夜雨聆风一条帖子，两张图，把 AI 竞争的第三层掀开了
5 月 17 日，AI 领域博主 Rohan Paul 在 X 上发了一条帖子，配了两张来自 FT 的图表。
"China's public is unusually positive about AI products compared to other countries, which lowers adoption friction and makes it easier to roll AI into daily services at scale."
「中国公众对 AI 产品的态度，在国际比较中异常正面。这降低了采用摩擦，让 AI 更容易大规模嵌入日常服务。」
"And developer gravity is anyway shifting toward China in open-source, with download share moving away from the US and Europe."
「开源生态的开发者重心正在向中国转移，下载份额正从美国和欧洲流出。」
▲ Rohan Paul 在 X 上将中国公众 AI 态度与开源下载趋势并列讨论，引发关注
他把两个平时分开讨论的议题拼在了一起：消费者愿意用+开发者愿意建= AI 产品从 demo 走向日常的速度可能更快。
这个判断的底层数据，来自斯坦福大学人工智能研究所（HAI）刚发布的《AI Index Report 2026》。
中国 AI 兴奋度全球第一，但焦虑并没有消失
先看公众态度。
AI Index 2026 引用的 Ipsos 2025 调查，覆盖了30 个国家、23,216 名成年人，时间窗口是 2025 年 3 月 21 日到 4 月 4 日。
全球层面，认为 AI 产品和服务"利大于弊"的比例，从 2024 年的 55% 升到了 2025 年的 59%。听起来是好消息——但报告同时指出，全球对 AI 的紧张感也升到了 52%。
乐观在涨，焦虑也在涨。这两条线在同时往上走。
▲ AI Index 2026：中国和印尼在 AI 兴奋度上居于全球最高，紧张感低于 50%
而中国的位置很特殊：兴奋度全球最高，紧张感低于 50%。
报告原文写得很明确——
"China and Indonesia show the highest levels of excitement, with nervousness below 50%."
这跟北美和欧洲的分布形成了鲜明反差：后者普遍落在"较低兴奋、较高紧张"的象限里。
还有一组数字值得单独拎出来：全球 56% 的受访者认为 AI 会减少完成任务所需的时间，中国这个数字是 78%。
也就是说，将近八成的中国受访者相信 AI 能帮自己省时间。这个"效率预期"直接关系到一个问题——用户愿不愿意把 AI 工具塞进自己的日常工作流。
▲ AI Index 2026：2022–2025 年各国"AI 利大于弊"比例变化
从趋势看，这几年各国的乐观比例普遍在涨。中国从 2022 到 2025 年涨了约9 个点，德法涨得更多，但中国基数更高，叠加之后站在了全球最前列。
超过 80% 的中国员工说自己在工作中用 AI
态度只是开始。AI Index 还看了一个更实际的指标：工作场景的 AI 使用率。
2025 年，全球 58% 的员工报告自己半定期或定期在工作中使用 AI。
但地区差异巨大——
India、China、Nigeria、United Arab Emirates、Saudi Arabia 的这一比例超过 80%。
▲ AI Index 2026：全球工作场景 AI 使用率与信任度，中国等新兴经济体使用率超 80%
而多数北美和欧洲国家，大约一半员工报告经常使用，信任度通常在 40%–48%。
这里有个重要的边界条件：这些数据来自在线调查（University of Melbourne/KPMG International 2025），报告脚注明确说，在线调查可能高估了新兴经济体中年轻、城市和高教育受访者的比例。
所以"80%"不能直接等同于"中国所有员工里有 80% 在用 AI"。它反映的是受访者自陈的使用频率——但即便打个折扣，中国在这项指标上的位置也明显靠前。
结合前面的态度数据，画面越来越完整：中国用户对 AI 更兴奋、更相信它能省时间、在工作中用得更多。对任何一个想做 AI 产品的团队来说，这意味着推广的解释成本更低，冷启动更快。
Hugging Face 热门模型下载：美国份额持续下滑，中国开发者上升
现在看开源这一侧。
AI Index 2026 Chapter 1.5 引用了 Longpre et al. 的数据，追踪 2020 年 3 月到 2025 年 8 月期间，每周 Hugging Face 上 top 200 下载量最大的模型。这些模型占全站标准化、筛选后下载量的 49.6%。
几个关键发现——
供给端：开源模型和数据集的上传量在 2023–2025 年间爆发。模型上传量翻了三倍以上，数据集上传量翻了四倍。
需求端：下载份额的地理分布在 2023 年之后发生了明显变化。
▲ AI Index 2026：Hugging Face 热门模型下载份额按开发者/地理来源分布，美国份额从 2020 年的 70%+ 降至 2025 年的不到 15%
报告原文——
"Download distribution also shifted after 2023. Geographically U.S.-developed models lost share to unaffiliated users."
