先回顧小鎮此前三個判斷。

2023年初，GPT剛破圈、全網普遍對中國AI未來感到悲觀時，小鎮說：最多兩三年，中國AI就能實現對美國的趕超，現在已經基本實現了。

把Token價格壓到極致的DeepSeek已成為全球AI大模型的斬殺線，超過沒獎勵，被追上就得死。Grok不是最后一個，當然明面上說沒有放棄，只是進行了戰略收縮和架構整合，聚焦SpaceX 生態協同，而非獨立大模型的軍備競賽。

2025年1月《》一文介紹了小鎮作此判斷的底層邏輯，是基于AI大模型訓練的邊際遞減和中國更擅長應用和工程創新兩點，小鎮認為DeepSeek的突破就在于實現了打通基礎創新和應用創新的“1.5軌式創新”，這是一條非常適合中國的創新道路，既有明確的未來規劃，又有耐心從工程角度去摸索靠近，突破過程穩扎穩打。

小鎮當時還有一個論斷：中國半導體解決“卡脖子”問題，也不過是三五年，三年不被卡，五年可趕超，大致2026年可以走出一條成熟的自主道路，2028年就可以反制。

目前看也基本驗證了，5月25日，在國際電路與系統研討會上，華為宣布今年秋季面世的麒麟手機芯片將率先采用邏輯折疊技術。

華為還宣布預計到2031年，采用邏輯折疊技術的華為自主芯片等效制程將達到1.4納米，基本追平采取傳統物理壓縮邏輯的臺積電最先進水平。

這只是開始，意味著中國走上了不同于美西方的尖端半導體發展路線，可類比新能源汽車相對傳統燃油汽車的又一次換道超車。

按照中國的迭代速度，從2026年到2028年，三年時間實現某種程度的反制，并不算苛刻。而無數案例已經證明了，當技術高度追平，才是中國規模優勢發威的起點。

新能源汽車就是典型，2026年4月傳統燃油汽車出現了雪崩式衰退，新車市場滲透率僅為38.6%，同比暴跌37%、環比暴跌33%，二手車交易價較2025年底暴跌30%到50%，前兩年30萬售價、只跑了幾萬公里的昂科威準新車，2025年底車販子收購價還在11萬以上，現在7萬都不敢收。

接下來國六b要在7月全國實施，國七已經在醞釀了，全國燃油車庫存260萬輛、經銷商庫存系數1.89，其中還有107萬輛不符合國六b標準。更不要說使用成本，小鎮上周末打車，碰到一位開紅旗e-qm5的網約車司機，他說他以前開燃油車，五一后租了這輛車，每天節省的燃料費就夠租車錢的。

未來半導體芯片領域，大概率也要復刻新能源汽車的超越路線。

第三個判斷：2026年3月對美國AI失敗的論斷。

AI發展與治理已經不是傳統效率與公平、透明與隱私等等二元價值的取舍，需要上升到更高的理性與實踐之間的平衡，畢竟AI已經可以獨立作為生產力的創造者，如何實現人機協同，非常重要。

不要覺得駕馭AI很虛，這特別重要。小鎮2024年寫《》，分析中美科技產業競賽，特別強調。

其實不能怪歐美民眾，先不說偽快樂教育導致的愚民問題，最根本的在于西方民眾不相信自家政府有能力掌控AI技術和資本的發展方向。

根據斯坦福大學以人為本人工智能研究所《2026年AI指數報告》，全球59%的受訪者對AI帶來增益持樂觀態度，而美國只有33%持樂觀態度，反觀中國超過八成受訪民眾看好人工智能的發展前景和正向增益，并為此感到興奮，對應只有11%的美國公眾對此感到興奮。

這個差距太大了，根本的差別在于“是否信任自己的政府能夠負責任地立法監督AI”，美國在受調國中，排名倒數第一。

其他多項調研也驗證了這一點，比如2025年皮尤研究中心的調研，只有17%的美國成年人認為AI在未來20年對美國產生積極影響，高達43%認為可能對自己造成傷害；經濟學人2026年調研，超過70%的美國人認為AI發展太快。

各類調研共識，美國只有不到20%對AI持樂觀和積極態度，最大的顧慮就是擔心美國政府對AI技術發展和應用監管不足，導致技術被資本用來瘋狂牟利，而美國AI公司的操守也確實難以令美國人放心。在這個背景下，OpenAI CEO奧特曼住所屢遭槍擊，正是這一焦慮思潮的體現。

再根據斯坦福大學以人為本人工智能研究所《2025年AI指數報告》，以幸福度和緊張度為坐標軸評估全球幾十個國家民眾對AI的態度，中國簡直是一枝獨秀，是全球對AI最興奮、第二不緊張的國家，最不緊張的是日本，畢竟日本還在用軟盤和傳真，距離智能時代還有很遠的距離。

三個論斷大概回顧了下，有興趣的話還可以看看《》一文分析的中美AI發展的四個區別，包括實體還是虛擬、增強人還是替代人、存量和增量財富的分配差異以及AI科技資本與政府的關系。

