ARTICLE · 1043104
李义奇专栏|AI 领域的中美差异
决定未来的，不只是谁的算力更强、参数更大，更是谁能让 AI 始终回答"人"的问题，而不是用一次又一次的 "最优解"，取消问题本身。
谈中美人工智能的差异，最容易停在两个极端：要么只看参数和算力，得出 "谁领先谁落后" 的简单结论；要么只讲制度与意识形态，把技术问题完全化约为政治。真实的差异是分层的，表层是硬实力，中层是产业组织方式，深层才是治理逻辑。一层层看下去，才会发现：中美既有真实的差距与分野，也共享着同一个时代命题。
表层：硬实力的差距，是真实存在的
最硬的指标是算力。截至 2026 年初，美国智能算力约占全球总量的 69%—75%，中国约占 14%—15%；英伟达 GPU 占全球已安装 AI 芯片的一半、在实际总算力中占比约三分之二，CUDA 生态构成开发者难以绕开的护城河。出口管制之下，中国厂商只能采购性能受限的 H800/H20，或转向华为昇腾做国产替代，顶级集群密度和超大规模长稳训练仍处劣势，有机构测算，到 2027 年美国可用于前沿模型训练的有效算力，可能达到中国的数倍乃至十余倍。
模型层面，美国走的是 "闭源、堆算力、冲通用上限" 的路：GPT、Gemini、Grok 等以闭源为主，前沿模型参数进入十万亿级，单次训练成本以百亿美元计。中国头部模型在原始架构上仍以跟随和增量优化为主，正如光明网所坦言，从 Transformer 到下一代范式，基础性、颠覆性架构的主要定义者仍在国外，中国的长处在注意力加速、训练稳定性等效能革新。
但差距不是故事的全部。中国走出了一条 "开源、提效、做普惠" 的不同路线。DeepSeek V4 以 1.6 万亿参数、MIT 协议全开源，推理成本压到同级别美系模型的约七分之一，并在技术报告里把华为昇腾与英伟达并列写入硬件验证清单；通义、Kimi、豆包也全线拥抱开源。一个闭源涨价、一个开源降价，一个绑定高端生态冲天花板，一个兼容多元算力把大模型做成 "水电煤"。业界有一个颇为贴切的概括：美国的关键词是 "扩张、探索、分化"，中国的关键词是 "自主、效率、赋能"。
加上海量应用场景、完整制造业链条和工程化落地能力，中国在 Agent、具身智能和产业渗透上并不逊色。换句话说，美国强在 "从 0 到 1" 的原始突破和算力纵深，中国强在 "从 1 到 N" 的效率、成本与规模化落地，这是第一层差异。
中层：谁来组织 AI？私人资本？还是国家能力？
如果说算力和模型是 "肌肉"，产业组织方式就是 "骨架"，这里的分野更具结构性。
美国是私人科技资本主导。前沿模型、云平台、算力基础设施主要掌握在 OpenAI、谷歌、Meta、微软、亚马逊、英伟达等私营巨头手中；2025 年初启动的 "星际之门"（Stargate），由 OpenAI、软银、甲骨文牵头，规划数千亿美元级数据中心网络，把算力当作国家战略资源，运作主体却是私人公司。更值得注意的是科技资本与国家机器的快速融合：2026 年 5 月，美国国防部宣布把 SpaceX、OpenAI、谷歌、英伟达、微软、亚马逊等七八家头部企业的技术全面接入 IL-6 机密级、IL-7 最高机密级网络；Palantir 的 Maven 智能系统从实验性工具 "转正" 为正式在编的核心作战资产，能把 "发现目标 — 实施打击" 的杀伤链从数小时压缩到分秒。
中国则是国家主导、顶层设计。算力、电力、数据中心被整体纳入新型基础设施，实施超大规模智算集群、算电协同工程；除了消费互联网和广告系统，算法更深地嵌入城市治理、交通调度、公共安全、行政管理和社会服务。风险预警、精准治理、网格化管理、城市大脑、智慧城市，都是这一嵌入过程的表述。其议题重心，也从早年围绕阶级、市场改革、制度选择的争论，转向国家能力、技术主权、产业政策、共同富裕与国家安全。
监管路径同样分叉。美国经历了从撤销拜登时期行政令、联邦 "轻监管促创新"，到 2026 年 6 月签署新版行政令、确立模型前置审查、算力准入、数据溯源三大规则的转向，并依托盟友体系构建 "可信网络"；中国则一贯采取 "包容审慎、分类分级" 的敏捷治理，《生成式人工智能服务管理暂行办法》于 2026 年升级为行政法规，形成 "可信、可监管、可控" 框架，并通过世界人工智能合作组织等平台倡导多边与开源共享。
