中国正在赢得 AI 竞赛吗？2026 年的现实审视

两个国家跑的并不是同一场比赛，这就是为什么没人能在“谁领先”上达成一致。 世上没有唯一的计分板，所以任何一刀切的论断从一开始就是错的。站得住脚的解读是二元分化式的主导。在 Epoch 的美中对比追踪上，自 2023 年以来的每一个前沿模型都由美国打造，平均领先约七个月，而且美国握有约 5:1 的算力优势和 23:1 的私人投资差距。中国领先的是落地扩散和物理世界：全球 AI 论文的 23.2%、2024 年数据中全球 AI 专利授权的 74.2%、开放模型下载量的更大份额，以及 2025 年售出的人形机器人中约 90%。夏季的模型发布潮并不能抹去这些结构性差异，但它让“前沿归属”的判断不再那么一成不变。

核心要点- “中国正在赢得 AI”这句话只对了一半。站得住脚的结论是二元分化的：美国领跑前沿，中国领跑落地扩散与“原子”世界。- 美国的前沿领先是真实存在的，而且资金差距还在扩大：2025 年美国私人 AI 投资达到 2859 亿美元，中国为 124 亿美元，比例为 23:1，出自斯坦福的 AI Index 2026。- 中国掌握着规模与部署：2024 年数据中全球 AI 专利授权的 74.2%，以及全球开放模型下载量的更大份额。- 被频繁引用的 2.7% 基准差距是 2026 年 3 月的快照，不是当下的比分。它早于 DeepSeek、Qwen、Kimi、GLM 和 MiniMax 的夏季发布。- 对西方企业而言，真正的重点不是地缘政治，而是：当今地球上最便宜的“够用”模型出自中国，且是开放权重的。

我写的所有关于中国 AI 的文章都挂在这一篇上，下面每一节都会向下指向一篇更深入的指南。如果你想先看最实用的那一端，也就是各家公司实际在拿这些模型做什么，我的 AI Agent 用例一文是合适的起点。

人人都读错的那张计分板

几乎每一条“谁在赢”的标题，都是挑出一个数字然后借题发挥。中国发表了全球 23.2% 的 AI 论文，是 AI Index 数据中单一国家的最大份额；而在 Epoch 的追踪上，自 2023 年以来的每一个前沿模型仍由美国打造。这两件事可以同时为真。只取其中任何一个，你都会自信满满地误导自己。

陷阱在于，每一项指标都在奉承引用它的那一方。论文衡量的是数量而非影响力，基准衡量的是峰值能力而非部署，投入衡量的是雄心而非效率。所以“中国在赢吗？”只有在你先说清楚“赢是为了什么”之后，才成为一个可回答的问题。

我发现把这场比赛拆成三层会更清晰，而答案取决于你站在哪一层。第一层是前沿：全世界单一最强的模型。第二层是扩散：有能力的模型实际上被多广泛地使用。第三层是原子：机器人、工厂，以及驱动这一切的电力。美国领先其中一层。

逐维度打分，计分板会干净利落地劈开：美国领先三行，中国领先五行，人才则是真正的平分。

有两行比打勾看起来更胶着。专利在数量上读作中国胜，但美国仍握着更大份额的前向引用，也就是其他人真正在其上继续构建的工作，所以这一行归中国，但要带一个星号。前沿能力在斯坦福 3 月的快照中是一次微弱的美国胜，而那个数字早于当前 DeepSeek、Qwen、Kimi、GLM 和 MiniMax 的这一轮发布。负责任的标注是“低置信度的美国领先”，而不是一个恒久的 2.7%。

“谁在赢得 AI”这个问题没有唯一答案，因为这场比赛至少有三层。美国领跑前沿（在 Epoch 的追踪上，自 2023 年以来每个前沿模型都由美国打造），而中国领跑落地扩散与实体经济。任何单一数字的论断，无论论文、基准还是投入，都只衡量了其中一层，并在另外两层上产生误导。

[IMAGE: 一张简洁的概念示意图，展示三个堆叠层级，分别标注“前沿”“扩散”和“原子”，用箭头标示美国在最上层的优势以及中国在下面两层的优势。风格极简、偏编辑感、适配深色模式。]

