TOP创新区研究院 ，作者：趋势研究组，头图来自：视觉中国

八月中旬，兰德公司发了一份64页的报告，标题是：《中美两国的AI发展》，副标题是——"来自一个新的AI开发者企业数据集的证据"。

四位作者想搞清楚一件事儿，那就是：

中国和美国，到底各有多少家公司在真正开发AI，

以及，它们分别在干什么。

听起来这应该是常识，好像应该已经有人干过了。

但事实是，一直到今天，关于中美AI竞赛的绝大多数判断，依据都只有两样东西——

几家明星公司的动向，和两国政府发的规划文件。

前者是轶事,后者是意图。

但都不是产业本身。

回到报告。

这四个作者的做法是这样的：

先撒网，选出雇了机器学习工程师的公司、发过AI论文的公司、持有AI专利的公司、上过模型榜单的公司，全捞进来。

一共捞到26,629家。

然后开始筛。

比如必须是营利性公司，必须总部在中美，必须自己训练或开发模型，而不是拿别人的模型做集成。

他们还用大模型当审核员，并给它下了一条死命令：

你在判断理由里但凡写了"可能""看起来""大概"这种词，这家公司就直接出局。

筛完最后剩下1,181家。

美国743，中国438。

这些是数据，报告基于这些数据，探讨了他们在这1,181家公司身上看见了什么；以及——这部分更有意思——

他们没能看见什么。

1181家公司

咱们先看几个数字：

这1181家公司里，靠"你付钱调我的模型(Model-as-a-Service)"挣钱的，

中美各只有约10%。

直观来说，就是OpenAI、Anthropic、DeepSeek、智谱这一类。

但他们全加起来总共只有一百来家，

剩下九成，卖的是应用产品——美国约90%，中国约75%。这些公司的客户根本不关心底下跑的是什么模型，只关心那玩意儿能不能干活。

还有，自己从零训练基础大模型(Foundation Model Developer)的公司，

美国19%，中国19%。

一模一样。

过去两年，全部注意力都在场上那六七个球星身上——谁的参数大，谁的榜单分高，谁又发布了什么。

而看台底下，还有一千多支队伍在自己踢自己的。

当然，不可否认的是，那10%的公司拿走了绝大部分的钱、算力和版面，影响力远远超过10%。

但如果AI最终的钱是在剩下那九成里赚到的，那我们看了两年的，可能一直是热身赛。

最像的是大脑，最不像的是身体

兰德给每家公司打了九个维度的标签，结果有点意思。

先看架构，结论是两国差不多。

用Transformer的公司，美国28%，中国27%。

用卷积网络的，13%对11%。

用扩散模型的，7%对7%。

用强化学习的，19%对19%。

华盛顿之前担心，美国是不是把宝全押在Transformer这一条路上，而中国在多路下注？

数据说：不是。

中国的国家规划里非常提倡着要推神经形态计算、要探索后Transformer架构，但在438家中国AI公司里，走这些路线的比例，并不比美国高。

再看物理形态，两国就裂开了。

纯软件公司（完全不碰硬件）：美国61%，中国26%

做人形机器人的：美国2%，中国12%

做地面机器人和四足的：16%对24%

做自动驾驶的：7%对14%

数据类型上也对得上：

处理三维空间数据的公司，美国27%，中国36%。

这里还有个细节——

前面说了，两国用强化学习的公司比例完全一样，都是19%。但兰德把这些公司的资料一家家翻过去之后发现：

同一个词，在两国指的是两件事。

在美国，强化学习主要用来调教语言模型说话——拿人的偏好数据，让模型回答得更顺耳一点。

在中国，强化学习主要用在机器人怎么迈腿、车怎么拐弯、产线怎么调参。

一个在教AI说话，一个在教AI走路。

同一个技术名词，练的是完全不同的科目。

这就好比中美两国家长给孩子报课外班的比例一模一样，

但一边报的是演讲与口才，一边报的是体育特长。

所以这份报告里写道：

中美AI公司的大脑几乎一模一样，身体完全不同。

决定身体形状的是什么

那为什么会这样？

最省事的解释是：

中国把具身智能写进国家战略了，

所以中国的具身智能起来了。

但如果规划真能直接决定企业的技术选型，那么同样写进规划的非Transformer架构，比如神经形态计算（类脑计算）和颠覆性新架构（即后Transformer架构的探索），中国应该更多，但数据里完全看不出来。

