為什么燒錢救不了中國AI？

賽格特約作者 余紹清 張同

2020年，中美主要科技企業的資本開支比例約為1:6，而到2024年，這一差距擴大至1:10。

具體來看，2020至2024五年間，美國四大科技公司——亞馬遜、微軟、谷歌和Meta——資本開支合計達5.36萬億元；相比之下，中國七大互聯網企業騰訊、阿里、百度、京東、快手、美團和網易，同期總開支僅為6300億元。

圖源：錦緞研究院

2025年，中國互聯網企業顯著加大投入。據中金公司預測，包括未上市的字節跳動在內，全年資本開支有望達到5000億元。然而，這一規模仍僅為微軟、Meta、亞馬遜、谷歌四家企業今年AI相關資本開支的五分之一。若計入美國其他科技公司，雙方的投入差距依然巨大。

那么，這是否意味著中國AI企業正逐漸喪失競爭力？

美國在AI競爭中的三大優勢

在探討中國AI是否邊緣化之前，有必要先厘清美國所具備的結構性優勢。

第一，美國擁有全球規模最大、購買力最強的消費市場。這不僅體現在用戶數量，更在于市場成熟度和消費能力。與中國偏重制造業不同，美國服務業占比近70%，高昂的人工成本——例如門診費常以100美元為起點——為AI應用創造巨大空間，AI問診等功能因而迅速普及。

此外，美國全職工作者人均年收入達6.2萬美元，顯著推高了用戶付費意愿和能力。以ChatGPT為例，截至今年9月，其付費用戶已超2500萬，包括2000萬個人用戶和超500萬企業用戶，月收入突破10億美元。如此優質的市場為AI創新提供了絕佳的試驗田和商業化環境，令全球矚目。

第二，美國資本市場仍具備顯著優勢。硅谷初創企業可在短時間內完成數億美元融資，其背后有風投、私募、投行等構成的成熟金融體系支撐。上市科技企業憑借高股價獲得充沛現金流，進而支撐長期高強度的研發投入。微軟對OpenAI的百億美元級投資，谷歌、亞馬遜在AI基礎設施上的持續擴張，正是這一體系的直接體現。

以納斯達克指數為例，從2020年初約8970點升至2025年9月的22200點，累計漲幅約148%，顯示出科技股作為市場引擎的帶動力。在這輪上漲中，“美股七巨頭”表現尤為亮眼：英偉達憑借AI芯片領軍地位全年漲幅超171%，成為首家市值破4萬億美元的企業；微軟、蘋果、谷歌站穩3萬億市值區間；未上市的OpenAI估值也達5000億美元。

知名財經公號格隆匯給出的分析圖，清晰地顯示了剝離“科技七姐妹”的美股

第三，美國擁有全球頂尖的AI人才培養和輸送機制。從斯坦福、MIT到伯克利、普林斯頓，一批高水平AI實驗室與跨學科研究中心持續為科技行業輸送高端人才。學術界與工業界之間形成高效流動，既推動前沿研究，也加速技術轉化。

這種緊密的產學研協作得益于大量資金與前瞻性項目的支持。美國國家科學基金會（NSF）、國防高級研究計劃局（DARPA）等聯邦機構持續資助高校基礎研究，而科技企業則通過聯合實驗室、捐贈教席及定向資助，將產業需求深度融入學術探索。例如英偉達向佛羅里達大學捐贈超算，OpenAI與多所高校合作推進AI安全研究。

以上三大優勢——消費市場、資本實力與人才生態——共同構建了全球領先的創新創業環境。若僅從資本投入維度看，中國公司似乎難以參與競爭。

中國AI的獨特優勢：效率與場景驅動

然而，中美AI發展路徑注定分化。資本規模的差距，并不直接決定競爭結局。

回顧中國互聯網發展歷程，二十年前的阿里、騰訊、百度在遠遜于今日的資本環境下，依托對本土市場的深刻理解和快速落地能力，在移動支付、即時通訊和搜索引擎等領域實現超越，打造出具有全球影響力的模式。歷史表明，資本并非決定性因素，場景洞察與執行效率往往更為關鍵。

甚至，資本充裕可能帶來副作用。美國AI領域常見對算力和規模的極致追求，巨額投入容易導致技術路徑單一，忽視效率優化與應用多樣性。相反，資源受限的環境常倒逼團隊尋求工程創新和差異化突破。

DeepSeek的崛起正是“效率驅動”的生動案例。該團隊既無頂級算力，也無數十億美元資本支持，卻通過算法優化、訓練方法創新與精準場景結合，走出一條高效益發展路徑。其選擇并非盲目追求參數規模，而是聚焦于體驗優化與效率提升，最終實現接近國際先進水平的能力。