美国仍然领先之处：前沿

美国带着最清晰的前沿领先进入 2026 年。Epoch 的 1 月回顾显示中国模型平均落后约七个月，并发现自 2023 年以来的每一个前沿级别模型都诞生于美国。这是一个强有力的结构性结论，但它不是 8 月的排行榜。中国的夏季发布需要与同样最新的美国检查点对照评估，在此之前，我不会把它写成一个现在时的全称判断。

有三根支柱撑着这份领先。第一是算力。美国握有约 5:1 的优势，在 Epoch 的超算数据中承载着约 74.5% 的受追踪 AI 超算性能，中国约为 14.1%。出口管制加上对最新加速器的获取渠道，意味着美国实验室能更频繁地进行更大规模的训练，而前沿在很大程度上仍是你能向单次训练投入多少算力的函数。

第二是资金，而且这个差距在扩大而非收窄。2025 年美国私人 AI 投资达到 2859 亿美元，中国为 124 亿美元，在 AI Index 2026 中比例约为 23 比 1。这不是四舍五入的误差，也不是口径上的吹毛求疵，而是双方在追逐前沿时所投入资本规模上的结构性差异；斯坦福自己也指出，私人部门的数字低估了中国，因为政府引导基金不在统计之内。

第三是影响力加权的研究。中国拿下 2024 年数据中 74.2% 的 AI 专利授权，但美国持有约 51.9% 的 AI 专利前向引用，也就是其他人都在其上继续构建的那部分工作，出自同一章 AI Index。说白了：美国在“被别人使用的工作”上领先，中国在“工作的总量”上领先。

危言耸听的报道跳过的那部分是：能力与投入一直在朝相反的方向移动。斯坦福 2026 年 3 月的快照显示，中美领先模型之间的 Chatbot Arena Elo 差距为 2.7%，而同一时间资金差距扩大到了 23:1。自那以后，DeepSeek V4.1-Flash、Qwen3.8-Max-0902、Kimi K3、GLM-5.3 和 MiniMax M3 相继到来。没有任何一个中立的 8 月数字能把这些模型和最新的美国发布揉成一个答案，所以诚实的结论是方向性的：中国正保持着前沿的发布节奏，而花的钱只是对方的一个零头。

数据来源：Epoch AI（前沿领先，2026）；斯坦福 HAI AI Index 2026（专利引用、投资、论文、专利）；Rest of World（人形机器人，2026）；Hugging Face（开放模型下载量，2026）。

如果你在权衡前沿对你的使用场景到底重不重要，我那份关于 DeepSeek 对企业是否安全的指南，讲清楚了什么时候“够用”胜过“全球最佳”，以及在任何东西触及生产环境之前该核查什么。

中国领先之处：扩散

中国已经赢下了扩散这一层，而且发生的速度比国外大多数人注意到的要快。在 2025 年 11 月发布的斯坦福与 DigiChina 生态简报中，中国开放权重模型在 Hugging Face 全球下载量中的份额首次超越美国模型，滚动年度下载量占比为 17.1% 对 15.8%。到 2026 年春，Hugging Face 自己的 State of Open Source 报告显示中国的滚动年度下载量份额已达到约 41%，领先于美国。这些没有一条是预测，而是已经发生的采用。

扩散关乎有能力的模型被多广泛地使用，而不是单一最强模型有多好。在这个度量上，趋势一点都不含蓄。2026 年 2 月下旬，中国模型在 OpenRouter 的 token 消耗量中占比突破 61%，此后一直稳在 60% 左右的多数份额，在 OpenRouter 的排名上可见。开发者用真实的工作负载投票，而其中越来越多的票投给了中国的开放权重。

大部分拉力来自一个家族。阿里巴巴的开源模型系列 Qwen，仅 2026 年前七个月就在 Hugging Face 上拿下约 20.45 亿次下载，基于它构建的衍生模型有 151,448 个，出自 Hugging Face 自己的 State of Open Models 数据；MIT Technology Review 将其列为全球下载量最高的开放模型家族。那 151,448 个衍生模型中的每一个背后，都是一位在中国基础模型上做微调、分叉或二次开发的开发者。发布 Qwen 的团队就在离我公寓约二十分钟路程的地方工作，这改变不了任何数字，却恰恰说明，从这里看去，这一切有多么平常。

