美中人工智慧差距評估:未來競爭與全球領導力分析

美中人工智慧差距評估:未來競爭與全球領導力分析
Photo by Igor Omilaev / Unsplash

在當今科技競賽中,人工智慧(AI)已成為國家實力與經濟發展的關鍵指標。中國明確表示其目標是在2030年前成為全球AI領導者,這不僅包括個別模型的表現,更涵蓋廣泛的AI創新與應用。本文將深入分析美中AI競爭的現況、發展趨勢與潛在影響,並探討中國實現其野心的可能性。

摘要:美中AI差距現況評估

根據對美中人工智慧競爭關鍵領域的分析——包括政府與風險投資資金、產業法規、人才、技術擴散、模型表現以及運算能力——目前中國在這些領域多數未能超越美國,也難以在其設定的2030年時間表內持續領先。我們的研究顯示,中國AI產業很可能成為全球第二大AI勢力,其模型在特定時期或領域可能超越美國對手。根據公開可用的Elo基準測試,中國生成式AI模型目前落後於美國競爭對手約三至六個月,但新的算法突破以及智能代理和協作AI系統的發展可能在2030年前顯著改變兩國模型的競爭力。

中國的AI戰略與生態系統發展

自2017年中國政府採納專門計劃以來,中國一直致力於發展世界領先、具全球影響力的AI產業。以DeepSeek在2025年1月推出的R1模型為標誌性里程碑,中國AI產業展現了顯著進展。

中國AI研究社群很可能受益於政府的支持性政策環境、政府主導的投資計劃、日益高質量的人才池以及學術界與產業間不斷加強的聯繫。像DeepSeek這樣的中國AI企業通過創新和擁抱開源運動獲得了性能提升。這些公司同時擅長採納美國同行和國內競爭對手實施的技術,並優先考慮成本效益以保持在國內市場的競爭力。中國開源模型正在國內外獲得採用,同時中國的發明人和組織在軟件、金融和能源等許多關鍵產業的生成式AI應用方面申請的專利數量也在增加。

儘管取得這些進展,中國的AI產業仍面臨重大挑戰:AI領域的私營部門總投資遠遠落後於美國,中央政府資金可能小幅落後於美國聯邦投資。中國獲取國內AI相關人才的能力雖在改善且國內產業吸引力增加,但仍然不足,美國可能保持其歷史優勢。中國的法規雖然開創性,但對有意將產品公開的團隊可能造成創新阻力。此外,中國的半導體產業雖然在國際先進技術出口管制下取得顯著進展,但仍不太可能滿足AI加速晶片快速增長的需求。

政府與風險資本投資分析

截至2025年初,美中兩國針對AI相關技術的資金投入都呈上升趨勢。直接比較困難的原因在於定義問題以及——尤其是中國方面——數據不透明性,但美國聯邦政府對民用(非軍事)AI的資金投入很可能每年超過中國中央政府數十億美元,特別是考慮到北京方面到大約2023年為止支出下降的證據(部分可能受COVID-19影響)。

當包含州級和省級活動時,政府主導投資的平衡可能傾向中國,那裡的引導基金結合公共和私人資本,每年約投資160億美元於可能與AI相關的公司(廣義定義)。美國AI公司的私營部門總投資遠超中國私營部門投資。

根據Federal Budget IQ的數據,美國聯邦政府已將AI和IT研發支出從2021年的82億美元增加到2024年的104億美元,增幅近27%。2025財年預算為AI和IT研發支出分配了112億美元。扣除美國國防部(20.35億美元)和國防高級研究計劃局(14.1億美元)的支出,美國聯邦政府用於民用應用的AI和IT研發支出約為73.3億美元。其中,「核心」AI預算(19.55億美元)是最大組成部分,雖然可能與AI相關的高容量計算領域的資金也在快速增長。2025財年美國聯邦政府「核心」和「交叉」AI的預算總計為28億美元(不包括國防部和DARPA)。

競爭優勢因素:人才與監管環境

國際AI人才庫可能繼續有利於美國,這是因為持續(儘管下降)的移民優勢和精英教育機構的質量,但這種優勢對AI競爭的實際影響可能正在減弱。AI擴散而非創新很可能決定在經濟和地緣政治上從技術中受益的「贏家」,但美國或中國是否有更大擴散水平尚不清楚,一個指標(專利)卻顯示中國在許多行業佔據領先地位。