所以，这说明产业政策有个边界：它能给钱，能给订单，能给场景，但它很难规定一家公司用什么架构。

更站得住的解释可能是这个——

每个生态，都把AI装进了它周围最值得的那个东西里。

看行业分布就很清楚：

中国公司扎堆在物理经济里——制造业30%（美国15%）、交通运输26%（美国15%）、能源12%（美国6%）。

美国公司扎堆在知识行业里——医疗与生命科学28%（中国17%）、科研10%（中国5%）、网络安全7%（中国3%）。

美国相对更贵的东西是什么？

是一个医生写病历的一小时，一个安全分析师盯告警的一小时。所以AI往那儿跑。

中国最有需求的东西是什么？

是产线、是车队、是电网。所以AI往那儿跑。

这不是谁比谁更有远见。这是各自的产业土壤决定的。

还有一层更深的差异，兰德自己都没怎么展开——

中国的AI开发者公司，56.6%隶属于一个主业不是AI的更大母体。

对比来看，美国这个数只有28.8%。

中国的AI开发者公司，33.8%是上市公司。

美国只有13.6%。

美国的AI公司，大部分是独立创业公司；

但中国的AI公司，大部分是某个大工业体系里的一个部门。

国家电网的AI团队，运营商的AI团队，车企的AI团队，家电集团的AI团队。

这或许就顺带解释了另一个数据：

完全不对外卖、只给自己内部用的AI，中国占16%，美国占10%。

顺着这条线，组织形态不一样，会长出不一样的空间形态。

美国743家里，加州一个州就占了350家，接近一半。麻州75家排第二，比纽约州还多。这是典型的智力锚定型结构——斯坦福伯克利周边一圈，MIT哈佛周边一圈。

中国438家里，北京159家排第一，广东90，上海58，浙江29，江苏26。北京是研究和模型的中心；而广东加上浙江江苏，合起来145家——这是中国制造业密度最高的两条带。

美国的AI长在大学旁边，中国的AI长在工厂旁边。

同一个百分比，两个相反的意思

这份报告里有一个内在矛盾，很精彩。

发布过开源模型的公司占比：美国约15%，中国约17%。几乎一样。

光看这个数，结论应该是"两国开源程度差不多"。

但兰德接着看了另一个东西：OpenRouter。

这玩意儿你可以理解成一个模型中转站——开发者不用一家家去注册账号，在这上面就能一站式调用三百多个不同厂商的模型。它每天公布每个模型被用掉多少token。

在这个平台上：

2024年底，美国模型占前七大模型token量的85%—90%，

中国模型接近于零。

2026年4月，两国持平。

2026年4月30日流量最大的九家里，美国三家（Anthropic、Google、OpenAI），中国六家（腾讯、Moonshot、DeepSeek、阿里Qwen、MiniMax、智谱）。

中国这六家，旗舰模型全部开源。

美国那三家，只有Google开源，而且只开小尺寸。

全球调用量前五的模型中，常常有4个以上来自中国。

所以你看，同样是15%和17%，但意思完全相反。

美国那15%，分布在生态的边缘：小公司、非旗舰、开个小号意思一下。

中国那17%，分布在生态的顶端：每个体系里最强的那个模型，都是免费下载的。

同样的比例，一个是外围行为，一个是主流路线。

价格上就更直白了。

兰德把中美主要模型放在同一张图上：中国的开源模型密集地挤在每百万token一到两美元、智能基准分48到54的那一小块；美国的专有模型跨度是一到十二美元、48到60分。

