這份中美AI競(jìng)爭(zhēng)最權(quán)威報(bào)告，并沒說出全部真相

【文/觀察者網(wǎng) 心智觀察所】

前幾天，斯坦福大學(xué)人本人工智能研究院（HAI）發(fā)布的《2026年AI指數(shù)年度報(bào)告》，是當(dāng)前全球范圍內(nèi)最具系統(tǒng)性和數(shù)據(jù)密度的AI領(lǐng)域綜合評(píng)估文獻(xiàn)之一。這份長(zhǎng)達(dá)數(shù)百頁的年度報(bào)告，覆蓋了從研發(fā)管線、技術(shù)性能到經(jīng)濟(jì)影響、公共政策的全景圖譜，其數(shù)據(jù)來源橫跨Epoch AI、OpenAlex、GitHub、Hugging Face、Cloudscene等多個(gè)獨(dú)立數(shù)據(jù)庫，分析框架嚴(yán)謹(jǐn)、引用鏈條完整，在學(xué)術(shù)圈和政策圈的影響力毋庸置疑。

然而，正因其權(quán)威性，對(duì)它的批判性閱讀才更為重要。

報(bào)告在中美AI競(jìng)爭(zhēng)這一核心議題上提出了一個(gè)標(biāo)志性判斷——“中美AI模型性能差距已實(shí)質(zhì)性閉合”（The U.S.-China AI model performance gap has effectively closed，如下圖）。簡(jiǎn)單說，就是差距已經(jīng)可以忽略了。

這個(gè)結(jié)論本身并無問題，甚至可以說是對(duì)當(dāng)下事實(shí)的準(zhǔn)確描述。但問題在于，報(bào)告圍繞這一結(jié)論所搭建的論證結(jié)構(gòu)，存在若干邏輯上的不周延之處；而更關(guān)鍵的是，這份報(bào)告受限于其方法論框架和數(shù)據(jù)覆蓋范圍，對(duì)“中國AI模型為什么能追平，以及憑什么可能超越”這個(gè)問題，留下了大量未被講透的空間。

先看報(bào)告的核心論據(jù)。報(bào)告以LMArena的Elo評(píng)分體系作為中美模型性能比較的主要標(biāo)尺。數(shù)據(jù)顯示，2025年2月，DeepSeek-R1以1400分一度逼平美國頂尖模型o1的1405分，差距僅0.4%；截至2026年3月，Anthropic的Claude Opus 4.6以1503分領(lǐng)先中國最佳模型Dola-Seed-2.0 Preview的1464分，差距2.7%。報(bào)告據(jù)此得出“差距閉合”的判斷，邏輯上是站得住腳的。但這里存在一個(gè)方法論層面的深層問題：Arena排行榜本身的可靠性正在被質(zhì)疑。

報(bào)告自身也引用了Singh等人2025年的研究，指出Arena的排名可能部分反映的是對(duì)平臺(tái)本身的適應(yīng)性優(yōu)化，而非模型的通用能力。如果評(píng)價(jià)標(biāo)尺本身可能存在系統(tǒng)性偏差，那么基于該標(biāo)尺得出的“差距閉合”結(jié)論，其置信度就需要打一個(gè)折扣——但報(bào)告在表述上并未對(duì)此做出充分的限定。更深層的問題在于，Arena的Elo評(píng)分本質(zhì)上測(cè)量的是“用戶偏好”而非“客觀能力”。

用戶在盲測(cè)中選擇偏好的輸出，這種評(píng)價(jià)方式天然偏向流暢性、風(fēng)格化和指令遵從度，而非推理深度、專業(yè)準(zhǔn)確性或長(zhǎng)鏈條任務(wù)完成率。中國模型在這些軟性維度上的進(jìn)步是真實(shí)的，但如果我們關(guān)注的是AI在科學(xué)發(fā)現(xiàn)、工程實(shí)踐和復(fù)雜決策中的實(shí)際效用，Arena并不是最合適的衡量工具。

報(bào)告在專業(yè)領(lǐng)域基準(zhǔn)測(cè)試如SWE-bench、FrontierMath、CorpFin等上的數(shù)據(jù)呈現(xiàn)，主要以模型名稱排列而非按國別分組，這使得讀者難以直觀地判斷中美模型在這些更硬核的評(píng)估維度上的相對(duì)位置。這不是一個(gè)疏忽，而是一種分析框架上的選擇，但這種選擇客觀上遮蔽了中國模型在多個(gè)專業(yè)領(lǐng)域已經(jīng)進(jìn)入第一梯隊(duì)這一事實(shí)。

