，本就是科技發展的常態。對於“模型蒸餾”事件的進一步思考：技術自強是根本，蒸餾雖然是一條捷徑，但終究不能替代基礎模型的原始創新。只有在大模型架構、訓練方法、算力最佳化等底層技術上取得突破，才能真正擺脫對國外先進模型的依賴。總結一下：歷史反覆證明，任何技術封鎖都難以阻擋真正有志者的腳步。從航天到晶片，從作業系統到人工智慧，中國科技產業正是在一次次“圍堵”中實現了突破與超越。這一次，面對AI三巨頭的聯手施壓，我們有理由相信：壓力之下，中國AI的創新之火，反而會燃燒得更加旺盛。 (AI思享坊)

近日摩根士丹利發佈了《China AI GPUs – Closing the  Gap with the US 》，報告裡提到了關於中國AI晶片一些情況，我們摘取了部分內容，分享給大家。原文連結在文末。一、到2030年中國AI晶片市場規模將達670億美元我們在預測中國 AI GPU 市場時，採用了情景分析法，把供應、需求以及地緣政治方面的風險都考慮進去了。我們估算：到 2030 年，總的可觸達市場規模將達到 670 億美元。這意味著 2024 年到 2030 年間的年複合增長率（CAGR）為 23%。到時候，推理（inference）帶來的需求將超過訓練（training），這部分支出大約會佔到雲廠商總資本支出的 51%。我們的估算是基於主要雲服務商、電信營運商、政府及國企買家，以及其他 AI 相關公司的雲資本支出總和得出的。中國AI晶片市場規模從Morgan Stanley這張圖中我們也可以大致看出：增長初期主要由主權/國企（Sovereign & SOEs）和電信營運商驅動，但長期增長的關鍵在於“商業化應用”（Commercial Usage，主要體現在中國雲服務商CSP的支出上）。從結構上看，中國雲服務商（藍色部分）的支出佔比逐年擴大，從2023年的約60%增長到2030年接近400億美元，成為最大的單一需求來源。這表明AI晶片市場正從政府主導逐步轉向以商業需求為主導的成熟階段。我們預計，國產 AI 晶片的收入將從 2024 年的 60 億美元增長到 2030 年的 510 億美元（年複合增長率 42%），這將把自給率從 33% 提升到 76%。中國AI晶片自給率另外Morgan Stanley也提到了AI晶片在雲資本支援中的比例。AI 晶片佔全球雲資本支出總額的百分比從這張圖中，我們大致可以看出：從 2021 年到 2026 年，雲服務商在 AI 晶片上的花費佔其總資本支出（Capex）的比例從極低水平（約 5% 左右）急劇攀升至 45% 以上。另外Morgan Stanley認為，華為和寒武紀在短期內會領跑AI晶片的市場中國AI晶片廠商市場份額預估2026中國AI GPU市場份額二、十大中國AI晶片廠商與輝達（NVIDIA）的處理器在中國市場的情況相比，國產晶片擁有更低的總體擁有成本（TCO），並且在單個Token的處理成本（針對AI大語言模型推理任務）上具有可比性。Spec overview：中國AI晶片與輝達（NVIDIA）在產品 對比。(萌趣AI小棧)

DeepSeek 計畫在未來幾周內發佈搭載華為晶片的 V4 模型。這一舉動，被視為全球人工智慧競爭格局的重大轉折。與此同時，DeepSeek V4 模型將以卓越的程式碼生成能力為核心亮點。進一步強化其在開發者生態中的競爭力。更關鍵的是，據最新市場動態，DeepSeek 模型將擺脫對輝達的長期依賴，轉而採用華為自主研發的最新晶片。這一轉變不僅標誌著中國在算力自主化領域取得重大突破，還引發了阿里巴巴、字節跳動及騰訊等國內科技巨頭的連鎖反應，各大廠已紛紛下單訂購數十萬枚華為新晶片。DeepSeek 這一決策，標誌著其在半導體自主化道路上邁出了關鍵一步。為什麼選擇國內晶片？DeepSeek V4 選擇華為晶片標誌著人工智慧領域的一個關鍵轉折，其意義已超越了單純的技術適配，上升到了戰略高度。DeepSeek 打破了優先與輝達、AMD 等巨頭合作的傳統慣例，轉而通過與華為及寒武紀的深度協作，從底層重構模型核心程式碼。