來源：這很盒裡吧
著名風投機構 Dimension Capital 剛剛花了一周時間，來中國走訪了許多 AI 實驗室、投資者和創業者。
回美國後他們寫了封內部信，分享了此行見聞。我認為其中很多評價都算公允，當然也存有爭議觀點，所以摘錄了部分重點內容分享給大家：
- 面對算力封鎖，中國的 AI 實驗室習慣於下潛到系統抽象層之下做極致的工程壓榨，而這些髒活累活，資源充裕的美國實驗室壓根不會在意。
- 美國實驗室花錢買到的是一次性的算力消耗，而中國實驗室每增加一名懂系統或編譯器的工程師，帶來的是對算力依賴的永久降低。這種全棧式的能效文化貫穿了算子內核、優化器、推理服務系統直至自研晶片，其積累出的複利效應，遠非單純燒錢所能比擬。
- 中國算力的匱乏反而成了發明之母，更是這套深層系統架構與編譯器工程的真正催生者。
- 當前這代中國開源模型已經做到了過去二十年中國企業級軟體從未做到過的事：滲透進西方的生產技術棧。約 80% 的美國 AI 初創公司在生產環境中運行着至少一個中國開源模型。
- 開源策略還有意外收穫，它巧妙繞開了西方企業的審查之牆。當代碼和模型免費時，採購合規部門根本找不到一個可以一票否決的實體供應商。
- 本質上，中國正在吃掉西方的工作負載，而非直接收割其營收。眼下推理環節的商業利潤，只會流向實際承接 Token 調用的算力底座。中國前沿實驗室正在將美國同行最依賴的變現層徹底大宗商品化。
- 中國前沿陣營內部的競爭激烈程度，遠超西方同行的認知。目前我們認為中國前沿梯隊包括 DeepSeek、阿里巴巴（千問）、月之暗面（Kimi）、字節跳動（豆包）以及智譜（GLM）。整個團隊此行最強烈的震撼在於：中國內部烈度極高的內卷式競爭對創新的推動力。
- 無需遮掩的一個循環是，美國頂尖實驗室訓練出前沿模型，中國實驗室會迅速完成蒸餾並開源。接着，美國的應用層初創公司基於這些中國開源模型進行精調，再將最終產品賣回給美國本土企業。
- 數據層似乎也在遵循類似的模式。包括 Mercor、AfterQuery 和 Turing 在內的美國數據供應商，與螞蟻集團、阿里和字節之間均有明確記錄的商業合作關係。
- 一批新生的中國初創企業正在構建評測和驗證基礎設施，而非單純的數據標註服務。我們在北京和上海接觸了數家同類型團隊，成立普遍不足兩年，其中幾家跑得極快的初創公司，年營收已迅速衝破 1 億美元大關。
- 2024 年，中國新增發電裝機容量約 429 GW，而美國約為 51 GW。到 2030 年，我們所見的大多數分析預測中國還將有遠超 400 GW 的新增電力上線。反觀美國，高達 241 GW 的數據中心擴建項目深陷既有電網併網申請的漫長排隊中，面臨長達五年的擱淺與等待。
- 中國的核心瓶頸依然在算力底座。美國晶片充裕但電力日益吃緊，中國電力充沛卻飽受晶片之困。所以決定中期戰局走向的關鍵，在於誰的瓶頸能率先破局：是美國的發電裝機與電網併網審批提速，還是中芯與華為在晶片良率與先進封裝上的工藝爬坡。
- 中美 AI 之間的收入差距依然巨大，甚至接近兩個數量級。中國消費者素來沒有為軟體買單的習慣，我們依然懷疑其中產階層是否已做好為 AI 大規模付費的準備。
- 正如十年前中國行動網路的崛起邏輯，又或者，中國團隊會毫不猶豫地擁抱電商與廣告，而這恰恰是美國實驗室至今仍不屑為之的變現手段。中國創業生態中流淌着一股極其坦率的實用主義，從不避諱靠流量紅利變現，也毫不在意商業模式是否體面。
