Related articles
中美 AI 竞争正在从“ 同一场竞赛的不同阶段” 演变为“ 两场不同竞赛的两种赌注”。
近日，全球 AI 领域两则消息值得关注。一则是英伟达宣布与贝莱德、黑石、高盛等六大华尔街机构组建独立算力融资平台，计划调动超过 5000 亿美元第三方资本投入 AI 基础设施建设，黄仁勋将其定义为“AI 工厂” 的资产证券化。
另一则来自知名行业报告，今年上半年，中国人形机器人制造商出货量占据全球 97% 以上份额，工业和商业应用占比从去年同期的 50% 升至 70% 以上。
这两则消息看似无关，却共同折射出中美 AI 竞争分岔的可能。
这一分岔并非突然发生。回溯过去半年，信号早已出现。
今年 3 月，国家数据局局长刘烈宏在国新办发布会上披露，中国日均 Token 消耗量从 2024 年初的 1000 亿跃升至 140 万亿，增长约 1400 倍。1 月，工信部等八部门联合印发 《“ 人工智能+制造” 专项行动实施意见》，指向制造业 AI 应用；7 月，国家发展改革委等在世界人工智能大会上发布 《人工智能合作发展行动计划》，提出覆盖数据、算力、生态、赋能、人才、规则、治理与伦理八个方面的国际合作框架。
用量扩张与政策推进同步发生，表明中国 AI 已进入一个新的阶段。政府的关注点不再停留在 AI 作为技术层面的应用，而是将其纳入生产方式，要求嵌入工厂产线、物流体系、工业软件和公共基础设施。这一转变的实质，是从消费互联网周期切换至工业增长周期。
规模信号与政策转轨
转变的起点，是 AI 在中国经济中扮演的角色发生了变化。
Token 用量是上述转变最直观的指标。从 2024 年初的 1000 亿到今年 3 月的 140 万亿，两年多增长约 1400 倍。需要指出的是，上下文窗口从 4K 扩展到 128K+等技术因素对这一数字有放大效应，且 Token 衡量的是调用量而非实际产出。但这一量级的增长已足以表明，AI 在中国的使用密度正在从实验性阶段过渡到规模化应用阶段。
算力基础设施构成了这一增长的支撑。中国信通院数据显示，全球总算力中美国占 32%、中国占 21%，差距约 1.5 倍。需注意，总算力口径较宽，涵盖基础算力与智能算力等多种类型；在高端智能算力尤其是训练算力方面，美国仍保有明显优势。
但在 AI 应用侧，中国的推理需求因应用场景规模而快速攀升。国际 AI 模型聚合平台 OpenRouter 的数据提供了佐证，今年 2 月的一周内，中国 AI 模型周调用量约 4.12 万亿 Token，首次超过美国。规模、应用与算力三者之间的正向反馈，构成了当前变革的基础条件。
中美 AI 算力全球占比对比 （2025 年，数据来源：中国信通院、IDC）
如果 Token 用量衡量的是 AI 在数字世界的渗透深度，那么人形机器人的出货数据则标记了 AI 进入物理世界的进度。
据知名行业研究机构 SAG 的报告，今年上半年全球人形机器人出货约 1.91 万台，中国厂商占比 97% 以上。智元机器人出货 8400 台 （占 44%），宇树科技出货 5900 台 （占 31%），两者合计远超特斯拉、Figure AI 等美国企业。
更值得注意的结构性变化是，工业和商业应用占比从去年同期的 50% 升至 70% 以上。这意味着人形机器人正在从展示和研发阶段转入产线部署阶段，AI 进入物理世界的速度，可能比它在数字世界的渗透更快。
与用量扩张同步推进的，是两条政策路径。
今年 1 月 7 日，工业和信息化部等八部门联合印发 《“ 人工智能+制造” 专项行动实施意见》。该文件提出，到 2027 年，推动 3-5 个通用大模型在制造业深度应用，推出 1000 个高水平工业智能体，打造 100 个工业领域高质量数据集，推广 500 个典型应用场景，培育 2-3 家具有全球影响力的生态主导型企业，选树 1000 家标杆企业。文件的政策目标是“ 到 2027 年，人工智能关键核心技术实现安全可靠供给”。该文件聚焦制造业，属于国内产业落地政策。
