九毛九試推加盟求突破

中美頂尖AI模型的性能差距已縮至不足3%，但私人AI投資卻相差超過20倍。中國能否以更高效率及國家資本，長期抵消美國的私人投資優勢？    李世達 如果只看模型排行榜，中美人工智能競賽似乎已逐漸進入勢均力敵的階段。DeepSeek崛起後，阿里千問等中國模型持續迭代，美國企業已不再像數年前般穩佔絕對領先。斯坦福大學《2026 AI Index》顯示，截至今年3月，中美頂尖模型在相關排行榜上的性能差距已縮至2.7%，甚至在不同榜單上互有領先。 但另一邊的資本帳，卻呈現完全不同的景象。 同一份報告顯示，2025年美國私人AI投資達2,859億美元，中國只有124億美元，前者是後者的23.1倍。換言之，當兩國頂尖模型的性能差距已縮至不足3%，背後私人資本的投入卻仍相差超過20倍。更值得注意的是，這種落差到了2026年也沒有明顯消失。 首季中國AI相關初創企業融資超過1,100億元，約162億美元，同比大增185%。但同期PitchBook統計的全球AI風險投資達2,555億美元，其中OpenAI、Anthropic及xAI三家美國企業便佔67.3%，涉及約1,720億美元，單是三家公司取得的資金已是同期中國AI初創企業融資額10倍以上。雖然統計口徑不同，仍反映全球AI風險融資正高度集中於美國頭部企業。 從基建投入看，情況亦相似。高盛去年底估計，中國主要互聯網企業2026年AI相關投資超過700億美元，僅相當於美國Hyperscalers的15%至20%。Capital Group則估計，美國大型科技企業資本開支將由2025年的4,250億美元升至今年7,910億美元，中國同期由570億美元增至1,180億美元，差距由7.5倍略收窄至6.7倍。 不過，私人投資並不是中國AI資本帳的全部。2025年中國啟動規模600億元的國家人工智能產業投資基金；今年又傳出正研究未來五年投入約2萬億元建設全國AI數據中心網絡，惟相關方案仍在制定。美國政府也在增加AI投入，Brookings對截至今年3月聯邦AI合約的統計顯示，已義務化資金約72億美元。這些數據口徑不同，但至少顯示兩國資本結構存在明顯差異：美國AI擴張更依賴科技企業及私人資本，中國則有更明顯的政府及國企參與。 國家資本能否帶動私人投資？ 既然已有大量國家資本投入，為甚麼中國私人投資仍未同步增長？關鍵首先在商業回報。Amazon、Microsoft及Google擁有龐大的全球雲服務業務，新增數據中心及GPU，可以直接向全球企業出售算力、模型及軟件服務。中國雲市場更多集中於國內，大模型又陷入價格競爭，技術快速提升，卻未必能同樣迅速轉化成收入和現金流。 中國大型科技企業的盈利壓力亦限制了投資能力。阿里（BABA.US; 9988.HK）今年4月至6月資本開支達676.8億元，同比大增75%，同期淨利潤卻下跌75%，其後更配股籌集約102億美元支持AI發展；百度（BIDU.US; 9888.HK）第二季收入同比下降4%，淨利潤降至23億元。對這些企業而言，大規模AI投資會更直接形成盈利、現金流及融資壓力。 國家資本可以承擔數據中心、電網、國產晶片及基礎科研等長周期項目，卻主要解決「誰來出錢」的問題，不能保證市場願意為AI服務付錢。若需求和盈利未同步形成，政策主導的供給亦可能出現低利用率或資源錯配。真正的考驗，是國家投入能否轉化成商業需求和盈利，再吸引下一輪私人資本。 這種需求差距，也可從中國AI供應商的收入結構窺見。高速光模塊供應商中際旭創（3308.HK；300308.SZ）今年上半年海外業務收入大增209.9%至396.15億元，中國內地收入僅增7.7%至21.63億元，海外市場已佔總收入近95%。 中際旭創身處AI數據中心投資最前線，其業績某程度上像是一張全球AI資本開支的溫度計。公司財報指出，阿里、騰訊（0700.HK）及百度今年首季合計資本開支約647億元，同比增18%；Microsoft、Amazon、Meta及Google第二季合計資本開支達1,649億美元，同比增約86%。一家中國AI基建龍頭目前最大的需求增量主要來自海外，反映出中國企業已成為全球AI基建熱潮的重要供應商，但中國本土市場產生的需求增量，仍遠不及海外。 然而，私人資本較少並不代表中國AI必然按比例落後。受先進晶片限制，中國企業即使投入同等資金，也未必能取得與美國企業相同的算力，反而被迫提高模型效率、降低推理成本並加快國產晶片適配。這也部分解釋了為何私人投資相差23倍，模型性能卻只差2.7%。 但效率能否持續抵消資本差距仍是未知數。AI正走向Agent、多模態及機器人，大規模推理將需要更多晶片、電力和數據中心。若美國企業每年持續多投入數千億美元，更多算力和試錯能力仍可能重新反映為技術優勢。 美國的燒錢模式同樣面對過度投資風險。若巨額AI基建最終無法帶來足夠收入，今天的資本優勢也可能變成明天的折舊、債務與閒置產能。對中國而言，國家資本能否把算力、晶片與基礎設施進一步轉化為市場需求、企業盈利和私人資本的持續投入，將決定這套模式能走多遠。 中國已證明，較少的私人資本並不妨礙AI技術快速追趕。但當AI進入更依賴算力、電力與大規模推理的下一階段，效率優勢能否繼續抵消資本差距仍有待觀察。當模型差距愈來愈小，資本能否持續轉化為需求、盈利與再投資，可能成為中美AI競爭新的分水嶺。 李世達，詠竹坊編輯。他的聯絡方式：shihtalee@thebambooworks.com 欲訂閱咏竹坊每周免費通訊，請點擊這裏