本文来自微信公众号： 邱兵 ，作者：邱兵
1，1956，达特茅斯
1955年夏末，四个美国科学家写下了一份经费申请书。
他们分别是年轻数学家约翰·麦卡锡、研究人脑与机器学习的马文·明斯基、信息论奠基人克劳德·香农，以及来自IBM的计算机工程师纳撒尼尔·罗切斯特。
四个人准备在第二年夏天邀请十位左右的研究者，来到美国新罕布什尔州汉诺威的达特茅斯学院，共同工作两个月。
他们为这次暑期研究计划取了一个此前几乎没有人使用过的名字：
人工智能。
至于达特茅斯学院，对，就是孩子们申请大学时喜欢的那所达特茅斯学院。美国八所常春藤盟校之一。虽然英文名称是Dartmouth College，但实际上是一所拥有本科、医学院、工程学院和商学院的研究型大学。
2022年的秋天，我去了一趟汉诺威，从波士顿开车只需要两个半小时。夕阳西下，达特茅斯学院的红砖教学楼、白色钟楼和中央草坪，都淹没在漫山遍野的红叶之中，仿佛火焰在燃烧。
人工智能的起点，原来离我这么近。
在那份后来成为历史文献的申请书中，四位美国科学家提出了一个大胆得近乎狂妄的假设：人的学习以及智能的其他特征，原则上都可以被精确描述，从而由机器加以模拟。他们设想，未来的机器可以使用语言、解决过去只有人类才能解决的问题，甚至改进自己。
那是在1955年。
当时的计算机体积庞大、价格昂贵，程序往往需要通过打孔卡输入。但这四个人已经决定：把“智能”从哲学、神学和文学的问题，变成一个可以研究、计算和制造的工程问题。
1956年夏天，研究者们陆续来到达特茅斯。那个暑期项目并没有像后来的神话所描绘的那样，一夜之间造出一台聪明的机器。与会者之间存在分歧，计划中的许多人也没有全程参加，他们甚至没有留下一份统一的总结报告。
但他们做成了一件最重要的事：
他们给未来取了一个名字。
从那以后，研究机器学习、语言、逻辑、神经网络和自动推理的人，开始相信自己属于同一个领域。人工智能由此成为一门学科，也成为美国此后七十年持续投入的一项国家能力。
2，中国70年后才知道人工智能？错！
有人仅仅从达特茅斯会议出发，得出一个简单的结论：美国1956年开始发展人工智能，中国直到最近才突然进入这个领域，所以双方相差了几十年。
错。
中国很早就有自动控制、模式识别、机器翻译、语音识别、计算机视觉和专家系统等研究。这些工作长期存在于大学、科研院所、军工和大型企业的实验室中，只是普通公众很少把它们统称为“人工智能”。
对大多数中国人来说，真正能够感受到的人工智能，可能不是来自一篇论文，而是来自一条新闻、一件商品和一段短视频。
2012年的夏天，上海的宣传部组织我们去听讲座，给我们讲课的年轻人个子小小的，温和而有礼。他说他叫张一鸣，他要做的产品叫今日头条，根据一个人的阅读习惯决定向他推荐什么新闻，“你关心的，才是头条。”
作为一个自视甚高的老媒体人，我用了两三周他的产品，忍不住感叹，这特么也太low了，把我们的专业门槛置于何地？
遗憾的是，我也一直没有删除这个APP，事实上，它掌握了我的不少碎片时间、休闲时刻。
但那个时候，我们并不把这些称为人工智能。
我们更常说的是：
算法。
算法躲在产品背后。直到ChatGPT出现。
人工智能从后台走到台前。它不再只是猜测人的偏好，而是开始与人交流。
2023年以后，“人工智能”在中国由少数实验室里的专业名词，变成了一种全民话题。DeepSeek的出现，又进一步让大量中国人第一次真实地感到：中国也可能制造出接近世界前沿、并且普通人可以直接使用的大模型。
