中国AI的真正优势，美国人反而看得更清楚

最近读到一篇很有意思的文章，来自硅谷的科技播客CyberPink。主持人Afra邀请了两位在湾区做投资的华人——Sancus Ventures的Du Lei和前Google Ventures的Hua Han，做了一次关于中美AI生态差异的深度对话。

他们用了一个比喻：中美AI行业跑在两套完全不同的「操作系统」上。不是说谁好谁差，而是底层的资本逻辑、人才流动、商业模式，甚至什么样的AI应用能跑起来，都有根本性的区别。

我觉得这个视角挺好的，很多观察也确实有启发。今天结合这篇文章，聊聊几个我觉得最有意思的点。

硅谷的AI生态是基金驱动的。Sequoia、a16z这些超级VC决定资源流向哪里，创业者围着这些基金转。

而中国的AI竞争格局，文章认为更像是城市级的产业竞赛。上海、北京、杭州、深圳，每个城市都在围绕自身的产业优势，构建独立的AI生态。上海有MiniMax，杭州有阿里的Qwen，北京有Z.AI和智谱。

这个观察挺有意思。它解释了为什么中国AI公司的格局不会像打车大战时期那样快速合并——AI不是一个单一赛道，而是一个横跨多个垂直领域的基础能力层，每个城市都可以在自己擅长的方向上发力。

文章提到一个细节：GTC 2026（英伟达的年度大会）有三万人参加，其中将近一半是从中国飞过去的。这种跨太平洋的技术交流密度，本身就说明两套「操作系统」并不是完全隔离的。

文章里有一个让我觉得特别坦诚的观察：中美AI行业都存在很强的圈层效应。

在中国，你的学校背景、导师是谁、从哪个实验室出来，很大程度上决定了你能接触到什么样的资源。清华姚班就是一个典型的例子——这个由图灵奖得主姚期智在2005年创立的项目，培养出了大量AI领域的核心人才。

但硅谷其实也一样。谷歌2017年那篇改变世界的论文《Attention Is All You Need》，八位作者后来分别创办或加入了多家顶级AI公司。你跟谁合著过论文、在哪个实验室待过、师承关系是什么，同样决定了你在这个行业里的位置和资源。

更夸张的是，文章提到全球真正参与过万GPU级别模型训练的人，可能只有几百人。这意味着在AI最核心的能力层面，全世界的人才池极其稀缺。无论哪套「操作系统」，顶尖资源都高度集中在极少数人手里。

很多人习惯性地觉得硅谷更「公平开放」，但至少在AI这个领域，两边的人才和资源集中度，其实是类似的。

开源AI模型是这两年非常热的话题。文章认为中国的开源策略，不仅仅是技术理想主义，还有很强的战略考量。

一个角度是国际影响力。很多中等体量的国家——英国、澳大利亚、新加坡、印尼——都在建设自己的AI能力。对它们来说，基于Qwen或GLM这样的开源模型做微调，是阻力最小的路径。开源模型的全球化部署，本身就在扩大技术影响力。

但理想和商业回报之间有张力。文章指出，阿里巴巴最近的财报里完全没有提及开源，暗示资源可能在向闭源产品倾斜。很多公司实际上在走「平行分支」策略——同时维护开源和闭源两条产品线，开源版本通常落后闭源版本3到6个月。

开源是技术理想，也是战略手段，但能不能变成可持续的生意，目前还没有定论。

这是我觉得整篇文章最精彩的部分。

硅谷谈AI应用，几乎都是围绕白领生产力——写代码、写文档、做PPT、发邮件。因为美国白领薪资很高（硅谷高级工程师年薪20万到30万美元），自动化这些工作的「节省价值」很大。

但中国有一个硅谷完全不具备的AI应用场景：制造业。

文章举了一个特别生动的例子。一家中国行李箱厂用的是天然牛皮，传统做法是由经验丰富的老师傅凭手感和目测来决定怎么裁剪——因为每块皮革的纹理、厚薄、瑕疵位置都不同，本质上是一个非常复杂的二维组合优化问题。

现在他们用AI图像识别扫描皮革表面，算法实时计算最优切割路径，用料率显著提升。这类应用在硅谷根本不存在——不是技术上做不到，而是硅谷根本没有皮革制造业。

类似的还有3D打印。文章提到Bambu Lab（拓竹科技）在打印机里集成了AI视觉监测，能自动识别喷头堵塞、打印失控等故障，实时暂停，减少材料浪费。

皮革裁切、热处理参数、食品质检、纺织色彩一致性——每个制造领域都有大量依赖「老师傅直觉」的工艺环节，而这些正是AI最擅长替代的。

商业模式也在变。文章提到一家叫百融云创的企业AI服务商，给新能源车厂部署语音AI代理去激活休眠客户，收费直接跟接通率挂钩——没有效果就不收钱。这种「按结果付费」的模式，可能比传统的SaaS订阅制更适合中国市场。

美国AI的优势在白领生产力，中国AI的优势在制造业落地。这不是谁强谁弱，而是两套「操作系统」服务于完全不同的产业结构。

文章引用了Peter Thiel在《从零到一》里的四象限框架来对比两边的心态。

他们认为美国是「不确定的乐观」——相信AI会带来好的变化，但具体怎么实现、走哪条路，没有统一方向。大家各做各的，赌不同的可能性。Y Combinator W26的录取率已经跌到1%以下，竞争激烈但方向分散。

而中国是「确定的务实」——对困难看得很清楚，但执行力很强，方向很明确。芯片受限就集中攻关国产替代，制造业有优势就把AI往产线上推。不是盲目乐观，而是知道问题在哪里，然后集中资源去解决。

文章还提到一个有意思的现象：OpenClaw（一个开源AI代理框架）在中国的爆发增长远超美国。他们的解释是，硅谷在过去一年里经历了AI代理工具的渐进式演化，而中国的AI生产力应用长期停留在「用AI做PPT」的阶段。当OpenClaw出现时，积压了一整年的需求集中释放，所以增长曲线特别陡。

两种路径各有优劣。渐进式演化更稳健，但容易陷入路径依赖；跳跃式追赶速度快，但基础可能不够扎实。

这篇文章让我觉得最有价值的一点是：不要用一套标准去衡量两个完全不同的系统。中美AI的差异不在于谁跑得快，而在于各自的「操作系统」决定了它们擅长解决不同的问题。