AI競賽新拐點
彭博社8月20日報導，在人工智慧實驗室爭奪全球技術主導權的競賽中，中國正迅速縮小與美國的差距；
2026年8月美國與中國人工智慧最佳模型得分對比，美國最佳模型得分接近60分，中國最佳模型得分明顯落後於美國，兩國頂尖模型能力差距依然存在。資料來源：AISCORE圖表
在成本和使用量等部分指標上，中國模型甚至已經取得領先。
路透社此前披露月之暗面7月推出的Kimi K3擁有2.8兆個總參數和100萬個令牌的上下文窗口。
月之暗面KimiK3在EpochCapabilitiesIndex和ValsIndex兩項評測中的表現，其綜合能力及金融程式設計法律任務得分已接近國際頭部模型水平。資料來源：ArtificialAnalysisIntelligenceIndexv4.1.1、EpochAI、ValsIndex，資料截至2026年8月14日
它沒有全面擊敗美國最強模型，卻以接近前沿的能力和顯著更低的價格，動搖了矽谷的商業前提：只要模型保持領先，OpenAI、Anthropic等公司就能持續收取“前沿溢價”。
美國實驗室仍佔據能力上限，但中國已形成由Kimi、DeepSeek、阿里Qwen、智譜GLM和MiniMax組成的近前沿叢集。
2023年至2026年人工智慧能力指數走勢，美國Opus5和Fable5持續領先，中國KimiK3等模型近期加速追趕，與美國前沿模型差距明顯縮小。資料來源：ArtificialAnalysisIntelligenceIndex
當能力差距縮小為幾個百分點，競爭已經從誰最聰明轉向誰成本更低，美國在爭奪最高分，中國在爭奪每一美元能完成多少任務。
在日常實踐中，大部分日常對話與基礎任務並不需要頂尖的前沿能力。
企業完全可以採用混合分發策略：將高風險、高複雜度的算力難題交給美國頂尖模型，而將海量、高頻的常規任務自動路由至性價比更高的國內模型 API，實現整體推理成本的大幅下降。
01. 中國形成近前沿模型叢集從落後6—12個月到只差2分
按Artificial Analysis最新統一口徑，Kimi K3在綜合推理、知識、數學和程式設計能力的智能指數中得分60，Anthropic的Claude Fable 5為62。
人工智慧分析指數排名，該指數綜合九項評測。ClaudeOpus5與ClaudeFable5並列榜首，GPT5.6Sol、Grok4.6、KimiK3、GLM5.2等模型緊隨其後。資料來源：ArtificialAnalysis
史丹佛大學《2026年AI指數報告》給出了更長周期的證據：自2025年初以來，中美最強模型多次交換領先位置；
截至2026年3月美國頭部模型的優勢只剩2.7%，且過去一年大部分時間維持在個位數。兩年前市場討論的是中國能否追上GPT系列；現在問題是美國新模型發佈後，領先能維持多久。
2023年至2026年頂級閉源與開源模型在Arena評測中的得分走勢，閉源模型ClaudeOpus4.6持續領先，開源模型GLM5緊隨其後並逐步接近。資料來源：Arena，圖表引自2026AIIndex報告
Kimi K3並非單純堆參數。其2.8兆總參數採用混合專家架構，推理時實際啟動約1040億參數。
多款模型在DeepSWE、TerminalBench2.1、FrontierSWE等六項程式設計基準測試中的得分對比，GPT5.6Sol、Fable5、KimiK3等表現居前。資料來源：相關程式設計基準測試結果
第三方測評顯示，Kimi K3在GDPval-AA v2中取得1678的Elo評分，高於GPT-5.5、GLM-5.2和Claude Opus 4.8，僅落後於Fable 5的1760。
GDPvalAAv2排行榜，該榜單依據真實工作任務表現進行評分，以人類基準1000分為參照，ClaudeOpus5等模型得分領先。資料來源：ArtificialAnalysis
不過基準分數不能等同於全面體驗。Kimi K3輸出速度約每秒41個令牌，低於Fable 5的約75個；
中國KimiK3在模型能力基準測試中的表現已接近美國ClaudeFable5，且完成任務的加權平均成本更低，性價比優勢明顯。資料來源：ArtificialAnalysisIntelligenceIndexv4.1.1，資料截至2026年8月14日
不同模型在事實精準性、工具呼叫穩定性和複雜項目連續性上仍有差異。更準確的判斷是，美國從“一家獨大”退到了“窄幅領先”。
02. 美國模型的定價權真正被打穿的不是能力榜單
彭博圖表最具衝擊力的資料來自成本。
按Artificial Analysis的每項智能指數任務口徑，Kimi K3平均成本約0.84美元，Fable 5約2.75美元，前者低約69%；
不同模型完成GDPvalAAv2基準任務的平均成本，按輸入、快取命中、快取寫入、推理和回答部分拆分，ClaudeFable5成本最高。資料來源：ArtificialAnalysis
按快取命中、普通輸入和輸出令牌7∶2∶1加權，Kimi K3每百萬令牌約2.31美元，Fable 5約7.70美元。
對每天執行百萬級智能體任務的平台而言，2分的能力差距，未必比三倍以上的成本差距重要。
Kimi K3也不是孤例。值得補充的是智譜GLM-5.3在同一指數中也達到60分，每項任務成本約0.68美元，比Kimi K3低19%，比GPT-5.6 Sol低45%。
