2025年美国私人AI投资规模是中国的23倍以上，计算芯片集群算力约为中国的11倍——但中国占全球工业机器人新增安装量的54%，拥有更完整的产业场景和工程交付体系。中金研究院的报告指出，中美在全球智能供给体系中正在形成两条不同的发展路径：美国依托前端供给的自我强化循环，中国则在算力约束下走工程扩散与场景融合之路。两种路径的差异，正在塑造全球AI产业的竞争格局。
美国路径——前端供给的自我强化循环
资本、算力与平台构成的核心优势
美国的优势并不局限于单一模型能力，而是体现为资本、算力、云平台、基础模型、企业软件和全球客户共同构成的前端供给体系。资本市场为模型、芯片和应用企业分担早期风险，平台企业依托现金流和客户基础提前建设AI基础设施。2025年美国私人AI投资规模是中国同期的23倍以上。五大云平台企业资本开支由2022年约1580亿美元增至2025年约4120亿美元，预计2027年升至约9130亿美元。
强化循环与潜在风险
美国前端供给体系的核心优势是资本投入、基础设施建设、模型能力、平台分发和收入回收之间的强化循环。成熟业务提供现金流和融资信用，资本开支形成数据中心和算力，算力支撑模型训练和推理，模型通过API、云平台和企业软件触达客户，客户使用再转化为云收入、软件订阅和内部效率提升。
但这一体系也面临风险。AI资本开支高度集中于折旧周期仅3至5年的计算设备，要求投资在较短时间内转化为收入。若模型调用和企业应用增长不足以消化新增产能，将形成折旧和回报压力。同时，随着开源模型能力提升、推理成本下降，前沿模型的技术溢价可能被压缩，基础认知能力价格将继续下行。美国路径的关键在于前端供给能力能否被产业侧持续吸收，并转化为实际应用。
中国路径——算力约束下的工程扩散
上游约束与中游追赶
中国在全球智能供给体系中的位置具有不同现实基础。上游首先面临资本开支和商业回收能力差异——中国相关企业前五名资本开支合计约604亿美元，美国约为中国的6.9倍。先进芯片和超大规模算力供给也存在限制，高端AI芯片及其配套的高带宽存储、先进封装等环节对中国形成约束。但中国模型供给保持较快提升，主要大模型发布数量明显增加，头部模型在多个评测中的表现与国际前沿模型的差距逐步缩小。DeepSeek、Qwen、智谱GLM等模型丰富了国内基础模型生态。
下游工程扩散的核心优势
中国更突出的优势在下游工程扩散。通用模型进入制造、能源、交通、金融和公共服务等领域，需要完成企业数据、设备协议、业务规则、安全权限、责任边界和长期运维等多方面适配。中国拥有完整产业体系、广泛应用场景和庞大工程交付队伍——工业门类齐全，2024年占全球工业机器人新增安装量的54%，运行存量超200万台，本土厂商市场份额升至57%。设备制造商、工业软件企业、自动化厂商、系统集成商和现场服务团队，共同构成连接模型能力与产业系统的组织中介。
两种路径的对比与演化
核心差异与各自约束
美国路径的核心机制是通过资本开支和平台分发形成大规模智能供给，价值转化方式为云服务收入、软件订阅、API调用和平台生态，主要约束是高折旧压力、模型商品化和下游吸收不确定。中国路径的核心机制是通过工程实施和场景反馈推动智能供给进入实体经济，价值转化方式为行业方案、系统集成、私有化部署和生产流程改造，主要约束是前沿算力受限、商业付费体系待成熟和项目制交付需标准化。
未来演化方向
这种分化仍会持续演化。美国将持续向应用层和行业场景延伸，中国也将不断推进模型能力提升和算力基础设施建设。美国更有可能率先形成集中化、平台化的智能供给体系，中国则更具条件推动智能供给在产业流程中的扩散与落地。前者主要影响智能供给的前沿能力与规模化分发，后者关系到智能供给在实体经济中的渗透深度与应用广度。评估全球智能供给体系的形成，需要从四层结构能否实现有效闭环的角度加以考察——物质底座支撑持续供给，智能供给以合理成本分发，组织中介降低接入门槛，场景兑现形成稳定收入和反馈。
