证券配资开户海外顶级风投的中国AI调研备忘录

（来源：DionysusG 格上私募圈）证券配资开户

元股证券:ygzq.hk

作者：DionysusG

来源：卫斯李的投研笔记（ID：DionysusGW）

]article_adlist-->

导读：如果只看芯片、模型榜单和融资规模，中美AI竞争似乎仍是一场谁拥有更多算力、更多资本和更强基础模型的竞赛。但著名海外风投Dimension Capital近期赴华调研后的判断更复杂：出口管制并没有简单拖慢中国AI，反而倒逼出一套更强调系统优化、编译器、蒸馏和开源权重的高效率技术路线；与此同时，中国模型正在以前所未有的速度进入美国AI公司的生产环境，甚至形成“美国训练前沿模型—中国蒸馏并开源—美国应用公司再微调变现”的跨太平洋循环。

更有意思的是，中美目前面对的瓶颈恰好相反：美国不缺芯片，却越来越缺电力和电网容量；中国拥有更快的电力扩张能力，却受制于先进芯片供给。未来竞争的关键，可能不只是“谁的模型更强”，而是谁能更快解除自身最稀缺的约束，以及AI价值最终究竟流向基础模型、算力、推理平台，还是应用层。

以下内容来自Dimension Capital团队经历中国调研后写给合伙人的一份备忘录《跨太平洋AI棋盘》，共13条观察，提供了一个很不一样的理解框架。需要强调的是，该观察只属个别机构视角，不应理解为全部事实，全文翻译如下，供参考：

2026年8月26日尊敬的各位合伙人：

Dimension的一个专项小组上周赴华走访国内头部实验室，并与本土投资人、创业者及技术专家交流。此行主要目的是复盘并修正我们2025年上海之行形成的前期判断。此前我们已撰文深入探讨中国在生物科技与医药领域日益提升的影响力，下文将总结我们对于当前跨太平洋AI竞争格局的调研结论。本文仅为我们当下思考的概要，请注意相关观点会持续动态调整，可能会随着新数据或是新讨论出现变化。

1、稀缺催生迭代。出口管制的初衷是放缓中国AI的发展进度，但事与愿违，管制反而带来了倒逼式的迭代压力，催生出独具特色的研发模式。在算力受限的情况下，中国研发团队常态化地在底层抽象层开展技术攻坚，而美国实验室往往无需关注这类底层工作。深度求索（DeepSeek）在2048台经过刻意性能限制的H800芯片上完成了V3模型训练：团队在PTX层级编写CUDA程序，并为每块GPU分配20组共132个流式多处理器，以此弥补芯片互联带宽被削弱的短板。我们认为，这并非美国人才储备不足，而是成本激励差异带来的结果：在美国实验室，投入的边际资金会优先采购算力；而在中国，投入的边际资金会聘用工程师（大多精通系统或编译器开发），以此降低算力依赖。最终形成了一套全栈式高效AI技术体系，涵盖内核、优化器、服务系统，如今还延伸至芯片领域，这种能力的沉淀效应已经超出一次性资本开支所能带来的效果。谁能想到，稀缺性竟成创新之母——在这个案例中，稀缺催生了系统、汇编语言与编译器工程领域的技术突破。

2、当前一代中国软件（开源权重模型），已经实现了过去二十年中国企业软件从未达成的成就：打入西方生产业务体系。在不到18个月的时间里，中国服务商在OpenRouter平台的token流量占比从不足2%飙升至45%；通义千问（Qwen）成为Hugging Face平台史上最快突破十亿次下载的模型系列；约80%的美国AI初创企业在生产环境中至少部署了一款中国开源模型。开源权重绕开了采购壁垒——当软件免费时，没有厂商会拒绝使用。

本质上，中国正在承接西方的算力业务负载，但并未攫取对应的西方营收。正如我们此前的判断：现阶段，推理业务的利润会流向掌握token流量的一方，而非提供工作负载的一方。无论这是刻意布局，还是全球复杂体系下不可忽视的涌现现象：中国前沿实验室正在将美国同行高度依赖的营收层产品商品化。我们在实地交流中发现，没有人能精准预判后续走向。中国团队有志打造体量庞大、独立变现的业务。不过，走向开源权重、快速跟进的生态这一中间路径，会直接挤压头部企业的营收规模。

