为什么烧钱救不了中国AI？

赛格特约作者  余绍清 张同

2020年，中美主要科技企业的资本开支比例约为1:6，而到2024年，这一差距扩大至1:10。

具体来看，2020至2024五年间，美国四大科技公司——亚马逊、微软、谷歌和Meta——资本开支合计达5.36万亿元；相比之下，中国七大互联网企业腾讯、阿里、百度、京东、快手、美团和网易，同期总开支仅为6300亿元。

图源：锦缎研究院

2025年，中国互联网企业显著加大投入。据中金公司预测，包括未上市的字节跳动在内，全年资本开支有望达到5000亿元。然而，这一规模仍仅为微软、Meta、亚马逊、谷歌四家企业今年AI相关资本开支的五分之一。若计入美国其他科技公司，双方的投入差距依然巨大。

那么，这是否意味着中国AI企业正逐渐丧失竞争力？

美国在AI竞争中的三大优势

在探讨中国AI是否边缘化之前，有必要先厘清美国所具备的结构性优势。

第一，美国拥有全球规模最大、购买力最强的消费市场。这不仅体现在用户数量，更在于市场成熟度和消费能力。与中国偏重制造业不同，美国服务业占比近70%，高昂的人工成本——例如门诊费常以100美元为起点——为AI应用创造巨大空间，AI问诊等功能因而迅速普及。

此外，美国全职工作者人均年收入达6.2万美元，显著推高了用户付费意愿和能力。以ChatGPT为例，截至今年9月，其付费用户已超2500万，包括2000万个人用户和超500万企业用户，月收入突破10亿美元。如此优质的市场为AI创新提供了绝佳的试验田和商业化环境，令全球瞩目。

第二，美国资本市场仍具备显著优势。硅谷初创企业可在短时间内完成数亿美元融资，其背后有风投、私募、投行等构成的成熟金融体系支撑。上市科技企业凭借高股价获得充沛现金流，进而支撑长期高强度的研发投入。微软对OpenAI的百亿美元级投资，谷歌、亚马逊在AI基础设施上的持续扩张，正是这一体系的直接体现。

以纳斯达克指数为例，从2020年初约8970点升至2025年9月的22200点，累计涨幅约148%，显示出科技股作为市场引擎的带动力。在这轮上涨中，“美股七巨头”表现尤为亮眼：英伟达凭借AI芯片领军地位全年涨幅超171%，成为首家市值破4万亿美元的企业；微软、苹果、谷歌站稳3万亿市值区间；未上市的OpenAI估值也达5000亿美元。

知名财经公号格隆汇给出的分析图，清晰地显示了剥离“科技七姐妹”的美股

第三，美国拥有全球顶尖的AI人才培养和输送机制。从斯坦福、MIT到伯克利、普林斯顿，一批高水平AI实验室与跨学科研究中心持续为科技行业输送高端人才。学术界与工业界之间形成高效流动，既推动前沿研究，也加速技术转化。

这种紧密的产学研协作得益于大量资金与前瞻性项目的支持。美国国家科学基金会（NSF）、国防高级研究计划局（DARPA）等联邦机构持续资助高校基础研究，而科技企业则通过联合实验室、捐赠教席及定向资助，将产业需求深度融入学术探索。例如英伟达向佛罗里达大学捐赠超算，OpenAI与多所高校合作推进AI安全研究。

以上三大优势——消费市场、资本实力与人才生态——共同构建了全球领先的创新创业环境。若仅从资本投入维度看，中国公司似乎难以参与竞争。

中国AI的独特优势：效率与场景驱动

然而，中美AI发展路径注定分化。资本规模的差距，并不直接决定竞争结局。

回顾中国互联网发展历程，二十年前的阿里、腾讯、百度在远逊于今日的资本环境下，依托对本土市场的深刻理解和快速落地能力，在移动支付、即时通讯和搜索引擎等领域实现超越，打造出具有全球影响力的模式。历史表明，资本并非决定性因素，场景洞察与执行效率往往更为关键。

甚至，资本充裕可能带来副作用。美国AI领域常见对算力和规模的极致追求，巨额投入容易导致技术路径单一，忽视效率优化与应用多样性。相反，资源受限的环境常倒逼团队寻求工程创新和差异化突破。

DeepSeek的崛起正是“效率驱动”的生动案例。该团队既无顶级算力，也无数十亿美元资本支持，却通过算法优化、训练方法创新与精准场景结合，走出一条高效益发展路径。其选择并非盲目追求参数规模，而是聚焦于体验优化与效率提升，最终实现接近国际先进水平的能力。