根據對模型基準測試、Elo分數和行業專家評估的分析,中國生成式AI模型目前可能落後於美國競爭對手三到六個月,但這一時間差距正在縮小。在保持成本競爭力的同時縮小性能差距很可能為中國帶來回報,推動中國生成式AI模型在國內外的採用。

獲取高質量培訓數據和智慧財產權是一個日益受到爭議的領域,美國可能保持競爭優勢;兩國公司都在利用用戶生成內容(UGC)訓練生成式AI模型。採用開源在中國AI公司中更為普遍,很可能使中國能夠比美國專有模型更廣泛地擴散其模型。

技術挑戰與硬體依賴

美國出口管制幾乎肯定促使中國政府加速為AI硬體、半導體產業和用於訓練和託管AI模型的高性能計算基礎設施提供資金。中國的半導體產業可能仍面臨生產7納米(nm)以下芯片的瓶頸,並且幾乎肯定在嘗試使用替代技術開發自己的極紫外(EUV)光刻工具,以推進國產AI加速器生產。

儘管當前美國總統政府表示維持美國在AI發展中的領先地位是優先事項,但早期減少公共科學資金投入和因所謂的簽證違規而針對國際學生的行動很可能有損於這一目標的實現。

通往AGI的競賽:國家安全與經濟增長的關鍵

通往人工通用智慧(AGI)的競賽,根據AI專家和產業領導者估計將在未來五到十年內結束,對國家安全和經濟增長具有相當大的影響。人類水平AI模型的成本下降和普及化——意味著AI可以執行大多數以前由人類完成的任務,而且比人類做得更好——很可能擾亂未來工作的同時導致經濟爆炸性增長,AI預計到2030年將為全球經濟貢獻15.7萬億美元。

研究人員繼續就AI的存在風險和對抗性使用進行辯論,範圍從促進化學、生物、放射和核(CBRN)威脅到針對民主進程及支援進攻性網路作戰。「AI霸權」的概念捕捉了AGI競賽的地緣政治影響,美國和中國被許多人視為領跑者。

2025年1月20日,中國人工智慧研究公司DeepSeek發布了R1,這是一個開源推理大型語言模型(LLM),與當時OpenAI最先進的o1模型競爭。隨後一週,美國AI硬體公司英偉達市值蒸發5930億美元,創下美國歷史上單日最大市值損失紀錄。媒體標題將DeepSeek發布R1比作太空競賽的「史普尼克時刻」,指的是1957年10月4日蘇聯出人意料地將史普尼克衛星發射入軌後,對手能力認知的快速且意外轉變。

美蘇「導彈差距」理論可能是更準確的冷戰類比。就像導彈生產一樣,AGI競賽不僅僅由創新能力(發射史普尼克)來衡量,還包括擴散能力,即國家生態系統能力,以調動資本、人才和政策,迅速將創新轉化為經濟生產過程(贏得冷戰)。導彈差距類比也準確地反映了美國領導人長期擁有關於蘇聯導彈能力的不準確數據;直到1961年,衛星圖像創新才允許決策者獲得關於這個所謂「導彈差距」的可靠數據。

中國AI產業與格局

2017年7月,中國國務院發布了《新一代人工智慧發展規劃》(AIDP),概述了到2030年實現「世界領先」AI理論、技術和應用,成為「世界主要AI創新中心」的雄心勃勃路徑。為實現這些目標,AIDP要求(部分)進行以下活動:

  • 支持一個發展框架,使產業、學術界和其他部門能夠追求聯合和跨學科創新
  • 尋求研發、應用和整體產業的突破,包括AI相關產業鏈
  • 改善人才培訓和招聘,特別關注AI和AI在其他領域的應用
  • 促進AI應用和AI相關創新跨產業、企業和服務
  • 協調中國主要科技支柱對AI的支持,包括重點計劃、特大項目、基地和人才計劃
  • 採用法律、法規和規範系統來幫助AI發展
  • 傳播中國AI進展的消息,以培養一個熱心且支持AI發展的社會