還有一個(gè)容易被忽略的邏輯問題存在于報(bào)告對(duì)“透明度”的論述中。報(bào)告在第一章反復(fù)強(qiáng)調(diào)，美國前沿實(shí)驗(yàn)室如OpenAI、Anthropic、Google正變得越來越不透明——訓(xùn)練代碼、參數(shù)量、數(shù)據(jù)集規(guī)模、訓(xùn)練時(shí)長(zhǎng)等關(guān)鍵信息不再公開披露。

報(bào)告將此視為阻礙外部研究者復(fù)現(xiàn)和審計(jì)的障礙，這一判斷完全正確。但報(bào)告沒有追問的是：這種不透明對(duì)中美比較本身意味著什么？當(dāng)美國模型的訓(xùn)練計(jì)算量只能通過間接方法估算，而中國模型如DeepSeek-V3反而公開了詳細(xì)的訓(xùn)練信息時(shí)，報(bào)告圖表中“美國模型訓(xùn)練計(jì)算量遠(yuǎn)高于中國”的視覺印象，實(shí)際上可能部分來自估算方法對(duì)不透明模型的高估。

報(bào)告在腳注中提到Epoch AI對(duì)訓(xùn)練計(jì)算量的估算方法包括“基于硬件規(guī)格推算”和“基于基準(zhǔn)性能反推”，這些間接方法對(duì)于未披露信息的模型存在較大的不確定性區(qū)間。但在正文的圖表呈現(xiàn)中，美國模型和中國模型的數(shù)據(jù)點(diǎn)被放在同一坐標(biāo)系中，未做任何不確定性標(biāo)注，給讀者造成了一種精確對(duì)比的錯(cuò)覺。

接下來看報(bào)告在研發(fā)管線分析中的邏輯鏈條。

第一章詳細(xì)追蹤了“顯著AI模型”的國別分布，2025年美國發(fā)布50個(gè)、中國發(fā)布30個(gè)。這個(gè)數(shù)據(jù)來自Epoch AI的人工遴選數(shù)據(jù)庫，篩選標(biāo)準(zhǔn)包括“前沿性突破”、“歷史意義”、或“高引用率”等。報(bào)告也承認(rèn)這并非所有AI模型的普查，而是一種基于專家判斷的策展。問題在于，Epoch AI作為一個(gè)主要由西方學(xué)術(shù)圈運(yùn)營(yíng)的數(shù)據(jù)庫，其對(duì)“顯著性”的判斷標(biāo)準(zhǔn)是否對(duì)中國模型存在系統(tǒng)性的低估？

中國的AI模型生態(tài)如魔搭社區(qū)、百度飛槳等活躍于國內(nèi)平臺(tái)，而非Hugging Face或GitHub的項(xiàng)目，這些模型在Epoch AI的篩選網(wǎng)絡(luò)中天然處于低可見度的位置。報(bào)告在開源軟件部分也坦承，中國開發(fā)者大量使用Gitee和GitCode等國內(nèi)平臺(tái)，而這些平臺(tái)的數(shù)據(jù)并未被納入分析——報(bào)告甚至在腳注中明確標(biāo)注了這一點(diǎn)。這意味著，“美國50個(gè)vs中國30個(gè)”這一看似清晰的數(shù)量對(duì)比，實(shí)際上可能建立在不對(duì)稱的數(shù)據(jù)采集基礎(chǔ)之上。報(bào)告的誠實(shí)之處在于它沒有掩飾這一局限，但其不足之處在于它沒有對(duì)這一局限的潛在影響做出定量或定性的修正。

中美主流模型序列發(fā)布時(shí)間線（截圖自該報(bào)告）

在算力和基礎(chǔ)設(shè)施維度上，報(bào)告提供了一個(gè)極具沖擊力的數(shù)據(jù)點(diǎn)：美國擁有5427個(gè)數(shù)據(jù)中心，是排名第二的德國（529個(gè)）的十倍以上，中國僅449個(gè)。但報(bào)告自己也提醒，數(shù)據(jù)中心的數(shù)量并不等于計(jì)算容量或利用率。