文字生成圖像基準測試前十模型排名，阿里巴巴Qwen3.8Max位列第一，月之暗面KimiK3第二，ClaudeOpus5位列第三。資料來源：ArtificialAnalysisτ³Banking排行榜，資料截至2026年8月12日
在漏洞識別基準CyberGym中，GLM-5.3取得84.5%，略高於Anthropic Mythos 5的83.8%；但在漏洞利用測試ExploitBench中只有54.4%，低於Mythos 5的78.0%。
GLM5.3、GLM5.2、KimiK3、MythosFable5與GPT5.6Sol在九項基準測試中的表現，涵蓋終端操作、網路安全等多個維度。資料來源：智譜相關性能評測
這說明一個模型不再統治所有任務，企業會把高價前沿模型用於高風險環節，把大量編碼、搜尋和自動化工作交給便宜的近前沿模型。
開放權重策略又把價格優勢轉化為分發優勢：開發者可以下載、微調和私有化部署，雲服務商也能在不同硬體上最佳化推理。
OpenRouter平台上中美兩國模型月度使用份額變化，中國模型份額已於2026年超過美國，呈現此消彼長趨勢。資料來源：OpenRouter
美國AI助手在海外移動端下載量仍然領先，品牌、產品體驗和企業管道依然是壁壘；但彭博引用的OpenRouter資料表明，中國模型已在多個海外市場獲得顯著令牌用量。
OpenRouter平台上使用量最高的十個市場中，中美模型市場份額分佈，新加坡、德國等地中國模型份額已超過美國。資料來源：OpenRouter，資料統計區間為2026年1月至7月
美方的真正風險並非丟掉榜首，而是高價模型最終只剩少數關鍵任務可做，其餘海量呼叫全部被自動路由給開放模型。
03. 美國沒有輸掉AI競賽但勝負標準已經被中國改寫
美國仍握有難以在短期複製的底層優勢。
史丹佛AI指數顯示2025年美國私人AI投資達到2859億美元，是中國124億美元的23倍；美國機構當年推出59個重要模型，中國為35個。
2025年全球各地區人工智慧私人投資總額，美國以約2859億美元遙遙領先，中國以約124億美元位居第二。資料來源：Quid，2025，圖表引自2026AIIndex報告
美國擁有5427座資料中心，數量超過任何其他單一國家十倍以上；全球AI算力已達到約1710萬塊H100等效算力，輝達佔比超過60%。
2017年至2025年按加速器類型統計的全球知名人工智慧模型累計數量，輝達系列晶片佔比持續領先。資料來源：EpochAI，2026，圖表引自2026AIIndex報告
從先進GPU、HBM、網路互連到雲平台，美國仍控制著形成AI上限的大部分關鍵資源。但資本和晶片優勢不再自動等於永久模型優勢。
算力受限迫使中國實驗室更重視混合專家、蒸餾、強化學習和推理效率，也加速國產加速器、先進封裝、HBM替代及軟體棧適配。對半導體產業而言，低價模型不必然削弱算力需求。
2022年至2025年各主要晶片設計公司提供的全球人工智慧算力累計規模，輝達佔比超過六成，處於絕對領先地位。資料來源：EpochAI，2026，圖表引自2026AIIndex報告
單位任務成本下降後，企業會部署更多智能體、生成更多令牌，推理總量反而可能更快增長；
真正承壓的是依賴高API價格維持利潤的模型公司，受益的仍可能是GPU、ASIC、記憶體、互連和資料中心供應鏈。
彭博圖表展現的並非中國已贏得比賽，而是中美 AI 競賽的計分板已被徹底重構。衡量領跑地位的坐標軸，正從單一發佈會的指標沖榜，轉向由算力效率、單任務成本、生態開放度與部署規模構成的綜合效能體系。
中美主要人工智慧實驗室市值，美國總估值約7.5兆美元，中國主要實驗室合計估值約4550億美元，約為Anthropic一家估值的一半。資料來源：Bloomberg及相關公司公開資訊，資料截至2026年8月18日
美國依舊死守著由最頂尖晶片、資料中心規模與前沿模型所建構的能力天花板；而中國實驗室正憑近前沿性能+工業級低價”的組合拳，迅速下沉侵蝕全球 API 呼叫市場。
2025年全球資料中心地理分佈情況，美國資料中心數量最多，中國和歐洲部分地區緊隨其後。資料來源：Cloudscene，2025，圖表引自2026AIIndex報告
對於矽谷前沿廠商而言，脫離了極致成本效率的性能優勢，極易淪為昂貴且易被替代的空中樓閣；
而對於國內模型生態來說，若無法突破底層先進算力供給與高可靠性的制約，也終究難以在關鍵核心業務中完全取代閉源巨頭。
2003年至2025年美國、中國及歐洲知名人工智慧模型數量變化，美國以59個模型數量領先，中國35個，歐洲僅2個。資料來源：EpochAI，2026，圖表引自2026AIIndex報告
中美 AI 競爭的下半場，從來不屬於在榜單上多刷出兩分的技術極客，而屬於最先把足夠強大、足夠廉價且足夠穩健的智能，大規模打造成全球底層基礎設施的企業。
本文內容及相關資料基於彭博社（Bloomberg）、路透社（Reuters）、史丹佛大學《2026年AI指數報告》（AI Index Report 2026）、Artificial Analysis 以及相關實驗室（Moonshot AI、Z.ai 等）的公開發佈資料與第三方評測資料整理，不保證所有即時資料的絕對時效性與全面性。
本文所涉及的模型性能對比、商業模式分析及產業發展預測，僅代表作者個人研究視角與行業觀點，不構成任何形式的投資建議、商業採購指引或技術選型推薦。讀者據此做出的任何商業決策或投資行為，風險自擔。 (矽谷宇宙)