接下來小鎮要談談未來，更進一步論證：雖然美國在AI領域仍然領先中國，但AI競爭結局已定，中國必勝，關鍵在于AI未來的發展路徑。

近期，DeepSeek、華為、比亞迪都在發布新技術，比亞迪繼3月發布第二代刀片電池暨閃充技術之后，5月28日將舉辦智能化炸虐發布會。這幾家領域和技術不同，但也有共性，這個共性跟中國政府的做法非常像。

核心有三：

其一基本遵循中國航空工業1978年總結提出的“量產一代、研發一代、儲備一代”的技術發展方針。

這一發展方針并非來自理論推演，而是極端外部壓力下的智慧結晶，根源是“兩彈一星”等工程中深刻體會到技術儲備的生死攸關。

這套方法論的核心邏輯是，用當下的市場利潤滋養技術儲備，用成熟的技術迭代升級產品，再用前沿的預研構建下一代的護城河，形成一個自我強化的正向循環。三個“一代”邏輯和原則不同，一個用來打市場、一個用來儲備未來、最后一個探索更遠的可能性。

像華為2019年透露其“備胎”計劃在2004年左右就已經啟動，余承東也多次強調華為研發堅持“開發一代、跟蹤一代、預研一代，未來要做到四代”，今天華為總結提出“韜（τ）定律”，也是對過去這些年探索的理論總結。

DeepSeek自發布首個開源大模型以來，技術迭代呈現結構設計持續突破和工程化能力穩步提升的雙螺旋，而梁文峰早在2008年就已經帶領團隊深耕機器學習探索全自動量化交易，在剛成立深度求索時，就儲備了充足的算力。

比亞迪則在制造端踐行，一二代刀片電池和閃充技術不是突然冒出來的，而是在十幾年的積累下自然而然出現的，現在也在探索幾乎所有的電池路線。這也是比亞迪用戶有些痛苦的地方，比亞迪新技術應用總是沒完沒了。

其二、遵循系統思維。

比如華為搞邏輯折疊技術、提出“韜（τ）定律”，打破了過去按照“摩爾定律”無限追求縮小器件體積的局限性，轉而關注整個系統的效率，要從器件、電路、芯片、系統各個層面降低信號傳輸和切換的耗時，華為做通信起家，在信號傳輸上有雄厚的積累，換成別家還真做不了。

舉個例子，芯片就好比城市道路交通，過去傳統做法是想辦法把汽車縮小，道路不變能容納的汽車數量就增加了，但當制程達到14納米，汽車縮小到了極限，就開始在立體結構上下功夫，就出現了等效制程，類似于開始搞高架橋，一點點把等效制程提高到3納米甚至開始2納米，還即將量產等效1.6納米。

但越來越逼近極限。華為的思路就是系統梳理整個城市的道路交通體系，包括調整信號燈、優化城市工作和居住區布局等等，想辦法提高整個城市的運行效率。這也是華為過去幾年一直探索的，比如靈衢總線打破傳統服務器之間的屏障，把成千上萬個計算節點整合為一個邏輯上的超節點。

比亞迪的閃充技術，也是建立在電池、電機、電控、整車等系統整合的基礎上，具體到刀片電池本身，要充分考慮電池尺寸、降低內阻、均勻熱分布、散熱結構、電極膜熱穩定性以及真實的駕駛環境等，最終才總結出來9分鐘的最優充電速度。

其三是不綁死在一條路上。

這一點說起來很容易，但做起來難。

就如比亞迪，不是只研究磷酸鐵鋰電池，鈉電、三元鋰、固液混合、無負極、全固態等等路線都在探索，只是不同技術路線分配的資源不一樣，而在探索中，有的路線比如無負極電池可能不會成功，但任何一個探索都會帶來一些技術儲備，說不定某一天就解決了一個大問題。第二代刀片電池關鍵的隔膜技術，這是此前探索儲備的，等需要做第二代刀片電池了，拿過來就能用了。

反而看國外如日本，在新能源發展上盲目鎖定氫能路線，還聚焦氫能終端應用這個最肥美的領域，就像修好收費站，等著中美等其他國家把高速路修過來，這怎么可能成功呢？就導致日本好像總是點錯科技樹。

現在的美國AI發展也有類似問題，就像宗教信仰一樣，盲目認為目前技術路線就能很快實現AGI，而且整個AI產業高度依賴英偉達芯片，英偉達又建立在臺積電先進制程基礎上，這就導致美國繁榮的AI泡沫，建立在非常脆弱的基礎之上，只要中國實現了自主芯片突破，建立了一個不同于美國傳統的新生態，美國這套體系就很難運轉下去。

其實英偉達早年也是搞體系的，如果單說GPU，英偉達領先優勢并不大，然而到了人工智能時代，英偉達建立起來難以撼動的市場地位，關鍵不在于芯片，而在于英偉達將GPU、CUDA軟件棧和主流深度學習框架共同構成了一個開發者高度依賴的完整生態，從芯片、框架再到工具鏈、應用深度匹配，就算后來者在單點上實現了超越，也很難撼動英偉達的生態優勢。

