本文來自微信公衆號： TOP創新區研究院 ，作者：趨勢研究組，頭圖來自：視覺中國

八月中旬，蘭德公司發了一份64頁的報告，標題是：《中美兩國的AI發展》，副標題是——"來自一個新的AI開發者企業數據集的證據"。

四位作者想搞清楚一件事兒，那就是：

中國和美國，到底各有多少家公司在真正開發AI，

以及，它們分別在幹什麼。

聽起來這應該是常識，好像應該已經有人幹過了。

但事實是，一直到今天，關於中美AI競賽的絕大多數判斷，依據都只有兩樣東西——

幾家明星公司的動向，和兩國政府發的規劃文件。

前者是軼事,後者是意圖。

但都不是產業本身。

回到報告。

這四個作者的做法是這樣的：

先撒網，選出僱了機器學習工程師的公司、發過AI論文的公司、持有AI專利的公司、上過模型排行榜的公司，全撈進來。

一共撈到26,629家。

然後開始篩。

比如必須是營利性公司，必須總部在中美，必須自己訓練或開發模型，而不是拿別人的模型做集成。

他們還用大模型當審核員，並給它下了一條死命令：

你在判斷理由裏但凡寫了"可能""看起來""大概"這種詞，這家公司就直接出局。

篩完最後剩下1,181家。

美國743，中國438。

這些是數據，報告基於這些數據，探討了他們在這1,181家公司身上看見了什麼；以及——這部分更有意思——

他們沒能看見什麼。

 1181家公司 

咱們先看幾個數字：

這1181家公司裏，靠"你付錢調我的模型(Model-as-a-Service)"掙錢的，

中美各只有約10%。

直觀來說，就是OpenAI、Anthropic、DeepSeek、智譜這一類。

但他們全加起來總共只有一百來家，

剩下九成，賣的是應用產品——美國約90%，中國約75%。這些公司的客戶根本不關心底下跑的是什麼模型，只關心那玩意兒能不能幹活。

還有，自己從零訓練基礎大模型(Foundation Model Developer)的公司，

美國19%，中國19%。

一模一樣。

過去兩年，全部注意力都在場上那六七個球星身上——誰的參數大，誰的排行榜分高，誰又發布了什麼。

而看台底下，還有一千多支隊伍在自己踢自己的。

當然，不可否認的是，那10%的公司拿走了絕大部分的錢、算力和版面，影響力遠遠超過10%。

但如果AI最終的錢是在剩下那九成裏賺到的，那我們看了兩年的，可能一直是熱身賽。

 最像的是大腦，最不像的是身體 

蘭德給每家公司打了九個維度的標籤，結果有點意思。

先看架構，結論是兩國差不多。

用Transformer的公司，美國28%，中國27%。

用卷積網絡的，13%對11%。

用擴散模型的，7%對7%。

用強化學習的，19%對19%。

華盛頓之前擔心，美國是不是把寶全押在Transformer這一條路上，而中國在多路下注？

數據說：不是。

中國的國家規劃裏非常提倡着要推神經形態計算、要探索後Transformer架構，但在438家中國AI公司裏，走這些路線的比例，並不比美國高。

再看物理形態，兩國就裂開了。

純軟件公司（完全不碰硬件）：美國61%，中國26%

做人形機器人的：美國2%，中國12%

做地面機器人和四足的：16%對24%

做自動駕駛的：7%對14%

數據類型上也對得上：

處理三維空間數據的公司，美國27%，中國36%。

這裏還有個細節——

前面說了，兩國用強化學習的公司比例完全一樣，都是19%。但蘭德把這些公司的資料一家家翻過去之後發現：

同一個詞，在兩國指的是兩件事。

在美國，強化學習主要用來調教語言模型說話——拿人的偏好數據，讓模型回答得更順耳一點。

在中國，強化學習主要用在機器人怎麼邁腿、車怎麼拐彎、產線怎麼調參。

一個在教AI說話，一個在教AI走路。

同一個技術名詞，練的是完全不同的科目。

這就好比中美兩國家長給孩子報課外班的比例一模一樣，

但一邊報的是演講與口才，一邊報的是體育特長。

所以這份報告裏寫道：

中美AI公司的大腦幾乎一模一樣，身體完全不同。

 決定身體形狀的是什麼 

那為什麼會這樣？

最省事的解釋是：

中國把具身智能寫進國家戰略了，

所以中國的具身智能起來了。

但如果規劃真能直接決定企業的技術選型，那麼同樣寫進規劃的非Transformer架構，比如神經形態計算（類腦計算）和顛覆性新架構（即後Transformer架構的探索），中國應該更多，但數據裏完全看不出來。