一边是新技术资本推动、平台私有、资本与国家机器深度绑定；一边是国家协调、平台服务于治理目标、主导方向是强化国家能力而非把公共权力私有化。这是第二层、也是更本质的差异。
深层：形式不同却共享同一种 "去政治化" 逻辑
正因为差异如此醒目，有学者提出了一个比 "中美 AI 竞争" 更深的问题：人工智能究竟代表两种政治模式的竞争，还是代表一种跨越制度边界的治理理性的扩张？
他的回应是，中美 AI 的治理逻辑确实存在重要差异，但差异主要体现在技术官僚主义的制度形式，而非根本逻辑。
共同的根本逻辑是什么？是 "去政治化"。政治本是一个能动的、始终包含价值判断和公共辩论的领域 。无论一党制、两党制还是多党制，都需要路线辩论、政策辩论和公开说明。但 AI 治理倾向于把一切政治问题重新界定为 "优化问题"：从舆论议题设置、社会风险评估，到强力机制配备、法律立改，都可以纳入机器学习系统。于是社会问题首先被理解为信息问题，政治冲突被视为 "协调失败"，治理的目标变成用更多数据、更好模型、更强预测来实现社会优化。权力并没有消失，而是被藏进了模型参数、平台规则和数据集的选择之中，披上了 "技术中性" 的外衣。
美国正在发生 "国家权力的私有化"，人口信息、货币、国防、通信、能源等本应民主管控的关键设施，被交给由云平台、AI 模型、无人机网络构成的 "分层堆栈"，其掌舵者与硅谷最右翼的资本力量高度重合，甚至出现私人公司直接介入他国政治的主权干预；中国则是国家主导协调的算法治理，更关心社会稳定，精准扶贫、反腐败都可视为这一模式的特征。一个把主权重塑为私人资产，一个把算法用作国家能力，方向相反，却同属 "去政治化的政治"。
这正是容易被 "谁超过谁" 的竞赛叙事所遮蔽的地方：用一套技术官僚的效率语言，把 "要一个什么样的社会" 这种价值问题，悄悄替换成 "怎样把系统调得更优" 的技术问题。
真正的问题：谁有权决定AI应该优化什么
我们身处的并不是 "算法取代政治" 的时代，而是 "政治越来越通过算法展开自身" 的时代，因此彻底的去政治化不可能成功。对算法和平台操纵模式的每一次质询，谁拥有训练数据、谁控制模型、算法背后是谁的价值观、人与机器究竟是什么关系，都是 "再政治化" 的契机。
2024 年图灵奖得主萨顿与人类学家项飙的一场辩论，恰好构成两种想象的张力：项飙主张回到日常生活的 "附近"，警惕围绕 AI 的玄学化空谈；萨顿则认为 AI 正进入 "设计时代"，即 "造就创造者的时代"。一个回到人的日常经验，一个押注机器生成创造者。事实上，AI 时代的政治，不可避免地是一场 "谁是创造者" 的新式 "神学辩论"，它必须同时在科技与人文领域展开，并被推向更广阔的社会政治领域。
这也回答了开篇的问题。AI 领域的中美差异是真实且多层次的：
表层，是算力、原始创新与资本投入的客观差距，以及开源普惠对闭源冲高的路线分野；
中层，是私人资本主导与国家能力主导两种产业组织、两套监管路径；
而在深层，两者又都面临把价值问题技术化、把政治问题优化掉的共同诱惑。
竞赛越白热化，越要守住一个朴素的判断：算法时代的核心问题，从来不是AI会不会取代人、统治社会，而是谁有权决定AI应该优化什么。权力属于谁、价值从何而来、人们希望共同生活在一个怎样的世界里？这些古典的政治问题不会因为技术更聪明而自动消失。
决定未来的，不只是谁的算力更强、参数更大，更是谁能让AI始终回答"人"的问题，而不是用一次又一次的 "最优解"，取消问题本身。这或许才是比较中美差异时，最不该被落下的那一层。
李义奇，河南南阳人，金融学博士，教授，北京金融街资本运营中心副总经理。其人涉猎甚广，是经济界的学问家，学问家中的治史者，史学家中的经济学者，企业高管中的高产作家。
转载事宜及商务合作：Mongoose_Report（添加好友请备注机构及姓名）
市场有风险，投资需谨慎。本文不构成投资建议，不作为实际操作建议，交易风险自担。