這種做法確保了 V4 模型能在國產硬體上實現性能最佳化，從而有效緩解了對海外高端晶片的依賴。DeepSeek 此次打破行業慣例，未將新模型交由美國晶片廠商進行最佳化，而是優先向華為等國內本土晶片供應商開放早期測試。即將發佈的 V4 模型將包含三個針對特定功能最佳化的版本，且均基於國產晶片架構開發，旨在建構從軟體到硬體全鏈路自主可控的技術體系。DeepSeek 此舉不僅增強了技術自主性，更通過建構基於國產算力的生態，為其長遠發展築起了抵禦外部封鎖的戰略屏障。採用國產晶片，提升算力在3月21日，華為在2026中國合作夥伴大會上正式發佈並展示了Atlas 350 AI訓練推理加速卡，該產品搭載了全新的昇騰950PR處理器。據官方介紹，Atlas 350單卡算力領先輝達H20達2.87倍，是目前國內唯一支援FP4低精度的推理產品。下面是昇騰 950PR 與輝達同類晶片（如 H20）的具體算力對比資料表格：昇騰 950PR 在低精度推理領域展現出顯著的技術優勢，其特定測試性能大幅超越輝達 H20。具體而言：單卡算力：950PR 的單卡算力達到了 H20 的 2.87 倍。視訊記憶體容易方面：配備了 112GB HBM 視訊記憶體，較 H20 的 96GB 提升了約 16%。視訊記憶體頻寬方面：H20 仍以 4.0 TB/s 領先於 950PR 的 1.4 TB/s，但在核心算力表現上，昇騰 950PR 具備更強的競爭力。此次大會華為DeepSeek V4晶片近期需求激增，阿里巴巴、字節跳動及騰訊等科技巨頭已累計下單數十萬顆。這一大規模採購不僅彰顯了業界對華為AI硬體性能的認可，也標誌著中國科技基礎設施向國產化轉型的關鍵步伐。受益於穩定的本土供應，DeepSeek V4模型的訓練與部署效率將大幅提升，同時有效規避了國外晶片引發的供應鏈風險。此舉對輝達、AMD等全球晶片巨頭構成了顯著挑戰：隨著中國企業在國產晶片上的模型最佳化日益成熟，其對美國硬體的依賴正迅速降低，中美在AI領域的硬體差距或將以超預期速度縮小。另外，華為的副總裁馬海旭在會上透露，最近“養龍蝦”熱潮火得一塌糊塗，十幾家合作夥伴已經像搶購熱銷商品一樣，紛紛推出了基於昇騰的OpenClaw一體機。看來，養蝦不僅要靠技術，還得靠“蝦”力全開啊！DeepSeek V4 重塑全球AIDeepSeek V4 與華為晶片的深度融合，標誌著中國人工智慧產業正步入一個擺脫外部制約、實現高度自主的新階段。除核心模型外，DeepSeek 還針對國產硬體開發了多款 V4 衍生版本，旨在建構多元化且具全球競爭力的產品矩陣。DeepSeek V4 炸場發佈：國產晶片算力大爆發，終結輝達壟斷GPU時代此前，V3 與 R1 已憑藉卓越的性能功耗比動搖了市場對美國高成本 AI 路線的信心，V4 則有望深化這一影響。此舉的核心意義在於通過國產替代降低對輝達等美企的依賴，在重塑全球 AI 競爭格局的同時，驅動中國半導體技術的跨越式發展，並可能引發全球範圍內 AI 基礎設施本土化的連鎖反應。寫在最後可以想像一下，DeepSeek V4在國產晶片上實現高效、穩健且具性價比的突破，將不僅改寫DeepSeek的未來，更將重構AI產業的底層邏輯：終結算力單極壟斷，擺脫對CUDA的依賴，並推動AI基礎設施走向區域化佈局。 (AI共生紀)

在數字經濟時代，高端AI程式設計能力就是數字世界的“工業母機”。它是智能體應用落地、工業軟體開發、產業數位化轉型的核心底座，更是決定一個國家數字產業安全與長期競爭力的關鍵底層技術。長期以來，這一核心領域始終被海外Claude、GPT等主流頂尖模型主導。國產大模型雖歷經多輪迭代追趕，但在複雜工程化程式設計、長程智能體任務等核心實戰場景中，長期處於跟跑狀態。4月2日，中國AI產業迎來了標誌性突破。阿里發佈新一代大語言模型Qwen3.6-Plus。此時距離阿里整合AI核心力量成立ATH事業群，僅過去兩周半。