我在自己的硬件上跑开放模型，而这个转变也体现在我自己的技术栈里。几年前，强大的开放选项大多来自西方。现在，当我需要一个有能力、托管成本低、许可证宽松的模型时，我首先伸手的候选是中国的。这不是意识形态。它们确实好、确实便宜，这正是扩散数字长成那样的全部原因。

部署故事的底座，是原始的研究体量。中国产出了引用数据集中全球 23.2% 的 AI 出版物，是最大的单一份额，并拿下 2024 年数据中 74.2% 的 AI 专利授权，出自 AI Index。正如引用数据所表明的，体量不是影响力。但它是为下游一切供水的管道。

为什么这一切该比一顶前沿桂冠更有分量？因为 AI 价值的经济学正在从训练转向部署，而部署恰恰是中国领先的地方。一个前沿实验室耗费巨资训练出一个非凡的模型，而这个模型只有在被运行时，被数十亿次地、对着真实工作负载运行时，才会赚回任何东西。谁拥有部署层，谁就收走那份经常性的经济收益。训练投入是一次性的。

token 使用量的交叉点，是整个故事里最被低估的数字。当 2026 年 2 月下旬中国模型在 OpenRouter 的 token 消耗量中突破 61% 时，那不是一个面子指标。token 是真实经济工作的计量单位：它们对应着实打实的推理、实打实的产品、实打实的收入。一次下载是意图，一个被消耗的 token 是被创造的价值。两条线都跨过，意味着中国如今在那个追踪“AI 的钱真正流向何处”的度量上领先，而不只是在开发者闲逛浏览的地方领先。

开放权重的领先之下，有一个专有模型难以复制的飞轮。那 151,448 个 Qwen 衍生模型中的每一个，都是一次微调、一次量化或一次领域适配，而每一个都在改善模型周围的土壤。开放权重会复利累积：每一次分叉都降低下一次部署的成本，每一篇教程都扩大人才池，每一个基于该模型构建的工具都让离开它变得更昂贵。封闭的 API 卖给你能力，却不附带周围的任何引力。

让飞轮转起来的是价格。中国的开放权重模型不只是可用，运行起来还便宜，而每个有用 token 的成本，正是决定 AI 被嵌入产品还是在试点之后被悄悄束之高阁的那个变量。DeepSeek V4.1-Flash 的官方 API 价格为非高峰时段每百万输入 token 0.15 美元、每百万输出 token 0.60 美元，高峰时段翻倍至 0.30 美元和 1.20 美元，权重则免费下载。当一个有能力模型的边际成本崩塌，采用就不再是一个预算决策，而成了阻力最小的那条路。

数据来源：斯坦福 HAI 与 DigiChina 生态简报（滚动年度下载量的 17.1% 对 15.8%，2025 年 11 月发布），以及 Hugging Face 的 State of Open Source 报告（中国约占滚动年度下载量的 41%，2026 年春）。曲线用于示意所报告的端点数值。

如果你正在几个领先选项之间做选择，我在 Qwen 对 DeepSeek 对 Llama 中做了直接对比。

中国开放权重模型在 Hugging Face 全球下载量份额上超越了美国模型：2025 年 11 月发布的斯坦福与 DigiChina 简报中，滚动年度下载量占比为 17.1% 对 15.8%，到 2026 年春达到约 41%。2026 年 2 月下旬，中国模型在 OpenRouter 的 token 消耗量中占比也突破了 61%，此后一直保持多数份额。在真实世界的采用上，中国已经领先。

中国领先之处：原子

中国最清晰的领先根本不在软件上，而在物理世界，在 AI 与电机、工厂和电网相遇的地方。2025 年全球售出的人形机器人中，近 90% 来自中国。这个数字背后的公司中有两家，宇树（Unitree）和云深处（Deep Robotics），就在离我住处一小段车程的地方造它们的机器，你往往会在任何人的报道出现之前好几个月，就看到那些东西在院子里被遛来遛去。

工业图景同样一边倒。2024 年中国安装了 295,000 台工业机器人，美国为 34,200 台，在 AI Index 数据中相差约 9 倍。这是这场比赛中悄悄复利累积的部分，因为每一台被安装的机器人都是一项资产，它在没人写文章的时候持续生成数据、改进流程。