中國科技創新機構很可能強調(雖然被認為缺乏)政府(包括實驗室和國有企業)、產業和學術界之間的合作。因此,來自這三個部門的實體都為中國的AI發展企業做出貢獻,並越來越多地對AI研發和應用產生顯著貢獻。

半導體產業的進展

中國半導體產業在支持國家AI生態系統方面扮演關鍵角色,這對實現AIDP目標幾乎肯定至關重要。面對美國明確努力遏制中國在AI和半導體領域的進展,中國對國內半導體產業的支持——包括財務支持——幾乎肯定加速了。一個國家主導投資的工具,多階段的「中國集成電路產業投資基金」(「大基金」)截至2023年2月在至少74家國內半導體公司擁有少數股權。

華為是中國半導體產業特別重要且崛起的貢獻者,但多家中國公司正在取得進展或實驗方法,雖然這些能力遠非尖端且可能無法滿足當前國內需求,但長期內很可能減輕中國對美國和其他國家的依賴。2025年3月,彭博社報導(引用未具名消息來源)稱,中國螞蟻集團找到了一種使用國產晶片訓練AI模型的方法,成本更低但與使用美國晶片獲得的結果相似。

結論與未來展望

基於對美中AI競賽關鍵產業支柱的分析,我們評估中國不太可能在其理想時間表內持續超越美國。目前,中國在任何這些支柱中要么落後,要么沒有明顯領先於美國。美中AI競爭很可能變得更加激烈,中國AI產業可能成為全球第二,其AI模型可能在某些時候或某些部門超越美國。

儘管中國依靠長期投資、迭代創新以及面對強化晶片出口管制下效率提升需求的推動取得了顯著進步,但半導體產業的限制和人才短缺等挑戰仍然存在。對中國和美國來說,保持在AGI競賽中的領導地位幾乎肯定被視為國家安全的關鍵。為此,中國幾乎肯定會繼續應用其合法和非法工具促進國家發展,包括經濟間諜活動和外國人才招募。

美國及其盟國政府應密切監控中國生成式AI公司的重大發展以及公共和私人研發投資,同時監控AI擴散指標,如應用和專利。西方AI公司應考慮積極保護自己免受模型提取和知識產權(IP)盜竊。受出口管制約束的西方硬體製造商應繼續改進最終客戶盡職調查流程,以保持合規並避免向受美國制裁實體的代理銷售。西方政府、學術和企業實體應採取政策,促進全球AI人才的招募和保留。

Read more

寫程式碼從來不是瓶頸:LLM時代的軟體開發挑戰

寫程式碼從來不是瓶頸:LLM時代的軟體開發挑戰

多年來,我始終認為在軟體工程中,撰寫程式碼的行數從來都不是真正的瓶頸所在。 真正的瓶頸過去是,現在依然是程式碼審查、透過指導和配對進行的知識傳遞、測試、偵錯,以及協調與溝通的人為成本。所有這些都被包裹在工作票、規劃會議和敏捷儀式的迷宮中。 這些原本旨在提升品質的流程,往往比撰寫程式碼本身更能拖慢我們的速度,因為它們需要思考、共享理解和健全的判斷力。 如今,隨著大型語言模型(LLMs)使生成可運行程式碼變得比以往更快,一種新的說法出現了:撰寫程式碼曾經是瓶頸,而我們終於突破了它。 但這種說法並不完全正確。 新增軟體的邊際成本正趨近於零,尤其是有了LLMs的幫助。但理解、測試和信任該程式碼的代價是什麼?比以往更高。 LLMs轉移了工作負載——而非消除它 像Claude這樣的工具可以加快初始實現速度。但結果往往是更多的程式碼流入系統,以及對負責審查、整合和維護它的人員施加更大壓力。 這在以下情況尤為明顯: * 不清楚作者是否完全理解他們提交的內容。 * 生成的程式碼引入了不熟悉的模式或違反了既定慣例。 * 邊緣案例和非預期的副作用並不明顯。 我們最終陷入這樣一種情