具體來看，千問3.6整體性能較千問3.5進步顯著，並且湧現出極強的智能體程式設計能力，在系列程式設計能力權威評測中，千問3.6程式設計表現超越2倍乃至3倍參數量的GLM-5、Kimi-K2.5等模型，比肩（直逼）全球最強程式設計模型Claude系列。這不是一次普通的企業產品發佈，而是中國科技自立自強在AI核心技術領域落下的關鍵一子。從榜單到實戰，國產模型叩開全球超級陣營大門AI模型的真實實力，從來不由自說自話的行銷定義，而是要經過權威評測的專業驗證、全球開發者的實戰檢驗。據CodeArena全球程式設計模型榜單最新資料，千問3.6-Plus登頂國產最強程式設計模型，綜合性能全球僅次於Claude Opus 4.6，超越OpenAI、Google、xAI等國際巨頭，紙面實力已達到世界領先模型水平。在更細分的專業評測中，Qwen3.6-Plus 在SWE-bench系列真實程式設計任務測試、Terminal-Bench2.0終端程式設計評測、NL2Repo長程程式設計任務測試，以及Claw-Eval、QwenClawBench等真實世界Agent能力評測中，表現可完全匹敵Claude Opus 4.5，整體性能已接近全球頂尖水平。這一系列評測結果的核心意義，不在於一個簡單的排名，而在於它打破了多年來“國產模型在高端程式設計領域只能跟跑”的行業共識：我們終於在數字世界的核心底層技術上，拿出了能和全球領先梯隊正面抗衡的成果。在實戰層面，作為全球最大的AI模型API聚合平台，OpenRouter被業內稱為全球AI模型的“實戰試金石”，平台呼叫量完全由全球開發者基於模型性能、穩定性、性價比自主選擇，是衡量模型真實落地能力的核心風向標。就在剛剛，發佈僅1天的千問新模型Qwen3.6-Plus，以1.4兆Token的日呼叫量沖上OpenRouter的日榜榜首，並打破了該平台的單日單模型呼叫量的全球紀錄，成為當下最受企業和開發者熱捧的大模型之一。據OpenRouter平台公開資料顯示，平台中國開發者佔比僅6.01%，模型的市場表現完全由全球開發者的真實使用需求驅動。值得關注的是，全球開發者的選擇，是對模型能力最客觀的投票。這意味著，不是我們自說自話模型的進步，而是全球最挑剔的技術使用者，已經認可了中國大模型的實戰能力。三次認知破局，走出中國AI自主創新路徑Qwen3.6-Plus的發佈，其核心意義遠不止於單次模型性能的提升，更在於它打破了行業長期存在的三大固有認知，為中國AI產業探索出了一條高效、自主、普惠的創新路徑。它首先打破了“參數越大越厲害”的行業迷信，走出了輕量化高效技術路線。長期以來，海外巨頭主導的AI行業陷入了“堆參數、堆算力”的內卷模式，將參數量作為衡量模型能力的核心標尺。而Qwen3.6-Plus以遠小於競品的參數量，實現了對參數量2-3倍模型的全面超越，用更低的算力消耗、更小的運行成本，交出了對標全球尖端水平的成績單。從產業發展的視角看，這不僅是演算法架構的核心突破，更意味著中國AI企業徹底擺脫了海外模型定下的內卷規則。當全球都在比拚誰的模型更大、誰燒的算力更多時，我們走出了一條更高效、更適合產業落地、更具長期競爭力的技術路徑，這正是中國AI實現彎道超車的核心底氣。它同時打破了“國產模型重跑分、輕實戰”的行業偏見，實現了工程化落地的核心跨越。過去，不少國產模型在標準化榜單中表現亮眼，但在真實開發場景中，面對複雜的倉庫級任務、多步驟長程規劃，往往出現程式碼跑不通、bug無法自主修復、任務理解偏差等問題。而Qwen3.6-Plus真正讓代理式程式設計從概念走向了現實：在前端網頁開發、倉庫級複雜程式碼任務等實測場景中，模型可自主拆解任務、規劃執行路徑、編寫程式碼、測試修復bug，直至全流程閉環完成任務。不僅能實現高品質程式碼修復，更擅長複雜的終端操作與自動化任務執行，在多個高難度長程規劃任務中取得了極優成績。對中國數字產業而言，這種工程化落地能力，遠比榜單上的分數更重要。只有能真正解決真實場景的複雜問題，能真正為產業創造價值，核心技術才不會淪為“花瓶”，才能真正築牢我們數字經濟的底層根基。