華為的新思路就不一樣了，這也是“塞翁失馬安知非福”。中國在AI和先進制程芯片方面的確落后美國，又遭受美國的封鎖和打壓，就不得不以算法彌補算力的差距，不得不另辟蹊徑以系統整合彌補單點的不足，這也是錢學森“系統工程”的思維。

所以，中國目前搞AI，國家強調不能依賴單點突破，而是要推進全國范圍相關廠商的大整合，要打破各家芯片廠家各守一套軟件棧的碎片化格局，還要打破數據孤島，讓芯片廠商和大模型研發團隊開展深度的協調設計，DeepSeek和華為昇騰芯片的適配，就是典型。

最終要形成的不是在芯片上短期內超越美國，這個不太現實，投入產出比也不高，重點是把算法、框架、芯片、系統乃至應用等全鏈條打通，還要讓中國的AI生態建立在中國自主可控的基礎上，唯有如此才能發揮中國迭代迅速、規模生產的巨大優勢，單體技術落后，那就用規模化彌補。

正如前面說的，中國人對新技術、新產品充滿激情，再加上中國是全世界唯一的全產業國，意味著中國不缺豐富的應用場景，只要能實現跨企業、跨機構、跨行業的大整合，打通數據流通的壁壘，就能夠實現對美國AI的超越。

這場超越，最關鍵的決勝點在于能否建立一個覆蓋全球的生態體系或者說共同利益體。

美國AI追求的是吃獨食，希望保持領先優勢，讓全世界購買美國的AI產品，但中國追求的是合作共贏，絕不雙標。

既然中國高度關注智能主權，那當然也要尊重他國的智能主權。要幫助他國建立自己的AI產業，哪怕僅僅是這個龐大產業體系的某一環中的一小部分，也要讓其他國家能夠分到一部分蛋糕，而不是淪落為純粹的AI消費者。

所以2025年9月中國提出了《“人工智能+”國際合作倡議》，要通過人工智能技術推動落實聯合國2030年可持續發展議程，而美國目前堅決反對一切與2030年可持續發展議程有關的工作。

而中國作為一個基礎教育、理工人才、工程師等人才資源極為豐富的國家，又不像美國陷入資本壟斷，自然沒必要在單一路徑上陷入路徑依賴，除了當前主流的Transformer模型架構，其他路徑也要繼續探索，比如非Transformer模型架構、智能體自主進化等新方向，誰知道最后哪一條路走得遠呢？

這種所有可能路線都要探索的方式，看起來沒有ALL IN一條來的爽快，但可以保證不會錯過任何可能性。

就算美國ALL IN的技術路線，中美之間的差距也非常小了。

所謂的中美差距多少年，這其實沒什么意義，說白了就是一項技術，美國哪一年搞出來，中國哪一年搞出來，然后簡單做個減法。但中國的迭代升級速度，全球哪個國家比得上？特斯拉汽車現在看起來如此落后，不是特斯拉真的差，而是中國汽車迭代太快了，而特斯拉已經是西方世界迭代速度的頭部水平。

就說主流AI大模型，不要再說差距是多少年了，準確的說法是差距幾次迭代。目前中國大致落后美國先進水平1到2個迭代，看起來差距挺大對吧，但是AI的技術創新已經從人工被動訓練轉為AI自主進化，導致迭代速度越來越快，過去比如2023年以前以年為單位，今天已經是幾周甚至一兩周。

當前，美國頭部AI領先的1到2次迭代，從時間上看，不過是領先1、2個月而已，只要稍微卡殼，就會被追上，這種差距還算得上差距嗎？

小鎮的確說，但注意小鎮說的是短期、當下，而當中國開始發力，電力供應的提升速度非常驚人。4月以來總理的新一輪調研，重點就是電力和算力，梳理整個調研線，可以看到幾乎想盡一切辦法要解決算力和電力的短板，比如新型電網部分，發改委宣布要在“十五五”期間投入5萬億元。

美國人已經意識到中國超越的必然，Anthropic最新報告《2028：全球AI領導權的兩種情景》，就勾勒了截至2028年全球前沿AI發展的兩種互相排斥的路徑，分別是美國與盟友擴大領先和中國AI生態接近并行。

并據此向美國政府提出政策建議，包括收緊出口管制、遏制蒸餾行為等，確保美國在2028年仍然保持前沿模型能力領先優勢，還特別強調如果相關政策不在近期落地，2028年“全球AI力量天平將向中國傾斜”。

不過這個報告就跟《科技共和國》一樣，更代表公司主張和利益，對一些客觀事實進行了修飾，比如還認為中美當前AI差距在12個月以上，事實上美國AI公司敢停下哪怕半年嗎？這種夸大也可以理解，畢竟如果承認現在中美差距已經縮小到幾個月，又如何支撐美國龐大的AI泡沫？

不過由此也可以看出，美國已經在認真考慮中國追平乃至超越的可能。

其他文章推薦

（中篇）

（上篇）

歡迎分享，讓更多人發現“大樹鄉談”