八月中旬，蘭德公司發了一份64頁的報告，標題是：《中美兩國的 AI 發展》，副標題是——"來自一個新的 AI 開發者企業資料集的證據"。
四位作者想搞清楚一件事兒，那就是：
中國和美國，到底各有多少家公司在真正開發 AI，
以及，它們分別在幹什麼。
聽起來這應該是常識，好像應該已經有人幹過了。
但事實是，一直到今天，關於中美 AI 競賽的絕大多數判斷，依據都只有兩樣東西——
幾家明星公司的動向，和兩國政府發的規劃檔案。
前者是軼事, 後者是意圖。
但都不是產業本身。
回到報告。
這四個作者的做法是這樣的：
先撒網，選出雇了機器學習工程師的公司、發過AI論文的公司、持有AI專利的公司、上過模型榜單的公司，全撈進來。
一共撈到26,629家。
然後開始篩。
比如必須是營利性公司，必須總部在中美，必須自己訓練或開發模型，而不是拿別人的模型做整合。
他們還用大模型當稽核員，並給它下了一條死命令：
你在判斷理由裡但凡寫了"可能""看起來""大概"這種詞，這家公司就直接出局。
篩完最後剩下1,181家。
美國743，中國438。
這些是資料，報告基於這些資料，探討了他們在這1,181家公司身上看見了什麼；以及——這部分更有意思——
他們沒能看見什麼。
01. 1181家公司
咱們先看幾個數字：
這1181家公司裡，靠"你付錢調我的模型(Model-as-a-Service)"掙錢的，
中美各只有約 10%。
直觀來說，就是OpenAI、Anthropic、DeepSeek、智譜這一類。
但他們全加起來總共只有一百來家，
剩下九成，賣的是應用產品——美國約 90%，中國約 75%。這些公司的客戶根本不關心底下跑的是什麼模型，只關心那玩意兒能不能幹活。
還有，自己從零訓練基礎大模型(Foundation Model Developer)的公司，
美國 19%，中國 19%。
一模一樣。
過去兩年，全部注意力都在場上那六七個球星身上——誰的參數大，誰的榜單分高，誰又發佈了什麼。
而看台底下，還有一千多支隊伍在自己踢自己的。
當然，不可否認的是，那10%的公司拿走了絕大部分的錢、算力和版面，影響力遠遠超過10%。
但如果AI最終的錢是在剩下那九成裡賺到的，那我們看了兩年的，可能一直是熱身賽。
02. 最像的是大腦 最不像的是身體
蘭德給每家公司打了九個維度的標籤，結果有點意思。
先看架構，結論是兩國差不多。
用Transformer的公司，美國28%，中國27%。
用摺積網路的，13% 對 11%。
用擴散模型的，7% 對 7%。
用強化學習的，19% 對 19%。
華盛頓之前擔心，美國是不是把寶全押在Transformer這一條路上，而中國在多路下注？
資料說：不是。
中國的國家規劃裡非常提倡著要推神經形態計算、要探索後 Transformer架構，但在 438 家中國 AI 公司裡，走這些路線的比例，並不比美國高。
再看物理形態，兩國就裂開了。
純軟體公司（完全不碰硬體）：美國61%，中國26%
做人形機器人的：美國2%，中國12%
做地面機器人和四足的：16% 對 24%
做自動駕駛的：7% 對 14%
資料類型上也對得上：
處理三維空間資料的公司，美國 27%，中國 36%。
這裡還有個細節——
前面說了，兩國用強化學習的公司比例完全一樣，都是19%。但蘭德把這些公司的資料一家家翻過去之後發現：
同一個詞，在兩國指的是兩件事。
在美國，強化學習主要用來調教語言模型說話——拿人的偏好資料，讓模型回答得更順耳一點。
在中國，強化學習主要用在機器人怎麼邁腿、車怎麼拐彎、產線怎麼調參。
一個在教 AI 說話，一個在教 AI 走路。
同一個技術名詞，練的是完全不同的科目。
這就好比中美兩國家長給孩子報課外班的比例一模一樣，
但一邊報的是演講與口才，一邊報的是體育特長。
所以這份報告裡寫道：
中美AI公司的大腦幾乎一模一樣，身體完全不同。
03. 決定身體形狀的是什麼
