很多人讨论中美 AI，喜欢问一个问题：到底谁更强？

如果只比最强模型，美国现在当然还在前面。OpenAI、Google、Anthropic 这几家，仍然站在前沿模型的第一梯队。更强的推理，更长的上下文，更稳定的工具调用，更成熟的企业服务，这些东西不是喊两句口号就能追平的。

但产业竞争从来不只比第一名。手机行业不是只看谁做出了最贵的旗舰机，汽车行业也不是只看谁造出了最快的超跑。最终活下来，并且真正改变世界的，往往不是那个最贵、最强、最炫的东西，而是某一天，普惠成为终点。

AI 也是一样。

所以在大家都在讨论美国前沿AI“Fable5多厉害”、“gpt5.6多强”的时候，我想给出另外一个反直觉的思考：

谁能让 AI 普惠？

这可能才是下一阶段 AI 竞争的核心。

过去一年，中国 AI 最有意思的地方，不是突然出现了一个完美模型，而是 token 的价格被打穿了。

DeepSeek、千问、豆包、Kimi 这些产品和模型轮番上桌，表面看是在卷参数、卷榜单、卷上下文，实际上卷到最后，卷出来的是一个更底层的东西：AI 的使用成本，开始接近普通人的心理零成本。

这件事很重要。因为一个技术真正普及，不是从“有人能用”开始的，而是从“普通人敢乱用”开始的。

一个东西太贵的时候，人会变得很谨慎。你在所有社交平台上几乎都能刷到「我就问fable5一句你好，额度直接给我干没了」类似这样的帖子。所以，你问一次 AI，都要想半天这个问题值不值得问；你调用一次 API，都要先算这次请求会不会亏；你让它帮你改一段文字，都担心这是不是在浪费额度。这时候，AI 还是工具。

但当它便宜到你不心疼的时候，它才会变成习惯，而真正的变化就在这里。

AI 的普及，不是让每个人都学会 prompt，harness，loop，而是让大多数人根本不需要思考自己是不是在用 AI。它出现在输入法里，出现在相册里，出现在搜索框里，出现在客服里，出现在办公软件里，出现在手机系统的每一个角落。

AI 需要被内化为一种默认能力。

美国把 AI 推上天，中国把 AI 铺到地上。这是两种产业路径。

美国的产业，常走科技霸权路线：把技术推到人类认知的边界，做 0 到 1，性感，耀眼，像灯塔。中国的产业，常走普惠利民路线：靠产业链把现成的技术落地、做便宜、做到人人用得起。

美国的优势，是把技术推到人类能力边界。它做的是极限：更大的模型，更强的推理，更复杂的 agent，更贵的企业服务，更高的 API 单价，更深的开发者生态。它服务的是企业、实验室、开发者、金融机构、咨询公司、政府部门和高净值用户。

这些用户愿意为效率付费，也能把 AI 变成生产力。他们一旦接入，就可能变成高价值客户。所以美国 AI 公司的商业模式非常清楚：先占领最有钱、最有能力、最懂技术的那批人。这条路没问题，甚至从利润角度看，这条路更合理。

但中国这边不一样。

中国大厂打 AI，更像是在抢下一个时代的入口。今天不抢，明天可能就没位置了。所以豆包不敢轻易收费，千问不敢慢下来，DeepSeek 一开源，整个市场都被迫重新定价。

就像我之前说的，这不是慈善，这是战争。

大厂害怕自己错过下一代操作系统、下一代搜索框、下一代流量入口。但商业动机是一回事，社会结果是另一回事。所以几亿普通人，被免费或者被近乎免费的 AI 教育了一遍。

很多人并不知道自己用的是哪家模型，也不知道推理模型和非推理模型有什么区别，更不知道上下文窗口、蒸馏、MoE、强化学习这些词是什么意思。

能写东西，能改简历，能讲题，能翻译，能做表格，能陪聊，能修图，能查资料，能给一个没资源、没团队、没经验的人，临时补上一点能力。

这就是普惠的力量。不是因为它高贵，而是因为它便宜。

但这里有一个很容易被忽略的问题：AI 的免费，和上一代互联网的免费，不是一回事。

上一代互联网的免费逻辑，是先圈用户，再做广告、会员、电商、金融、本地生活。那时候一个 App 多一个用户，边际成本并不高。只要基础设施已经搭好，一万人用和一百万人用，成本不会严格按人头线性增长。

