八月中旬，蘭德公司發了一份64頁的報告，標題是：《中美兩國的AI發展》，副標題是－「來自一個新的AI開發者企業資料集的證據」。四位作者想搞清楚一件事兒，那就是：中國和美國，到底各有多少家公司在真正開發AI，以及，它們分別在做什麼。

聽起來這應該是常識，好像應該已經有人幹過了。但事實是，一直到今天，關於中美AI競賽的絕大多數判斷，依據都只有兩樣東西──幾家明星公司的動向，和兩國政府發出的規劃文件。前者是軼事，後者是意圖。但都不是產業本身。

回到報告。這四個作者的做法是這樣的：先撒網，選出僱了機器​​學習工程師的公司、發過AI論文的公司、持有AI專利的公司、上過模型榜的公司，全撈進來。總共撈到26,629家。

然後開始篩。例如必須是營利性公司，必須總部在中美，必須自己訓練或發展模型，而不是拿別人的模型做整合。他們還用大模型當審核員，並給它下了一個死命令：你在判斷理由裹但凡寫了「可能」、「看起來」、「大概」這種詞，這家公司就直接出局。

篩完最後剩下1,181家。美國743，中國438。這些是數據，報告基於這些數據，探討了他們在這1,181家公司身上看見了什麼；以及──這部分更有意思──他們沒能看見什麼。

1181家公司

我們先看幾個數字：這1181家公司裹，靠「你付錢調我的模型(Model-as-a-Service)」賺錢的，中美各只有約10%。

直覺來說，就是OpenAI、Anthropic、DeepSeek、智譜這一類。但他們全加起來總共只有一百來家，剩下九成，賣的是應用產品－美國約90%，中國約75%。這些公司的客戶根本不關心底下跑的是什麼模型，只關心那玩意兒能不能工作。還有，自己從零訓練基礎大模型(Foundation Model Developer)的公司，美國19%，中國19%。一模一樣。

過去兩年，全部注意力都在場上那六、七個球星身上──誰的參數大，誰的榜單分高，誰又發布了什麼。而看台底下，還有一千多支隊伍在自己踢自己的。

當然，不可否認的是，那10%的公司拿走了絕大部分的錢、算力和版面，影響力遠遠超過10%。但如果AI最終的錢是在剩下那九成裡賺到的，那我們看了兩年的，可能一直是熱身賽。

最像的是大腦，最不像的是身體

蘭德給每家公司打了九個維度的標籤，結果有點意思。先看架構，結論是兩國差不多。用Transformer的公司，美國28%，中國27%。用卷積網路的，13%對11%。用擴散模型的，7%對7%。用強化學習的，19%對19%。

華盛頓之前擔心，美國是不是把寶全押在Transformer這條路上，而中國在多路下注？數據說：不是。中國的國家規劃裹非常提倡要推神經形態運算、要探索後Transformer架構，但在438家中國AI公司裹，走這些路線的比例，並不比美國高。

再看物理形態，兩國就裂開了。純軟體公司（完全不碰硬體）：美國61%，中國26%；做人形機器人的：美國2%，中國12%；做地面機器人和四足的：16%對24%；做自動駕駛的：7%對14%。

資料型別上也對得上：處理三維空間資料的公司，美國27%，中國36%。這裡還有個細節——前面說了，兩國用強化學習的公司比例完全一樣，都是19%。但蘭德把這些公司的資料一家家翻過去後發現：同一個字，在兩國指的是兩件事。

在美國，強化學習主要用來調教語言模型說話──拿人的偏好數據，讓模型回答得更順耳一點。在中國，強化學習主要用在機器人怎麼邁腿、車子怎麼轉彎、產線怎麼調參。一個在教AI說話，一個在教AI走路。同一個技術名詞，練的是完全不同的科目。這就好比中美兩國長給孩子報課外班的比例一模一樣，但一邊報的是演講與口才，一邊報的是體育特長。

所以這份報告裹寫道：中美AI公司的大腦幾乎一模一樣，身體完全不同。

決定身體形狀的是什麼

那為什麼會這樣呢？最省事的解釋是：中國把具身智能寫進國家戰略了，所以中國的具身智能起來了。但如果規劃真能直接決定企業的技術選型，那麼同樣寫進規劃的非Transformer架構，例如神經形態運算（類腦運算）和顛覆性新架構（即後Transformer架構的探索），中國應該更多，但資料裹完全看不出來。

