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开发者企业资料集的证据”。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，它们分别在做什么。

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，和两国政府发出的规划文件。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、上过模型榜的公司，全捞进来。总共捞到26,629家。

然后开始筛。例如必须是营利性公司，必须总部在中美，必须自己训练或发展模型，而不是拿别人的模型做整合。他们还用大模型当审核员，并给它下了一个死命令：你在判断理由裹但凡写了“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

我们先看几个数字：这1181家公司裹，靠“你付钱调我的模型(Model-as-a-Service)”赚钱的，中美各只有约10%。

直觉来说，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工作。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%。用卷积互联网的，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这条路上，而中国在多路下注？数据说：不是。中国的国家规划裹非常提倡要推神经形态运算、要探索后Transformer架构，但在438家中国AI公司裹，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。纯软体公司（完全不碰硬体）：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%。

资料型别上也对得上：处理三维空间资料的公司，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后发现：同一个字，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、车子怎么转弯、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。

所以这份报告裹写道：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

那为什么会这样呢？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，例如神经形态运算（类脑运算）和颠覆性新架构（即后Transformer架构的探索），中国应该更多，但资料裹完全看不出来。

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裹。看行业分布就很清楚：中国公司扎堆在物理经济裹－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产业裹－医疗与生命科学28%（中国17%）、科学研究10%（中国5%）、互联网安全7%（中国3%）。

美国相对较贵的东西是什么？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，美国这个数字只有28.8%。中国的AI开发者公司，33.8%是上市公司。美国祇有13.6%。美国的AI公司，大部分是独立新创公司；但中国的AI公司，大部分是某个大工业体系裹的一个部门。国家电网的AI团队，营运商的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家裹，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－史丹佛伯克利周边一圈，MIT哈佛周边一圈。中国438家裹，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”。

但兰德接著看了另一个东西：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帐号，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%，中国模型接近零。2026年4月，两国持平。2026年4月30日流量最大的九家裹，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。全球调用量前五名的模型中，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──同等测得的智慧水平，中国是四分之一到五分之一的价钱。当然，这也不意味着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项研究显示：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一般使用者的呼叫量。但不管怎么样，都不超过1/5。也就是说，在所有人裹，中国模型是十三分之一。

但在会算帐的开发者裹（呼叫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；学习典范：美国35%未知，中国60%未知；六成到七成，查不出来。

你想像一下这个场面：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裹，还特别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，是揭露意愿，这本身就是两个生态最真实的差异之一。还有，这份报告本身，基本上就是用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。

兰德把这套流程揭露得极为彻底，连完整的提示词都原样附在附录裹了。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有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：中国这个数字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——在一个人人都在谈论“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：如果通往更强人工智慧的路，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。

对冲的帐单，两边都已经在了。中国这边：做人形机器人的公司超过140家，产品超过330款；2026年上半年具身智慧产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学研究和教育客户，而不是真实产线。

美国这边：61%的公司是纯软体，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——智慧可以主要靠软体交付。

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，达尔文当年在加拉巴哥群岛看到一群雀鸟。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。没有哪个喙比较先进。只有哪个喙比较适合那个岛。

中美的AI，现在看起来就像这样。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。两座不同的岛屿——一边是全世界最贵的知识工作者和最成熟的企业软体市场，一边是全世界最大的制造业和最密的机器人装置基础。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－只有当环境改变了的时候，才知道哪一种身体刚好适合。而环境会怎么变，现在没有人知道。

本文转载自微信公众号： TOP创新区研究院 ，作者：趋势研究小组