它更打破了高端程式設計能力的高門檻壁壘，實現了尖端技術的普惠落地。程式設計能力的核心價值，不止於服務專業開發者，更在於讓普通人也能享受到數位技術的紅利。普通人只需一句簡單的自然語言指令，就能調動模型完成任務拆解、智能體系統編排，實現專業程式設計師數小時乃至數天才能完成的程式設計效果。最關鍵的是，Qwen3.6-Plus每百萬Tokens輸入最低僅2元人民幣，以極具競爭力的定價打破了海外巨頭的高端溢價格局。技術的終極價值，在於普惠。當頂尖的AI程式設計能力不再是少數企業、少數專業人士的專屬工具，而是能被小微企業、普通開發者低成本使用，它才能真正啟動整個數字產業的創新活力，這正是中國技術不同於海外壟斷巨頭的核心格局。全鏈路協同成型，中國AI進入體系化競爭新周期Qwen3.6-Plus的突破，不是單一企業的單點勝利，而是中國AI產業從單點突圍邁向體系化競爭的重要標誌。它首先補齊了高端智能體程式設計的核心技術短板，加固了數字經濟的安全防線。高端AI程式設計能力，是數字時代所有數字產業的核心底座，小到企業數位化管理系統、網際網路產品，大到工業控制軟體、關鍵領域資訊基礎設施，都離不開底層程式設計能力的支撐。國產模型在這一領域實現自主可控、比肩國際先進水平，意味著中國大幅降低了在數字核心技術上的對外依賴，從底層提升了數字經濟的安全保障能力。更重要的是，它標誌著中國AI的算力—模型—應用全鏈路協同已經成型，正式進入體系化競爭新階段。全球AI競爭的下半場，早已不是單一模型、單一技術的比拚，而是全產業鏈、全生態的體系化對抗。以阿里為代表的中國AI企業，已經建構起了完整的全鏈路生態：底層有自主可控的算力底座，為模型迭代提供穩定支撐。中層有核心模型持續突破，覆蓋多模態、生成式AI、智能體程式設計等核心賽道。上層有豐富的應用矩陣，能快速將模型能力落地到千萬企業和普通使用者手中。這種全鏈路協同的體系化能力，才是中國AI能和全球頂尖巨頭長期同台競技的核心底氣。單點技術的突破或許能帶來一時的熱度，但只有完整的、自主可控的產業生態，才能讓我們在全球科技競爭中站穩腳跟，不被“卡脖子”。與此同時，中國模型正在以普惠價值打破海外技術溢價，為全球AI產業提供了中國方案。長期以來，海外巨頭憑藉技術壟斷，維持著頂尖AI模型的高溢價，讓全球大量中小企業、普通開發者難以享受到技術紅利。而以Qwen3.6-Plus為代表的國產模型，以極高的性價比，為全球開發者提供了對標全球領先水平的全新選擇，正在改變全球AI產業的供給格局，讓更多市場主體用得上、用得起尖端AI技術，為全球AI產業的普惠發展貢獻了中國企業方案。科技自立自強，從來不是一句空洞的口號，而是靠一項項硬核技術突破、一次次向全球頂尖水平的衝鋒，一步一個腳印拼出來、幹出來的。從跟跑到並跑，中國AI在程式設計這一“數字工業母機”領域實現重要跨越，再次印證：在高端科技領域，中國企業完全有能力走出一條自主創新的發展道路，拿出世界一流的技術成果。全球AI競爭的下半場，拼的從來不是參數噱頭、行銷概念，而是實打實的技術實力、產業落地能力與體系化競爭力。從產業規律來看，真正的長期競爭優勢，不在於單一模型的性能參數，而在於能否建構完整的技術生態、能否為開發者和使用者創造持續價值。值得肯定的是，以阿里為代表的中國科技企業，正朝著這一方向穩步前進，紮根真實市場需求，推動技術與產業深度融合，走出了一條自主創新與開放合作平行的發展道路。 (環球時報)