這樣的路徑與中國互聯網早期的成功邏輯一脈相承：阿里并未效仿eBay的重資本模式，騰訊也未照搬MSN的全球策略，而是憑借更貼近用戶的產品、更敏捷的迭代和更接地氣的運營，實現彎道超車。DeepSeek正是將這一邏輯延伸至AI大模型賽道。

資本固然重要，但從來不是唯一解。DeepSeek驗證了一種在弱資本條件下通過創新路徑取得成功可能性——這是一種由中國特有的制度、市場與文化共同塑造的發展模式。

而要理解阿里、騰訊、DeepSeek等企業的成功，必須回到中國真正的優勢：應用場景。

自消費互聯網時代起，中國便是場景驅動創新的典范。微信、支付寶、抖音、拼多多等產品脫穎而出，并非因資本更雄厚，而是因更精準地響應了中國用戶的真實需求。14億人口構成的龐大用戶基數，使得任何新功能都可在極短時間內得到驗證和迭代。億級用戶的實時反饋，構成了一種無可替代的加速機制。

用戶需求驅動場景創新，推動數字消費發展

更重要的是，中國不僅具備消費場景，還擁有最完整的制造業供應鏈體系，覆蓋從關鍵零部件到整機組裝的全產業鏈環節，為AI技術落地提供了豐富、縱深的試驗場。

此外，中國用戶對新產品、新功能表現出更高的接受度和包容度，愿意積極嘗試尚未成熟的技術；企業也更傾向于在業務流程中引入AI工具，哪怕處于試驗階段。這種“積極試錯、快速迭代”的文化氛圍，使得AI技術能迅速走出實驗室，融入現實應用，形成“應用-反饋-優化”的良性循環。

與美國相比，中國的場景優勢尤為突出。美國雖坐擁全球最大消費市場，但受用戶習慣、監管政策與企業流程等因素影響，AI落地節奏相對緩慢。而中國則憑借更開放的場景、更包容的用戶和更敏捷的組織機制，為AI發展注入了強勁的應用驅動力。

因此，中國的核心競爭力不在資本，而在于場景。消費互聯網提供驗證規模，產業基礎提供應用縱深，完整供應鏈提供復雜問題求解的土壤——這三者共同構成中國參與AI競爭的獨特底氣。

堅持擴大開放，避免主動脫鉤

在中美AI競爭的長期格局中，人才是核心變量。盡管美國在頂尖院校、資本實力和全球人才吸引方面優勢明顯，但中國在人才方面也具備深厚且獨特的結構性優勢。

中國的首要優勢在于規模龐大、訓練有素的工程師群體。每年，中國高校培養約140萬名STEM（科學、技術、工程與數學）本科畢業生，人數為美國的6倍以上，為AI產業提供穩定、高質量的人才基礎。

這支隊伍不僅數量可觀，更具備出色的工程實現能力、快速學習能力和極強的執行韌性，能夠將前沿算法迅速轉化為實際應用，在復雜的產業場景中完成落地、迭代與優化。

與此同時，高端人才回流趨勢日益顯著。早期回歸者多以海外頂尖高校終身教授為主，如北京大學人工智能研究院院長朱純松、上海人工智能實驗室主任科學家馬毅、之江實驗室研究員李海等，他們帶回了前沿學術視野與科研方法。

如今，回流趨勢逐漸擴展至一線工業界研發人員。近期加入騰訊的AI科學家姚順雨（曾任OpenAI研究員）便是典型代表。同樣，阿里達摩院李磊（前Meta研究科學家）、字節跳動AI Lab李宏毅（前蘋果AI團隊負責人）等，也均屬這一行列。這些擁有豐富工業界經驗的人才回歸，將國際大廠的研發理念、技術管理體系與中國市場實際相結合，顯著提升了本土企業的研發效能與創新質量。

AI 界傳出 OpenAI 研究員姚順雨在9月入職騰訊

無論是本土培養的工程師，還是海歸人才，若能將其與中國獨特的豐富場景——如龐大用戶市場、完整產業鏈、高數字化社會——緊密結合，在支付、醫療、制造、城市治理等垂直領域開展開創性應用，中國完全有能力保持在競爭牌桌上，甚至走出一條差異化發展道路。

必須清醒認識到，AI競爭是一場長達數十年的馬拉松，而非短跑。最終勝負未必歸于一時領先者，而更可能屬于少犯重大錯誤的一方。作為追趕者，中國更應保持與全球創新生態的交流與合作，主動尋求“脫鉤”或封閉自立無疑是最為不利的戰略。唯有堅持開放、在國際網絡中汲取養分，同時持續強化內生創新能力，才能在這場持久戰中走得穩健、走得更遠。

注：中美資本開支數據來源于公眾號“錦緞研究院”。