中国在国家层面对人工智能的布局，远不是从ChatGPT之后才开始。2017年，国务院发布《新一代人工智能发展规划》，明确提出到2030年使中国成为世界主要人工智能创新中心。文件一方面肯定中国在论文、专利、语音识别、视觉识别和产业应用上的积累，另一方面也直接承认，中国在基础理论、核心算法、高端芯片、基础软件和顶尖人才方面仍然存在明显差距。
有关中美人工智能的不同，更准确的说法是：
美国更早形成了从大学实验室、基础研究、军事科研、风险资本到超级科技公司的完整循环；中国则在互联网、大规模工程应用和产业数字化的过程中，逐渐积累了另一种人工智能能力。
时至今日，两国面对的是同一道题，却正在给出不同的答案。
3，美国拥有最昂贵、也最稀缺的部分
讨论中美人工智能，首先必须承认美国的领先。
这种领先不是体现在某一个聊天机器人上，也不仅仅体现在某一天的模型排行榜上，而是体现在一整套由芯片、算力、资本、大学、公司和全球人才共同构成的系统中。
美国拥有英伟达，控制着最重要的人工智能训练芯片和CUDA软件生态；拥有微软、亚马逊和谷歌，控制着全球最主要的云计算平台；拥有OpenAI、Anthropic、Google DeepMind等前沿模型公司；还拥有Meta、苹果、特斯拉等掌握海量用户、终端和应用场景的超级企业。
斯坦福大学《2026年人工智能指数报告》显示，2025年美国私人AI投资达到2859亿美元，而中国约为124亿美元，前者是后者的23倍以上。尽管这个数字未必能够覆盖中国政府引导基金、地方投资和国企投入，但它依然说明，美国资本市场可以为人工智能投入一种其他国家很难匹敌的资源规模。
美国人工智能最重要的优势，并不是某一家公司的聪明，而是它可以同时支持很多条昂贵甚至彼此冲突的道路。
绝大多数尝试会失败。但是美国的资本、大学和创业体系，允许一些聪明人在很长时间里失败，直到其中极少数人找到下一条道路。
这是一种极其昂贵的能力。
中国企业通常更早面对商业化压力，必须考虑用户在哪里、收入从哪里来、成本如何降低。美国最顶尖的AI公司却有可能在巨额亏损和收入尚不确定的情况下，继续投入数百亿美元，追逐一个还不存在的未来。
可以说，美国人工智能最强大的部分，首先是它不断抬高技术天花板的能力。
4，模型差距正在缩小，结构差距依然存在
但是，过去几年，人工智能领域正在发生一系列变化：
中美最强模型之间的能力差距，远比许多人想象的更小。
斯坦福大学《2026年人工智能指数报告》认为，中美顶尖模型已经多次交换领先位置。截至2026年3月，领先的美国模型在相关综合评测中只高出中国模型约2.7个百分点，过去一年差距大体保持在个位数范围。
这不意味着中国已经全面追平美国。
排行榜衡量的是模型在一组既定测试中的表现，它无法完整衡量芯片能力、原始创新、企业生态、算力储备、可靠性、安全能力和全球商业化。
但它至少说明了一件事：
在最容易被公众感知的模型能力层面，中美已经不是过去想象中的十年之差或者五年之差。
黄仁勋曾用一种芯片工程师式的语言说，中国在人工智能上只落后美国“几纳秒”。
几纳秒当然不是一个严谨的测量单位，而是一个比喻。它提醒美国人，中国并不是一个可以依靠短期封锁永远压制的竞争者。
然而，模型差距很近，不等于整个系统同样接近。
人工智能至少可以被分成几个层次：最底层是芯片、设备和能源；再往上是数据中心、云计算和开发框架；其上是基础模型；然后是软件、智能体和各种行业应用；最上面才是最终用户和整个社会的生产方式。