这样的路径与中国互联网早期的成功逻辑一脉相承：阿里并未效仿eBay的重资本模式，腾讯也未照搬MSN的全球策略，而是凭借更贴近用户的产品、更敏捷的迭代和更接地气的运营，实现弯道超车。DeepSeek正是将这一逻辑延伸至AI大模型赛道。

资本固然重要，但从来不是唯一解。DeepSeek验证了一种在弱资本条件下通过创新路径取得成功可能性——这是一种由中国特有的制度、市场与文化共同塑造的发展模式。

而要理解阿里、腾讯、DeepSeek等企业的成功，必须回到中国真正的优势：应用场景。

自消费互联网时代起，中国便是场景驱动创新的典范。微信、支付宝、抖音、拼多多等产品脱颖而出，并非因资本更雄厚，而是因更精准地响应了中国用户的真实需求。14亿人口构成的庞大用户基数，使得任何新功能都可在极短时间内得到验证和迭代。亿级用户的实时反馈，构成了一种无可替代的加速机制。

用户需求驱动场景创新，推动数字消费发展

更重要的是，中国不仅具备消费场景，还拥有最完整的制造业供应链体系，覆盖从关键零部件到整机组装的全产业链环节，为AI技术落地提供了丰富、纵深的试验场。

此外，中国用户对新产品、新功能表现出更高的接受度和包容度，愿意积极尝试尚未成熟的技术；企业也更倾向于在业务流程中引入AI工具，哪怕处于试验阶段。这种“积极试错、快速迭代”的文化氛围，使得AI技术能迅速走出实验室，融入现实应用，形成“应用-反馈-优化”的良性循环。

与美国相比，中国的场景优势尤为突出。美国虽坐拥全球最大消费市场，但受用户习惯、监管政策与企业流程等因素影响，AI落地节奏相对缓慢。而中国则凭借更开放的场景、更包容的用户和更敏捷的组织机制，为AI发展注入了强劲的应用驱动力。

因此，中国的核心竞争力不在资本，而在于场景。消费互联网提供验证规模，产业基础提供应用纵深，完整供应链提供复杂问题求解的土壤——这三者共同构成中国参与AI竞争的独特底气。

坚持扩大开放，避免主动脱钩

在中美AI竞争的长期格局中，人才是核心变量。尽管美国在顶尖院校、资本实力和全球人才吸引方面优势明显，但中国在人才方面也具备深厚且独特的结构性优势。

中国的首要优势在于规模庞大、训练有素的工程师群体。每年，中国高校培养约140万名STEM（科学、技术、工程与数学）本科毕业生，人数为美国的6倍以上，为AI产业提供稳定、高质量的人才基础。

这支队伍不仅数量可观，更具备出色的工程实现能力、快速学习能力和极强的执行韧性，能够将前沿算法迅速转化为实际应用，在复杂的产业场景中完成落地、迭代与优化。

与此同时，高端人才回流趋势日益显著。早期回归者多以海外顶尖高校终身教授为主，如北京大学人工智能研究院院长朱纯松、上海人工智能实验室主任科学家马毅、之江实验室研究员李海等，他们带回了前沿学术视野与科研方法。

如今，回流趋势逐渐扩展至一线工业界研发人员。近期加入腾讯的AI科学家姚顺雨（曾任OpenAI研究员）便是典型代表。同样，阿里达摩院李磊（前Meta研究科学家）、字节跳动AI Lab李宏毅（前苹果AI团队负责人）等，也均属这一行列。这些拥有丰富工业界经验的人才回归，将国际大厂的研发理念、技术管理体系与中国市场实际相结合，显著提升了本土企业的研发效能与创新质量。

AI 界传出 OpenAI 研究员姚顺雨在9月入职腾讯

无论是本土培养的工程师，还是海归人才，若能将其与中国独特的丰富场景——如庞大用户市场、完整产业链、高数字化社会——紧密结合，在支付、医疗、制造、城市治理等垂直领域开展开创性应用，中国完全有能力保持在竞争牌桌上，甚至走出一条差异化发展道路。

必须清醒认识到，AI竞争是一场长达数十年的马拉松，而非短跑。最终胜负未必归于一时领先者，而更可能属于少犯重大错误的一方。作为追赶者，中国更应保持与全球创新生态的交流与合作，主动寻求“脱钩”或封闭自立无疑是最为不利的战略。唯有坚持开放、在国际网络中汲取养分，同时持续强化内生创新能力，才能在这场持久战中走得稳健、走得更远。

注：中美资本开支数据来源于公众号“锦缎研究院”。