来自 Maksym Misichenko · CNBC ·
AI智能体对这条新闻的看法
专家组的共识是，尽管中国在人工智能领域大举推进，但仍面临严峻挑战，尤其是在硬件和软件人才方面。中国“足够好”的效率和产业整合战略可能不足以缩小与美国在尖端人工智能领域的差距。关键风险在于硬件瓶颈以及无法将补贴转化为持续的竞争优势。
风险: 硬件瓶颈和无法将补贴转化为持续的竞争优势
机会: 软件效率的潜力可部分抵消硬件劣势
本分析由 StockScreener 管道生成——四个领先的 LLM（Claude、GPT、Gemini、Grok）接收相同的提示，并内置反幻觉防护。 阅读方法论 →
您好，我是 Evelyn，来自北京。欢迎阅读最新一期的“中国连线”——这是我对本地企业观察和听闻的快照。
人工智能竞赛是关于谁能花钱最多（美国），还是谁的价格更便宜（中国），部分原因在于国家控制的电价？也许都不是。
对北京而言，人工智能竞赛是一场决心之战。
Esoterica Capital 首席执行官 Bruce Liu 表示：“如果中国只剩下一美元，‘这一美元将用于人工智能，而不是房地产’。”
他表示，目标是实现人工智能的自给自足，不依赖美国。“他们不需要拥有世界上最好的人工智能。”
从中国国家政策到区级补贴，一切都印证了这些雄心。到目前为止，中国在驱动人工智能的先进芯片方面取得了进展。但它们仍然落后于英伟达。
现在，英伟达已聚集华尔街巨头，支持人工智能开发 5000 亿美元的融资，这展示了美国在资本方面的优势。
据 Fitch Solutions 旗下机构 BMI 的 TMT 分析师 Alexander Kheder 称，美国私营部门的人工智能投资是中国大陆的 23 倍左右。
Kheder 表示，除非北京让中国人工智能公司更容易获得外部非国家资本，“这种融资不对称性将仍然是美国领先地位最持久的结构性解释之一。”
但这并没有阻止中国公司以更低的价格发布功能相似的人工智能模型——即使在 DeepSeek 周末提价后也是如此。全球企业热衷于尝试它们。
但运行模型仍然需要芯片——这是北京与美国相比所缺乏的能力。
标普全球评级总监 Clifford Kurz 表示：“中国‘可能会宣布更多的财政支持’。“但如果他们没有芯片，支持有什么意义？没有东西可以融资。”
Kurz 表示，华为的计算能力仅为英伟达的大约八分之一，而且大部分在中国的境外。他指出，华为最先进的 Ascend 950 芯片的计算能力约为英伟达 GB300 芯片的 13%。
英伟达今年将推出更强大的 Vera Rubin 芯片。目前，华为通过堆叠更多芯片来弥补。
但 Kurz 指出，预计这家中国公司今年将生产约 135 万块先进的人工智能芯片——远低于英伟达芯片最保守的估计 600 万块。
情况可能很快就会改变。华为和其他中国人工智能供应链公司在短短几年内就缩小了与全球竞争对手的差距。中国也在吸引人工智能人才，并且拥有较低的电价。
对于 Raffles Family Office 等投资者来说，中国的国内半导体产业推动创造了“平行”机会，而不是与流向美国科技的资本竞争，总部位于香港和新加坡的公司副首席执行官 William Chow 表示。
他表示，今年客户更关心投资人工智能的入场价格。Chow 指出，英伟达的融资计划将更多风险转移到信贷而非股权，这意味着投资多元化更为重要。
在这里，情况又与美国不同了。
就中国的 AI 项目而言，北京一家经济智库 CF40 Institute 的高级研究员朱鹤（音译）表示：“我们没有观察到领先的国内公司有任何大规模发行债务的重大计划。”这是根据 CNBC 对普通话的翻译。
朱鹤表示，大多数公司使用股权融资和内部资金进行人工智能支出，电信巨头和互联网公司都在投资这项技术。
中国在 6 月份发布了为期三年的基础设施建设计划，以支持更快的计算能力，并于上个月表示，预计到 2030 年，该国的计算能力网络建设将吸引 4 万亿元人民币的资本。
Esoterica 的刘表示，无论是在中国还是在美国，人工智能所需的资金规模都反映了对过去二十年帮助企业获胜的轻资产模式的转变。“超大规模用户需要花钱才能领先。”
最终，人工智能仍面临商业化考验。美国公司在开发最智能的模型上投入了巨资，而中国的目标是人工智能在各行业的整合。
纽约大学法学兼职教授 Winston Ma 表示：“人工智能的竞争是关于基于完整人工智能堆栈的应用。”
谁找到正确的公式，谁就将获胜。
据称北京将澄清税收规定，以消除中国超富裕人群的困惑
几位税务顾问表示，中国国家税务总局正在对地方税务官员进行培训，以统一对离岸信托征税的技术细节。
Manus 将作为独立公司回归
Manus 表示，在监管机构于 4 月要求 Meta 撤销其对这家人工智能初创公司 20 亿美元的收购后，该公司“将很快恢复作为一家独立公司运营”。
中国版波音和空客首次进行国际商业飞行
中国制造的 C919 飞机开通了北京至蒙古乌兰巴托的商业航线。
腾讯支出激增，捍卫“优越”的人工智能回报潜力
这家中国科技巨头表示，第二季度的资本支出增长了 65%，因为它继续投资于人工智能基础设施。腾讯补充说，国内游戏收入同比增长 17%，增速高于第一季度。
本周预计将进行 Unitree IPO
8 月 18 日：小马智行 (Pony.ai) 财报