Token呼叫量，是衡量一個國家AI真實活躍度、產業滲透度、生態繁榮度的核心硬指標。就在剛剛，第三方權威平台OpenRouter公佈最新一周資料：中國AI模型周呼叫量7.36兆Token，美國僅2.95兆Token，中國整整是美國的2.5倍，且已連續三周實現反超。這不是偶然波動，不是短期衝量，而是中國AI在成本、場景、開源、算力基建四大維度全面碾壓的結果。矽谷壟斷AI的時代，正式結束了一、資料炸穿全網：中國AI呼叫量，是美國的2.5倍先看最硬核、無水分的第三方統計資料（OpenRouter 2026.3.16–3.22）：- 中國總呼叫量：7.359 兆 Token- 美國總呼叫量：2.954 兆 Token- 倍數差距：中國 = 美國 × 2.5- 全球佔比：全球總呼叫20.4兆Token，中國獨佔36%，美國僅14.5%- 增長速度：中國環比暴漲56.9%，美國僅微增7.3%，差距還在持續拉大更顛覆認知的是全球頭部模型排名：全球呼叫量前五名裡，中國模型包攬前四，美國GPT-5.4僅排第五。1. MiniMax M2.5（中國）：2.8兆2. 小米MiMo V2 Pro（中國）：1.9兆3. GLM-5（中國）：1.7兆4. DeepSeek-V3.2（中國）：1.6兆5. GPT-5.4（美國）：1.2兆還有一個最關鍵的細節：OpenRouter平台上美國開發者佔47%，中國開發者僅6%，這意味著：不是中國人自己刷量，是全球開發者用腳投票，瘋狂選擇中國AI。二、真相只有一個：美國AI貴到用不起，中國AI便宜到隨便用為什麼全球開發者集體倒向中國？答案直白又殘酷：價格差最高達到50倍。直接對比主流API定價（每百萬Token）：- 中國DeepSeek-V3.2：0.28美元- 中國MiniMax M2.5：0.3美元- 美國GPT-5.4：15美元- 美國Claude Opus：5美元換算一下：同樣跑10億Token呼叫，- 中國模型成本：幾十美元- 美國模型成本：幾千到上萬美元對企業、智能體、開發者來說，這不是“貴一點”，是生死線差距。美國AI閉源高定價，直接把中小開發者、大規模場景擋在門外；中國AI走普惠路線，讓AI真正實現**“人人可用、處處可用、批次可用”**。三、場景爆發：中國AI扎進實體經濟，美國AI還停留在聊天呼叫量差距的本質，是場景落地差距。中國AI：千行百業全面滲透，Token消耗量爆炸- AI智能體爆發：OpenClaw等自動化智能體單節點日耗百萬Token，企業一部署就是成千上萬實例- 本土超級場景：政務問答、電商客服、短影片生成、工業質檢、教育批改、金融風控- 國民級入口：微信、釘釘、飛書、抖音內建AI，十億級使用者持續產生呼叫美國AI：高度集中在C端聊天，產業落地嚴重滯後- 場景高度集中在個人聊天、寫作輔助- 企業級、行業級解決方案推進緩慢- 缺乏超級APP入口，無法形成規模化持續呼叫一句話總結：美國AI還在“炫技術”，中國AI已經在“賺效率、改行業”。四、底層支撐：算力、架構、生態，中國全面換道超車1. 國產算力突圍，徹底擺脫卡脖子- 海光、寒武紀等國產晶片大規模商用- DeepSeek等模型實現純國產晶片訓練+推理- 成本相比輝達方案直接下降60%2. MoE架構成為主流，性價比碾壓大參數路線- 中國模型普遍採用MoE混合專家架構- 視訊記憶體佔用降低60%，吞吐量提升十幾倍- 用更小算力跑出更大規模服務3. 開源生態碾壓，矽谷80%初創都在用中國模型- 中國開源模型全球下載量、貢獻量全球第一- 美國初創公司沒錢用GPT，普遍拿中國開源模型做原型、做路演- 中國形成“開源+API”雙輪驅動，美國閉源自困，生態越走越窄五、格局徹底改寫：全球AI中心，正在從矽谷東移這組資料的歷史意義，遠超很多人想像：1. AI應用中心東移呼叫量 = 真實活躍度 = 產業價值。中國已經成為全球AI最大應用市場、最大開發市場、最大落地市場。2. Token定價權易主全球AI服務將逐步向中國低價普惠模式看齊，美國高定價模式加速崩盤。3. 技術路線分出勝負“低成本+大規模+強落地”的中國路線，正式戰勝“高參數+高價格+閉源壟斷”的美國路線。六、冷靜思考：領先是真的，短板也必須承認這篇文章不吹不黑，在反超資料面前，也要清醒看到差距：- 通用推理、複雜邏輯、超長上下文能力，中美仍有3–6個月代差- 基礎研究、底層框架、編譯器創新，中國仍需持續補課- 低品質Token佔比較高，未來要從“拼量”轉向“拼價值”但不可否認的是：中國AI已經完成從跟跑到並跑、再到規模化領跑的歷史性跨7.36兆 vs 2.95兆，2.5倍的呼叫量差距，不是一天衝出來的，是無數次模型迭代、算力攻堅、場景下沉、生態開放堆出來的結果。曾經，我們仰望矽谷AI；今天，全球開發者正在湧向中國AI。 (AI技術前景研究)