By Eric Lau
每位員工250K的KPI文化:導致科技業裁員潮的主因

每位員工250K的KPI文化:導致科技業裁員潮的主因

為何我們的工作永遠充滿不確定性 在科技產業中,尤其是SaaS(軟體即服務)領域,我們正見證著一場靜默卻深刻的變革。這場變革不僅關乎技術創新,更與一個經常被忽略的關鍵績效指標(KPI)有關:每位員工創造的收入。當這個數字低於行業標準—通常為每位員工25萬美元—大規模裁員往往就在眼前。讓我們深入探討這個現象如何影響亞洲科技生態系統,以及您如何在這個波動的環境中保障自己的職業發展。 SaaS市場的爆炸性增長與現實 SaaS行業正經歷前所未有的擴張。根據最新數據: * 2020年(疫情前,AI風潮前):美國年收入超過100萬美元的SaaS公司約5,000家(其中48%採用產品主導增長策略PLG) * 2025年(AI時代,PLG效率提升):此類公司增至約15,000家(其中72%採用PLG策略) 簡而言之,越來越多的SaaS公司正競逐同一塊市場蛋糕,而這一趨勢沒有放緩的跡象。雖然個別成功的公司增長速度比以往更快,但整體競爭也更為激烈。 值得注意的是,典型SaaS/PLG業務結構中,約70%或更多的成本與員工相關。儘管AI現已成為較大的成本中心,大多數SaaS公司仍主要由人類運

By Eric Lau
驗證機制的悖論:在AI時代證明人類身分的挑戰與未來

驗證機制的悖論:在AI時代證明人類身分的挑戰與未來

在科技快速發展的今日,我們面臨著一個奇特的矛盾:那些致力於開發最先進人工智能的公司,同時也在投入大量資源開發機制——驗證碼(captcha)——來防止機器冒充人類。這種矛盾不僅僅是表面上的諷刺,更揭示了更深層次的科技發展悖論。 證明自己是人類的荒謬困境 每一天,我們這些真正的人類正越來越難以證明自己是人類,而機器卻能輕鬆解決這些令人煩惱的驗證難題。我們已經到了一個令人啼笑皆非的地步:辨識扭曲的文字、尋找企鵝或識別模糊的腳踏車圖片,對人類來說遠比對GPT-4或Gemini等多模態模型更具挑戰性。 更諷刺的是,隨著機器變得越來越智能,人類反而越來越難以證明自己的人類身份。這場軍備競賽已然變得荒謬,而且不可能永遠持續下去。 這不僅是一種諷刺,更是一種結構性矛盾。我們花了數十年時間建造旨在匹配或超越人類能力的智能系統,同時又開發工具以防止這些系統進入我們的數位空間。 這導致了一個看似技術性精神分裂的悖論:在這個世界中,人類必須越來越多地通過設計來阻擋他們自己創造的智能的測試。 超越驗證碼:建立人類層 但這不僅僅是用戶體驗問題,它是一個文明層面的挑戰。 如果任何人在任何地方都

By Eric Lau
少即是多:當產品出現問題時,該減少而非增加功能

少即是多:當產品出現問題時,該減少而非增加功能

在科技產業中,我們經常會有這樣的迷思:當產品不盡理想時,增加更多功能就能解決問題。然而,現實往往恰恰相反。如果您的產品核心價值不明確,添加再多花俏功能也只是掩蓋根本問題,而非真正解決它。本文將深入探討為何在產品開發中,「少即是多」的理念至關重要。 為何我們總是想要增加更多功能 作為產品開發者,我們熱愛創造。這種創造的過程令人著迷,彷彿一種有趣的嗜好而非工作。當面對產品問題時,我們的本能反應往往是:「讓我們再加些功能來解決它!」這裡加點新特性,那裡更新一些設計,然後所有策略問題就迎刃而解了,對吧? 可惜,事實並非如此。對於產品成長緩慢、用戶參與度低和留存率差等問題,這些都反映出產品整體基礎的弱點,而非僅僅缺少幾個功能。每個產品都有其核心價值主張,更多功能可以使這一價值更好,但它不能修復核心本身的問題。 產品過度擴張的危險信號 這種傾向於通過增加功能來解決問題的偏見在整個科技行業非常普遍。太多團隊在面臨困境時,他們的解決方案似乎總是構建更多產品!構建是有趣的,他們擅長這樣做,然後一切問題都變成了他們手中錘子的釘子。 然而,現實是,當業務運作不良時,正確的做法是後退一步,不是

By Eric Lau