美国前沿实验室正同步将推理业务的收益流向超大规模云厂商与新兴云服务商。除非当前竞争格局出现重大格局变动，否则我们认为这一趋势不会放缓。

3、中国前沿赛道的内部竞争激烈程度，远超西方普遍认知。我们认为该赛道的头部玩家包括深度求索（DeepSeek）、阿里巴巴（通义千问Qwen）、月之暗面（Kimi）、字节跳动（豆包Doubao）以及智谱AI（GLM），各家实力差距极小，行业排名每季度都会发生变动。（注：腾讯尽管在产业生态中体量可观，但已不再处于帕累托最优的第一梯队。）五家实验室在性能迭代节奏上同台竞技，同时除豆包外的四家均开源模型权重，这与美国两家头部实验室的格局形成了截然不同的竞争生态。我们本周调研得出的核心结论是：国内同行之间的竞争，对创新的推动作用，不亚于西方舆论重点关注的中美之间的外部竞争。

4、当下，AI能力成果往往要跨太平洋往返两次，最终才交付终端客户。这套循环模式为：美国前沿实验室训练出性能顶尖的基础模型；中国实验室对模型进行蒸馏并发布模型权重；美国应用企业基于中国开源权重做微调，再将成品方案销售给美国企业客户。Cursor宣称“自研”的Composer 2模型，底层实际基于Kimi K2.5开发；Cognition的SWE-1.5模型，是基于定制化的智谱GLM模型开发。一个很典型的案例：Harvey完成了从上海到北京的高速模型训练后，发布了Harvey Tenet——一款在Kimi开源K3模型基础上二次训练的自研模型。若是在一年前，这类企业会选择基于Llama或是Mistral模型开发。如今美国垂直领域AI产品的底层基座，已经换成了带有美国前沿模型知识沉淀的中国开源权重模型。

5、数据层似乎正在复刻同类发展模式。美国数据服务商Mercer、AfterQuery、Turing均已和蚂蚁集团、阿里巴巴、字节跳动达成商业合作。实地调研中我们看到一批新兴中国初创企业，主攻模型评估与验证基础设施，而非传统的数据标注业务。例如2025年12月由北大博士生创立的UniPat，创始团队成员曾在通义千问、月之暗面、腾讯实习，该公司发布的基准评测体系如今已被美国实验室引用在自研模型报告中，并且宣称基于自研的一套规范监督体系，仅依靠小规模模型训练就取得了优异效果。其底层思路——用监督质量替代算力投入，和我们前文提到的、算力受限环境下催生出的自适应技术能力逻辑一脉相承（见要点1）。我们在北京、上海看到多家该赛道团队，成立均不足24个月，其中少数团队营收已经快速突破1亿美元。

6、中美两国正面临截然不同、彼此对立的算力约束条件。2024年中国新增电力装机约429吉瓦，而美国仅约51吉瓦。我们参考的多数分析预测，到2030年中国还将新增超400吉瓦的电力供给。与之相反，美国有241吉瓦的数据中心扩容项目陷入搁置，受现有网络互联资源限制，落地周期需要等待五年。

正如我们此前所述，中国面临的核心约束在于算力基础设施供给不足。典型案例：月之暗面（Moonshot）的K3模型上线仅两天，就因推理算力不足暂停新用户注册。美国的现状是芯片充足，但电力供给约束日益凸显；中国电力储备充裕，却受限于芯片供给。

我们的观点（也是行业普遍共识）：中期格局走向很大程度上取决于哪一方的约束能更快得到缓解——即美国的芯片产能与互联技术迭代，对比中芯国际、华为的良率与封装产能提升曲线，二者谁进展更快。

7、中美AI企业的营收差距仍然悬殊，相差接近两个数量级。Anthropic的年化营收在7月底突破650亿美元，OpenAI在8月达到400亿美元；国内营收能力最强的模型业务是字节跳动的视频大模型，年化规模约20至30亿美元；而专注大模型研发的独立实验室营收仅数百万级别，据报道深度求索（DeepSeek）年化营收接近5亿美元。

C端方面，豆包月活用户达3.45亿，超过通义千问与DeepSeek用户总量之和，但日均营收不足100万元人民币，收入基本来自电商佣金。中国消费者历来没有为软件付费的习惯，虽然我们并非中国经济研究者，但同样不认为中产群体的付费意愿会快速转变。

当然，这类规模的流量最终完全有可能实现商业化变现，就像十年前中国消费互联网走过的路径。国内实验室最终也可能依托电商与广告变现，而美国实验室一直不愿采用这类模式。中国创业者有着非常务实的特质，不会因为顾虑舆论观感或所谓“名声包袱”而排斥这类商业模式。在香港闹市的集市里听本・汤普森分析美国实验室刻意回避广告与商业化、品读帕特里克・奥肖内西《像顶尖投资者一样思考》一书时，我们对此感受尤为深刻。（注：如果你还没听过相关内容，本・汤普森是史上最优秀的分析师之一。）