中国在模型层迅速逼近，在应用层具有巨大的市场和工程优势，但在高端芯片、先进制造设备、核心软件生态和全球云服务方面，依然受到明显制约。
所以，真正的判断应该是：模型能力的差距正在迅速缩小，模型背后的结构性差距仍然很大。
5，美国抬高天花板，中国压低门槛
如果只能用一句话概括中美人工智能路径的不同，我愿意如是说：美国不断抬高人工智能能力的天花板，中国不断压低人工智能应用的门槛。
美国最具象征性的产品，是最先进、最聪明、也最昂贵的模型。
每一次升级，人们都会问：它的推理能力提高了多少？它能否独立完成更复杂的任务？它距离通用人工智能还有多远？
中国市场则不断追问另一组问题：如何让模型更便宜？如何让普通人免费使用？如何让它运行在成本更低的芯片上？如何让它进入手机、汽车、工厂、电商、客服、办公和教育？
中国消费者长期习惯免费或者低价的互联网服务。中国企业也习惯通过用户规模、广告、增值服务、云业务、电商和其他场景间接变现。
事实是，中国AI产品普遍面临强大的价格压力。
一个产品即便能力稍强，如果价格过高，也可能迅速失去用户；一个模型即便不是全球第一，只要足够好、足够便宜、足够容易部署，就可能迅速进入千万人的生活。
这种竞争有时显得残酷，企业必须不断降价，甚至免费提供服务，商业模式却迟迟无法确立。
但它也会产生另一种后果：
人工智能被迅速平民化。
美国公司的优势，是能够让世界看到最先进的AI可以达到什么高度；中国公司的优势，则可能是让世界看到，AI可以多么便宜地进入普通人的生活。
这可不是简单的高低关系。天花板决定技术的上限，门槛决定技术的覆盖面。
历史上的许多技术革命，最终胜负也并不只取决于谁首先发明了最先进的产品，还取决于谁能把它制造得足够便宜、足够稳定，并让大多数人真正使用起来。
6，开源：从中国的不得已，变成一种战略
中美人工智能的另一条分界线，是开源。
这里需要做一些解释，事实上，“开源模型”并不是一个绝对准确的概念。许多被称为开源的大模型，其实只是开放了模型权重，训练数据、训练过程和全部代码并未完全公开。因此，更严谨的说法通常是“开放权重模型”。
但是对于普通开发者来说，这种区别并不妨碍一个基本事实：开放权重意味着，开发者可以把模型下载下来，放在自己的服务器上运行，可以进行修改、微调和二次开发，也不必把所有数据交给模型公司。
在这一轮人工智能竞赛早期，美国最强大的模型大多是封闭的。
OpenAI和Anthropic等公司投入巨资训练模型，再通过订阅和API收费。这种模式有明显优势：公司可以保护技术秘密，控制模型更新，获得持续收入，也更容易限制危险用途。
开源则意味着，公司投入巨资训练出来的能力，可能被竞争对手免费使用。
因此，美国AI行业长期存在一种担忧：开放模型会削弱领先者的商业优势，也可能让危险能力更容易扩散。
中国企业却越来越积极地选择开放权重。这部分当然有价值观因素，但也有非常现实的竞争逻辑。
中国企业在高端算力和全球品牌上处于弱势，单纯依靠封闭订阅，很难复制OpenAI的道路。开放模型却可以迅速吸引开发者、企业和海外市场，建立用户和生态。
对一个暂时无法在最高性能上稳定领先的公司来说，开源也是一种把“产品差距”转化为“生态优势”的方法。
一家公司未必拥有最聪明的模型，但如果它的模型可以自由下载、低成本部署、被无数开发者改造，就可能获得比封闭模型更广泛的影响力。
DeepSeek、阿里通义千问以及一批中国模型，正是在这条道路上迅速扩大了国际影响。
最近，中国开放模型的低成本和可部署性甚至开始吸引美国开发者和企业。一些中国模型虽然未必在所有能力上超过美国最顶尖产品，但它们“足够好”，而且价格便宜、便于本地运行。