那為什麼會這樣？
最省事的解釋是：
中國把具身智能寫進國家戰略了，
所以中國的具身智能起來了。
但如果規劃真能直接決定企業的技術選型，那麼同樣寫進規劃的非Transformer架構，比如神經形態計算（類腦計算）和顛覆性新架構（即後 Transformer 架構的探索），中國應該更多，
但資料裡完全看不出來。
所以，這說明產業政策有個邊界：
它能給錢，能給訂單，能給場景，
但它很難規定一家公司用什麼架構。
更站得住的解釋可能是這個——
每個生態，都把AI裝進了它周圍最值得的那個東西里。
看行業分佈就很清楚：
中國公司扎堆在物理經濟裡——
製造業 30%（美國 15%）、交通運輸 26%（美國 15%）、能源 12%（美國 6%）。
美國公司扎堆在知識行業裡——
醫療與生命科學 28%（中國 17%）、科研 10%（中國 5%）、網路安全 7%（中國 3%）。
美國相對更貴的東西是什麼？
是一個醫生寫病歷的一小時，一個安全分析師盯告警的一小時。所以 AI 往那兒跑。
中國最有需求的東西是什麼？
是產線、是車隊、是電網。所以 AI 往那兒跑。
這不是誰比誰更有遠見。這是各自的產業土壤決定的。
還有一層更深的差異，蘭德自己都沒怎麼展開——
中國的AI開發者公司，56.6%隸屬於一個主業不是AI的更大母體。
對比來看，美國這個數只有28.8%。
中國的AI開發者公司，33.8% 是上市公司。
美國只有13.6%。
美國的AI公司，大部分是獨立創業公司；
但中國的AI公司，大部分是某個大工業體系裡的一個部門。
國家電網的AI團隊，營運商的AI團隊，車企的AI團隊，家電集團的AI團隊。
這或許就順帶解釋了另一個資料：
完全不對外賣、只給自己內部用的AI，中國佔16%，美國佔10%。
順著這條線，組織形態不一樣，會長出不一樣的空間形態。
美國743家裡，加州一個州就佔了350家，接近一半。麻州75家排第二，比紐約州還多。這是典型的智力錨定型結構——史丹佛伯克利周邊一圈，MIT 哈佛周邊一圈。
中國438家裡，北京159家排第一，廣東90，上海58，浙江29，江蘇26。北京是研究和模型的中心；而廣東加上浙江江蘇，合起來145家——這是中國製造業密度最高的兩條帶。
美國的 AI 長在大學旁邊，
中國的 AI 長在工廠旁邊。
04. 同一個百分比兩個相反的意思
這份報告裡有一個內在矛盾，很精彩。
發佈過開源模型的公司佔比：美國約 15%，中國約 17%。幾乎一樣。
光看這個數，結論應該是"兩國開源程度差不多"。
但蘭德接著看了另一個東西：
OpenRouter。
這玩意兒你可以理解成一個模型中轉站——開發者不用一家家去註冊帳號，在這上面就能一站式呼叫三百多個不同廠商的模型。它每天公佈每個模型被用掉多少 token。
在這個平台上：
2024年底，美國模型佔前七大模型token量的85%—90%，
中國模型接近於零。
2026年4月，兩國持平。
2026年4月30日流量最大的九家裡，美國三家（Anthropic、Google、OpenAI），中國六家（騰訊、Moonshot、DeepSeek、阿里 Qwen、MiniMax、智譜）。
中國這六家，旗艦模型全部開源。
美國那三家，只有Google開源，而且只開小尺寸。
全球呼叫量前五的模型中，常常有4個以上來自中國。
所以你看，
同樣是15%和17%，但意思完全相反。
美國那15%，分佈在生態的邊緣：小公司、非旗艦、開個小號意思一下。
中國那17%，分佈在生態的頂端：每個體系裡最強的那個模型，都是免費下載的。
同樣的比例，一個是外圍行為，一個是主流路線。
價格上就更直白了。
蘭德把中美主要模型放在同一張圖上：中國的開源模型密集地擠在每百萬 token 一到兩美元、智能基準分 48 到 54 的那一小塊；美國的專有模型跨度是一到十二美元、48 到 60 分。
當然最頂端還是美國的。
但中段的價格已經不由美國定了——同等測得的智能水平，中國是四分之一到五分之一的價錢。