事實(shí)上，中國的數(shù)據(jù)中心建設(shè)采用了與美國截然不同的集約化模式——更少但更大、更集中、更面向AI訓(xùn)練優(yōu)化的超大規(guī)模設(shè)施。騰訊、阿里巴巴、字節(jié)跳動(dòng)的智算中心單體算力密度，在全球范圍內(nèi)處于領(lǐng)先水平。將“數(shù)據(jù)中心數(shù)量”作為AI基礎(chǔ)設(shè)施實(shí)力的代理指標(biāo)，其實(shí)質(zhì)是用美國的基礎(chǔ)設(shè)施范式去度量中國的基礎(chǔ)設(shè)施投入，這在方法論上是有偏差的。

報(bào)告在論述中國AI發(fā)展時(shí)，還遺漏了幾個(gè)關(guān)鍵的結(jié)構(gòu)性優(yōu)勢(shì)。第一是效率路徑的范式意義。DeepSeek-V3的訓(xùn)練碳排放僅597噸二氧化碳當(dāng)量，而同期美國模型Grok 4高達(dá)72816噸，兩者相差超過120倍。報(bào)告將此數(shù)據(jù)呈現(xiàn)在環(huán)境影響章節(jié)中，但并未將其與中美競(jìng)爭(zhēng)敘事打通。

事實(shí)上，DeepSeek-R1引入的GRPO訓(xùn)練方法，通過對(duì)比一組生成輸出而非依賴獨(dú)立評(píng)審模型來訓(xùn)練推理能力，所代表的不僅僅是一種技術(shù)創(chuàng)新，而是一種資源約束驅(qū)動(dòng)的效率范式。在芯片禁令的壓力下，中國模型被迫走向用更少資源做更多事的路徑，而這種路徑一旦走通，其可擴(kuò)展性反而可能超過美國式的暴力堆算力模式。報(bào)告承認(rèn)DeepSeek-R1的發(fā)布引發(fā)了美國科技股超過一萬億美元的市值波動(dòng)，但對(duì)這種效率優(yōu)勢(shì)的長(zhǎng)期戰(zhàn)略意義缺乏深入分析。

在應(yīng)用落地的速度和規(guī)模方面，報(bào)告提到中國Apollo Go在2025年完成了1100萬次完全無人駕駛出行，同比增長(zhǎng)175%，而美國Waymo的周出行量約45萬次。簡(jiǎn)單換算，Apollo Go的年化出行量是Waymo的約四到五倍。但報(bào)告將這一數(shù)據(jù)點(diǎn)放在了自動(dòng)駕駛技術(shù)進(jìn)展的敘述中，而非中美競(jìng)爭(zhēng)分析的框架內(nèi)。類似的遺漏還出現(xiàn)在工業(yè)機(jī)器人安裝量（報(bào)告在摘要中提到中國領(lǐng)先但未在前兩章展開）、AI在制造業(yè)和供應(yīng)鏈中的滲透率等維度上。

中美AI模型的碳排放

中國AI的比較優(yōu)勢(shì)，很大程度上不在于“模型能力的峰值”而在于“從模型到產(chǎn)品到大規(guī)模部署”的全鏈條速度，而這恰恰是當(dāng)前報(bào)告的分析框架——以基準(zhǔn)測(cè)試和論文計(jì)量為核心——難以捕捉的。

有關(guān)開源生態(tài)的戰(zhàn)略縱深，報(bào)告記錄了一個(gè)值得深思的數(shù)據(jù)趨勢(shì)：在Hugging Face的模型下載份額中，美國開發(fā)者的占比從2020年的超過70%下降到2025年的不足25%，而中國開發(fā)者和“無國別標(biāo)注”用戶的份額持續(xù)上升。阿里巴巴的Qwen系列、DeepSeek系列、智譜的GLM系列，在全球開源社區(qū)中的影響力已經(jīng)與Meta的Llama形成了正面競(jìng)爭(zhēng)。

報(bào)告在組織維度的數(shù)據(jù)中顯示，2025年阿里巴巴發(fā)布了11個(gè)顯著模型，僅次于OpenAI的19個(gè)和Google的12個(gè)，超過了Anthropic和Meta。但報(bào)告并未將這一趨勢(shì)放進(jìn)中美競(jìng)爭(zhēng)的分析框架中討論其戰(zhàn)略含義：中國企業(yè)正通過開源模型在全球范圍內(nèi)建立開發(fā)者生態(tài)和技術(shù)標(biāo)準(zhǔn)影響力，“模型數(shù)量”和“基準(zhǔn)評(píng)分”之外的一種全新競(jìng)爭(zhēng)維度正在形成。這種通過開源輸出技術(shù)影響力的路徑，與中國在5G標(biāo)準(zhǔn)制定中的經(jīng)驗(yàn)一脈相承，但報(bào)告對(duì)此完全沒有觸及。

