搜索
首页
大数快讯
大数活动
服务超市
报告
跨企查
产业带
导航
知识体系
工具箱
产业园
更多
百科
找货源
跨境招聘
DeepSeek
首页
>
1090亿美元vs93亿美元:这组数字背后,藏着AI竞争的真相
>
1090亿美元vs93亿美元:这组数字背后,藏着AI竞争的真相
基本透明
2026-01-20
1
导读:AI竞争进入新阶段:中美差距在缩小,效率和应用场景成关键;欧洲与日本各有应对之策。
2025年,
美国
AI私人投资1090亿美元,中国93亿美元。差了12倍。如果只看这个数字,你会觉得中美AI差距大到绝望。
但等等,再看另一组数据:2025年初,
DeepSeek
发布R1和V3模型,训练成本只有600万美元,在主流基准测试上打平了GPT-4——后者的训练成本超过1亿美元。
两个月内,中国大模型的全球访问量暴涨460%,市场份额从3%飙升到13%。同样的起跑线,有人靠烧钱,有人靠效率。谁才是赢家?
这个问题,不只中美在问。
欧洲
在问,日本在问,全世界都在问。
先说欧洲。一个扎心的事实:Anthropic的250亿美元
融资
,估值3500亿美元。这个数字,比很多欧洲国家一年的科技投资总和还多。
欧洲没有
OpenAI
,没有Anthropic,没有谷歌DeepMind的总部。连比利时国家网络安全中心的负责人都公开说:"欧洲已经输掉了互联网,现在只能接受对美国基础设施的依赖。"
但欧洲不认命。他们的策略是:既然硬件拼不过,就用规则卡位。欧盟AI法案(EU AI Act)是全球最严格的AI监管框架。表面上是保护隐私和安全,实际上是给欧洲企业创造"合规溢价"——你想进欧洲市场?先按我的规矩来。
法国的Mistral AI是欧洲目前最拿得出手的大模型公司,拿了几亿欧元融资。他们的打法很明确:开源。把模型公开,让全世界帮你迭代。
牛津大学数字伦理教授Rosaria Taddeo说了一句话,很有意思:"我们太容易相信'创新只发生在美国'这个叙事了。这是一个危险的叙事。"
德国
L3S研究中心的负责人Wolfgang Nejdl更直接:"我们要成为欧洲的DeepSeek。"欧洲的问题是:有想法,有人才,但没有把这些攒成一个拳头的能力。
日本的情况完全不同。他们的核心问题不是"AI落后",而是"人不够用"。日本是全球老龄化最严重的国家之一。工厂招不到人,医院招不到人,养老院招不到人。
AI对日本来说,不是锦上添花,是续命。所以日本的AI策略非常务实:不卷大语言模型,卷"身体"。什么意思?就是专注于机器人、自动化、工业AI——这些需要"物理存在"的领域。日本在这些方向本来就有积累,丰田、发那科、软银,都是老玩家。监管上,日本走的是"轻触式治理"(agile governance)。不搞欧盟那种重法规,而是用非约束性指南引导行业发展。简单说:你们卷数字AI,我卷物理AI。赛道不同,不正面竞争。
回到中国。数字很诚实:美国AI私人投资是中国的12倍。美国掌控全球约74%的高端AI算力,中国只有14%。按理说,这是碾压级的差距。但DeepSeek的出现,打破了"算力决定论"。DeepSeek V3的训练成本只有600万美元,不到GPT-4的十分之一。同样的性能,成本压缩了90%。怎么做到的?两个字:效率。在芯片受限的情况下,中国团队被逼着优化算法、优化架构、优化一切可以优化的东西。结果反而走出了一条"低成本高效能"的路。2025年,中国发表了约23700篇AI论文,申请了超过35000项AI
专利
。论文数量和专利数量,都是全球第一。斯坦福大学2025年AI指数
报告
的一个关键结论是:中美顶尖模型的性能差距,从两位数缩小到了接近持平。这不是公关话术,是基准测试的数据。
还有一个数据很有意思。过去十年,美国是全球AI人才的黑洞,顶尖研究者都往硅谷跑。
但这个趋势在变。Zeki Data的报告显示,美国不再是顶尖人才的唯一选择。越来越多的人开始往欧洲、往中国流动。
中国这边的变化更明显:2022年,只有29%的中国顶尖AI研究者留在国内;到2025年,这个数字变成了47%。人才回流,是个滞后指标。但一旦出现,说明底层逻辑已经变了。
说了这么多数字,核心问题是什么?
AI竞争的本质,不是谁的模型参数多,而是谁能把AI变成生产力。
美国的优势是资本和算力,打的是"暴力美学"——用钱和芯片堆出来。中国的优势是效率和应用场景,打的是"性价比"——同样的效果,用更少的资源实现。欧洲的优势是规则和伦理,打的是"合规牌"——你想做生意,先过我的审。日本的优势是制造业和机器人,打的是"物理牌"——数字AI你们卷,我搞具身智能。
没有谁一定赢,但有一件事是确定的:只有资本和算力的护城河,正在被一点点瓦解。DeepSeek已经证明了这一点。
我的判断过去两年,AI竞争的叙事是"美国遥遥领先,中国奋力追赶,其他人旁观"。
2026年之后,这个叙事要改写了。中国的"效率流"打法,正在重新定义什么叫"AI能力"——不是你训练了多少万亿参数,而是你能用多低的成本达到同样的效果。
欧洲的"规则流"打法,可能在B端市场形成独特优势——当全球企业都需要合规时,欧洲的"可信AI"标签就有了溢价。日本的"物理流"打法,押注的是AI的下一个战场——当大语言模型卷到头了,谁能让AI"长出手脚",谁就是下一阶段的赢家。
黄仁勋说过一句话:"AI的未来不是一家公司能定义的,是整个生态定义的。"现在看,这个生态正在变得比以往任何时候都更多元。这对中国是好事。
最后一个问题:如果DeepSeek证明了低成本也能做出顶尖模型,那"烧钱换规模"的逻辑还能撑多久?评论区聊聊。
【声明】内容源于网络
0
0
基本透明
1234
内容
123
粉丝
0
关注
在线咨询
基本透明
1234
总阅读
11
粉丝
0
内容
123