更有意思的是，美国科技行业的态度也开始变化。2026年7月24日，英伟达、微软、Meta、IBM、戴尔、Palantir、Hugging Face等二十多家科技公司和机构联合发表公开信，呼吁美国政府不要过早限制开放权重模型。
他们认为，开放模型可以扩大AI的使用范围、促进竞争、增强安全研究，并维持美国的技术领导力。
这封信的背景，正是美国开始担忧中国开放模型在全球范围内迅速扩散。也就是说，开源原本被一些美国公司视为可能削弱商业优势的道路，但当中国企业开始借助开放模型争夺开发者和全球市场时，开源又变成了美国不能轻易放弃的战略阵地。
这是中美人工智能竞争中很有意味的一幕：中国因为资源约束和市场竞争，选择了更开放、更低成本的道路；而这条道路取得影响力以后，又迫使美国重新认识开放的价值。
当然，美国并没有统一转向开源。Anthropic等公司仍然强调前沿模型的安全风险，主张严格保护高端算力和模型能力。美国科技界内部依然存在两种判断：一种认为，应该控制先进芯片和前沿模型，延缓中国接近技术前沿；另一种则认为，美国真正的优势不只是拥有最强的模型，而是让全世界继续使用美国的芯片、软件和技术标准。
这两种道路的冲突，至今没有答案。
封锁可能延缓竞争者的速度，也可能迫使竞争者更快建立独立体系；开放可以扩大自身生态，也可能让技术能力更快地被对手掌握。
美国真正担心的，已经不仅仅是中国拥有一个强大的模型。它更担心中国形成一套价格更低、更加开放，并且能够在亚洲、非洲、拉丁美洲和全球南方广泛使用的人工智能生态。
7，美国讨论AGI，中国追问生产力
中美人工智能还有一个并不绝对、但越来越清晰的差异：
美国前沿公司反复讨论通用人工智能，讨论机器什么时候能够达到或者超过人的综合智力，讨论一旦超级智能出现，人类该如何控制它。这种讨论听起来有时像科幻小说，但它确实影响着美国AI公司的资源配置。
如果相信通用人工智能即将出现，那么最合理的选择，就是尽可能集中资本、芯片、电力和人才，制造出更强大的前沿模型。因为最先到达终点的公司，可能获得难以想象的经济和政治权力。
中国当然也有企业追求通用人工智能。但从国家政策、地方政府和大多数大企业的行动看，中国更迫切的问题是：人工智能如何变成现实生产力。
它如何进入制造业？如何改造供应链？如何用于自动驾驶、机器人、医疗、电商、金融和公共服务？如何成为下一轮经济增长的动力？中国拥有世界上规模庞大、门类齐全的制造业体系。因此，中国的人工智能道路可能更重视“产业人工智能”，而美国更耀眼的部分则是“前沿人工智能”。
一个追问机器最后能够多聪明，一个追问机器明天能够创造多少生产力。
这并不意味着美国不重视产业应用，也不意味着中国不追求技术前沿。但两国资源禀赋和现实压力不同，决定了它们的注意力分配有所不同。
美国拥有全球最强大的资本市场和软件产业，可以承受对遥远未来的巨额押注。
中国正面临增长转型、人口老龄化、制造业升级和就业压力，因此更加需要AI在现实经济中尽快产生效果。美国试图制造最聪明的机器，中国则可能试图建设最广泛使用机器的社会。
8，中国生产人才，美国聚集人才
中美人工智能最值得讨论的，可能还是人才。
美国最重要的芯片和人工智能公司中，华人面孔非常多。黄仁勋创办英伟达，苏姿丰领导AMD，陈立武执掌英特尔；李飞飞、吴恩达等华裔学者长期站在人工智能研究和产业的前沿。美国AI实验室和芯片公司内部，更有数量庞大的中国出生研究者和工程师。
