不融資、不上市、不接受外部干預的DeepSeek一直被認為是AI圈最特立獨行的存在。
但創始人梁文鋒近日終於鬆口，表示要資本市場融資，估值目標是100億，這一戰略改變，或許意味著AI競爭即將進入白熱化階段。
自從ChatGPT引爆“ChatGPT時刻”至今不過短短三年，2025年DeepSeek橫空出世，迅速打破了外界對中國大模型能力的刻板印象。
這兩年，AI領域又發生了什麼翻天覆地的變化？這場看不見硝煙的戰爭中，誰最有機會勝出？
史丹佛大學最新發佈長達432頁的《2026年AI指數報告》或許能夠告訴我們真相。
AI世界格局重寫中美模型兩分天下
這組資料如果放在三年前看，幾乎是不可想像的。
2023年，Open AI推出GPT-4在AI圈一騎絕塵，當時中國的AI模型還落後了30%，但是在2026年，這個差距已經飛速縮小。
在最新的LMArena測評中，美國最強的模型是Anthropic的Claude Opus 4.6，評分是1503。
而中國字節跳動推出的Dola-Seed Preview拿到1464分，兩個最頂尖的大模型只差39分，從比例來看，差距約2.7%。
LMArena評分是AI界的段位分，分數越高，意味著在盲測中勝出的機率越大。在此之前美國模型一直霸榜，而現在中美的AI模型差不多兩分天下。
從2025年初開始，中美兩國的頂尖AI模型就多次輪流登頂，你追我趕已經成為常態。
2025年全球大約有95個頂尖AI模型，美國發佈了50個，中國以30個緊隨其後。
在全球Top 10的模型發佈主體中，我們熟悉的Open AI、Google、xAI都有上榜，中國也佔了四個席位，分別是阿里巴巴、DeepSeek、清華大學和字節跳動。
無論是在中國還是美國，這些頂級模型中，超過90%來自企業，高校、實驗室、研究所的貢獻微乎其微，前沿AI模型的研發已經主要由工業界主導。
全球發佈的約95個頂尖AI模型基本集中在個別科技巨頭手中，中小企業缺乏資源、人才和實力，在AI這場戰爭中和大廠的差距越拉越遠，AI領域的馬太效應越來越明顯。
不過，如果我們要分析中美兩國的AI發展路徑，其中也有一些差異。
美國模式是大力出奇蹟，靠砸錢和建基建堆出優勢。
大量資金湧入AI賽道，2025年私人AI投資高達2859億美元，是中國的23倍；擁有5427個資料中心，數量是其他國家總和的10倍以上。
而中國走的是精打細算、精準發力路線，雖然投入沒有美國強，基礎設施沒有美國厲害，但是AI論文發表量、專利產出量世界第一。
工業機器人裝機量佔全球54%，落地應用的廣度遠超美國，可以用更低的成本實現了頂級模型相差無幾的效果。
不過也有反對的聲音認為目前AI的發展不能只看模型資料，美國在資料中心的投入依然佔有很大優勢，而且壟斷晶片、作業系統等底層技術。
中國雖然看起來是追平美國，但是過於依賴外部技術，如果被算力封鎖，差距又會再次拉開。
AI越強 人和人的差距反而越大
AI的發展速度之快，很多人都有深刻的體會，這段時間，幾乎每天睜開雙眼就能看到AI取代不同的職業。
但其實，AI有些地方已經超過人類，有些地方差得離譜。
Google的Gemini Deep Think模型在2025年國際數學奧林匹克競賽中拿到了35分獲得金牌，比去年的銀牌又有新的進步。
但是在讀取模擬時鐘的ClockBench測試中，正確率只有50.1%。
這種差異也被稱為“鋸齒狀前沿”，意思是AI在某些複雜任務上表現出色，但是在一些簡單任務上卻失敗了。
比如AI智能體在真實電腦任務上的成功率可以從12%提升到66%，但是在結構化基準側重依然有三分之一的機率會失敗。
AI機器人在實驗室中通過軟體模擬機械操作成功率達到89.4%，但是在真實的生活環境中只能完成12%的任務，AI真正從實驗室走向物理世界還有很漫長的路要走。
AI偏科的特性，對勞動力市場的衝擊也有差異。