所以，這說明產業政策有個邊界：它能給錢，能給訂單，能給場景，但它很難規定一家公司用什麼架構。

更站得住的解釋可能是這個——

每個生態，都把AI裝進了它周圍最值得的那個東西里。

看行業分佈就很清楚：

中國公司扎堆在物理經濟裏——製造業30%（美國15%）、交通運輸26%（美國15%）、能源12%（美國6%）。

美國公司扎堆在知識行業裏——醫療與生命科學28%（中國17%）、科研10%（中國5%）、網絡安全7%（中國3%）。

美國相對更貴的東西是什麼？

是一個醫生寫病歷的一小時，一個安全分析師盯告警的一小時。所以AI往那兒跑。

中國最有需求的東西是什麼？

是產線、是車隊、是電網。所以AI往那兒跑。

這不是誰比誰更有遠見。這是各自的產業土壤決定的。

還有一層更深的差異，蘭德自己都沒怎麼展開——

中國的AI開發者公司，56.6%隸屬於一個主業不是AI的更大母體。

對比來看，美國這個數只有28.8%。

中國的AI開發者公司，33.8%是上市公司。

美國只有13.6%。

美國的AI公司，大部分是獨立創業公司；

但中國的AI公司，大部分是某個大工業體系裏的一個部門。

國家電網的AI團隊，運營商的AI團隊，車企的AI團隊，家電集團的AI團隊。

這或許就順帶解釋了另一個數據：

完全不對外賣、只給自己內部用的AI，中國佔16%，美國佔10%。

順着這條線，組織形態不一樣，會長出不一樣的空間形態。

美國743家裏，加州一個州就佔了350家，接近一半。麻州75家排第二，比紐約州還多。這是典型的智力錨定型結構——斯坦福伯克利周邊一圈，MIT哈佛周邊一圈。

中國438家裏，北京159家排第一，廣東90，上海58，浙江29，江蘇26。北京是研究和模型的中心；而廣東加上浙江江蘇，合起來145家——這是中國製造業密度最高的兩條帶。

美國的AI長在大學旁邊，中國的AI長在工廠旁邊。

 同一個百分比，兩個相反的意思 

這份報告裏有一個內在矛盾，很精彩。

發布過開源模型的公司佔比：美國約15%，中國約17%。幾乎一樣。

光看這個數，結論應該是"兩國開源程度差不多"。

但蘭德接着看了另一個東西：OpenRouter。

這玩意兒你可以理解成一個模型中轉站——開發者不用一家家去註冊賬號，在這上面就能一站式調用三百多個不同廠商的模型。它每天公布每個模型被用掉多少token。

中美在OpenRouter平台token量份額變化

在這個平台上：

2024年底，美國模型佔前七大模型token量的85%—90%，

中國模型接近於零。

2026年4月，兩國持平。

2026年4月30日流量最大的九家裏，美國三家（Anthropic、Google、OpenAI），中國六家（騰訊、Moonshot、DeepSeek、阿里Qwen、MiniMax、智譜）。

中國這六家，旗艦模型全部開源。

美國那三家，只有Google開源，而且只開小尺寸。

全球調用量前五的模型中，常常有4個以上來自中國。

數據來源OpenRouter

所以你看，同樣是15%和17%，但意思完全相反。

美國那15%，分佈在生態的邊緣：小公司、非旗艦、開個小號意思一下。

中國那17%，分佈在生態的頂端：每個體系裏最強的那個模型，都是免費下載的。

同樣的比例，一個是外圍行為，一個是主流路線。

價格上就更直白了。

蘭德把中美主要模型放在同一張圖上：中國的開源模型密集地擠在每百萬token一到兩美元、智能基準分48到54的那一小塊；美國的專有模型跨度是一到十二美元、48到60分。

