在舊金山舉行的TED AI大會上，曾擔任蘋果、微軟、谷歌高管的創新工場董事長李開復通過視頻連線發表了一場引人注目的演講。他的核心論斷毫不含糊："在AI硬體和機器人製造方面，美國正在被中國超越。"這一觀察揭示了一個日益明顯的趨勢——全球人工智慧競爭正沿著不同的產業路徑分化，中美兩國各自佔據著不同的高地。
李開復的判斷並非無的放矢。近年來，優必選、宇樹科技等中國機器人企業在全球市場上迅速崛起，憑藉完整的供應鏈體系和成本控制能力，已能夠將AI技術整合進高性價比的機器人產品中。優必選在今年累計獲得超過6.3億元的Walker系列人形機器人訂單，而宇樹科技推出的第三代人形機器人起售價已降至萬元級別，這些數字背後是中國製造業在AI硬體領域的系統性優勢。中國企業能夠快速調動從零部件供應到整機組裝的完整鏈條，在生產效率和成本控制上形成了其他國家難以匹敵的競爭力。
與此形成對照的是，美國依然在企業級AI軟體和基礎研究領域保持領先。矽谷的風險投資主要流向大語言模型和企業AI解決方案，這符合美國市場的經濟邏輯——高昂的勞動力成本使企業願意為提升效率的SaaS服務付費，而成熟的訂閱制商業模式也為AI軟體公司提供了清晰的變現路徑。相比之下，中國投資者更青睞機器人和AI硬體項目，因為中國龐大的製造業基礎和相對較低的硬體製造成本，使得這類產品更容易實現規模化生產和市場滲透。
開源生態與演算法競爭
李開復在演講中特彆強調了中國在開源AI模型領域的突破。今年年初，深度求索公司開發的DeepSeek模型在全球引發關注，隨後阿里巴巴、百度、位元組跳動等多家中國科技巨頭紛紛加入開源陣營。這些開源模型在推理、數學和編程等關鍵能力上的表現已接近甚至超越OpenAI和Google的部分閉源產品。英國《自然》雜誌網站曾報道月之暗面公司發布的Kimi K2模型引發轟動,稱世界迎來"又一個DeepSeek時刻"。
開源路線的戰略意義不容小覷。與依賴專有技術的閉源模型不同，開源模型允許開發者自由修改、微調和部署，這不僅降低了AI技術的使用門檻，也為各國構建自主可控的AI系統提供了可能。李開復將開源模型比作"AI界的Linux"，認為這是國家級AI主權模型的關鍵基礎。中國企業在開源領域的積極布局，實際上是在爭奪未來AI生態的標準制定權。
在消費級AI應用方面，中國科技巨頭展現出的迭代速度同樣令人矚目。位元組跳動、阿里巴巴、騰訊等公司早已將AI深度嵌入社交、電商和內容推薦系統中，TikTok在全球市場的成功便是這種演算法優勢的直接體現。相比之下，Meta和YouTube等美國平台在AI驅動的用戶體驗優化上仍處於追趕狀態。這種差異部分源於中國互聯網市場的高度競爭環境——企業必須持續通過技術創新來維持用戶粘性，這種壓力反而加速了AI技術的商業化進程。
能源與算力的底層博弈
然而，李開復最具挑戰性的預測在於能源基礎設施領域。他指出，中國新能源項目的建設速度是美國的十倍，如果這一趨勢持續，中國的AI算力規模可能在幾年內達到美國的十倍。這一論斷觸及了AI競爭的關鍵要素——算力擴張最終取決於能源供應能力。
數據顯示，中國已在全國範圍內規划了"東數西算"工程，建立8個算力樞紐節點和10大數據中心集群，利用西部地區的能源優勢支撐東部的算力需求。截至今年6月,全國存力規模已達1680EB，數據中心機架數量超過900萬標準機架。與此同時，中國特高壓輸電網路的建設形成了全球領先的電力基礎設施體系，為大規模算力部署提供了可靠的能源保障。相比之下，美國雖然在AI晶元設計和雲計算平台上佔據優勢，但在能源基礎設施的擴建速度上顯著落後。
這種差異揭示了AI競爭的本質已從單純的技術研發轉向系統性的產業能力比拼。算力不僅需要先進的晶元，還需要穩定的電力供應、高效的散熱系統和完善的網路基礎設施。中國在製造業和基礎設施建設上的傳統優勢，正在AI時代轉化為新的競爭壁壘。
速度與安全的兩難抉擇
在強調中國優勢的同時，李開復也表達了對整個AI產業發展節奏的擔憂。他最關注的並非技術本身,而是競爭驅動下的盲目提速。"如果全球AI產業繼續以'先上車再修路'的節奏狂奔，重大事故幾乎是必然的。"這一警告針對的是當前AI領域普遍存在的現象——企業為了搶佔市場先機，往往在安全測試和倫理審查尚未充分完成的情況下就推出產品。
這種擔憂並非杞人憂天。今年以來，美國政府密集出台了一系列AI出口管制政策，試圖通過技術封鎖維持領先地位。5月,美國商務部發布《AI晶元出口管制指南》,將使用華為昇騰系列晶元的企業納入管制範圍;7月,特朗普政府推出《人工智慧行動計劃》,強調開源AI可能帶來的安全風險。這些政策反映出美國對中國AI崛起的警惕，但同時也可能促使中美在AI領域進一步脫鉤，形成兩套平行的技術生態。
在這種環境下，AI安全問題變得更加複雜。一方面，技術競賽的壓力使得企業難以放慢創新步伐;另一方面，缺乏全球協調的監管框架又增加了技術濫用的風險。歐盟採用風險分級的監管模式，對高風險AI應用實施嚴格管控;美國傾向於"創新優先"的輕監管;中國則在推動發展的同時加強對關鍵領域的政策引導。這種監管理念的差異，使得建立全球統一的AI安全標準變得困難重重。
李開復的演講實質上描繪了一幅AI時代的新世界圖景：這不是一場零和遊戲，而是多條平行賽道上的競爭。美國在基礎研究、企業AI軟體和晶元設計上仍佔優勢;中國則在機器人製造、消費級AI應用、開源模型和能源算力基礎設施上加速領跑。問題的關鍵不在於誰會成為最終贏家，而在於這種高速競爭能否在保障安全的前提下推動人類整體福祉。矽谷投資者在聽完演講後的感嘆或許道出了真相——AI競爭已不再是單純的技術較量，而是關乎國家戰略、產業生態和全球治理的系統性挑戰。