除了重複性、標準化強的崗位會被加速替代之外，報告提到，22-25歲的開發者面臨的AI衝擊最大。
這一年齡階段基本是職場菜鳥，主要寫基礎程式碼、功能測試、資料整理等執行類工作，而這些任務都是AI最容易自動化完成的。
而稍微年長的35歲以上程式設計師，由於積累了行業經驗、對業務也有基本的判斷力，所以很容易找到人和AI協作的切入點，受到的衝擊就比較少。
資料顯示，2024年美國22-25歲年輕開發者就業人數下降約20%，而年長開發者數量還在增長，AI的篩選作用清晰可見。
毫無疑問，AI的出現會拉開人與人之間的差距，而不同層次的人群對AI就業影響的感受也天差地別。
73%的專家認為AI會帶來更多就業機會，但是只有23%的美國人覺得AI可以改善自己的工作。
AI雖能讓客服、軟體開發等領域生產力提升14%-26%，但在需要依靠人類判斷力的任務中效果不理想。
不過報告指出，有三類人不僅不用擔心AI衝擊，而且還會在這波浪潮中漲薪。
第一類是能夠駕馭AI的專業人士，可以利用AI放大自己的能力；
第二類是需要溝通、創意等軟技能的崗位，因為AI無法替代，而這些需求一直存在；
第三類是AI訓練師、倫理專家等新興崗位，屬於AI延伸出來的職業，未來前景大。
AI的偏科既帶來了生產力的提升，也重塑了勞動力市場的格局。
對於每個人來說，適應AI、學會與AI協作，找準自身不可替代的核心優勢，才是應對這場變革的關鍵。
AI與教育錯位 一場正在擴大的時代裂縫
AI的發展速度，已經快到讓教育體系有點跟不上節奏了。
AI教母李飛飛曾說，現在的傳統教育是滯後的。她認為，當前的教育依然停留在工業時代，依靠知識填充和應試，這種模式是通過記憶和重複訓練將大量知識喂給學生。
問題在於，生成式AI最擅長的就是快速、精準地學習這些結構化知識。
生成式AI可以在幾秒鐘內完成資料整理、寫作潤色甚至邏輯推演。如果教育還在強調這些能力，相當於讓人類用自己的短板，去和AI的長板硬碰硬。
她還指出當前教育體系存在的三個困境，第一是目標錯位，學生花很多年時間學習一些機器輕鬆替代的技能，浪費人類的潛力；
第二是內容過時，課程重理論、輕技能，依然圍繞記憶和考試展開，而這些正是最容易被AI替代的部分；
第三是結構僵化，文科理科被強行分開，學生很難同時具備技術理解和人文判斷，而現實世界的問題越來越依賴跨界能力。
很多人都有共識，AI已經成為這一代學生的基本素養，但系統的AI教育卻遲遲沒有跟上。
史丹佛大學的《2026年AI指數報告》指出，從全球看，基礎電腦教育已經比較普及，超過90%的國家在中小學階段提供相關課程，但AI教育的推進速度較慢。
中國和阿聯都從2025-2026學年開始，把AI教育納入強制體系，但AI的發展技術迭代以月為單位，教材更新以年為周期。
很多學生在書本上學到的已經是上一個版本的內容，越來越多學生只能在課堂之外學習AI，於是學校的價值被質疑。
更值得注意的是，教育變革也明顯落後於AI擴散的速度。
報告提到，超過80%的美國高中生和大學生，已經在學習中使用AI工具，最常見的用途是查資料、修改論文和做頭腦風暴。
進入AI時代，年輕人已經普遍開始依賴並運用AI工具，但學校的反應卻明顯滯後。
只有一半的中學制定了AI相關政策，而在教師中，只有6%認為這些政策是清晰可行的。學生在用AI，老師不知道該怎麼管，規則也不明確，這是教育界最擔心的場景。
AI以迅雷不及掩耳之勢改變我們的生活、工作和教育，但當前的教育系統還在按舊邏輯運轉，而現實世界已經換了一套規則。
這種錯位和滯後不只是因為技術更迭快，而是教育的底層邏輯已經和當今社會不相匹配。
AI既可以放大一部分人的優勢，也會進一步拉大差距。如果我們依然選擇停留在被動接受知識，那麼未來就會成為被AI取代的一員。
教育真正的挑戰，不是追問如何贏AI，而是要思考在一個答案隨時可得的時代，人類學習的意義究竟是什麼。 (Letsight)