2026 年,中美两国以截然不同的思路重塑 AI 技术栈。当"Token"从技术术语演变为企业的成本单位与竞争筹码,AI 竞争已在三个嵌套层面同时展开:国家如何配置资源、企业如何将资源转化为优势、组织如何在使用 AI 时守住核心能力。
国家的资源禀赋决定了本国企业的 Token 价格和技术选项;而企业能否将 Token 转化为真实的营收与利润增长,则取决于组织内部能否守住那些“最易被替代却至关重要”的人类技能。
第一部分 国家战略分野:AI 是竞争实力的放大器
一、美国:持续资本驱动的技术创新
BCG 2026 年中美 AI 发展研究指出,美国在人才和资本两项上保持明显优势,中国则在算力上加速追赶,并依托知识产权优势开辟新路,优先将 AI 能力铺向实体经济。

美国技术创新的起点可概括为“赢在资本与人才”。2023 年以来,美国 AI 初创企业吸引约 3,800 亿美元风险投资,20 家最大科技公司 2024 年研发投入超 3,000 亿美元。资本正向基础设施层迁移:2025 年美国顶级科技公司资本开支已超 4,000 亿美元,预计 2026 年突破 6,000 亿美元,支撑超 50 吉瓦的数据中心装机容量。

围绕 OpenAI、Anthropic、英伟达等巨头,美国已形成价值超 1.5 万亿美元的交叉投资和算力承购合同网络。这既是竞争优势来源,也埋下系统性风险种子:任一关键节点的违约或需求不及预期,都可能产生“涟漪效应”波及整片网络。
二、中国:政策 + 企业成本效率双驱动的务实创新
中国选择了一条差异化路径:不追求资本规模的对等竞争,而是集中力量降低模型成本、推动应用普及。自 DeepSeek R1 发布以来,中国头部模型能力已靠近美国前沿水平,但价格仅为零头。例如,月之暗面 Kimi K2.6 定价约为 1.71 美元/百万 Token,而美国旗舰模型 GPT-5.5 约为 11.25 美元,价差超 6 倍。这种“性能贴近、价格甩开”的组合得益于开源模型生态的共同发力。
成本优势正转化为普及速度。中国已成为 77 个“全球南方”国家的最大贸易伙伴,并通过“一带一路”深化基础设施与产业合作。2025 年末,中国开源模型的全球累计下载量已超过美国同类产品。

中国的应用导向既有企业敏捷落地的需求,也有政策配套支持。2025 年 8 月,国务院发布《关于深入实施“人工智能+"行动的意见》,提出到 2027 年在六大领域实现智能终端普及率超 70%,到 2030 年超 90%。此后一年内,多部门密集出台细则,形成从顶层设计到垂直行业的完整政策闭环。

政策合力已在产业数据中显现。中国的落地节奏更扎实,正处于从概念验证走向规模化的临界点,具身智能便是最直观的体现。
中国具身智能迎来拐点
2026 年被视为人形机器人的“应用元年”。中国人形机器人出货量占全球比重已超八成,整机年产量有望突破 10 万台,上半年相关领域融资总额达 460 亿元人民币,覆盖 200 余家企业,应用场景已从展示扩展至 3C 电子、汽车制造、仓储物流等真实产线。

中国具身智能的快速崛起源于国家战略引导与资本持续投入的双重驱动。自 2023 年人形机器人被定位为“颠覆性产品”以来,“具身智能”连续写入《政府工作报告》并被纳入“十五五”规划重点培育产业。国家通过顶层规划、技术攻关和场景开放,加速技术从实验室走向产业化。
资本成为另一核心驱动力。国家级产业基金、地方政府引导基金及市场化 VC/PE 共同构建起覆盖企业全生命周期的资本体系,通过“耐心资本”模式陪伴企业跨越研发周期长、商业化慢的门槛。
政策提供战略方向,资本加速资源配置,二者共同推动中国率先完成具身智能从技术突破到场景规模化落地的闭环,形成区别于海外市场的“中国路径”。

中美顶层战略出现分化:美国主攻前沿技术突破,中国侧重规模化落地与 AI 赋能实体经济。映射到企业竞争层面,差距不一定在于模型,而在于“用 AI 出成绩”的能力。
第二部分 企业竞争力:谁能把 AI 转化为护城河
一、只有 6% 的公司真正把 AI 变成了优势
BCG 对 600 余家美国上市公司的研究显示,基于 AI 技术、人才、部署三大支柱构建的评分体系中,仅有 6% 的公司称得上真正的"AI 领先企业”。这一小群体过去三年行业调整后的股东总回报比行业中位数高出 9.3 个百分点,且超额回报完全来自营收增长和利润率扩张,而非估值溢价——市场奖励的是真实业绩。
值得注意的是,仅次于“领先企业”的“活跃企业”梯队几乎没有任何回报溢价,说明 AI 对企业的价值贡献并非线性累积,而是要跨过某个临界点才会显现。

有别于"AI 导致裁员”的舆论叙事,领先企业的员工数量增速反而比行业中位数高出 3 个百分点。它们没有收缩人力规模,而是把 AI 释放出的产能重新投入了增长。AI 提升单位工作产出效率后,企业可以服务更多客户、拓展相邻市场,实现收入与利润同步增长。更有 21% 的企业愿意承受短期利润受损的压力,依托 AI 搭建新产品与新商业模式。

二、Token 竞争:从降本工具到价值创造
AI 模型带来的竞争优势源于两大特性:一是形成持续自我强化的“增长飞轮”,二是具备弹性伸缩能力以实现精准产需匹配。
AI 能力普及的本质回到“谁能更高效地把智能应用到具体业务的价值创造上”。我们将这种新竞争形态称为“基于 Token 的竞争”。BCG 分析显示,Token 使用量最高的五分之一企业,其营收同比中位数增速达 16.5%,是使用量最低组的三倍以上,证实了"Token 消耗与商业表现正相关”。