所以，這說明產業政策有個邊界：它能給錢，能給訂單，能給場景，但它很難規定一家公司用什麼架構。

更站得住的解釋可能是這個——每個生態，都把AI裝進了它周圍最值得的那個東西裹。看行業分佈就很清楚：中國公司扎堆在物理經濟裹－製造業30%（美國15%）、交通運輸26%（美國15%）、能源12%（美國6%）。美國公司扎堆在知識產業裹－醫療與生命科學28%（中國17%）、科學研究10%（中國5%）、網路安全7%（中國3%）。

美國相對較貴的東西是什麼？是一個醫生寫病歷的一小時，一個安全分析師盯告警的一小時。所以AI往那兒跑。中國最有需求的東西是什麼？是產線、是車隊、是電網。所以AI往那兒跑。

這不是誰比誰更有遠見。這是各自的產業土壤決定的。還有一層更深的差異，蘭德自己都沒怎麼展開——中國的AI開發者公司，56.6%隸屬於一個主業不是AI的更大母體。

對比來看，美國這個數字只有28.8%。中國的AI開發者公司，33.8%是上市公司。美國祇有13.6%。美國的AI公司，大部分是獨立新創公司；但中國的AI公司，大部分是某個大工業體系裹的一個部門。國家電網的AI團隊，營運商的AI團隊，車企的AI團隊，家電集團的AI團隊。

這或許就順帶解釋了另一個數據：完全不對外賣、只給自己內部用的AI，中國佔16%，美國佔10%。順着這條線，組織形態不一樣，會長出不一樣的空間形態。

美國743家裹，加州一個州就佔了350家，接近一半。麻州75家排第二，比紐約州還多。這是典型的智力錨定型結構－史丹佛伯克利週邊一圈，MIT哈佛週邊一圈。中國438家裹，北京159家排第一，廣東90，上海58，浙江29，江蘇26。北京是研究和模型的中心；而廣東加上浙江江蘇，合起來145家──這是中國製造業密度最高的兩條帶。

美國的AI長在大學旁邊，中國的AI長在工廠旁邊。

同一個百分比，兩個相反的意思

這份報告裡有一個內在矛盾，很精彩。發布過開源模型的公司佔比：美國約15%，中國約17%。幾乎一樣。光看這個數，結論應該是「兩國開源程度差不多」。

但蘭德接著看了另一個東西：OpenRouter。這玩意兒你可以理解成一個模型中轉站－開發者不用一家家去註冊帳號，在這上面就能一站式調用三百多個不同廠商的模型。它每天公佈每個模型被用掉多少token。

在這個平台上：2024年底，美國模型佔前七大模型token量的85%—90%，中國模型接近零。2026年4月，兩國持平。2026年4月30日流量最大的九家裹，美國三家（Anthropic、Google、OpenAI），中國六家（騰訊、Moonshot、DeepSeek、阿里Qwen、MiniMax、智譜）。

中國這六家，旗艦模型全部開源。美國那三家，只有Google開源，而且只開小尺寸。全球調用量前五名的模型中，常常有4個以上來自中國。所以你看，同樣是15%和17%，但意思完全相反。美國那15%，分佈在生態的邊緣：小公司、非旗艦、開個小號意思一下。中國那17%，分佈在生態的頂端：每個體系裡最強的那個模型，都是免費下載的。

同樣的比例，一個是外圍行為，一個是主流路線。

價格上就更直白了。蘭德把中美主要模型放在同一張圖上：中國的開源模型密集地擠在每百萬token一到兩美元、智能基準分48到54的那一小塊；美國的專有模型跨度是一到十二美元、48到60分。

當然最頂端還是美國的。但中段的價格已經不由美國定了──同等測得的智慧水平，中國是四分之一到五分之一的價錢。當然，這也不意味着中國模型已經碾壓美國同行了，不是的。

同一家蘭德在2026年1月用全球網頁流量做的另一項研究顯示：中國模型的全球份額是從3%漲到13%。有些統計是15%。全球份額算的是所有企業和一般使用者的呼叫量。但不管怎麼樣，都不超過1/5。也就是說，在所有人裹，中國模型是十三分之一。