7 月 17 日，在世界人工智能大会暨人工智能全球治理高级别会议上，国家发展改革委会同有关部门发布 《人工智能合作发展行动计划》。该计划面向国际合作，提出优质数据供给、智能算力普惠、开源生态共享、人工智能深度赋能、数智人才共育、规则标准共建、安全治理协作、人工智能向善八项行动，覆盖数据、算力、生态、赋能、人才、规则、治理与伦理八个方面。
前者是国内产业落地政策，后者是国际合作的顶层框架。两者的着力点不同，前者着眼于构建从数据采集到算力调度、从工业部署到标准制定的技术体系，政策原文表述为“ 推动大模型技术深度嵌入核心生产流程”，指向的是供应链与制造环节；后者着眼于全球治理与合作，为前者的技术输出和标准对接提供国际通道。
理解这一政策转轨，需要回到中国经济的底层逻辑。依靠大规模要素投入驱动增长的路径，其边际效用在递减，劳动力总量趋于平稳，部分行业从高速扩张转入结构优化阶段，传统增长动力放缓。在这一背景下，AI 提供了一条不依赖大规模新增要素投入即可提升产出的路径。其战略意义不在于技术层面的增量，而在于被寄予重建生产率、支撑高质量发展的期待。
改变生产方式：AI 如何重塑经济运行
定位明确之后，问题转向 AI 如何实际改变经济运行方式。
从产业规划的细节看，其着力点不在模型数量，而在生产环节中的效率损耗。规划延误、库存错配、检查偏差、维护停机、从数据生成到决策的滞后，这些是 AI 被要求介入的对象。政策的目标是让 AI 嵌入检测、排程、物流、能源管理、采购等可重复、可量化的流程。这类收益在单个工厂层面可能不显著，但在全国工业层面的累积效应不可忽视。
生产率是否已有回升迹象？一个可参考的宏观指标是全要素生产率 （TFP），即在要素投入不变的情况下产出能提升多少。据武义青 《稳步提升全要素生产率——1991—2024 年我国 TFP 分析与“ 十五五” 提升建议》 测算，中国 TFP 年均增速在 2011-2020 年回落至 2.77% 后，2021-2024 年回升至 3.35%，与中国社科院、清华大学等机构的测算方向一致。
中国全要素生产率年均增速四阶段变化 （数据来源：武义青，2026）
但 AI 在这轮回升中贡献了多少？
近年对中国 TFP 增长来源的分解研究 （多采用增长核算法，从 TFP 增速中剥离疫后低基数回补与新能源产能扩张等因素的贡献，剩余部分归入数字化与广义技术因素） 显示，疫后回补与新能源扩张约贡献六到七成，数字化与 AI 渗透的贡献约在两到三成区间，其余可归因于制度改善、要素配置优化等因素。这一区间仅为方向性估算，表明 AI 已进入中国经济效率提升的驱动因素之一，但精确归因仍受限于数据口径。
工业利润提供了另一维度的参考。据国家统计局数据，今年 1-6 月全国规模以上工业企业利润总额同比增长 18.7%，与 2025 年全年的 0.6% 形成显著反差。
这轮回升的主要拉动力来自电子行业利润增长 96.9%（拉动全行业 8.5 个百分点） 和原材料制造业增长 71.7%（拉动 8.8 个百分点），其中混合了整治“ 内卷式” 竞争带来的价格修复、半导体周期上行以及智能装备与 AI 产业链的拉动。需要指出的是，利润回升与 AI 部署在时间上重叠，但二者的因果关系尚不充分，AI 是同期变量之一，而非唯一驱动因素。
规模以上工业企业利润总额同比增速 （数据来源：国家统计局）
前述 2027 年目标，3-5 个通用大模型、1000 个高水平工业智能体、100 个高质量工业数据集、500 个典型应用场景，其含义需要从产业逻辑角度理解。
