中美人工智慧（AI）競爭正在進入新的階段。《彭博》指出，中國AI實驗室正快速縮小與美國頂尖模型之間的能力差距，部分模型甚至已在成本與使用量等指標上取得優勢。當模型性能差距從過去的明顯落後縮小至個位數百分點，AI產業的競爭焦點也開始從「誰的模型最強」轉向「誰能以更低成本完成更多任務」。
根據Artificial Analysis最新數據，中國月之暗面的Kimi K3在綜合推理、知識、數學及程式設計能力等指標中取得60分，與Anthropic的Claude Fable 5的62分已相當接近。
中國目前也逐漸形成由Kimi、DeepSeek、阿里巴巴Qwen、智譜GLM及MiniMax等模型構成的近尖端模型群。
不過，這並不代表中國模型已全面超越美國。美國頂尖模型目前仍掌握能力上限，但雙方差距正在快速縮小。
史丹佛大學《2026年AI指數報告》顯示，自2025年初以來，中美最強AI模型曾多次互換領先位置。截至2026年3月，美國頂尖模型的優勢已縮小至2.7%，且過去一年大部分時間都維持在個位數百分點。
這代表，中美AI競爭的問題已經從「中國能否追上美國」逐漸轉變為「美國新模型推出後，領先優勢還能維持多久」。
Kimi K3逼近尖端模型 價格差距更受關注
Kimi K3近期受到市場關注，不只是因為模型能力接近美國尖端產品，也在於其成本明顯較低。
《路透》此前報導，月之暗面7月推出的Kimi K3擁有2.8兆個總參數及100萬Token上下文窗口，採用混合專家架構，推理時實際啟用約1040億個參數。
第三方評測顯示，Kimi K3在GDPval-AA v2測試中取得1678分Elo，高於GPT-5.5、GLM-5.2及Claude Opus 4.8，僅低於Fable 5的1760分。
不過，模型基準測試並不代表所有實際使用體驗。Kimi K3的輸出速度約每秒41個Token，低於Fable 5約75個Token；不同模型在事實準確度、工具調用穩定性及複雜專案的連續執行能力方面，也仍存在差異。
因此，目前更準確的描述並非中國已全面超越美國，而是美國從過去的明顯領先，逐漸轉向窄幅領先。
根據《彭博》，成本差距則可能成為下一階段更重要的競爭因素。
按照Artificial Analysis每項智慧指數任務的成本計算，Kimi K3平均成本約0.84美元，Fable 5約2.75美元，前者低約69%。
若按照快取命中、一般輸入及輸出Token以7∶2∶1加權計算，Kimi K3每百萬Token成本約2.31美元，Fable 5則約7.70美元。
對每天需要執行大量AI代理任務的企業而言，模型能力相差2分，未必比超過3倍的成本差距更加重要。
智譜的GLM-5.3也呈現類似情況。該模型在同一智慧指數中同樣取得60分，每項任務成本約0.68美元，低於Kimi K3約19%，也比GPT-5.6 Sol低45%。
AI競爭從「最高分」轉向「每美元完成多少任務」
這種變化意味著企業不一定需要把所有任務交給最強、也最昂貴的模型。
在實際部署中，企業可以採取混合分流策略，把高風險、高複雜度的任務交由美國頂尖模型處理，而大量、高頻的日常對話、程式設計、搜尋及自動化工作，則交給價格更低的近尖端模型。
在這種模式下，企業整體推理成本有機會降低。
開放權重模型則進一步擴大這項成本優勢。開發者可以下載、微調並進行私有化部署，雲端服務商也能根據不同硬體條件優化推理效率。
OpenRouter數據顯示，中國模型的海外使用量正在增加，部分市場的中國模型使用占比甚至已超過美國模型。
不過，美國AI助手在海外行動裝置下載量方面仍保持領先，品牌、產品體驗及企業通路依然構成重要優勢。
美國仍掌握算力與資本優勢
儘管中國模型快速追趕，但美國在AI產業的底層優勢仍十分明顯。
史丹佛AI指數顯示，2025年美國私人AI投資達2859億美元，約為中國124億美元的23倍；同年美國機構推出59個重要AI模型，中國則為35個。
美國目前擁有5427座資料中心，數量遠超其他單一國家。全球AI算力約相當於1710萬塊H100，輝達占比超過60%。
從先進GPU、HBM、網路互連到雲端平台，美國仍掌握支撐AI能力上限的大量關鍵資源。
但資本與晶片優勢並不必然等同於永久的模型領先。
在算力供給受到限制的情況下，中國AI實驗室更加重視混合專家架構、模型蒸餾、強化學習及推理效率，也加速發展國產加速器、先進封裝、HBM替代方案與軟體堆疊。
對半導體產業而言，低價模型也不代表AI算力需求會下降。當單一AI任務的成本下降，企業反而可能部署更多AI代理、產生更多Token，使整體推理需求進一步增加。
因此，真正可能受到壓力的，是依靠高API價格維持利潤的模型業者；GPU、ASIC、記憶體、網路互連及資料中心供應鏈，則仍可能受惠於AI推理需求擴大。
中美AI競爭標準正在改變
從目前的產業格局來看，中國並沒有贏得整場AI競賽，美國也沒有失去領先地位。
真正發生變化的是，衡量AI領先地位的標準正在改變。
過去市場主要關注哪家公司能推出能力最高的模型，如今則逐漸轉向模型的算力效率、單一任務成本、開放程度以及實際部署規模。
美國仍掌握由頂尖晶片、大型資料中心與尖端模型所構成的能力天花板；中國模型則試圖以「接近尖端的性能＋更低價格」擴大全球API使用量。
對美國尖端AI業者而言，如果性能優勢無法轉化為成本效率，可能面臨高價模型遭其他產品取代的壓力；而中國模型若無法突破先進算力供給與高可靠性的限制，也難以在所有關鍵業務中全面取代美國閉源模型。
因此，中美AI競爭的下一階段，已不只是比較誰的模型在排行榜上多拿幾分，而是誰能率先將足夠強大、足夠便宜且足夠穩定的AI，轉化為大規模使用的基礎設施。