从图表上可以直观看到：2020 年，美国开发者/机构的模型占据了热门下载的 70% 以上；到 2025 年 Q3，这个比例已经降到不到 15%。而 China、International/Online、Unaffiliated/Others 等类别的份额在持续上升。
注意这张图的统计口径：分类依据是模型开发者/来源地，跟下载者的 IP 位置无关。它反映的是哪些地区的开发者在做热门模型——中国开发者和社区贡献的模型在榜单里越来越多，这才是"开发者重心转移"的实际含义。
同时，AI Index 也指出，美国项目在 GitHub stars 这个指标上仍然领先，累计达到约 3000 万 stars。所以更准确的图景是：美国在高关注项目和前沿模型上依然强势，但开源下载的日常分发已经不再是美国单极格局。
社区反应：Benchmark 之外，还有一场采用效率的竞争
这条帖子底下，几条回复把讨论推向了更深的层面。
Blake Heron 写道——
"everyone is obsessing over benchmarks while china is compounding usage."
「所有人都在盯着 benchmark 排行榜，而中国在持续积累使用量。」
这触及了一个经常被忽略的视角：模型能力和实际采用之间有一道鸿沟。跑分第一不等于用户最多，论文最强不等于产品落地最快。
Jacob Shi 的回复更直接——
"friction gap is so underrated. doesn't matter how good the tech is if onboarding takes 3 explainer threads"
「采用摩擦的差距被严重低估了。技术再好，如果上手需要读三篇教程帖，那也白搭。」
他指向的是一个产品侧的问题：当用户默认信任 AI、愿意尝试的时候，产品团队可以跳过大量"解释 AI 是什么"的前置工作，直接进入功能迭代。
也有人给出了不同角度。Owen 认为差异部分来自隐私关注度的不同——这是一个争议性观点，目前没有被本包引用的调查数据直接支持，但它提醒了一件事："乐观"背后的原因可能是多元的，不能简单等同于"监管更宽松"或"用户不在乎隐私"。
模型能力、产品化能力、社会采用摩擦——AI 竞争的三个层面
拉远来看，AI 竞争至少可以拆成三层——
第一层：模型能力。谁的参数量大、benchmark 分数高、推理速度快。这是过去两年最被关注的战场。
第二层：产品化能力。谁能把模型变成应用、API、工作流，把成本降下来。这是当前竞争正在迁移的方向。
第三层：社会采用摩擦。用户愿不愿意试？企业允不允许员工用？开发者愿不愿意围绕某个生态建工具？
Rohan Paul 那条帖子的价值，在于把第三层和开源开发者生态合在一起看：如果一个市场里的用户更愿意用 AI，开发者也更愿意围绕本土模型和开源工具去构建，那么在同等模型能力下，AI 产品从实验室走进日常生活的速度可能就是更快。
AI Index 2026 的数据给了这个判断一些支撑：中国用户的兴奋度、效率预期和工作场景使用率都排在前列；Hugging Face 热门模型的来源分布也确实在从美国单极走向多极分散。
但同样要看到边界：调查态度不等于真实付费和留存，在线调查样本可能偏向城市高教育群体，HF 下载图表反映的是模型来源而非下载者身份。
最后回到这件事本身——AI 竞争到了一个阶段，光看谁的模型跑分高已经不够了。谁的用户愿意用、谁的开发者愿意建、谁的社会摩擦更低，可能才是决定产品规模化速度的关键变量。
— END —