當然，這也不意味中國模型已經碾壓美國同行了，不是的。
同一家蘭德在 2026 年1月用全球網頁流量做的另一份研究顯示：中國模型的全球份額是從 3% 漲到 13%。有些統計是15%。
全球份額算的是所有企業和普通使用者的呼叫量。
但不管怎麼樣，都不超過1/5。
也就是說，在所有人裡，中國模型是十三分之一。
但在會算帳的開發者裡（呼叫OpenRouter的這群人中），中國模型已經打平；
開發者嘗鮮不等於市場佔有，免費也不等於贏。
但"中段價格由誰定"這件事，通常比"頂端歸誰"更早地決定一個生態往那邊長。
所有產品都是如此。
05. 報告最誠實的一段
在最關鍵的兩個技術維度上，大部分格子是空的。
- 模型架構：美國 56% 未知，中國 68% 未知
- 學習範式：美國 35% 未知，中國 60% 未知
六成到七成，查不出來。
你想像一下這個場面：一份 64 頁的正式研究報告，最核心的表格里三分之二的格子寫著"不知道"。
蘭德把它們印在正文裡，還專門寫了一節解釋為什麼。
原因寫得很清楚：所有證據以英文來源為主；中國的職業社交檔案滲透率遠低於美國；而且很大一部分中國 AI 開發，發生在國企、電網、銀行、電信內部——這些主體本來就不對外講自己在幹什麼。
所以這份報告在很大程度上測的不是能力，是披露意願，這本身就是兩個生態最真實的區別之一。
還有，這份報告本身，基本是用AI做的。
26,629家候選公司，由大模型逐個篩，九個維度的分類，由AI完成，每家公司派搜尋智能體做大約三十次定向檢索，再去學術庫里拉論文交叉驗證。最後人工覆核的樣本是——25 家。
蘭德把這套流程披露得極其徹底，連完整的提示詞都原樣附在了附錄裡。
這是很值得尊敬的做法。
但它同時揭示了一個新情況：
不少國外智庫已經開始用 AI 去偵察 AI 戰場，而這個偵察兵，只認識英文路標（沒有好壞之分）
順帶說個反直覺的數。有公開記錄顯示與本國軍方存在 AI 合作關係的公司，美國 30.0%，中國 16.2%。蘭德自己立刻補了一句：中國這個數幾乎肯定被嚴重低估。
所以這條資料說明不了兩國軍事 AI 的真實對比。
它說明的是別的東西——在一個人人都在談"看清對方"的時代，我們能看清的，只是對方願意讓我們看清的那一部分。
06. 達爾文雀
蘭德的最終結論是這樣的：
如果通向更強人工智慧的路，最終必須和機器人、世界模型、物理環境學習一起走，那麼中國那份更寬的具身組合，就是美國生態裡缺的一份避險。如果不必，那這份避險會很貴。
避險的帳單，兩邊都已經在出了。
中國這邊：
做人形機器人的公司超過140家，產品超過330款；2026年上半年具身智能行業融資約九百多億元，是去年同期的五倍；工信部預計2026年產量超過十萬台，是2025年的五倍。
同時，發改委已經有官員公開提醒過度擁擠可能帶來產能過剩；頭部公司裡，有相當比例的收入其實來自科研和教育客戶，而不是真實產線。
美國這邊：
61%的公司是純軟體，做人形機器人的只有2%。幾千億美元的資本開支，幾乎全部押在同一個假設上——智能可以主要靠軟體交付。
其實，更準確的畫面不是兩個選手在同一條跑道上。
我們之前說，達爾文當年在加拉帕戈斯群島看到一群雀鳥。同一個祖先，但不同的島上，喙長得完全不一樣。硬殼種子多的島，雀鳥的喙就粗短有力；蟲子多的島，喙就細長。
沒有那個喙更先進。只有那個喙更適合那個島。
中美的 AI，現在看著就像這個。
同一個祖先——都是 Transformer 主導，同樣比例在做基礎模型，同樣比例在用強化學習。
兩座不同的島——一邊是全世界最貴的知識工作者和最成熟的企業軟體市場，一邊是全世界最大的製造業和最密的機器人裝機基礎。
於是長出了兩種喙。
生物學管這個叫適應輻射，不叫賽跑。
賽跑有終點線，有名次。
分化沒有——只有當環境變了的時候，才知道那一種身體恰好合適。
而環境會怎麼變，現在沒有人知道。 (TOP創新區研究院)