當然最頂端還是美國的。

但中段的價格已經不由美國定了——同等測得的智能水平，中國是四分之一到五分之一的價錢。

當然，這也不意味中國模型已經碾壓美國同行了，不是的。

同一家蘭德在2026年1月用全球網頁流量做的另一份研究顯示：中國模型的全球份額是從3%漲到13%。有些統計是15%。

全球份額算的是所有企業和普通用戶的調用量。

但不管怎麼樣，都不超過1/5。

也就是說，在所有人裏，中國模型是十三分之一。

但在會算賬的開發者裏（調用OpenRouter的這群人中），中國模型已經打平。

開發者嚐鮮不等於市場佔有，免費也不等於贏。

但「中段價格由誰定」這件事，通常比「頂端歸誰」更早地決定一個生態往哪邊長。

所有產品都是如此。

 報告最誠實的一段 

在最關鍵的兩個技術維度上，大部分格子是空的。

• 模型架構：美國56%未知，中國68%未知

• 學習範式：美國35%未知，中國60%未知

六成到七成，查不出來。

兩國均以Transformer為主，各架構佔比高度相似

你想象一下這個場面：一份64頁的正式研究報告，最核心的表格裏三分之二的格子寫着「不知道」。

蘭德把它們印在正文裏，還專門寫了一節解釋為什麼。

原因寫得很清楚：所有證據以英文來源為主；中國的職業社交檔案滲透率遠低於美國；而且很大一部分中國AI開發，發生在國企、電網、銀行、電信內部——這些主體本來就不對外講自己在幹什麼。

所以這份報告在很大程度上測的不是能力，是披露意願，這本身就是兩個生態最真實的區別之一。

還有，這份報告本身，基本是用AI做的。

26,629家候選公司，由大模型逐個篩，九個維度的分類，由AI完成，每家公司派搜索智能體做大約三十次定向檢索，再去學術庫里拉論文交叉驗證。最後人工複覈的樣本是——25家。

蘭德把這套流程披露得極其徹底，連完整的提示詞都原樣附在了附錄裏。

這是很值得尊敬的做法。

但它同時揭示了一個新情況：不少國外智庫已經開始用AI去偵察AI戰場，而這個偵察兵，只認識英文路標（沒有好壞之分）

順帶說個反直覺的數。有公開記錄顯示與本國軍方存在AI合作關係的公司，美國30.0%，中國16.2%。蘭德自己立刻補了一句：中國這個數幾乎肯定被嚴重低估。

所以這條數據說明不了兩國軍事AI的真實對比。

它說明的是別的東西——在一個人人都在談「看清對方」的時代，我們能看清的，只是對方願意讓我們看清的那一部分。

 達爾文雀 

蘭德的最終結論是這樣的：如果通向更強人工智能的路，最終必須和機器人、世界模型、物理環境學習一起走，那麼中國那份更寬的具身組合，就是美國生態裏缺的一份對沖。如果不必，那這份對沖會很貴。

對沖的賬單，兩邊都已經在出了。

中國這邊：

做人形機器人的公司超過140家，產品超過330款；2026年上半年具身智能行業孖展約九百多億元，是去年同期的五倍；工信部預計2026年產量超過十萬台，是2025年的五倍。

同時，發改委已經有官員公開提醒過度擁擠可能帶來產能過剩；頭部公司裏，有相當比例的收入其實來自科研和教育客戶，而不是真實產線。

美國這邊：

61%的公司是純軟件，做人形機器人的只有2%。幾千億美元的資本開支，幾乎全部押在同一個假設上——智能可以主要靠軟件交付。

其實，更準確的畫面不是兩個選手在同一條跑道上。

我們之前說，達爾文當年在加拉帕戈斯群島看到一群雀鳥。同一個祖先，但不同的島上，喙長得完全不一樣。硬殼種子多的島，雀鳥的喙就粗短有力；蟲子多的島，喙就細長。

沒有哪個喙更先進。只有哪個喙更適合那個島。

中美的AI，現在看着就像這個。

同一個祖先——都是Transformer主導，同樣比例在做基礎模型，同樣比例在用強化學習。

兩座不同的島——一邊是全世界最貴的知識工作者和最成熟的企業軟件市場，一邊是全世界最大的製造業和最密的機器人裝機基礎。

於是長出了兩種喙。

生物學管這個叫適應輻射，不叫賽跑。

賽跑有終點線，有名次。

分化沒有——只有當環境變了的時候，才知道哪一種身體恰好合適。

而環境會怎麼變，現在沒有人知道。

本內容來源於網絡，觀點僅代表作者本人，不代表虎嗅立場。如涉及版權問題請聯繫 hezuo@huxiu.com，我們將及時覈實並處理。

End

點擊下方【虎嗅嗅小程序】，獲取 AI 行業最新變化。看完記得【添加到我的小程序】中哦~