来源：写变量的何帆

2025年，人工智能仍然是最热门的科技前沿。

但是大洋彼岸却传来了一些不好的消息，越来越多的机构担心AI有泡沫。高盛、摩根大通和花旗这些金融巨头都表示，现在人工智能股票的价格涨得太高，已经达到25年前互联网泡沫破裂以来从未见过的水平。

当然，金融市场上总是有人看空，有人看多，这不奇怪。不过，这一次，就连国际货币基金组织和英格兰银行也发出了警告。这就能传递出一种信号：现在的AI行业一定有一些不正常的地方，连官方机构都被惊动了。

与此同时，中国这边却热火朝天。做马桶的研发AI马桶，挖煤的用AI帮矿工挖煤，就连酒店保洁阿姨都能用AI查衣架该放几个。每个行业都想和AI交朋友。

中美几乎是唯二的两个AI大国，为什么AI的发展呈现出如此完全不同的状态呢？

其实，这并不是中国人更乐观或者美国人更谨慎，而是中美两国从一开始就选择了两条完全不同的道路。

美国的策略是“All in AI”，也就是把所有的资本都向AI行业倾斜；中国则是“AI in all”，也就是把AI分到了每一个行业的手里。

那么，哪种策略更好呢？

写变量的何帆——————————————————

美国“All in AI”

我们先来听业内专家说一下，美国的AI到底有没有泡沫呢？

吴恩达是全球公认的人工智能的权威。他说，判断有没有AI泡沫，不能一概而论，要分别查看AI的三道工序：预训练、推理和应用。

吴恩达的判断是：AI模型的预训练可能存在泡沫，要持谨慎乐观的态度；AI推理仍然需要大量的基础设施投资；AI应用层面则投资不足，它的潜力远超大多数人的认知。

他还有一个重要的洞见，那就是建立在AI基础设施和技术之上的应用，价值必须高于基础设施本身，否则就是无法持续的。

吴恩达想说的是，AI的天地很广阔，别都扎堆在一起。但这正是市场反常的地方，投资者只热衷于抱团取暖。

美国的AI集中于几家巨头，它们被称为“美股七姐妹”，包括苹果、微软、英伟达、亚马逊、谷歌的母公司Alphabet、Meta（也就是原来的Facebook）和特斯拉。

这七家公司占标普500指数的权重已经超过三分之一，市值接近中国的GDP。在算力储备上，七姐妹及其相关公司买走了一大半英伟达的H100。这是各大公司在AI训练时曾经用得最多的芯片。2025年，包括七姐妹在内的10家科技公司的投资计划，已经相当于当年美国阿波罗登月计划的总投入。

七姐妹之所以如此豪横，就是因为它们背后有一群盲目的跟风投资者。这些投资者对投资AI应用犹豫不决，因为他们觉得很难挑出赢家。相比之下，投这些花大钱砸基础设施的巨头更有确定性。

这样的投资思路是对的吗？

似乎确实有道理。麻省理工学院发布了一份研究报告，他们统计了300多个公开的AI应用的项目，其中绝大多数还没从中获得任何商业回报。

照这样的情况，投资应用其实是不赚钱的，那不就应该集中投资搞AI基建的头部企业，赌它们能实现技术突破，把对手甩在后面，收获巨额的垄断收益吗？

在这种思路的指引下，美国出现了一种非常奇特的现象。这几年我采访了一些硅谷的技术先锋、风险投资家，确实能感受到他们的激情和野心。可是，他们永远都是在山顶上，从来不下山。

而且，大部分美国企业、美国人觉得，AI就是硅谷的一小撮人在做的事，跟我有啥关系？于是，美国经济越来越明显地分成了两个部分：AI经济和非AI经济。

这么一看，要看清美国的AI有没有泡沫，可能要看AI经济这部分，最终是不是能赋能非AI经济那一部分。

写变量的何帆——————————————————

中国“AI in All”

说完美国，我们再将目光拉回中国。

在中国看到的情况就完全不一样了。中国的每一个行业、每一个企业都在摩拳擦掌，想和AI交个朋友，他们都觉得自己能“AI+”。

举个例子，我去一家做马桶的企业九牧调研。九牧的朋友告诉我，他们要研发一款AI马桶。一个做马桶的企业，和AI有啥关系？他们说，有。你来都来了，尿都尿了，那就顺便做个尿检呗。

除此之外，在中国还能看到很多非常土味的AI应用。

AI可以帮助矿工挖煤。借助AI，矿工在地面上，甚至坐在更远的办公室里，就能操作机械，深入地下500~700米甚至更深的地方，使用无人的方式挖煤。

AI可以给牧民远程看病。拿一个小小的超声波探测头，在牧民的腰上扫一扫，数据就能传输到3000公里之外的深圳检测中心，这样就能发现牧民身上一种名叫“肝包虫”的寄生虫。

AI还可以帮保洁阿姨查衣架到底该放几个。亚朵酒店的保洁阿姨遇到个问题：高级客房的衣柜里到底要放几个衣架？六个还是八个？她翻看手册，手册里找不到答案，于是这个问题从店长、区域经理一路请教到集团运营中心的总监，才找到了答案。