但 AI 不一样。AI 的每一次回答，背后都是真实的推理成本。每一次生成，每一次调用，每一次多轮对话，本质上都在消耗算力、电力、带宽、GPU 折旧、工程维护和模型优化。

换句话说，上一代互联网是“用户越多，摊薄成本”；这一代 AI 是“用户越多，成本越烧”。

这就是 AI 商业化最痛苦的地方。免费用户不是免费的，免费用户每问一句话，都在消耗真金白银。所以中国大厂现在做的事，表面看像是“先免费圈人”，但它比上一代互联网战争重得多。

上一代烧的是流量费用、补贴和服务器。这一代烧的是 token，是电，是卡，是数据中心，是能源和硬件折旧。

这也是为什么我一直觉得，讨论 AI 泡沫不能只看估值。真正的问题是：谁有能力长期承受这种高边际成本的战争？

AI 竞争到最后，会从模型竞争，变成基础设施竞争。

很多人以为，只要模型足够好，AI 公司就能赢。但模型只是露出水面的部分。水下面还有更大的东西：电力、数据中心、散热、储能、光模块、交换机、变压器、土地、审批、工程能力、供应链、云厂商调度、芯片生态、开发者工具链。

AI 看起来是软件革命，实际上越来越像一次重资产工业战争。

美国现在会遇到一个很现实的瓶颈：钱不是唯一问题。美国不缺资本市场，不缺故事，不缺估值，也不缺愿意相信未来的投资人。但 AI 数据中心一旦真正铺开，最先卡住的不是 PPT，也不是融资，而是电。

电从哪里来，电网怎么扩，数据中心建在哪里，居民电价涨了怎么办，地方政府批不批，环保组织反不反对，设备供应跟不跟得上，燃气轮机要等多久，变压器从哪里买。这些问题一点也不性感，但它们会决定 AI 能不能从实验室走向社会。

美国的制度优势，是保护私人产权、资本效率和创新激励。它适合做从 0 到 1 的突破。但同样的制度，也可能在基础设施大规模扩张时变成阻力。每一方都按自己的利益行动，电力公司怕投资打水漂，州政府怕居民电价上涨，科技公司怕供给跟不上，监管部门怕承担责任。大家都理性，结果系统不一定高效。

中国的优势刚好在另一边。

中国未必能在每一个最前沿模型上立刻超过美国，但在工程化、产业链、基础设施动员、低成本制造和规模化铺设上，有一套非常熟悉的打法。过去二十年，中国把这种打法用在高铁、光伏、电动车、通信设备、移动支付、短视频和外卖体系里。现在，它开始用在 AI 上。

所以中国 AI 的优势，不一定是“最聪明”，而是“最能铺开”。

当然，不能因此低估美国。

美国真正难翻的山，不只是 GPT、Claude、Gemini 这些模型。更难的是三层东西叠在一起：英伟达 GPU、CUDA 生态，以及围绕这套生态形成的开发者习惯和工程经验。

芯片差距可以用时间追，模型差距也可以用数据、算力和人才慢慢追。但生态差距最麻烦。CUDA 不只是一个工具，它是一整套行业默认语言。大量框架、算子、库、优化经验、工程文档、开发者手感，都围绕它积累了十几年。你让行业换一套国产生态，不是换一个插头那么简单，而是让所有人重新适应一套生产体系。

这就是英伟达最强的地方。

所以短期内，中国 AI 的瓶颈非常清楚：前沿模型要追，芯片要追，生态要追，开发者工具链也要追。这些都不容易。

但中国也有自己的路线。一边是昇腾、寒武纪、昆仑芯、海光、壁仞、沐曦这些国产芯片和加速生态继续往前走；另一边，是通过模型压缩、蒸馏、推理优化、低成本部署、场景适配，把 AI 先大规模用起来。