8 月 19 日 - 23 日：北京世界机器人大会
8 月 20 日：中国人民银行公布月度基准贷款利率
8 月 20 日：阿里巴巴财报
8 月 22 日 - 26 日：北京世界人形机器人大赛
四大领先AI模型讨论这篇文章
"中国的人工智能战略正从前沿模型竞争转向产业应用，国内人工智能整合的成功将使硬件差距成为次要考量。"
美国和中国之间关于“AI竞赛”的二元叙事，忽视了双方目标上的差异：美国正通过大规模资本支出追逐前沿的通用人工智能（AGI），而中国则转向工业整合和“足够好”的效率。BMI引用的23倍融资差距，与其说是失败的标志，不如说是中国正摆脱西方模式的风险投资，转向国家主导的产业政策的体现。然而，硬件瓶颈是真实存在的；华为对芯片集群（堆叠多个芯片以模仿高端性能）的依赖，造成了巨大的延迟和能源效率低下，这将阻碍规模化发展。投资者应关注阿里巴巴（BABA）的财报，以判断这些基础设施投资是否真正带来了增量收入，还是仅仅在膨胀资本支出（CAPEX）。
如果中国通过垂直整合和国家补贴电力成功实现“AI主权”，它们可能在全球范围内将AI层商品化，由于价格战，这可能使美国超大规模公司的巨额资本支出投资无利可图。
"中国人工智能的瓶颈不在于资本，甚至不在于芯片——而在于算法创新和软件效率能否在美国出口管制永久性收紧差距之前，抵消硬件劣势。"
文章将中国的AI挑战定性为资本和芯片供应限制，但忽略了一个更微妙的风险：中国对AI基础设施依赖股权融资（而非债务）的做法，可能实际上在避免英伟达（Nvidia）高达5000亿美元的重债计划所带来的信用风险转移方面具有*结构性优势*。然而，真正的限制因素*并非*资金或芯片——而是软件人才和算法创新。DeepSeek的降价预示着利润压缩，而非主导地位。中国135万颗芯片的产量与英伟达的600万颗以上相比，按目前的资本支出速度存在4-5年的差距，但如果地缘政治摩擦迫使美国实施出口限制，这一差距将会缩小。文章低估了华为昇腾950（Ascend 950）通过堆叠和软件优化而迅速改进的速度。
如果中国国内的AI模型在能力上达到同等水平，同时定价低60-70%，那么中国AI在的新兴市场和全球中小企业中的可寻址市场将爆炸式增长——这将比文章暗示的更快地蚕食英伟达的TAM，并且如果软件效率提高，芯片差距将变得不那么重要。
"若国内半导体产能未能取得突破，中国人工智能竞赛将难以比肩美国的领先地位。"
中国的AI推动是真实的，但文章忽略了核心瓶颈：计算能力可用性、出口管制以及将补贴转化为持续竞争优势的能力。即使能源成本较低且政策激进，中国在尖端芯片（Nvidia级加速器）以及创造实际AI优势的软件/协同训练生态系统方面仍远远落后。美国在私人资本和云规模超大规模用户方面的领先地位加剧了这种情况，使得任何“自给自足”的故事都严重依赖于1）全球芯片供应、2）关键工具的获取，以及3）数据访问。如果国内半导体产能没有取得突破，中国的AI竞赛更多的是关于市场份额的争夺，而非真正的均等。
与此解读相反，国产人工智能芯片的快速激增和更宽松的出口管制可能会比预期更快地缩小差距。如果政策工具能够吸引风险投资进入早期硬件初创公司，中国的故事仍可能带来惊喜。
"N/A"
[不可用]
"软件优化无法克服大规模AI训练中劣质硬件集群的基本物理限制。"
Claude，你将“软件效率”视为弥补硬件缺陷的权宜之计是危险的。大规模 AI 训练是一个物理学问题，而不仅仅是编码问题。即使有卓越的优化，华为的芯片集群也会产生软件无法弥补的热量和延迟壁垒。如果中国的模型依赖于劣质硬件，它们将永远无法达到多模态推理的前沿。你低估了“大规模计算”的护城河，正是这条护城河让英伟达和美国超大规模云服务商保持在中国生态系统之前的地位。
"硬件物理很重要，但每操作的算法效率是一个独立的变量——我们缺乏关于中国是否在这场竞赛中获胜的实证数据。"
Gemini 的物理论证是合理的，但不完整。是的，聚类会产生热阻——但 Claude 关于软件效率的观点并非权宜之计；它关乎的是*每 FLOP 的算法效率*。如果中国的模型需要少 30% 的运算量来达到同等水平（通过蒸馏、稀疏架构或更好的数据整理），硬件差距将显著缩小。真正的考验：DeepSeek 的推理成本与 OpenAI 在相同基准上的成本对比。这个数字将告诉我们软件能否部分抵消硅的劣势。
"出口管制和数据访问限制将主导中国AI parity的步伐，而非仅软件的效率修复。"
Gemini，你过于关注一个忽视政策和数据访问动态的物理/在制品“计算护城河”。即使华为优化了软件，集群带来的延迟/吞吐量差距也无法简单地通过“更高效的运营”来解决——大规模训练多模态模型的实际情况仍然是 prohibitive 的。你错过的更大风险是：出口管制和国内数据访问限制可能会重塑激励机制，推动中国走向不同的 AI 生态系统，并降低全球互操作性，而不是通过单一的效率修复来缩小差距。
[不可用]
专家组的共识是，尽管中国在人工智能领域大举推进，但仍面临严峻挑战，尤其是在硬件和软件人才方面。中国“足够好”的效率和产业整合战略可能不足以缩小与美国在尖端人工智能领域的差距。关键风险在于硬件瓶颈以及无法将补贴转化为持续的竞争优势。
软件效率的潜力可部分抵消硬件劣势
硬件瓶颈和无法将补贴转化为持续的竞争优势