发行可转换债券 万国数据旺市中融资

中美顶尖AI模型的性能差距已缩至不足3%，但私人AI投资却相差超过20倍。中国能否以更高效率及国家资本，长期抵消美国的私人投资优势？    李世达 如果只看模型排行榜，中美人工智能竞赛似乎已逐渐进入势均力敌的阶段。DeepSeek崛起后，阿里千问等中国模型持续迭代，美国企业已不再像数年前般稳占绝对领先。斯坦福大学《2026 AI Index》显示，截至今年3月，中美顶尖模型在相关排行榜上的性能差距已缩至2.7%，甚至在不同榜单上互有领先。 但另一边的资本帐，却呈现完全不同的景象。 同一份报告显示，2025年美国私人AI投资达2,859亿美元，中国只有124亿美元，前者是后者的23.1倍。换言之，当两国顶尖模型的性能差距已缩至不足3%，背后私人资本的投入却仍相差超过20倍。更值得注意的是，这种落差到了2026年也没有明显消失。 首季中国AI相关初创企业融资超过1,100亿元，约162亿美元，同比大增185%。但同期PitchBook统计的全球AI风险投资达2,555亿美元，其中OpenAI、Anthropic及xAI三家美国企业便占67.3%，涉及约1,720亿美元，单是三家公司取得的资金已是同期中国AI初创企业融资额10倍以上。虽然统计口径不同，仍反映全球AI风险融资正高度集中于美国头部企业。 从基建投入看，情况亦相似。高盛去年底估计，中国主要互联网企业2026年AI相关投资超过700亿美元，仅相当于美国Hyperscalers的15%至20%。Capital Group则估计，美国大型科技企业资本开支将由2025年的4,250亿美元升至今年7,910亿美元，中国同期由570亿美元增至1,180亿美元，差距由7.5倍略收窄至6.7倍。 不过，私人投资并不是中国AI资本帐的全部。2025年中国启动规模600亿元的国家人工智能产业投资基金；今年又传出正研究未来五年投入约2万亿元建设全国AI数据中心网络，惟相关方案仍在制定。美国政府也在增加AI投入，Brookings对截至今年3月联邦AI合约的统计显示，已义务化资金约72亿美元。这些数据口径不同，但至少显示两国资本结构存在明显差异：美国AI扩张更依赖科技企业及私人资本，中国则有更明显的政府及国企参与。 国家资本能否带动私人投资？ 既然已有大量国家资本投入，为什么中国私人投资仍未同步增长？关键首先在商业回报。Amazon、Microsoft及Google拥有庞大的全球云服务业务，新增数据中心及GPU，可以直接向全球企业出售算力、模型及软件服务。中国云市场更多集中于国内，大模型又陷入价格竞争，技术快速提升，却未必能同样迅速转化成收入和现金流。 中国大型科技企业的盈利压力亦限制了投资能力。阿里（BABA.US; 9988.HK）今年4月至6月资本开支达676.8亿元，同比大增75%，同期净利润却下跌75%，其后更配股筹集约102亿美元支持AI发展；百度（BIDU.US; 9888.HK）第二季收入同比下降4%，净利润降至23亿元。对这些企业而言，大规模AI投资会更直接形成盈利、现金流及融资压力。 国家资本可以承担数据中心、电网、国产晶片及基础科研等长周期项目，却主要解决“谁来出钱”的问题，不能保证市场愿意为AI服务付钱。若需求和盈利未同步形成，政策主导的供给亦可能出现低利用率或资源错配。真正的考验，是国家投入能否转化成商业需求和盈利，再吸引下一轮私人资本。 这种需求差距，也可从中国AI供应商的收入结构窥见。高速光模块供应商中际旭创（3308.HK；300308.SZ）今年上半年海外业务收入大增209.9%至396.15亿元，中国内地收入仅增7.7%至21.63亿元，海外市场已占总收入近95%。 中际旭创身处AI数据中心投资最前线，其业绩某程度上像是一张全球AI资本开支的温度计。公司财报指出，阿里、腾讯（0700.HK）及百度今年首季合计资本开支约647亿元，同比增18%；Microsoft、Amazon、Meta及Google第二季合计资本开支达1,649亿美元，同比增约86%。一家中国AI基建龙头目前最大的需求增量主要来自海外，反映出中国企业已成为全球AI基建热潮的重要供应商，但中国本土市场产生的需求增量，仍远不及海外。 然而，私人资本较少并不代表中国AI必然按比例落后。受先进晶片限制，中国企业即使投入同等资金，也未必能取得与美国企业相同的算力，反而被迫提高模型效率、降低推理成本并加快国产晶片适配。这也部分解释了为何私人投资相差23倍，模型性能却只差2.7%。 但效率能否持续抵消资本差距仍是未知数。AI正走向Agent、多模态及机器人，大规模推理将需要更多晶片、电力和数据中心。若美国企业每年持续多投入数千亿美元，更多算力和试错能力仍可能重新反映为技术优势。 美国的烧钱模式同样面对过度投资风险。若巨额AI基建最终无法带来足够收入，今天的资本优势也可能变成明天的折旧、债务与闲置产能。对中国而言，国家资本能否把算力、晶片与基础设施进一步转化为市场需求、企业盈利和私人资本的持续投入，将决定这套模式能走多远。 中国已证明，较少的私人资本并不妨碍AI技术快速追赶。但当AI进入更依赖算力、电力与大规模推理的下一阶段，效率优势能否继续抵消资本差距仍有待观察。当模型差距愈来愈小，资本能否持续转化为需求、盈利与再投资，可能成为中美AI竞争新的分水岭。 李世达，咏竹坊编辑。他的联络方式：shihtalee@thebambooworks.com 欲订阅咏竹坊每周免费通讯，请点击这里