会不会，华人天生特别适合人工智能？这个判断没啥科学依据。
更准确的解释是：
AI在这个历史阶段，恰好奖励了中国过去几十年大规模培养的某一类能力。
人工智能需要数学、统计、计算机、电子工程、自动化、大量工程训练。这些正是中国教育体系几十年来重点投入的学科。数学和理工科被中国家长视为一条评价标准明确、就业稳定、能够跨越语言和地域限制的上升通道。
当人工智能成为全球最重要的产业时，中国过去积累的大量数理和工程人才，突然进入了一个最能发挥他们能力的历史时刻。
看起来不是某种神秘的“大脑优势”，而是一个国家长期积累的人才结构，恰好遇上了一场需要数学、工程、耐心和大规模协作的技术革命。
MacroPolo的全球AI人才追踪显示，2024年全球顶尖AI研究者中，约38%是在中国完成本科教育的；而美国机构雇用了约59%的顶尖AI研究者。
中国是全球最重要的AI人才生产国之一，美国仍然是全球最强的AI人才集聚地。
DeepSeek创始人梁文锋说：
“创新首先是一个信念问题。”
ChatGPT出现以后，中国从投资人到大公司，很多人都认为前沿差距太大，因此更愿意做应用，而不是挑战基础创新。真正的差距有时并不仅仅是资金和人才的差距，也是一个社会是否相信原创能够发生在自己这里。
这可能是中国AI面临的最深层问题。
美国的优势，不只是它拥有更多顶尖人才，而是它让来自中国、印度、欧洲和世界各地的人才，相信最重要的事情可以在那里发生。
中国下一阶段真正需要建设的，也不只是更多实验室和数据中心，而是一种能够让优秀人才愿意留下，并且相信自己有可能创造原创成果的环境。
9，一个话题，两种态度
技术路线的不同，也反映在公众态度上。在美国，人工智能从一开始就伴随着强烈的担忧。
皮尤研究中心2025年的调查显示，50%的美国成年人面对日常生活中越来越多的AI应用时，是“担忧多于兴奋”；只有10%的人“兴奋多于担忧”。57%的美国成年人认为AI给社会带来的风险很高，而认为其收益很高的人只有25%。
人工智能首先冲击美国社会中最有公共表达能力的一批人：程序员、记者、作家、律师、教师、设计师和艺术家。他们比蓝领工人更早看见，机器不仅可能替代体力劳动，也可能进入知识和创造领域。
中国社会目前对AI总体更加热情。一个重要原因是，过去几十年中，中国普通人的生活确实因为技术而发生了巨大改善。
互联网、电商、移动支付、高铁、外卖和智能手机，在多数人的经验中首先意味着便利、效率和新的机会。
但中国的技术乐观也不一定永远持续。当AI的影响从“帮人做事”逐渐变成“减少招聘”，从一个有趣的工具变成职业竞争者时，中国社会对它的态度也可能改变。
美国先看见了人工智能的风险，中国先看见了人工智能的机会。很难说谁看错了谁看对了。它只说明两个社会正从不同的历史经验出发，迎接同一项技术。
当然，无论哪一种答案，都还没有回答那个更古老的问题：
我们究竟希望人工智能把我们带去哪里？
中美可能会建设两个不同的人工智能世界，但是，决定这两个世界最终形态的，不只有芯片、资本和算法。它还取决于两个社会各自珍视什么。
中国文化中有一个关于“初心”的古老传统。人们常说的“不忘初心，方得始终”，并非《华严经》的逐字原文，但却源自它对“初发心”的重视：一个人最终能走到哪里，与他最初为什么出发有关。
美国历史著作《分裂的共识》结尾，也使用了一个相似而美丽的比喻：
“仅知道热量、火花、锤子和铁砧是不够的，他们还得在烈火中锻造一只理想的锚。为了能让这艘船闯荡风浪，他们要学习一种古老的、几乎被遗忘的技术：用星星导航。”