再往下，是垫在一切之下的基底：电力。中国的发电量是美国的两倍多，而其月度太阳能发电量在 2025 年 4 月创下 96 TWh 的纪录，与整个美国核电机组每月约 65 TWh 的产出相当；按 EIA 的数字，美国核电全年约为 775 TWh。此后这项纪录还在不断被刷新。AI 就是被转化为智能的电力。廉价而充裕的电力，是任何一次模型发布都无法回应的结构性优势。

原子这一层，正是中国的领先最不可逆转的地方。只要有算力和人才，你可以在几个月内追平一个模型差距。但你无法在一个季度内追平 9 倍的工业机器人安装差距或 2 倍的电力差距。软件优势衰减得很快，制造与能源优势则会在数十年间复利累积。这就是为什么我认为，物理层而不是聊天机器人排行榜，才是这个故事里西方战略家最一贯低估的部分。

值得把机器人为什么比模型领先更有黏性说具体一点。一台人形机器人或一条工业机械臂，是一条供应链的产物：电机、执行器、传感器、电池、减速器，以及愿意按成本价把它们组装起来的工厂。中国拿下 90% 的人形机器人销量，靠的不是某个聪明的算法，而是握住了让硬件变便宜的零部件和组装基础。一个美国实验室可以在一个季度内追平某个中国模型的基准成绩，但它无法在同样的时间窗口里变出一条本土的执行器供应链或一条百万台级的组装线，因为那需要数年时间和数百亿美元。

[IMAGE: 一台人形机器人在一条现代化、灯火通明的工厂流水线上与工业机械臂协同作业。照片级写实、偏编辑感、传达出规模感与自动化。]

复利在工厂车间里以同样的方式运转。单年安装的那 295,000 台工业机器人既是产出，也是一个反馈循环。每一台都在抛洒运营数据、打磨某道工艺，并降低安装下一台的成本。9 倍的年安装率不会停在 9 倍。它会扩大，因为部署更快的一方，对“下一步该部署什么”也学得更快，而美国没有匹配这个节奏，于是经验差距与数量差距一同累积。

垫在所有这些之下的，是那盘长棋：能源。剥到物理本质，AI 就是被转化为智能的电力，电力更便宜、更充裕的一方，直接就能多跑一些。中国在这里的优势不是某一年的产能好，而是新增发电上线速度上的结构性分化。当仅月度太阳能发电就能与一个国家整个核电机组相当时，推理、训练和机器人的成本底线会一起下探。

数据来源：Ember（中国太阳能，2025 年 4 月纪录，此后已被超越）与 EIA（美国核电）。中国 2025 年 4 月的月度太阳能发电量创下 96 TWh 的纪录，与美国核电机组的约 65 TWh/月（约 775 TWh/年）相当；中国的总发电量是美国的两倍多。

把这三样放在一起，你看到的就不是一张快照，而是一道斜坡。机器人给中国带来制造业数据优势，制造业给它带来造下一台机器人的成本优势，能源给它带来运行前两者的成本优势。每一层都在补贴其他层，这就是为什么我把实体经济看作一种复利累积的领先，而不是静态的领先。美国可以赢下下一个模型。但赢回工厂和电网，是一项以十年为尺度的工程。

我在中国为何领跑人形机器人中更深入地拆解了其中的机制，并在中国的 AI 能源优势中讲了电网的故事。

2025 年全球售出的人形机器人中约 90% 来自中国（Rest of World 报道了 Omdia 与 IDC 的数据），而 2024 年中国安装了 295,000 台工业机器人，美国为 34,200 台，在 AI Index 中多出约 9 倍。再加上发电量是美国的两倍多，中国的物理 AI 领先是最难逆转的一层。

人才图景比任何一方承认的都更复杂

人才是双方都掐头去尾引用的指标，而真相会让所有人都不痛快。以 NeurIPS 2024 的作者衡量，中国培养了全球 38% 的顶尖 AI 研究者，高于 2017 年的 27%，出自 MacroPolo 的 Global AI Talent Tracker。在精英研究者的供给上，中国的人才管道如今是全球最强的。

