作者：快思慢想研究院院长 田丰
开篇
在深圳郊外的一家工厂里，一台双足机器人俯身探向装配线，拾起一枚汽车车门铰链，膝关节随着每一次下蹲发出轻微的嗡鸣。地球另一端，在旧金山市场街以南一处改建的仓库里，十几名工程师默默盯着屏幕上一条不断下探的数字曲线——那是机器学习界的"圣图"：损失曲线。
这两个场景，都被称作人工智能。但二者相去甚远。
这种差距如今已不再是猜测，而是有据可查。2026年8月，美国智库兰德公司旗下的人工智能、安全与技术研究中心发布了一份详尽的中美人工智能产业普查报告，对1181家企业——743家美国公司与438家中国公司——按其实际产品、销售业务与专利类型进行了系统梳理。核心数字一目了然：61%的美国人工智能企业是纯软件公司，而在中国，这一比例为26%，其余企业则忙于为自家算法打造"身体"——机器人、汽车、无人机。
一、出生时是“双胞胎”，成年后已成“陌生人”
兰德研究人员未曾料到的转折在于：除了这一项数字，中美两大产业在几乎所有其他方面都像一对同胞兄弟。约28%的美国企业与27%的中国企业采用Transformer架构——这正是ChatGPT与DeepSeek共同的神经网络"家族血统"。近九成的美国人工智能公司和四分之三的中国公司销售的是"应用型人工智能产品"——应用程序、诊断工具、物流调度看板——而非直接提供原始模型接口。即便是被渲染得如火如荼的前沿实验室"军备竞赛"，实际上也只是个小圈子：两国分别只有约19%的企业属于基础模型开发商，即像OpenAI或阿里巴巴那样从零开始预训练通用大模型的公司。其余绝大多数企业，都在为医院、工厂和保险公司默默编写AI应用软件。
两个市场真正分道扬镳之处，在于人工智能被用来做什么。中国企业扎堆于制造业、交通运输与能源领域——这是实体经济的范畴；美国企业则聚集在医疗健康、科学研究与网络安全领域——这是知识经济的范畴。按比例计算，中国样本中的人形机器人企业数量是美国的5倍以上——中国人工智能企业中有12%涉足人形机器人，而美国仅为2%；美国则在诊断类软件初创企业上遥遥领先。工具箱相同，工地却不同。
二、市场的形态，由其"饲料"塑造
图：2026年8月20日，北京世界机器人大会上，人形机器人在物流快递分拣线上作业
中美人工智能分野从何而来？早在近250年前、远在任何人想象出芯片之前，苏格兰经济学家兼哲学家亚当·斯密就给出了答案：分工受市场范围的限制。中国至今拥有全球最密集的制造业供应链——电机、电池、执行器、传感器，一通电话即可齐备——因此其人工智能自然而然地"爬进"了机器之中。中国的产业政策说得清清楚楚：2025年，"具身智能"被列为国家重点发展方向，2026年又发布了人形机器人国家标准体系。此外，在兰德样本中，超过半数的中国人工智能企业隶属于阿里巴巴、腾讯等大型企业集团，这为它们提供了现成的工厂车间或配送车队作为落地场景。
美国的优势则体现在另一端。资本市场愿意为一个闭源语言模型豪掷数百亿美元，赌的是一次突破——这场赌注由华尔街而非政府来兜底。美国在医疗、科研与安全领域深厚的专业积累，也为软件类人工智能提供了丰富且高价值的命题去攻坚。这正是大卫·李嘉图"比较优势"理论在算法时代的翻版：谁都不比谁更聪明，只是各自专精于自身经济体所擅长的领域。
三、中国AI，便宜自有智慧
图：2026年9月16日，美国加利福尼亚州旧金山的OpenAI总部。
在"机器人对聊天机器人"这条叙事主线之下，中美人工智能还悄然进行着第二场竞赛——价格战。兰德公司追踪了OpenRouter（一个将应用程序接口调用分发至数百个人工智能模型的网关平台）上的真实开发者流量数据。2024年底，美国模型占据了该平台约90%的流量，中国模型几乎"隐形"。到2026年7月之后，双方已经颠倒——中国模型流量占比为58%，美国模型则是42%——推动这一变化的，是DeepSeek、通义千问、MiniMax、GLM系列开源中国模型，它们在独立基准测试中的表现已接近美国顶尖系统，而每token成本仅为后者的四分之一到五分之一。这并非中国实验室突然在最高水平上超越了对手——美国系统在原始智能评分上仍然领先。真正的关键在于，"够用、且便宜4倍"恰恰是那种悄无声息却不断累积、能够自下而上重塑整个市场的优势——正如经济学家约瑟夫·熊彼特所说的"创造性破坏"那般残酷而有效。
图 OpenRouter平台中美模型tokens流量占比（信息来源：快思慢想研究院）
四、在2条赛道上竞争，在第3条赛道上对话
这一切展现的并非一场赢家通吃的AGI冲刺赛，而是中美两个经济体在共同破解同一道难题的不同组成部分——而二者之间的缺口，正是合作成本最低、也最有价值之处：为与人协同工作的人形机器人开展安全测试；建立共通标准，让深圳制造的电子皮肤、传感器与西雅图编写的AI软件真正实现互联互通；在药物研发与疾病诊断等人工智能应用上开展联合研究。因奠定当今神经网络数学基础而共享2024年诺贝尔物理学奖的杰弗里·辛顿曾直言，人工智能技术的演进速度已超出多数人——包括他本人——的预期，其风险之大，绝非单靠彼此竞争就能管控。这是一个系统工程学层面的事实性挑战。
五、前路漫漫，任重道远早在1950年，全球人工智能的故事刚刚拉开序幕之时，英国数学家兼逻辑学家阿兰·图灵便曾言简意赅地写道："我们只能看到不远的前方，但那里有许多亟待完成的工作。"75年后的今天，一个国家教会了机器交谈与推理，另一个国家教会了机器行走与搬运。而迟早会有一天，需要有机器同时做到这两点——到那时，这个故事的两部分，"大脑"与"身体"，终将走向交汇。
参考文章：《61% vs. 26%: The number behind the real US-China AI divide》，CGTN
出版社：人民邮电出版社
作者：田丰
帮助你定位AI当下发展坐标的指南针
帮助你洞察AI未来演进趋势的航海图
通俗化解读AI的原理、特性和四大发展规律、提供AI赋能商业、引发新质生产力变革的一手案例分析。既有宏观视角的全局观照，又有各行业应用层面的下探记录，聚焦AI的原理与实践、现在与未来，是当下AI应用的全景图、更是身处AI技术浪潮之中的探路书。