当然最顶端还是美国的。

但中段的价格已经不由美国定了——同等测得的智能水平，中国是四分之一到五分之一的价钱。

当然，这也不意味中国模型已经碾压美国同行了，不是的。

同一家兰德在2026年1月用全球网页流量做的另一份研究显示：中国模型的全球份额是从3%涨到13%。有些统计是15%。

全球份额算的是所有企业和普通用户的调用量。

但不管怎么样，都不超过1/5。

也就是说，在所有人里，中国模型是十三分之一。

但在会算账的开发者里（调用OpenRouter的这群人中），中国模型已经打平。

开发者尝鲜不等于市场占有，免费也不等于赢。

但“中段价格由谁定”这件事，通常比“顶端归谁”更早地决定一个生态往哪边长。

所有产品都是如此。

报告最诚实的一段

在最关键的两个技术维度上，大部分格子是空的。

• 模型架构：美国56%未知，中国68%未知

• 学习范式：美国35%未知，中国60%未知

六成到七成，查不出来。

你想象一下这个场面：一份64页的正式研究报告，最核心的表格里三分之二的格子写着“不知道”。

兰德把它们印在正文里，还专门写了一节解释为什么。

原因写得很清楚：所有证据以英文来源为主；中国的职业社交档案渗透率远低于美国；而且很大一部分中国AI开发，发生在国企、电网、银行、电信内部——这些主体本来就不对外讲自己在干什么。

所以这份报告在很大程度上测的不是能力，是披露意愿，这本身就是两个生态最真实的区别之一。

还有，这份报告本身，基本是用AI做的。

26,629家候选公司，由大模型逐个筛，九个维度的分类，由AI完成，每家公司派搜索智能体做大约三十次定向检索，再去学术库里拉论文交叉验证。最后人工复核的样本是——25家。

兰德把这套流程披露得极其彻底，连完整的提示词都原样附在了附录里。

这是很值得尊敬的做法。

但它同时揭示了一个新情况：不少国外智库已经开始用AI去侦察AI战场，而这个侦察兵，只认识英文路标（没有好坏之分）

顺带说个反直觉的数。有公开记录显示与本国军方存在AI合作关系的公司，美国30.0%，中国16.2%。兰德自己立刻补了一句：中国这个数几乎肯定被严重低估。

所以这条数据说明不了两国军事AI的真实对比。

它说明的是别的东西——在一个人人都在谈“看清对方”的时代，我们能看清的，只是对方愿意让我们看清的那一部分。

达尔文雀

兰德的最终结论是这样的：如果通向更强人工智能的路，最终必须和机器人、世界模型、物理环境学习一起走，那么中国那份更宽的具身组合，就是美国生态里缺的一份对冲。如果不必，那这份对冲会很贵。

对冲的账单，两边都已经在出了。

中国这边：

做人形机器人的公司超过140家，产品超过330款；2026年上半年具身智能行业融资约九百多亿元，是去年同期的五倍；工信部预计2026年产量超过十万台，是2025年的五倍。

同时，发改委已经有官员公开提醒过度拥挤可能带来产能过剩；头部公司里，有相当比例的收入其实来自科研和教育客户，而不是真实产线。

美国这边：

61%的公司是纯软件，做人形机器人的只有2%。几千亿美元的资本开支，几乎全部押在同一个假设上——智能可以主要靠软件交付。

其实，更准确的画面不是两个选手在同一条跑道上。

我们之前说，达尔文当年在加拉帕戈斯群岛看到一群雀鸟。同一个祖先，但不同的岛上，喙长得完全不一样。硬壳种子多的岛，雀鸟的喙就粗短有力；虫子多的岛，喙就细长。

没有哪个喙更先进。只有哪个喙更适合那个岛。

中美的AI，现在看着就像这个。

同一个祖先——都是Transformer主导，同样比例在做基础模型，同样比例在用强化学习。

两座不同的岛——一边是全世界最贵的知识工作者和最成熟的企业软件市场，一边是全世界最大的制造业和最密的机器人装机基础。

于是长出了两种喙。

生物学管这个叫适应辐射，不叫赛跑。

赛跑有终点线，有名次。

分化没有——只有当环境变了的时候，才知道哪一种身体恰好合适。

而环境会怎么变，现在没有人知道。