(文/觀察者網(wǎng) 呂棟 編輯/張廣凱)

　　2026年伊始，國內(nèi)再度掀起AI大戰(zhàn)熱潮，而全球人工智能產(chǎn)業(yè)似乎也正迎來一個微妙而關(guān)鍵的轉(zhuǎn)折點。如果說過去三年是“百模大戰(zhàn)”的喧囂期，那當(dāng)下已走向“價值落地”的深水區(qū)。

　　近日在世界經(jīng)濟論壇上，微軟總裁薩提亞·納德拉直言：“得讓AI來干點真正有用的事了，要去創(chuàng)造實際價值，如果這些token不能讓醫(yī)療更好、教育更棒、政府更高效、企業(yè)更有競爭力，那就白搭?！?/p>

　　這句話像是硅谷巨頭的反思，但也更像中美AI競賽下半場的發(fā)令槍，比賽的規(guī)則已從單純的“技術(shù)參數(shù)比拼”轉(zhuǎn)向了“應(yīng)用落地”的馬拉松。

　　當(dāng)我們審視AI帶來的這場技術(shù)變局時，會發(fā)現(xiàn)一個“雙寡頭”格局正在浮現(xiàn)：美國依然在“天花板”(最強算力與最強推理)上保持領(lǐng)先，而中國憑借完整的產(chǎn)業(yè)鏈和務(wù)實落地的算力服務(wù)，正將AI轉(zhuǎn)化為直接的“工業(yè)引擎”，在“地板”(工業(yè)滲透與規(guī)?；瘧?yīng)用)上實現(xiàn)追趕與反超。

　　再直接點說，美國在原始創(chuàng)新和高價值軟件服務(wù)上依然占有優(yōu)勢，而中國正在“從1到100”的規(guī)?；瘧?yīng)用和實體產(chǎn)業(yè)賦能上建立壁壘。通過破解行業(yè)難題，提升全要素生產(chǎn)率，中國的AI正在走出一條差異化的競爭之路，或許會在實體經(jīng)濟的廣闊腹地中抓住最終的決勝點。

　　“卡脖子”無法阻止中國模型

　　目前業(yè)界公認，美國在原生大模型(Foundation Models)的絕對能力上仍領(lǐng)先中國數(shù)月。美國有更強的芯片，模型在“想得深”上更有優(yōu)勢，中國模型則在“用得起”上無出其右。

　　而美國智庫蘭德公司(RAND)發(fā)布的最新報告《2025/2026 AI戰(zhàn)略競爭評估》，揭示了一個可能會令華盛頓焦慮的事實：盡管美國在高端芯片(如英偉達H100/Blackwell等)上依然擁有絕對優(yōu)勢，但美國僅靠芯片“卡脖子”已無法阻止中國模型達到Tier-1的水平。

　　這背后的邏輯在于中美截然不同的技術(shù)進化路徑。

　　美國的優(yōu)勢在于“從0到1”的暴力美學(xué)。依托雄厚的資本和算力儲備，美國在基礎(chǔ)模型研發(fā)、高端芯片設(shè)計上仍然領(lǐng)先，OpenAI等巨頭不斷推高模型的智能上限，o1/o3等系列模型在復(fù)雜邏輯推理和科學(xué)問題上仍保持著“代際”領(lǐng)先。這是典型的供給側(cè)創(chuàng)新驅(qū)動，旨在定義“什么是AI”，也是目前美國最寬的護城河。

　　中國則被倒逼出一條“極致效率”的路徑。受限于硬件，中國開發(fā)者專注于算法優(yōu)化和架構(gòu)創(chuàng)新，DeepSeek等模型證明，通過極高的算法效率，可以用幾分之一的成本實現(xiàn)與美國頂尖模型相近的性能。

　　2023年，中美頂尖模型在主要基準如MMLU、HumanEval、MATH上的差距還保持在兩位數(shù)百分比。然而到2024年底，這一差距已大幅縮小至5%以內(nèi)，部分領(lǐng)域甚至僅差不到1%。中國的DeepSeek-、阿里Qwen等模型在編碼、數(shù)學(xué)和通用語言理解上，已經(jīng)能匹敵甚至在某些指標上超越美國的GPT和Claude。

　　更關(guān)鍵的變量在于“算力底座”的突圍。

　　中國已有包括昇騰、寒武紀等在內(nèi)的多款國產(chǎn)AI芯片上市，并正在通過架構(gòu)創(chuàng)新來彌補單點算力的不足。以華為云CloudMatrix384超節(jié)點為例，這是一種“以數(shù)學(xué)補物理、以群計算補單芯片”的全新思路。通過將384顆昇騰NPU和192顆鯤鵬CPU全對等互聯(lián)，構(gòu)建起超大規(guī)模的AI原生云基礎(chǔ)設(shè)施，不僅打破了傳統(tǒng)服務(wù)器的邊界，更能通過16萬卡的集群效應(yīng)，支持1300個千億參數(shù)大模型同時訓(xùn)練或者上萬個模型的推理。