8、半导体及底层硬件层面正在逐步脱钩，但软件与数据层的交织融合速度，远超两国政府监管的响应速度。美国应用产品基于中国开源模型权重运行；中国实验室在马来西亚、泰国租用英伟达算力开展模型训练；专家数据双向跨境流动。我们认为“谁是赢家”这个问题本身逻辑并不成立。就当前现状而言，各类系统的关联依存度极高，很难简单用单一国家的胜负来定义格局，除非出现颠覆性事件——即可落地的递归自迭代技术（RSI）从根本上改变现有竞争格局。

排名前五配资公司

9、我们接触到部分国内顶尖科研人员，他们认为已经掌握了弱版本的递归自迭代技术（RSI）。这类技术大多属于受时间或算力约束的RSI形态。科研人员向我们介绍，这是RSI的早期雏形：由研发人员人工介入、“手动辅助”加速模型迭代，以此节约算力、时间资源，或是同时节省两者。（注：该阶段技术的“起步”，最类似上世纪90年代末至2010年初的“人机混合国际象棋”模式——人机协同的能力优于单独的人类或是单独的机器。）

10、一个关键的发展分叉点：假设自迭代技术实现规模化落地，从核心层面看，依托算力优势的美国路线目前基本面强劲：两家头部实验室当前各运营约2吉瓦算力，签约算力规模超5吉瓦，2030年规划算力约30吉瓦。理论上，充足营收与活跃资本市场能够支撑算力受限下的自催化“自我迭代”循环，而中国将面临芯片供给跟不上需求的难题。

反过来，如果瓶颈最终落在验证质量层面，或是时间窗口拉长，直至国内底层优化技术与本土芯片供给达到可用水平，那么过去18个月的趋势或将延续甚至加速：美国前沿模型能力持续商品化、中国开源权重模型普及度不断提升，美国垂直AI企业迎来新机遇——它们可以基于海外顶尖开源权重做微调，增量业务与利润将流向推理服务商（也就是当下的超大规模云厂商与新兴云服务商）。上述判断基于电力基础设施的中性预测。同时我们认为，客观、严谨地评估中美双方基础设施的投资回报，或许是接下来回报率最高的研究课题之一。

结语思考：

11、未来很有可能出现一种局面：美国前沿实验室停止开放下一代顶尖模型的API调用权限。实际上，现有技术水平已经足以满足绝大多数程序化企业业务场景。未来高端模型将按价值定价，而非按使用量计费；这一做法同时会限制中国从美国顶尖实验室蒸馏核心前沿能力。

实验室会持续扩大高流量API业务规模以获取更高收入，同时通过定价手段，阻断来自太平洋对岸具备竞争力、可商品化的技术威胁。至少，这将倒逼中国开展高标准、美式规模的预训练工作，给东方现有算力瓶颈带来压力。据我们所知，针对科学、工程、数学领域的下一代前沿模型能力攻关，相关布局已经在推进当中。

12、在我们看来，人工智能已经深度交织中美两国的技术体系，仅凭监管手段已无法简单斩断这条跨太平洋的技术纽带。现阶段，如果假定或是试图强行切断关联，往最好的方向说，也属于想法天真。某种意义上，中美技术从业者正通过模型蒸馏、开源权重、数据标注、推理服务，以及日益普及的软件适配层与智能体检索基础设施开展技术互通。当前普遍采用的这类强硬限制措施，例如实体清单、托管禁令与采购禁令，几乎必然会抑制美国的创新、让美国在上述领域让出领先地位，最终只会催生快速跟进的中国竞争对手。

13、尽管外界普遍讨论西方AI估值泡沫，但中国市场的热度实际上要显著更高。结合偏低的营收规模（见第7点），国内头部实验室的估值倍数比美国前沿AI企业高出5至10倍，而营收规模却低一到两个数量级：月之暗面在7月底完成35亿美元私募轮融资，投后估值350亿美元，对应约3亿美元年化经常性收入，估值倍数约115倍；并且该公司计划登陆港股IPO前，正筹备一轮投前估值500亿美元的融资，而Anthropic的估值倍数大约仅20倍。

已经上市的早期标的股价波动剧烈：智谱AI的市值在1月时为130亿美元，上市后一度突破1000亿美元，7月末回落至约700亿美元；MiniMax市值则经历了150亿美元→330亿美元→跌破100亿美元的过山车行情。两只股票均在限售期解禁后大幅下跌。我们认为，该现象主要源于境内资本市场尚不成熟：市场习惯了长达二十年的消费软件投资逻辑，针对企业级产品与开源框架的专业估值定价能力才刚刚建立。这一情况和我们在中港两市生物科技板块观察到的特征高度相似。我们同时注意到：如果相关方面能够缓解跨市场专业科技与生物医药投资者面临的监管风险，那么成熟投资者将迎来重大机遇，可在中港早期公开市场中建立在相关赛道的领先布局。