- 儘管晶片及底層硬體正在加速脫鈎，但軟體與數據層的相互嵌合卻正在熱火朝天推進。美國應用層企業直接調用中國的開源權重，中國實驗室在馬來西亞和泰國租用英偉達算力，拿美國前沿模型的輸出做蒸餾訓練，高質量的行業專家數據更是在大洋兩端全天候雙向流動。
- 中美兩國的 AI 技術棧早已深度咬合。大洋兩岸的技術人員，事實上正穿透國界，在蒸餾、開源、數據標註、推理部署，乃至日益成熟的評測 Harness 與 AI Agent 搜尋底座中隔空協作。
- 在上述現實下，爭論誰真的從中贏麻了根本是個偽命題。兩國 AI 系統的共生咬合程度如此之深，以至於任何宏大的敘事在實操中都無法成立，除非系統演化中出現某種非連續的斷層變量（例如工程上真正可行的遞歸自我改進），徹底掀翻現有的棋盤結構。
- 眼下華盛頓的那些粗暴管制，幾乎註定會反噬美國本土的創新活力，並在上述細分賽道拱手讓出主導權，反倒為善於快速跟進的中國 AI 創業者騰出了超車空間。
- 在走訪中，少數中國頭部研究員對我們表示，自己已經摸到了弱形態 RSI（遞歸自我改進）的雛形。在他們的描述中，這是一種受限於時間或算力的早期自進化內核：研究人員通過手動介入與輔助，推着模型加速收斂到原本設想的性能狀態，從而省下關鍵的算力與時間開銷。
- 若模型自我改進的速率在一階近似上主要與算力規模線性相關，那麼美國陣營的勝算極高：目前兩家頂尖美國實驗室各自掌握着約 2 GW 的運行算力，鎖定了各約 5 GW 的供電協議，並劍指 2030 年各自 30 GW 的宏大目標。在巨額營收與亢奮資本的加持下，美國實驗室完全可以啟動高算力消耗的自催化自我改進閉環，而中國現有的晶片存量根本無法跟上這種規模的軍備競賽。
- 反之，若自我改進的核心瓶頸最終落在了評測與驗證質量上，亦或者戰線拉長到了中國依靠底層系統優化與國產晶片跨過算力夠用門檻的那一天，我們大機率會看到過去 18 個月的主線劇情繼續加速上演：美國前沿模型的核心壁壘不斷貶值泛化，中國開源模型全面鋪開並主導生態。
- 上述推演必須基於兩國電力基建的中性預期。對中美兩國的模型評測與驗證基礎設施進行一場徹底、冷靜的對比拆解，是當前科技投資界資訊產出比最高的必修課。
- 未來完全可能演化出這樣一種格局：美國前沿實驗室選擇關閉下一代 SOTA 模型的公開 API。未來的頂級模型將轉向按價值收費而非按 Token 用量計費，這能在商業變現的同時，直接鎖死被蒸餾前沿能力的空間。
- 上述舉措會逼迫中國的 AI 實驗室不得不回歸高強度的重度預訓練，直接撞上算力儲備的堅硬瓶頸。這並非不可能，因為據我們掌握的線索，在科學、工程與數學領域的下一代模型攻堅中，這一策略轉向已經在悄然發生。
- 頭部中國實驗室在營收規模落後矽谷一到兩個數量級的前提下，估值乘數卻比美國同行高出整整 5 到 10 倍：7 月底，月之暗面以 350 億美元估值完成 35 億美元融資，股價營收比高達 115 倍。反觀 Anthropic，其估值倍數僅在 20 倍左右。
- 智譜和 MiniMax 的市值在過去兩個月都經歷了大起大落。中國的投資者習慣了過去二十年為消費網路買單的邏輯，目前才剛剛開始建立針對企業級軟體與開源技術生態的定價與承銷能力。
來源：金色財經
發佈者對本文章的內容承擔全部責任
在投資加密貨幣前，請務必深入研究，理解相關風險，並謹慎評估自己的風險承受能力。不要因為短期高回報的誘惑而忽視潛在的重大損失。