近日，知名加密機構 Delphi Labs 的聯合創始人 José Maria Macedo 在社交媒體 X 上發表了一篇長文《What I Learned from Two Weeks Inside China’s AI Ecosystem》，講述了他在結束對中國為期兩周的深度考察之後對中國 AI 生態系統的一些所感、所想。他在中國待的兩周期間，見了不少創始人、VC 和上市公司 CEO，最後他得出的結論是：對中國硬體更看好，對中國軟體更謹慎，同時對中國創始人與投資體系的理解也發生了變化。這篇內容很值得深讀，它為每一個深處中國AI生態環境的我們提供了一個很典型的“外部視角”：當一個長期看全球科技和投資的老外走進中國，他看到的並不是一個籠統的“中國 AI 很強”，而是一套很具體、也很分裂的中國AI生態結構。01 滿懷期待的中國行：“去尋找被嚴重低估的天才”Macedo 坦言，自己是帶著極高的預期飛往中國的。在西方資本市場眼中，中國始終是一個充滿工程師紅利和極致效率的土壤。他的初衷非常直接且明確：“我以為會看到被嚴重低估的天才，正在以（西方市場）一折的價格，做著改變世界的事情。”然而，經過兩周的密集調研、走訪和深度交流後，他眼前的迷霧被撥開，展現出的卻是一幅割裂、真實又充滿戲劇性的圖景。他在文章中給出了一個犀利且一針見血的結論：“中國硬體正在悄悄贏得一場西方人甚至沒意識到已經開始的戰爭；但在軟體領域，估值泡沫和同質化的創始人畫像，正在把一個本該爆發的生態，變成另一場擊鼓傳花的遊戲。”02 他最意外的，不是中國沒人，而是中國創始人太像了帖子裡有一段很有意思。José 說，他過去見過的優秀創始人，往往有一些共同特徵：獨立思考、叛逆、極度專注，而且不太相信二手共識。可他這次在中國見到的很多創始人，雖然也非常優秀，背景極強，執行力極強，勤奮程度也極高，但在“從0到1的非共識願景”這件事上，反而沒那麼突出。他提到，自己見到的很多人都擁有非常漂亮的履歷：頂級大學、大廠背景、論文、專利、技術能力都很強。這些放在西方已經是頂尖人才的配置，但在中國，某種程度上更像是入場門票。這段觀察未必完全正確，但它點出了一個現實：中國 AI 創業裡，優秀的人很多，能打的人很多，但高度同質化的人也很多。大家的成長路徑、訓練方式、職業履歷、表達方式，常常非常相似。這會帶來一個結果：項目可以做得很強，但未必足夠“怪”。而很多真正大的創新，最開始往往都帶一點“不像樣”。03 他把問題往前推了一步：VC 也在強化這件事José 的一個核心判斷是，這不只是創始人的問題，也和投資邏輯有關。他提到，很多中國基金的投資邏輯，本質上是在尋找最優秀的大廠背景人才，比如字節或大疆出來的人。看的更多是履歷、背景和確定性，而不是某種強烈到不合群的個人信念。這背後的問題是：當市場越來越偏好“標準答案”時，真正不標準的人，反而更容易被系統性錯過。José 還舉了一些中國歷史上的知名創業者作為對照，認為很多真正做出大公司的中國創始人，本身並不是今天這套“標準範本”裡的人。這部分我覺得很值得創業者看。因為它說的不是“名校和大廠沒用”，而是另一層意思：如果一個生態越來越擅長篩選正確的人，它也可能越來越難篩出特別的人。04 他最震撼的部分，在深圳如果說前面還屬於“組織和人才判斷”，那後面進入硬體部分時，他的語氣明顯變了。José 說，他在中國看到最震撼的東西，不是創業公司的路演，而是深圳的硬體生態。他提到那種系統性的拆解、逆向工程、密集供應鏈和長期積累的網路效應，讓他不確定西方很多硬體創業者是否真正理解自己面對的是什麼競爭。他還提到，和他們交流的創業者給出的資料是，超過 70% 的硬體投入來自大灣區，接近 100% 來自中國本土，這意味著極快的迭代速度，而這種速度是西方硬體公司很難複製的。這段其實特別關鍵。