有了AI之后，亚朵集团想了个办法，把公司细则建成知识库，员工有问题只要问AI就行。此外还根据知识库做成“每日一练”，员工答对题目有积分，还有排行榜，像做游戏一样开开心心就熟悉了业务细则。

你看这些应用看起来都很接地气，但它们背后有一个更重要的问题：中国的这条极有特色的路是怎么走出来的？以后还能走得通吗？

答案其实有点意外：是走投无路才突围出来的。中国的AI先是想追随美国，后来被封锁，最后才杀出一条血路。

这让我想起宋朝诗人杨万里有一首写山溪的诗：“万山不许一溪奔，拦得溪声日夜喧。到得前头山脚尽，堂堂溪水出前村。”

成功者很容易被困于成功的经验。美国的企业一直享受先进芯片的红利，也就养成了依赖“大力出奇迹”的习惯。中国的企业受到了技术封锁，算力受限，所以不得不把算力的有效利用作为发展的必然选择。

现在，中国的AI已经是势不可挡了。2025年，DeepSeek横空出世，就是一个代表性的案例。

实际上，DeepSeek做对了两件事。

第一件事是低成本创新。

阿里巴巴罗汉堂的陈龙教授分析了DeepSeek的成功经验。他说，在预训练基础大模型方面，DeepSeek用百分之几的成本就实现了顶尖大模型的性能；在推理大模型方面，DeepSeek更有创意，摸索出了一条最省钱、也是最灵活的构建思维链能力的路径。

还有个细节很有意思：DeepSeek用量化交易员常用的PTX指令，大幅提高了芯片效率。这是因为DeepSeek最早不是一个AI公司，而是一家量化私募基金，这个基因帮了大忙。

就像陈龙教授说的，DeepSeek抓住了时机，用低成本策略突破了美国科技巨头的寡头垄断，迎来了AI的普惠时代。

第二件事是开源策略。

如果说低成本创新是DeepSeek在遇到算力限制之后不得已而为之的创新办法，那么DeepSeek坚持开源而非闭源的模式就是主动的策略选择了。

当然，有不少IT技术先锋都支持开源。他们是一群理想主义者。在他们看来，技术就是要造福全人类的，创新就是要自由开放。

但别忘了，DeepSeek也是一家企业，企业就要有盈利。否则，怎么才能在商业世界里存活呢？

所以，开源还是闭源，比的不是道德站位，而是商业智慧。闭源就是凭借自己的技术垄断优势直接赚钱。开源则要麻烦一些，先培养新的生态系统，这个生态系统更发达，企业的机会才会更多。

采用开源模式的中国AI企业不只有DeepSeek。阿里一开始就坚持开源模式，阿里的通义千问也是极受欢迎的开源AI模型。

最近，传来一个有趣的消息。美国科技巨头Meta在训练它代号为“牛油果”的新模型时，使用了通义千问模型进行蒸馏优化。Airbnb的CEO布莱恩·切斯基也曾公开讲过，他们公司大量依赖通义千问模型，因为千问比OpenAI更好用、更便宜。

美国的大企业都这么干，更不用说其他国家的企业了。中国的开源AI模型成了其他国家，尤其是新兴市场国家的福音。

来自韩国、泰国、越南、日本、阿联酋、巴西等全球的公司和开发者都用千问开发出了新模型、新技术和新的AI应用。随着开源模型的市场份额持续增长，那些动辄斥资数十亿美元训练模型的公司恐怕就要收不回本了。

所以你看，这就是中国AI的特色：不追求技术参数有多吓人，而是琢磨怎么把AI用起来。低成本创新加上开源策略，大幅降低了技术门槛，让各个行业都能用起来。

写变量的何帆——————————————————

各有各的气质

其实，中国的AI能走出这样一条有自己特色的道路，是有深厚土壤的。

技术有不同的性格，市场也有不同的性格，只有当技术的性格和市场的性格完美匹配，才能释放出巨大的潜能。

如果你相信AI技术是贵族气质，那就应该押注硅谷模式；但如果你相信AI技术是平民气质，那就应该看好中国模式。

美国人看到AI，既感到紧张，又感到兴奋，感到紧张的多过感到兴奋的。他们觉得AI就像神秘的外星人，迟早要把地球人灭了。而中国人看到AI，大多非常兴奋，很少感到紧张。中国人不信邪，更乐观自信。你看，同样的AI技术，美国人把它演成了惊悚的科幻片，中国人则把它拍成了情景喜剧。

写变量的何帆——————————————————

总结

简单总结一下：美国的策略是“All in AI”，押注少数巨头，在山顶建高塔；而中国则是“AI in all”，普及所有行业，在平原铺大路。

中国AI的落地场景越来越多，虽然看起来还都是非常粗浅的日常应用，但积小胜才能成大胜。

我也想请你讲一讲，你是怎么使用AI工具的，有什么心得体会？欢迎你在留言区留言，跟大家分享。

写变量的何帆——————————————————

特别声明：以上内容仅代表作者本人的观点或立场，不代表Hehson财经头条的观点或立场。如因作品内容、版权或其他问题需要与Hehson财经头条联系的，请于上述内容发布后的30天内进行。