在 Token 使用上存在两种误区:要么只盯着“省了多少人力成本”,低估了新增长机会;要么一味追求"Token 消耗最大化”,制造虚假繁荣。为此,BCG 建议采用“智能回报率”(ROInt)指标,把 AI 产出的价值除以人力与 Token 的总成本,并将 Token 预算归属权从 IT 成本中心转移到战略规划部门,把“减少的人力”重新定义为“释放出可投入更高价值工作的产能”。
第三部分 组织与技能:AI 红利背后的隐性风险
BCG 把 AI 变革拆解为三次转型:从零星试用到构建生态,从试点到规模化部署,最关键的是第三次——跨越“人才鸿沟”。数据显示,从“活跃企业”跃升到“领先企业”时,技术和部署维度得分变化不大,唯独人才得分几乎翻了三倍。领先企业中具备 AI 相关技能的员工占比达 13%,是落后企业的十几倍。这验证了"10-20-70 法则”:70% 在于人员、流程和组织变革。
一、“分布式去技能化”:不是个人问题,而是系统问题
当组织成功把 AI 嵌入几乎所有工作流程后,是否正在悄悄丧失某些无可替代的能力?BCG 将此现象称为“分布式去技能化”。在一项覆盖 70 位高管的全球调研中,半数受访者已观察到能力退化迹象,超过六成认为这将在未来三到五年内构成实质性威胁。
更值得警惕的是,受访高管认为对组织长期表现最重要的能力——判断与决策、问题理解与界定、创造性思维等,恰恰也是最容易被 AI 侵蚀的能力。

其中,“问题理解与界定”被认为是长期表现最关键的能力,而“判断与决策”则是去技能化风险评分最高的能力。相比之下,共情与倾听、自我认知、好奇心、韧性等依赖人际关系和具身经验的能力,暂时处于相对安全区,并能反过来保护那些正在被侵蚀的核心能力。
二、去技能化如何在组织内部扩散
能力侵蚀有一条清晰的传导链条,始于对 AI 输出“不加质疑地照单全收”。随之而来的是责任感和归属感的稀释,"AI 说的”正在成为员工推卸责任的挡箭牌。接下来是建设性思辨减少、思维多样性下降,因为当所有人使用同一套 AI 工具时,产出和思路会自然趋同。
更深层的问题出现在人才梯队上:当 AI 接管了初级员工传统上通过做研究、写初稿等“苦活累活”,新人失去了积累判断力的机会,缺少形成专业直觉所必需的重复训练,而组织却在同时期待他们承担过去需要多年经验才能完成的任务。
三、六条应对策略
面对这一风险,目前仅有一成企业制定了系统性应对策略。基于观察,可归纳出六条成熟路径:
- 设定组织层面的使用边界:明确哪些场景必须有人工复核、哪些任务划为"AI 禁用区”,并纳入正式的 AI 行为准则。
- 重新设计工作流程:明确哪些任务必须保留人类主导,尤其是承载师徒传承和隐性知识转移的环节。
- 把技能发展显性地纳入绩效考核:评估员工“质疑 AI 输出”的能力,而非仅限于“使用 AI"的能力。
- 在日常工作中嵌入固定的“技能补给仪式”:如定期开展全员 AI 禁用的案例研讨与团队复盘。
- 训练员工以“非线性”方式使用 AI:要求 AI 先给出“行不通的方案”以倒逼批判性思考。
- 在 AI 工具内嵌反思提示:强制用户在获得 AI 建议前先给出简要判断依据。
这六条策略共同指向一个结论:人类的判断力、创造力和因果推理能力是一种“用进废退”的可再生资源。无论是企业跨越 AI 价值创造的门槛,还是组织抵御去技能化的侵蚀,解题思路关键在于对人的持续投入。
纵观三个层面:国家层面的资源禀赋和政策选择,决定了企业面对的 Token 价格、技术栈选择和落地节奏;企业层面的竞争,比拼的是谁能用“智能回报率”框架把 Token 转化为真实的营收增长;组织层面的挑战则提醒所有人,如果不能同时守住员工的判断力和问题界定能力,优势也可能在 AI 红利的糖衣下被悄悄透支。
对于企业管理者而言,摆在眼前的是三个层层递进的问题:你的企业依附于哪一种国家 AI 供给逻辑?你的组织是否已建立起能把 Token 消耗转化为真实价值的管理框架?在推动全员使用 AI 的同时,你是否为员工保留了能真正练出判断力的“笨功夫”?三层问题环环相扣,答案将决定谁能穿越这场竞争,成为真正的领头羊。
注:文中数据均引自下述公开来源,如需追溯原始出处请查阅对应原文。
BCG 全球智库:
AI Talk Is Cheap, Value Creation Is Rare;The Era of Token-Based Competition Is Here;The Great Divide: How the US and China Are Splitting the AI World;When Everyone Uses AI, Companies Risk Losing Critical Skills。
其他参考资料:
中国国务院及相关部委公开政策文件;长江商学院;IDC;新华社等公开报道。
阮芳是波士顿咨询公司(BCG)董事总经理、全球资深合伙人,BCG 全球智库中国区联席负责人。
吴淳博士是波士顿咨询公司(BCG)董事总经理、全球资深合伙人,BCG 中国区执行合伙人。
俞晨骜是波士顿咨询公司(BCG)董事总经理,全球合伙人,BCG 科技和数字化赋能专项中国区负责人。
如需联络,请致信 GCMKT@bcg.com
声明
原创内容的最终解释权以及版权归波士顿咨询公司所有。如需转载文章,请在信息栏输入“转载”,获取转载须知。