因為它說的不是“深圳有供應鏈”這麼簡單。它真正說的是：中國硬體優勢，不只是成本優勢，而是系統密度優勢。你能拿到零部件。你能快速試錯。你能快速改板。你能很快把樣機變成產品。你還能在一個足夠大的製造網路裡繼續往下壓時間和成本。這不是某一家公司厲害，而是一個區域能力。05 他為什麼更看好中國硬體，而不是中國軟體José 認為，中國在開源模型上確實很強，但在閉源模型層面，和西方頭部實驗室相比仍然有明顯差距，而且這個差距可能還在擴大。他提到資本開支差異、GPU 獲取限制，以及西方實驗室對蒸餾的持續打擊。他還引用了一個很有衝擊力的對比：Anthropic 僅在 2 月就已經達到 60 億美元 ARR，而中國最好的模型公司，ARR 仍大致在幾千萬美元量級。這組數字當然應該謹慎看待，但他想表達的核心很清楚：軟體的競爭，不只是“能不能做出來”，而是“能不能在產品、分發、商業化和平台能力上持續拉開差距”。而這一點，恰恰是今天最殘酷的地方。因為很多 AI 軟體創業公司做的方向，本身就處在大模型公司原生功能的覆蓋邊緣。你辛苦做出的產品，可能一輪模型更新、一個官方功能發佈，就被壓縮掉一半空間。這對所有 AI 應用創業者都是個提醒。不是說軟體不能做。而是說，純功能型軟體會越來越難。06 他還點了一個很多人不願意承認的問題：估值泡沫José 認為，中國 AI 不只是熱，而且已經有明顯泡沫，無論是早期還是後期。他提到，早期消費類 AI 創業公司即使還沒有產品，估值做到 1 億到 2 億美元已經不罕見，種子前輪超過 3000 萬美元也並不少見。他還拿一些公開市場和頭部公司的估值做對比，認為晚期估值更難自洽。這部分未必要完全接受他的數字口徑，但泡沫感確實是今天很多人都能感受到的。原因也很簡單：AI 是大趨勢。中國 AI 又是大趨勢裡的大主題。當“敘事”本身成為稀缺資產時，估值就很容易跑到基本面前面去。問題不在於高估值本身。問題在於，當融資節奏跑得比商業化更快時，很多公司最後要面對的，不是技術問題，而是兌現問題。07 他最後看到的機會，反而是“中西結合型團隊”帖子最後有一段我覺得是全文最值得注意的部分。José 說，他原本沒想到的是，自己見到的很多中國創始人，其實都在優先做全球市場，而不是先做中國市場。他們使用 Claude Code，關注 Dwarkesh 的播客，對舊金山創業生態非常熟悉。這說明一件事：今天的資訊流，已經不是單向的了。很多中國創始人，對西方產品、模型、創業公司和敘事的理解，並不比西方投資人差。所以他最後真正看好的，不是一個抽象的“中國 AI”，而是一類更具體的組合：把中國的工程執行力、製造能力、供應鏈縱深，和西方的產品定義、市場進入能力、全球化表達結合起來的團隊。這也是我覺得這條帖子最有價值的地方。它沒有停留在“誰更強”的討論裡，而是在說：下一波真正有競爭力的公司，很可能不是單純的中國式公司，也不是單純的美國式公司，而是能跨兩套系統工作的公司。結語Macedo 的這篇觀察，像是一把尖銳的手術刀，切開了當前中國 AI 生態的真實剖面：硬體的務實與軟體的浮躁並存。對國內的創業者和投資人來說，這是一個極其響亮的警鐘。硬體的優勢固然值得驕傲，但在 AI 這場全方位的戰役中，如果軟體生態不能擠干水分、打破同質化的內卷，我們或許會錯失這一波技術革命中最核心的紅利。正如他所感受的那樣：“答案是複雜的。”在冰與火交織的中國 AI 賽道上，潮水退去之後，真正的破局者，一定是在泡沫破裂後還能穩穩站住的人。 (Josh矽基世界)

