中国AI以效率优势对标美国模型

随着中美在AI主导权方面的竞争持续升温，一个核心问题也引发关注：中国究竟如何做到在AI能力上与美国匹敌？

图片来源：视觉中国

斯坦福大学（Stanford）的一份报告显示，今年早些时候，Anthropic最先进模型的表现仅领先深度求索的模型2.7%。

多位分析人士指出，中国AI实验室之所以能与美国抗衡，关键在于一个独特的优势：用有限的资源，创造更高的价值。

中国AI实验室将一项源自“注意力机制”的技术发挥到了极致。该机制由谷歌研究人员在2017年的一篇具有里程碑意义的论文中提出，如今已成为所有大语言模型的基础。

注意力机制能让模型在处理文本时，分析各个词句之间的关联，并判断哪些关联最为重要。这有助于模型理解上下文，但随着上下文窗口不断扩大，计算成本也会随之上升。

科技研究公司FuturumGroup的半导体和供应链分析师布伦丹·伯克对《财富》杂志表示，中国AI实验室找到了一条捷径，可以让注意力机制的计算成本更低、效率更高。

他表示：“中国实验室开发的算法，将计算复杂度降低了一个数量级，同时通过对核心词元进行精准提炼，实现了更出色的模型性能。”

这也印证了“需求催生创新”。由于美国限制中国获取英伟达最顶尖的芯片，阻断了中国获取美国市场上最高性能算力的渠道，迫使中国转向华为等本土替代方案。根据白宫的一份报告，美国目前拥有全球74%的算力资源，且超大规模云服务商还在持续向数据中心投入巨资，进一步扩充算力。

谈及中国AI的路线，伯克表示：“正因为可用算力有限，他们才开发出了这种计算效率更高的方法，而不是像美国实验室早期那样，单纯靠堆砌算力来强撑低效的技术路线。”

伯克补充道，相比之下，美国最前沿的AI实验室堪称“词元消耗大户”，因为其AI系统的设计初衷侧重于探索新方向和测试基础模型。

这两条路线之间的差异，可以用数据来衡量。AI评测平台Larridin联合创始人阿梅亚·卡尼特卡尔对《财富》杂志表示，在Larridin追踪的企业工作流程中，GLM 5.2以及Kimi 2.6、2.7等中国模型，能以美国模型五分之一的成本，完成约75%的工程任务，且表现“相当不错”。

卡尼特卡尔表示：“在最复杂的任务上，美国最前沿的模型依然占有优势。但对于绝大多数日常企业工程开发工作而言，中国的开放权重模型已足以胜任。”

随着AI支出在企业预算中所占比例越来越高，这种成本差异正变得至关重要。麦肯锡调查显示，20%的企业高管表示，包括购买词元在内的AI相关成本，已成为限制企业扩大AI应用规模的瓶颈。

成本效率并非中国AI模型唯一的吸引力。例如，深度求索的R1推理模型可以通过Hugging Face等平台下载，这种开放模式让企业无需依赖封闭模型，就能根据自身需求部署并进行微调，同时还可以选择通过亚马逊云科技等美国云服务商运行模型。

这种灵活性消除了一些美国企业的顾虑，此前他们可能不愿将数据交给中国公司，如今也开始接受深度求索。其他中国模型同样受益。Hugging Face的数据显示，去年中国开源模型占平台总下载量的41%，份额超过美国模型。

DoorDash首席执行官安迪·方表示，使用月之暗面的Kimi模型“成本更低”且“质量更好”，完全不会牺牲代码质量。AI编程初创公司Cursor也曾使用Kimi，协助开发其Composer 2编程智能体。

爱彼迎和西门子也在测试阿里巴巴和深度求索的模型。爱彼迎首席执行官布莱恩·切斯基曾评价阿里巴巴的通义千问模型“既快又便宜”。

在一些高度专业化的业务场景中，中国模型甚至开始取代美国同类模型。汤森路透表示，公司基于阿里巴巴开源的通义千问模型，开发出了内部模型Thomson-1，用于处理此前由Claude模型负责的文档审查工作。

市场数据进一步证实了企业端转向的趋势。金融科技公司Ramp的AI指数显示，在所有存在AI支出的企业中，为可接入开源及中国模型的平台付费的企业占比，从今年1月的4.5%升至7月的6.1%。

不过，企业开始尝试中国模型，并不意味着它们正在放弃美国模型。美国模型在性能上仍领先数月。企业AI分析公司AnswerRocket首席技术官迈克·芬利对《财富》杂志表示，美国前沿AI公司的成果，依然为中国实验室的后续创新提供了“可行性验证”。

芬利表示：“如果没有前沿实验室在前方开路，他们所做的一切无从谈起。”（财富中文网）