　　這種“下限”能力的極速提升，即通過構(gòu)建高性價比的開源模型和日益成熟的國產(chǎn)算力集群，中國正在吸引全球開發(fā)者構(gòu)建基于其技術(shù)的應(yīng)用生態(tài)，極大地壓縮追趕時間。

　　中國構(gòu)建護城河的機會

　　可以這么說，中美在大模型領(lǐng)域的差距已經(jīng)從“有沒有”的問題，變成了“強多少”的問題。

　　現(xiàn)狀是，中美AI在主流商業(yè)應(yīng)用和基礎(chǔ)功能上，差距已微乎其微。瓶頸則是，美國的優(yōu)勢集中在“從0到1”的突破性創(chuàng)新，如Sora、o1推理模型以及不受限的算力資源；而中國的優(yōu)勢在于“從1到100”的工程化落地、成本控制以及在開源社區(qū)的快速滲透。

　　一個顯著的發(fā)展趨勢是：中國企業(yè)不再迷戀“對標GPT-5”，而是致力于把DeepSeek這種成本極低的模型，塞進每一個智能硬件和工業(yè)軟件里。蘭德公司報告指出，美國政府和軍方的AI采納速度遠慢于中國，這可能導(dǎo)致在“工業(yè)互聯(lián)網(wǎng)”和“智能制造”等戰(zhàn)略領(lǐng)域被拉開代差。

　　數(shù)據(jù)展現(xiàn)了中美AI應(yīng)用的巨大“斷層”：中國制造業(yè)的AI采用率高達67%，而美國僅為34%。

　　中國在高質(zhì)量工業(yè)數(shù)據(jù)和場景語料上領(lǐng)先，AI不僅用于后臺管理，更深入到核心生產(chǎn)流程、排產(chǎn)調(diào)度和質(zhì)量控制中。美國企業(yè)的應(yīng)用更多停留在庫存管理和需求預(yù)測等后臺任務(wù)，而非核心生產(chǎn)線的自動化。這解釋了為何中國在工業(yè)互聯(lián)網(wǎng)AI上能拉開30%以上的應(yīng)用率差距。

　　當(dāng)美國的AI應(yīng)用更多停留在金融算法、藥物研發(fā)等虛擬或研發(fā)密集型領(lǐng)域時，中國正利用其全球最完整的工業(yè)體系，將AI深度嵌入到鋼鐵、煤礦、港口等核心生產(chǎn)流程中。

　　但這并非易事。AI要從“預(yù)測下一個詞”的語言游戲，升級為“預(yù)測世界狀態(tài)”的生產(chǎn)工具，解決真實物理世界和產(chǎn)業(yè)中的問題，還面臨著三塊極難啃的“硬骨頭”。

　　一是場景之難，行業(yè)問題沒有標準答案。煤礦井下的設(shè)備故障、鋼鐵熔爐的溫度控制、港口吊機的協(xié)同調(diào)度，每個場景都獨一無二，充滿不確定性。它要求AI必須深入一線，理解物理世界的復(fù)雜規(guī)律(如流體力學(xué)、機械原理)，并在高溫、高濕、多塵的惡劣環(huán)境下穩(wěn)定運行。

　　二是數(shù)據(jù)之難，核心工業(yè)數(shù)據(jù)往往是封閉的“孤島”，且極度專業(yè)。一段地震波數(shù)據(jù)或一張光譜圖，外行根本看不懂。這要求不僅要有處理大數(shù)據(jù)的技術(shù)，更要有 “從少數(shù)據(jù)、臟數(shù)據(jù)中煉出真知” 的能力，并能將行業(yè)專家的經(jīng)驗(“老師傅的直覺”)轉(zhuǎn)化為AI能學(xué)習(xí)的語言。

　　三是落地之難，價值閉環(huán)極長。從技術(shù)驗證到真正融入生產(chǎn)流程、產(chǎn)生經(jīng)濟效益，鏈條極長。它不是一個交付即結(jié)束的項目，要求技術(shù)提供方必須有極大的耐心和責(zé)任心，像“技術(shù)合伙人”一樣，與客戶綁定在一起，共同承擔(dān)風(fēng)險、解決過程中層出不窮的新問題。

　　但也正因為難，才給了中國AI構(gòu)建護城河的機會。每一個被攻克的行業(yè)痛點，都可能轉(zhuǎn)化為難以復(fù)制的競爭壁壘，成為推動社會進步的根本性價值。

　　做難而正確的事，中國云將AI轉(zhuǎn)化為生產(chǎn)力

　　復(fù)雜AI應(yīng)用的背后，需要一個能夠處理專業(yè)數(shù)據(jù)、支持模型快速迭代、保障業(yè)務(wù)長期穩(wěn)定運行的AI算力基礎(chǔ)設(shè)施。在這一輪“脫虛向?qū)崱钡睦顺敝?，我們看到以華為云昇騰云、三大運營商等為代表的國產(chǎn)云基礎(chǔ)設(shè)施廠商持續(xù)夯實技術(shù)底座，正與千行萬業(yè)的客戶一起，將AI變成真正的生產(chǎn)力。