这和很多产业的追赶路径类似：先不完美，但先铺开；先不高端，但先形成规模；先不优雅，但先进入真实世界，然后在真实世界里迭代。出来混，肯定是先出来，再慢慢混。

中国很多产业就是这么打出来的。

所以我对这场竞争的终局，大概有一个判断。当然，它未必对，只能交给时间验证。

美国大概率仍然会站在 AI 技术的最高处。最强的模型、最贵的服务、最成熟的企业级交付，依然会集中在那几家公司手里。它们会继续服务最有支付能力的人群，以及那些愿意为效率支付高溢价的专业用户。

但这条路也有它的边界。AI 不是一门只靠算法就能跑起来的生意。越往后走，它越依赖电力、数据中心、散热、芯片、设备、供应链和工程组织能力。美国可以把模型做得很高，但如果底层基础设施扩张跟不上，它能承载的服务规模就会被限制。

中国的路线不一样。中国未必每一代模型都站在最前沿，但它有可能把 AI 打成一种足够便宜、足够高频、足够日常的基础能力。它不一定先服务最贵的人，而是先服务最多的人。让普通人随便问，让中小企业随便试，让个人创作者随便调用，让 AI 从一个“高级工具”变成一种近乎默认的社会基础设施。

所以最后真正要比的，可能不只是模型排行榜。

还要比谁生产的 token 更多，谁能把推理成本压得更低，谁能铺出更多应用场景，谁能让更多人、更频繁地使用 AI。美国决定 AI 的天花板，中国可能决定 AI 的地板。而地板一旦铺得足够广，它本身就会变成另一种力量。

更有意思的是，美国那些高端 AI 服务背后，也绕不开中国制造的影子。电力设备、储能、散热、光模块、供应链、工程产能，很多都不是凭空长出来的。科技竞争看起来发生在模型层，真正落地的时候，拼的却是整个工业体系。

所以我不认为这场竞争会简单走向“谁彻底赢、谁彻底输”。更可能的局面是：美国继续定义最前沿，中国继续定义最大规模。美国卖最贵的能力，中国铺最广的使用。美国把 AI 做成皇冠，中国把 AI 做成水电煤。

一个负责把上限抬高，一个负责把成本打低。

真正有意思的是，历史上很多次产业变革，最后决定胜负的手未必是最高端的那部分，而是谁能占据最大的日常使用场景。因为技术一旦进入日常，就会产生新的需求、新的数据、新的产品习惯、新的商业模式。

今天很多人看中国 AI，会觉得它“不够高端”。但高端只是一个维度。如果一个国家能让上亿人每天使用 AI，能让中小企业随便调用 AI，能让个人创业者用 AI 补齐团队短板，能让大量应用默认接入 AI，那它拿到的就不是一个模型排名，而是一整代人的使用习惯。

很慢，不过一旦形成，很难逆转。

所以回到最开始的问题：中美 AI 到底谁强？

我的答案是，如果比最高点，美国强；如果比普及速度，中国有机会更强；如果比商业利润，美国短期更清楚；如果比社会渗透，中国的变量更大；如果比模型能力，美国仍然领先；如果比谁能让 AI 变得便宜、日常、可浪费，中国可能更接近真正的大规模普及。

中国的问题很多。前沿模型还有差距，芯片还有差距，开发者生态还有差距，原创理论还有差距，企业级服务能力也还有差距。这些都要承认。

但承认差距，不等于看不到另一条路。

把中国和美国放在一张桌子上讨论 AI，本身就已经是一件值得注意的事。十几年前，我们讨论很多产业时，还习惯用仰视的角度看美国。我们这一代人，对美国都是带有滤镜，但是今天不一样了。汽车、能源、机器人、医疗器械、AI，一个接一个领域，中国都开始被迫和最强的对手放在一起比较。很多时候，甚至不是和某一个国家比，而是和每个领域里全球最强的那个玩家比。

这不是说中国已经没有差距。恰恰相反，承认差距，是讨论这一切的前提。前沿模型、芯片生态、开发者工具链、企业级服务能力，我们都有很多东西要补。

但承认差距，不等于否认变化。

真正值得记录的，是这个比较本身已经发生了。从仰望，到追赶，到同桌竞争，这个过程不会因为一句乐观或者悲观就停止。它会继续往前走。

我只把这个判断写下来，留给时间。