这些人最终在哪里工作，讲的是另一个故事。约 72% 在中国接受教育的精英研究者随后赴美工作，出自同一份追踪。中国负责培养人才，美国雇用了其中很大一部分。“中国在人才上一路狂奔”阵营和“美国仍吸引着最强大脑”阵营，互相引用的其实是同一份数据。

这是唯一一个趋势线真有可能翻转的指标。美国在顶级研究者上的领先，依赖于持续吸引中国培养出来的人。如果签证政策、地缘政治或国内机会把那 72% 哪怕只是适度地挪动一点，人才地图就会重新绘制。它是整张计分板上最不稳定的数字，这就是为什么我会比盯着下一次基准发布更紧地盯着它。

而领先指标已经在动了。AI Index 2026 报告，流向美国的 AI 研究者数量在其数据的最后一年骤降了 80%。中国在顶尖研究者中的占比，从 2017 年的 27% 攀升至 2024 年的 38%。这不是平台期，而是原始人才管道上稳步向上的进军，与此同时目的地那一端的拉力正在减弱。美国的优势从来不在于产出最多的精英研究者，而在于引进他们。一个建立在吸引力之上的优势，在结构上比一个建立在产出之上的优势更脆弱，因为它取决于别人选择离开家乡，也取决于你的国家始终是那个显而易见的落脚点。

再说拉力因素，它们在美国一侧正在减弱，在中国一侧正在增强。今天一个决定去哪工作的毕业生，面对的是更不确定的签证制度、更政治化的研究环境，以及越来越多的、国内资金充足且握有真实算力的实验室。我在这里见过他们中的一些人。这些都还没有撼动那 72%，但催生出那个数字的条件是十年前定下的，而人们回应的是他们做决定那一刻的条件。滞后指标看起来很健康。领先指标才是我会盯的东西。

两个阵营都漏掉的微妙之处在于：“美国雇用了 72% 的中国培养的精英”和“美国的人才优势正在侵蚀”并不矛盾。它们是先后承接的。前者是当前状态，后者是发展轨迹。一个高到这个地步的留存率，一旦条件变化就只有下行一条路，而它所汲取的供给越来越是中国的。所以诚实的解读不是美国已经输掉了人才竞赛，而是美国握着一个强势的领先，但它建立在一个自己并不完全掌控的地基之上，而这个地基正在移动。

人才故事是那个更大论点的微缩版。中国在数量与供给上取胜，美国在集中度以及最高影响力工作的落点上取胜，至少目前如此。同一份数据，两个都为真的故事，一条值得紧盯的趋势线。

对西方企业来说，中国正在赢得 AI 竞赛吗？

对大多数西方企业而言，地缘政治只是插曲。真正改变你决策的是：几个中国模型家族如今把可下载的权重、100 万 token 的上下文窗口和过硬的编程或智能体能力组合在了一起。DeepSeek V4、GLM-5.3-Flash 和 MiniMax M3 都随发布提供了开放权重，Kimi K3 的权重在 7 月发布几周后跟进，Qwen3.8 的权重则于 8 月 8 日以自定义许可证放出，托管的 Max 变体成为只租不卖的层级。这样的发布节奏对“自建还是购买”的算术的挪动，是任何一条芯片出口头条都做不到的。

想一想“窄但真实”对一项产品决策意味着什么。对于种类庞大的业务任务，摘要、抽取、分类、起草、路由，你并不需要全世界单一最好的模型。你需要的是一个可靠、运行便宜、而且真正由你掌控的模型。开放权重的中国模型正中这个靶心，而且你可以自托管它们，而不是租用一个 API。

在我自己的工作里，对于一类我过去想都不想就会发给前沿 API 的工作负载，这笔账已经翻过来了。如果一项任务能容忍 3% 的能力差距，又能从跑在我自己的基础设施上获益，一个开放的中国模型通常就是理性的选择。当你真的需要当下最好的推理能力时，前沿仍然重要。只是事实证明，你需要“最好”的场合，比厂商营销暗示的要少。

有用的做法，是围绕这三层重新框定整个决策。当你真正需要当下单一最强的推理时，前沿才重要，对那些工作负载，顶级美国模型仍值它的溢价。扩散是你实际路线图的绝大部分所居住的层，而在这一层，廉价、开放、可自托管的中国模型已悄然成为合理的默认选项。如果你的业务触及硬件、机器人或制造，原子层就重要，因为你所依赖的供应链越来越多地经过中国，无论你跑不跑中国模型。弄清一项决策落在哪一层，就能告诉你谁的领先才真正影响到你。