除此之外，報(bào)告詳細(xì)記錄了一個(gè)引人注目的趨勢(shì)：流入美國的AI研究人員自2017年以來下降了89%，僅過去一年就下降了80%。但報(bào)告在人才部分的數(shù)據(jù)來源Zeki并不覆蓋中國，這意味著我們看到了美國人才吸引力的衰退，卻無法看到中國人才池的擴(kuò)張。中國每年培養(yǎng)的STEM博士數(shù)量已超過美國，且中國在全球高被引AI論文Top 100中的份額從2021年的33篇增長(zhǎng)到2024年的41篇，首次逼近美國的46篇。清華大學(xué)在Epoch AI的累計(jì)顯著模型榜中與斯坦福并列第一（各26個(gè)）。

如果把這些散落在報(bào)告各處的數(shù)據(jù)點(diǎn)串聯(lián)起來，呈現(xiàn)的圖景遠(yuǎn)比“差距閉合”更具沖擊力，它指向的是一種可能的“交叉”（crossover），而非僅僅是“追平”。

報(bào)告在投資數(shù)據(jù)上的處理方式也有不小的問題。報(bào)告指出2025年美國AI私人投資達(dá)2859億美元，是中國124億美元的23倍以上。但報(bào)告自己也在腳注中承認(rèn)，僅看私人投資“可能低估了中國的AI總支出，因?yàn)橹袊姓龑?dǎo)基金”。這種將核心修正條件放在腳注中的處理方式，在學(xué)術(shù)寫作中并不罕見，但對(duì)于一份面向政策制定者和媒體的報(bào)告而言，其效果是使正文中“23倍差距”的數(shù)字獲得了遠(yuǎn)大于其實(shí)際信息量的傳播力。

中國政府通過國家大基金、地方政府AI產(chǎn)業(yè)基金、國有企業(yè)研發(fā)投入等渠道注入AI領(lǐng)域的資本規(guī)模，目前缺乏可靠的公開估算，但多個(gè)獨(dú)立來源認(rèn)為其量級(jí)遠(yuǎn)超私人投資的口徑。報(bào)告對(duì)此的處理，稱不上是誤導(dǎo)，但確實(shí)構(gòu)成了一種系統(tǒng)性的低估。

綜合來看，斯坦福AI指數(shù)報(bào)告的核心判斷“中美AI差距已經(jīng)閉合”是準(zhǔn)確的，但這份報(bào)告并沒有完整地解釋這個(gè)故事。

中國AI的競(jìng)爭(zhēng)力不僅來自模型性能本身的追趕，更來自效率范式的突破、應(yīng)用落地的加速、人才厚度的積累、以及國家戰(zhàn)略與產(chǎn)業(yè)生態(tài)的深度耦合。在一個(gè)Arena評(píng)分差距僅2.7%的世界里，決定下一階段競(jìng)爭(zhēng)格局的變量，很可能不是誰的模型在基準(zhǔn)測(cè)試上多得幾分，而是誰能更快地將模型能力轉(zhuǎn)化為產(chǎn)業(yè)價(jià)值和社會(huì)效用。在這些真正決定勝負(fù)的維度上，中國不僅不亞于美國，而且在多個(gè)關(guān)鍵方向上正在建立結(jié)構(gòu)性優(yōu)勢(shì)。遺憾的是，這些維度恰恰是斯坦福這份以基準(zhǔn)測(cè)試和學(xué)術(shù)計(jì)量為核心方法論的報(bào)告，最不擅長(zhǎng)捕捉的。

本文系觀察者網(wǎng)獨(dú)家稿件，文章內(nèi)容純屬作者個(gè)人觀點(diǎn)，不代表平臺(tái)觀點(diǎn)，未經(jīng)授權(quán)，不得轉(zhuǎn)載，否則將追究法律責(zé)任。關(guān)注觀察者網(wǎng)微信guanchacn，每日閱讀趣味文章。