中国的AI模型与美国的差距有多大？

圣地亚哥的运营经理Clott过去用Claude写代码，一小时的编程会话，账单大约10美元。今年他换成了DeepSeek的编程模型：同样的活儿，不到50美分。他对Rest of World的记者说，每次去看账单都想笑，而输出质量，说实话，分辨不出区别。

他不是个例。风投公司a16z的合伙人Casado估计，使用开源技术栈的美国初创公司里，大约80%在跑中国模型。2026年2月9日至15日那一周，全球最大的模型聚合平台Open Router上发生了一次安静的政权更迭：中国模型处理了4.12万亿token，首次超过美国模型的2.94万亿。一年前，美国模型在这个平台的份额接近70%；到今年6月，据Bloomberg引用的数据，只剩约30%。买单的不是中国人，是全世界的开发者。

点开这篇文章的读者，多半想要一个数字：差距到底是几年，还是几个月。诚实的回答是：这个问题无法用一个数字回答。能力、价格、用量和收入四个维度，正在给出截然不同的答案。把四个维度看完，才算看懂2026年的这场竞赛。

先看最硬的那块牌子——能力。能力上美国仍然领先，这一点没有悬念。美国研究机构Epoch AI长期追踪全球AI模型的能力与算力数据，其能力指数显示（数据截至2026年1月），2023年以来每一个站上能力前沿的模型都出自美国，中国模型平均落后7个月，最短4个月，最长14个月。需要说明的是，这一结论有时效性：此后新模型的发布可能改变具体月数，但截至发稿，领先与追赶的格局没有变化。Google DeepMind首席执行官Hassabis今年1月说得直白：差距只是几个月的问题，但中国实验室至今还没有证明，自己能率先把前沿再向前推进一步。

但这份领先的成本值得细看。斯坦福AI Index 2026给出了两组必须放在一起读的数字：美中最佳模型的Arena分差已收窄到2.7%，而2023年5月各大基准上的差距还是17.5到31.6个百分点；与此同时，2025年美国的AI私人投资是中国的23倍。23倍的钱，买2.7%的领先。这种资本优势并没有等比例转化为模型评测上的能力差距。巨额投入与迅速收窄的性能差距之间，形成了值得关注的反差。而且，这三年的追赶发生在美国对华芯片管制不断加码的背景下。

还有一个常被忽略的事实：当前中国领先模型大多采用开放权重路线，而美国最前沿模型主要保持闭源。因此，国别差距与开放、闭源模型之间的差距存在较大重叠。Stanford AI Index显示，领先的开放模型与闭源模型之间的能力差距已缩小至约3.3%。

能力落后七个月的模型，凭什么赢得用量？因为AI的计费单位变了。

2025年，OpenRouter上编程类负载的占比从11%涨到超过50%，agent工作流成了吞吐主力。一次聊天问答消耗几万token，一个agent跑完一项编程任务可以烧掉两千万。当账单按token结算，价格就从体验问题变成了生存问题：来自中国的MiniMax M2.5每百万输出token收1.10美元，而Claude Opus 4.6收25美元。Token成本的巨大差异所带来的后果也已经显露：Uber今年4月花光了全年AI预算，沃尔玛6月开始给员工的AI用量设配额，UBS称60%控制预算的企业正在评估更便宜的替代方案。这说明模型成本已经成为大规模部署时无法回避的约束。

不过，围绕中国模型成本优势流传最广的两个数字，都需要校正口径。广为流传的"中国模型占61%"，出自OpenRouter今年2月24日发布的周榜数据，统计的只是当周平台前十大模型的合计token消耗，并非全平台份额——研究中国AI的通讯ChinAI曾专门撰文纠正这一误读；全平台口径下，中国模型的份额约在45%到51%之间。JPMorgan曾发表过的"中国模型便宜50倍"论述，则是拿美国旗舰对比阿里入门级的Qwen Turbo，同级对比的真实价差在10到20倍。数字没有传言夸张，方向没有争议。

真正的问题是：中国模型的低价，究竟来自工程效率，还是由硬件成本和政策支持共同托底？答案分三层，每层性质不同。

第一层是工程，也是成本优势中最具可持续性的部分。稀疏MoE架构把单次推理的激活参数从数千亿压到数百亿量级；小米公开的KV cache三级缓存改造，把显存间的数据搬运量降到原来的七分之一。在先进芯片供应受限的情况下，中国模型厂商不得不更加重视参数激活效率、显存利用率和推理成本，这种资源约束客观上强化了工程优化的动力。第二层是硬件和供应链成本：部分中国模型厂商正加快适配国产AI芯片，以减少对高价进口GPU的依赖，国内采购没有美国厂商的利润加成。第三层是政治经济：美中经济与安全审查委员会的报告证实，甘肃、贵州、内蒙古为AI算力提供最高50%的电价减免，政府还在需求侧补贴API使用。

因此，中国模型的低价既有工程效率支撑，也受到国产算力替代、地方电价优惠和需求侧补贴影响。前者决定成本能降到哪里，后者则影响企业能够以多激进的方式争夺市场。

训练成本约558万美元的DeepSeek V3是工程成果，不是补贴产物；但今年5月DeepSeek把75%的降价转为永久、小米对MiMo系列砍价99%，这已是不以短期盈利为目标的份额战，把价格战打到底的决心背后，站着的不只是财务报表。

量在东边，钱在西边

更值得关注的是，用量和商业收入正在呈现明显分化。融资端，2026年一季度仅OpenAI一家就融资1220亿美元；收入端同样悬殊：美国实验室守住了企业高价值工作负载的定价权，中国模型吃下的是量，不是钱。专注报道欧美以外地区科技产业的国际媒体Rest of World点破了困境：在政治审查和数据安全疑虑之下，中国公司很难把海外用量转化为收入和企业信任。免费的东西传播最快，也最难收费。

但美国的优势同样面临侵蚀。FT报道企业AI成本失控正把买家推向中国模型；据WSJ，OpenAI已在考虑大幅降价应对。而信任是双向消耗品：CSIS指出，美国政府今年6月一度暂停部分前沿模型的境外访问，这类操作可能会促使海外买家分散供应商，给中国开源模型让出空间。

结语：两场比赛

把四块记分牌摆在一起：前沿能力，美国领先约半年到一年；单位成本，中国领先一个数量级；生态用量，正在倒向中国；商业变现，美国压倒性领先。因此，任何只用单一指标判断中美AI胜负的结论，都可能低估这场竞争的复杂性。

接下来，竞争格局主要取决于两个变量。第一个变量，是前沿模型研发的边际回报。如果资本投入差距长期维持在高位，而模型能力差距继续收窄，美国等于在用买航母的钱，维持快艇身位的领先，美国前沿路线的投入效率将面临越来越多质疑。第二个变量，是中国先进算力的现实约束。华盛顿老牌政策智库布鲁金斯学会（Brookings）提交的国会证词指出，国产芯片在单芯片性能、显存容量和带宽上仍显著落后于Nvidia的Blackwell和Rubin；如果下一代能力跃迁仍由训练规模决定，差距可能重新拉开，而不是继续收敛。

这场竞赛正在分裂成两场比赛：一场比谁先摸到智能的天花板，一场比谁先把AI变成水和电。2026年年中，美国在赢第一场，中国在赢第二场。工业史上一次做出类似裁决的是在电力时代：发明电灯的国家，和把电用得最狠的国家，最后是同一个。这一次，未必。AI时代，这两种优势却可能暂时分属不同国家：美国定义能力前沿，中国压低使用成本，而全球市场将决定哪一种优势最终更具持续性。