　　在華能伊敏露天礦，華為云以“車-網(wǎng)-云”協(xié)同的AI無人駕駛?cè)珬７桨?，?qū)動幾百輛重型礦車和挖掘機實現(xiàn)完全無人化運行，即使在零下40℃的極寒天氣中也能高效作業(yè)。在水泥行業(yè)，華為云聯(lián)合海螺集團打造水泥建材行業(yè)首個AI大模型，實現(xiàn)關(guān)鍵生產(chǎn)環(huán)節(jié)標準煤耗再降1%、年減碳超4500噸，人員勞動強度降低50%。

　　在山東能源的礦井中，華為云盤古礦山大模型可以快速識別出采掘過程中出現(xiàn)的大塊巖石及大塊煤等，人在地面上不用下井就能操作煤礦機械挖煤，還能預(yù)測瓦斯的爆炸、透水以及塌方，保障礦工的安全。

　　而在繁忙的沿海港口，中國移動與中國聯(lián)通等電信運營商，憑借5G+云網(wǎng)融合的優(yōu)勢，讓天津港與寧波舟山港的龍門吊實現(xiàn)了遠程操控。毫秒級的時延控制，讓百里之外的操作員如同坐在駕駛室一般，精準完成千萬噸級的集裝箱吞吐，徹底改變了港口工人“高空作業(yè)、風(fēng)吹日曬”的工作常態(tài)。

　　同時，國內(nèi)互聯(lián)網(wǎng)云廠商也助力中國一汽、長安汽車、工業(yè)富聯(lián)、三一重工等制造業(yè)企業(yè)利用云端AI技術(shù)提高不良品判別效率，并推動模型訓(xùn)練流程與生產(chǎn)現(xiàn)場緊密結(jié)合，促進生產(chǎn)智能化升級。

　　這背后，是AI對物理世界感知能力的質(zhì)變。

　　在鋼鐵洪流之中，煉鋼高爐的溫度控制曾是老師傅的不傳之秘。如今在寶武鋼鐵，盤古大模型通過分層感知爐溫，精確推演鐵水硅含量，優(yōu)化燃料配比。這不僅將高爐效率提升了1%，更意味著每年巨額的成本節(jié)約和碳排放減少。而在生命攸關(guān)的診室，瑞金醫(yī)院利用RuiPath病理模型，將單切片診斷時間從40分鐘縮短至“秒級”，覆蓋了中國90%的高發(fā)癌種。這種效率的提升，直接關(guān)乎患者的生命尊嚴與醫(yī)療資源的公平分配。

　　這些案例的共同點在于，AI不再是炫技的“玩具”，而是變成解決實際痛點的“生產(chǎn)力工具”。

　　支撐這些復(fù)雜場景規(guī)?；涞氐?，正是國產(chǎn)AI算力基礎(chǔ)設(shè)施。華為云CloudMatrix AI Infra智算云服務(wù)，通過深度整合與智能化調(diào)度算力、存儲、網(wǎng)絡(luò)資源，為這些從地底到云端的應(yīng)用提供了統(tǒng)一、高效、長穩(wěn)的底座。在蕪湖、貴安、烏蘭察布、和林格爾等核心樞紐，基于CloudMatrix384的AI Token服務(wù)正在像水電一樣，源源不斷地輸送給科大訊飛、中科院、高教社、美的集團、深圳龍崗區(qū)政府等2600多家客戶。

　　國內(nèi)其他云廠商，也相繼推出了針對不同行業(yè)的AI算力服務(wù)。例如電信運營商布局了東數(shù)西算的算力網(wǎng)絡(luò)，互聯(lián)網(wǎng)巨頭的“工業(yè)大腦”、AI開放平臺等，則為更多中小企業(yè)提供了低門檻的AI技術(shù)應(yīng)用方案。這種“算力即服務(wù)”的模式，極大降低了企業(yè)使用AI的門檻，讓“雙寡頭”競爭中的中國力量有了更扎實的根基。

　　中美AI競賽的下半場，本質(zhì)上是對“新質(zhì)生產(chǎn)力”的爭奪。美國試圖構(gòu)建全球AI生態(tài)的“大腦”(模型與芯片)，而中國專注于AI技術(shù)的“需求側(cè)”和“擴散層”，將AI深度融入實體經(jīng)濟，提升生產(chǎn)力。

　　美國領(lǐng)先在“從0到1”的顛覆，中國則領(lǐng)跑“從1到100”的規(guī)模化滲透。在更長時間維度里，衡量AI成功的標準將不只是參數(shù)大小，更是能否讓電網(wǎng)調(diào)度更從容、讓港口吞吐更高效、讓新藥研發(fā)更快速。中國產(chǎn)業(yè)界的實踐表明，當(dāng)AI技術(shù)真正去解決那些“難而正確”的問題時，技術(shù)才擁有最強大的生命力。這或許就是中國在AI競賽下半場最大的底氣：不只是仰望星空的技術(shù)突破，更是腳踏實地的生產(chǎn)力重塑。