我最常见到的战略错误，是把“中国在赢吗？”当成一个问题来对待，而它其实是三个，然后用前沿焦虑把三个全答了。一家被“输掉前沿竞赛”吓住的公司，会为自己并不需要的能力付出过高的价钱，同时错过它真正的风险敞口在扩散层，那里最便宜的够用选项如今是一个开放的中国模型，以及在原子层，那里它的硬件供应链早已经过中国。把问题对应到正确的层，焦虑就会变成一项你实际能拍板的采购决策。

确实存在真实的注意事项，我不会挥手把它们赶走。来源、数据治理、审查行为和许可证，在任何东西触及生产环境之前都需要审视。那是一项风险评估，而不是否决这个选项的理由。正确的动作既不是一律说“是”，也不是一律说“否”，而是一个结构化的决策：这属于哪一层，任务能容忍什么，尽职调查对这个具体模型怎么说。我在 DeepSeek 对企业是否安全中列出了安全和数据问题，这篇支柱文正是在那里交接到实际决策的。

斯坦福 2026 年 3 月的快照显示中美领先模型之间的差距为 2.7%，但它早于夏季的发布潮。对西方企业而言，当下的决策是具体到检查点的：DeepSeek V4、Kimi K3、GLM-5.3-Flash 和 MiniMax M3 都提供可下载的权重，Qwen3.8 的开放权重于 8 月 8 日落地，而 Qwen3.8-Max 仍是托管层级。

常见问题

中国在 AI 上领先美国吗？ 取决于哪一层。中国在研究和专利体量上领先，拿下 2024 年数据中全球 AI 专利授权的 74.2%，并在开放模型采用上领先，出自 AI Index。Epoch 的 1 月回顾显示，截至那个时点美国在前沿模型产出上领先，而夏季发布潮让一个简单的现在时结论变得更难下了。没有任何一方是彻底领先。

中国会超越美国吗？ 在某些指标上它已经超越了，包括开放模型下载量和人形机器人产量。在前沿上，美国的领先约为七个月，而投入差距正扩大到 23:1，出自 AI Index 2026。诚实的回答是：中国很可能会继续领跑扩散与原子，而前沿的领导权将保持真正的争夺态势。

中国 AI 模型和 ChatGPT 一样好吗？ 有些在特定的编程、推理、多模态和智能体评测上具有竞争力，但不存在一个诚实的、放之四海而皆准的“是”。2.7% 这个数字是 2026 年 3 月的 Chatbot Arena 快照，早于当前的这一轮发布。Kimi K3、GLM-5.3 和 MiniMax M3 的厂商自报表格显示它们相对前代有显著提升，但应把它们当作需要在你自己的任务上复现的主张，而不是一张中立的胜方榜单。

我该担心使用中国 AI 吗？ 担心，不必。审慎，必须。你自托管的开放权重中国模型，与托管式 API 引出的是不同的问题：数据驻留、审查行为和许可证，在投入生产前都需要核查。这是一项标准的风险评估。具体细节我在 DeepSeek 对企业是否安全中讲过。

结论

中国没有在任何单一计分板上赢得 AI 竞赛，因为那样的计分板并不存在。美国在前沿系统、算力和资本上保持着强大的优势，2025 年数据中投入差距为 23:1。中国在若干扩散和物理世界度量上领先：开放模型采用、研究体量、机器人和能源。逐行打分，结果是美国三个维度、中国五个、人才平分。夏季发布潮让“中国模型落后一代”这个简单故事更难自圆其说，但它并没有给出一个可信的单一比分，告诉你今天谁领先。

对一家西方企业来说，这些里没有一样是地缘政治上的烦恼。它是一个机会。当今地球上最便宜的够用模型出自中国、开放权重、任你跑在自己的硬件上。这使得值得你花时间的问题不是“谁在赢”，而是“我该基于什么来构建，以及如何安全地去做？”

先从 DeepSeek 对企业是否安全开始，再在 Qwen 对 DeepSeek 对 Llama 中为你的工作负载掂量一下整个赛场。