但在會算帳的開發者裹（呼叫OpenRouter的這群人中），中國模型已經打平。開發者嚐鮮不等於市場佔有，免費也不等於贏。但「中段價格由誰定」這件事，通常比「頂端歸誰」更早決定一個生態往哪邊長。所有產品都是如此。

報告最誠實的一段

在最關鍵的兩個技術維度上，大部分格子是空的。模型架構：美國56%未知，中國68%未知；學習典範：美國35%未知，中國60%未知；六成到七成，查不出來。

你想像一下這個場面：一份64頁的正式研究報告，最核心的表格裡三分之二的格子寫着「不知道」。

蘭德把它們印在正文裹，還特別寫了一節解釋為什麼。原因寫得很清楚：所有證據以英文來源為主；中國的職業社交檔案滲透率遠低於美國；而且很大一部分中國AI開發，發生在國企、電網、銀行、電信內部——這些主體本來就不對外講自己在幹什麼。

所以這份報告在很大程度上測的不是能力，是揭露意願，這本身就是兩個生態最真實的差異之一。還有，這份報告本身，基本上就是用AI做的。

26,629家候選公司，由大模型逐個篩，九個維度的分類，由AI完成，每家公司派搜索智能體做大約三十次定向檢索，再去學術庫里拉論文交叉驗證。最後人工複核的樣本是－25家。

蘭德把這套流程揭露得極為徹底，連完整的提示詞都原樣附在附錄裹了。這是很值得尊敬的做法。但它同時揭示了一個新情況：不少國外智庫已經開始用AI去偵察AI戰場，而這個偵察兵，只認識英文路標（沒有好壞之分）

順帶說個反直覺的數。有公開記錄顯示與本國軍方有AI合作關係的公司，美國30.0%，中國16.2%。蘭德自己立刻補了一句：中國這個數字幾乎肯定被嚴重低估。所以這條數據說明不了兩國軍事AI的真實對比。它說明的是別的東西——在一個人人都在談論「看清對方」的時代，我們能看清的，只是對方願意讓我們看清的那一部分。

達爾文雀

蘭德的最終結論是這樣的：如果通往更強人工智慧的路，最終必須和機器人、世界模型、物理環境學習一起走，那麼中國那份更寬的具身組合，就是美國生態裡缺的一份對沖。如果不必，那這份對沖會很貴。

對沖的帳單，兩邊都已經在了。中國這邊：做人形機器人的公司超過140家，產品超過330款；2026年上半年具身智慧產業融資約九百多億元，是去年同期的五倍；工信部預計2026年產量超過十萬台，是2025年的五倍。同時，發改委已經有官員公開提醒過度擁擠可能帶來產能過剩；頭部公司裡，有相當比例的收入其實來自科學研究和教育客戶，而不是真實產線。

美國這邊：61%的公司是純軟體，做人形機器人的只有2%。幾千億美元的資本開支，幾乎全部押在同一個假設上——智慧可以主要靠軟體交付。

其實，更準確的畫面不是兩個選手在同一條跑道上。我們之前說，達爾文當年在加拉巴哥群島看到一群雀鳥。同一個祖先，但不同的島上，喙長得完全不一樣。硬殼種子多的島，雀鳥的喙就粗短有力；蟲子多的島，喙就細長。沒有哪個喙比較先進。只有哪個喙比較適合那個島。

中美的AI，現在看起來就像這樣。同一個祖先－都是Transformer主導，同樣比例在做基礎模型，同樣比例在用強化學習。兩座不同的島嶼——一邊是全世界最貴的知識工作者和最成熟的企業軟體市場，一邊是全世界最大的製造業和最密的機器人裝置基礎。於是長出了兩種喙。

生物學管這個叫適應輻射，不叫賽跑。賽跑有終點線，有名次。分化沒有－只有當環境改變了的時候，才知道哪一種身體剛好適合。而環境會怎麼變，現在沒有人知道。

本文轉載自微信公眾號： TOP創新區研究院 ，作者：趨勢研究小組