3-5 个通用大模型，指向的是从演示性应用转向可复用的工业平台；1000 个高水平工业智能体，要求 AI 具备自主感知、决策与执行能力，从辅助工具升级为生产流程的参与者；100 个高质量工业数据集，对应的是模型训练与部署所需的数据基础；500 个典型应用场景，着眼于让 AI 在企业和区域间形成可复制的部署模式，而非停留在孤立试点。
培育 2-3 家生态主导型企业和选树 1000 家标杆企业的目标，则将模型、数据、算力、知识与治理纳入统一框架。整体来看，政策试图将完整的 AI 技术栈纳入产业政策体系。
上述规划已有落地案例。
据公开报道与工信部典型案例，在质检环节，河北移动与同福集团的碗粥 AI 质检系统采用 5G 与算力结合方案，实现毫秒级瑕疵筛查，替代了传统人工目检；厦门光电产业园的 LED 屏产线将质检环节迁移至云端 AI，降低了漏检率和用工强度。
在核心流程渗透方面，福建三明一家钢企的热轧产线，AI 视觉质检检出率稳定在 95% 以上，并具备从缺陷反向推导工艺波动、输出优化建议的能力；马钢的炼钢转炉紧平衡组产系统将 AI 用于组产调度，入选工信部 2025 年典型案例。这些案例表明，AI 的工业应用正在从质检环节向排程、工艺优化等核心环节延伸。
AI 对经济的影响不仅限于单点效率提升，更在于它改变了经济运行的传导机制。
政策的深层意图可以从一个更宏观的视角理解。中国试图让算力、数据与工业流程知识形成互动关系，类似于资本、劳动力与物流在早期增长阶段所发挥的协同作用。这一定位使 AI 更接近一种“ 协调技术”，其功能在于降低多方协作中的信息与决策成本，而历史上生产率的大幅提升往往源于此类协调效率的改善。中国所寻求的，是一种能够使算力、数据与工业知识形成系统化耦合的工业架构。
AI 的经济影响并不局限于 AI 产业本身，更体现在它沿供应链的传导。工厂效率提升后，出口商获得更有竞争力的成本结构；库存周转加快，物流企业的资金占用降低；负荷预测精度提高，公用事业的电网运行更趋稳定。
即便 AI 模型服务本身的营收规模有限，其对供应链整体效率的影响是显著的。这也是政策反复聚焦制造业的原因，制造业环节的效率溢出更广，也更容易量化。产能利用率提升 1 个百分点、废品率下降、采购周期缩短，这些微观层面的改善累积后，对总体增长的影响可能超过若干模型发布本身。
AI 同时也在成为组织能力的筛选机制。数据治理完善、决策链条短、流程纪律严格的企业，能够将同一模型转化为更高的利润率和更快的吞吐量；管理基础薄弱的企业则难以实现同等效果。这意味着 AI 在提升行业整体效率的同时，也在加剧行业内部的分化，宏观层面的生产率提升，将转化为微观层面的企业竞争力分化。数字化基础扎实的企业，在这一过程中将处于有利位置。
两条路径的分岔与长期图景
回到开头的两则消息。英伟达的 5000 亿美元融资平台和中国厂商 97% 的人形机器人出货占比，代表的不是同一场竞赛的两个选手，而是两场不同竞赛的两种赌注。
美国的路径可以概括为“ 算力即资产”。5000 亿美元的融资平台将算力基础设施转化为可投资的金融标的，逻辑是，算力需求指数级增长，算力供给需要大规模资本前置投入，而金融机构可以通过持有算力资产获取长期收益。
这一路径的优势在于资本动员能力，华尔街的信贷工具可以在短时间内撬动远超财政拨款的资金量。但其隐含假设是，算力本身的供给能力决定竞争胜负，掌握算力供给方就掌握了 AI 产业链的主导权。
中国的路径可以概括为“ 算力即生产力”。政策重心不在算力资产规模，而在算力的产出回报，每单位算力能撬动多少工业效率改善。人形机器人 97% 的出货占比并非偶然，它依托的是中国在制造环节的供应链密度和场景落地速度。这条路径的优势在于应用渗透的深度和效率溢出的广度，但短板在于高端算力供给受制于人。
硬件约束是这条路径上最现实的障碍，但中国 AI 芯片正在取得实质性进展。