晶片製造商輝達公司首席執行長黃仁勳表示，人工智慧（AI）就像一塊蛋糕。聊天機器人等AI應用位於最頂層；往下一層是軟體，比如支撐聊天機器人運行的大語言模型等；再往下是硬體，即訓練AI模型所需的半導體。今年春天，中國的AI公司正忙著打造這塊蛋糕的每一層。字節跳動推出了一款新的視訊生成應用。備受矚目的AI初創企業深度求索（DeepSeek）即將發佈一款功能強大的新大語言模型。而中國科技巨頭華為將推出一款新的AI晶片。儘管這些企業讓中國在美中AI競賽中保持競爭力，但它們並未推動中國取得領先地位。不過在黃仁勳所描繪的AI蛋糕中，還有位於最底下的一層，那就是能源。半導體需要消耗大量能源才能完成支撐AI模型的數兆次計算，而中國電網提供的廉價電力遠超西方。這種差異被稱為“電子差距”。中國能否利用這一優勢來取得AI領導地位？中國電網優勢顯著美國公司似乎對這一前景感到擔憂。開放人工智慧研究中心（OpenAI）首席執行長薩姆·奧爾特曼預測，AI的成本“最終將與能源成本趨於一致”。去年10月，該公司曾警告稱，中國的電力優勢可能“危及我們（在AI領域的）領導地位”。次月，黃仁勳基於同樣的理由預測，中國“將在AI競賽中勝出”。今年1月，另一家美國人工智慧公司xAI公司的老闆埃隆·馬斯克表示，鑑於中國的電網優勢，“根據當前趨勢，中國在AI算力方面將遠超世界其他地區”。AI企業對能源供應的擔憂正日益加劇。為了支援更智能的模型，它們正在建造規模更大、能耗更多的資料中心。其中一些資料中心的規模已達到吉瓦（GW）等級——相當於一座核電站的發電能力。據美國智庫蘭德公司的研究人員稱，到2027年，全球範圍內AI資料中心對電力的需求可能激增至68吉瓦，到2030年則可能達到327吉瓦。美國日益老化的電網已經難以跟上需求的增長。大量資料中心正排隊等待接入電網。企業還面臨當地居民的反對，因為資料中心可能會推高居民使用者的電價。一些公司正在建設自己的離網發電機。還有企業提出諸如在太空而非在美國境內建設資料中心等想法。一家半導體公司表示：“許多AI項目如今面臨的制約因素不是晶片供應，而是有沒有可靠充足的電力供應。”中國則無需為此擔憂。它擁有全球規模最大的電網，並且得益於國家的大力投資，其電網仍在以驚人的速度擴張。僅去年一年，它就新增裝機容量500多吉瓦，總發電裝機容量達到3800吉瓦，是美國的兩倍多。未來五年，中國新增裝機容量預計將是其競爭對手的六倍。風電和太陽能發電項目的蓬勃發展正推動著這一增長。全球一半的核電站建設項目也落戶中國。根據官方資料，中國資料中心的電力成本約為每千瓦時3美分，僅為許多美國資料中心電力成本的一半左右。而且由於政府單獨制定居民電價，耗電量大的基礎設施項目幾乎不會引發民眾反對。算力建設迎來突破不過，儘管人們對中美之間的“電子差距”感到擔憂，但中國尚未將這一優勢利用起來。中國的算力基礎設施遠未達到其電力供應所能支撐的水平。但有跡象表明，中國很快將開始利用其電力優勢。今年的政府工作報告中首次提及“超大規模智算叢集”，並承諾今年將啟動“算電協同等新基建工程”。與此同時，中國正加大力度投資建設超大規模算力設施。據瑞銀分析師廖啟華預計，到2029年，中國將新增25吉瓦的AI資料中心——相比之下，過去兩年僅新增5吉瓦。廖啟華指出，要想以這種速度進行擴張，關鍵在於中國能否在國內製造更多高端晶片。其多年來為此付出的努力正在結出碩果。中國自主研發的AI晶片雖然性能仍不及美國產品，但通過大量堆疊，可以縮小兩者之間的性能差距。雖然這會消耗更多能源，但在電力成本低廉的情況下，這一點並不那麼重要。官員們正鼓勵西部各省建設資料中心，這些地區擁有豐富的風能、太陽能和水力資源（且平均氣溫較低）。到2028年，中國希望將所有這些資料中心連接起來，成為統一的資源池，以實現在全國範圍內提供廉價算力資源這一目標。廈門大學中國能源政策研究院的林伯強認為，到本世紀20年代末，這些舉措應該能使中國憑藉電力優勢完全彌補其在晶片領域的短板。他說：“我們所要做的就是繼續建設。”就目前而言，中國主要專注於部署AI應用：努力將AI工具推廣到更廣泛的經濟領域，以提升生產效率。充足的能源以及較廉價的AI模型應該會有所幫助，因為企業將更有可能實際使用這些模型。對於像奧爾特曼這樣的美國科技大佬來說，中美“電子差距”在涉及通用人工智慧（AGI）這一概念時更令人擔憂。AGI消耗的電力可能遠超今天最先進的AI模型。那麼，中國會是最終開發出AGI的國家嗎？今年3月，中國為2026年至2030年發佈了新的五年規劃，其中提到探索AGI的發展路徑。 (參考消息智庫)