据 IDC 等机构统计，今年第一季度国产 AI 芯片在国内市场份额首次突破 50%（约 52.3%），华为昇腾以约 37% 居国产首位，英伟达在华份额从 2019 年的 95% 降至约 42.7%（2025 年全年国产份额约 41%，英伟达约 55%，下降趋势仍在延续）。昇腾 950PR 在 FP4 精度、特定推理模型测试中，推理性能达到英伟达 H20 的 2.87 倍，部署成本显著低于同级别方案 （不同来源给出的比例从三分之一到四分之一不等，以华为官方口径为准）。
需要指出的是，上述突破主要集中在推理侧，训练侧美国仍掌握约 69% 的高端算力份额。
芯片是当前的约束点，但并非不可逾越。面对硬件限制，中国的应对路径是提升软件效率、优化部署策略，并优先在算力回报率最高的行业进行选择性部署。国产芯片在推理环节已具备落地能力，训练侧的追赶进度将决定中国能否掌握 AI 技术演进的主导权。
中国 AI 加速卡市场国产份额变化趋势 （数据来源：IDC、洪泰智造）
判断这一布局的长期成色，需要区分时间跨度。短期内，AI 可能仍以资本聚集和估值驱动的周期性主题形式出现；中期看，竞争力将取决于企业能否将 AI 转化为成本下降和产出效率提升；长期看，关键在于 AI 能否被吸收进生产体系，成为中国工业基础设施的一部分，正如铁路、电信和支付体系曾经经历的路径。从政策逻辑看，周期性体现在推广过程中，结构性变化则蕴含在政策目标的设计中。
对最终走向的判断，可以设定三种情景。这三种情景并非笼统的乐观或悲观，而是锚定在几个可观测的指标上，TFP 增速能否回到 4% 以上，训练侧国产芯片份额能否突破 30%，人形机器人年出货量能否达到 6 万台。
情景一 （乐观）：AI 深度嵌入生产体系，成为类似铁路、电信的基础设施。工业智能体大规模部署，TFP 增速持续回升至 4% 以上，国产芯片训练侧份额突破 30%，人形机器人年出货量超过 6 万台，中国形成“ 算力— 数据— 工业知识” 的闭环生态。
情景二 （基准）：AI 在制造业的部分环节实现规模化落地，推理侧国产替代基本完成，但训练侧仍依赖进口。TFP 增速温和改善至 3.5%-4% 区间，训练侧国产份额维持在 15%-25%，人形机器人年出货量在 3-5 万台。AI 对生产率的贡献稳步增长但尚未形成质变。
情景三 （保守）：AI 主要停留在应用层和消费层，工业渗透不及预期，芯片约束未实质性缓解。TFP 增速回落至 3% 以下，训练侧国产份额低于 15%，人形机器人年出货量不足 2 万台。政策目标部分搁浅，AI 更多作为效率工具而非生产方式变革存在。
上述情景的最终走向将由运营数据决定，而非政策宣示。就目前而言，信号指向一个明确方向，中国将 AI 与制造业、数据集、生态系统和治理框架相结合，其目标是持续性发展而非短期主题。
中美 AI 竞争正在从“ 同一场竞赛的不同阶段” 演变为“ 两场不同竞赛的两种赌注”。美国以 5000 亿美元的金融工具押注算力资产的证券化，中国以产业政策和制造能力押注算力的生产率转化。截至今年 8 月，中国 AI 发展可被理解为“ 由周期性落地推动的结构性调整”，短期内存在不确定性，但方向已基本明确。
回到近日的两则消息。英伟达的 5000 亿美元指向一个事实，算力基建的资本竞赛正在加速，美国在这一维度上拥有压倒性的金融工具优势。
中国厂商 97% 的人形机器人出货占比指向另一个事实，在 AI 进入物理世界这件事上，中国的制造能力和场景密度已经建立了阶段性领先。
两条路径的分岔，意味着胜负不再由单一指标决定。如果 AI 的未来取决于算力供给规模，美国大概率领先；如果取决于算力嵌入生产体系的深度和效率，中国的胜率更高。
最终判断取决于一个尚未被回答的问题，AI 的价值究竟产生在算力本身，还是产生在算力被使用之后。
（本文首发钛媒体 APP，作者 | AGI-Signal，编辑 | 焦燕）
更多精彩内容，关注钛媒体微信号 （ID：taimeiti），或者下载钛媒体 App
