新加坡联合早报今天（8月7日）写道：“最新一期英国《经济学人》杂志有篇财经报道，再次提出了一个让西方世界迷惑的问题：为何中国对人工智能（AI）的投入会比美国更物有所值？”



8月7日，新加坡联合早报发了一篇文章，引用了最新一期英国《经济学人》杂志的财经报道。报道里又拎出了那个让硅谷想破头的问题：为什么中国在人工智能上花的钱，看着没美国多，效果却能旗鼓相当，甚至更划算。


这个疑问其实在西方科技圈已经盘旋了大半年，不是头一回被摆上台面，但经济类大刊正儿八经拿来当封面选题，味道就不一样了。说明他们已经从单纯的技术惊奇，转向了对整套打法的深层不安。


把时间往前拨，从中国深度求索公司推出DeepSeek开始，西方分析师手里的计算器就再也没按明白过。一家被高端芯片禁令死死卡住脖子的公司，用不成堆的算力，愣是训出了能和ChatGPT掰手腕的模型。


紧接着，其他几家公司接二连三发布新版本，中文基准测试上的分数一次次追平甚至反超。经济学人这次重提旧问，是因为进入2026年下半年，中国AI落地的速度明显又提了一个档，制造业、医疗、城市治理，到处都在嵌模型，而美国科技巨头们烧掉几千亿美元后，用户增长和商业回报还是老样子。


联合早报转述经济学人的观察，戳破了一层窗户纸。中国AI产业链有个很显著的特征，不迷恋单点参数的绝对碾压，把绝大部分力气花在怎么让模型更轻、更快、更便宜上。硅谷的信仰是，只要堆的算力够大、显卡够多，就一定能砸出通用人工智能。


微软、谷歌、Meta争先恐后地建十万卡集群，电费账单高得离谱。模型智商确实涨了，但胡说八道的毛病没根治，推理成本降不下来，一落到具体行业里就水土不服。中国的路数几乎完全相反，高端芯片拿不到，没法走算力军备竞赛，算法工程师就被逼着在螺蛳壳里做道场。


这种被逼出来的精细化，构成了第一层物有所值。同样一个亿的研发预算，中国团队会优先考虑架构创新、混合专家模型的稀疏激活、推理时计算效率的极致压榨。反映到最终产品上，消耗的GPU小时数仅仅是外媒猜测数字的一个零头，而输出质量在很多垂直场景里反而更稳。


经济学人那篇报道里还挑明了一个细节，中国几家头部AI实验室已经把单次推理成本压到了美国同行的几十分之一，这意味着企业客户敢大规模用，用得越频，反馈数据越多，模型迭代越快，成本又被摊得更薄。这个飞轮一旦转起来，烧钱大战的对手就很被动。


美国的AI到现在还陷在订阅费加广告的老套路里，主打写诗、画画、聊天解闷，技术很炫，但除了按月收会员费，一直没找到更有爆发力的变现出口。资本是逐利的，投入产出比自然就拉开差距。


开源也是一个被西方选择性忽视的武器。中国好几家主流大模型厂商直接选择开源，把底牌亮给全球开发者，社区生态像雪球一样越滚越大。无数程序员在上面修修补补，衍生出针对特定行业的轻量版本，研发成本被海量贡献者分摊得很薄，企业拿到手的却是经过实战检验的成熟方案。


在我看来，西方对这件事的持续迷惑，根源在于总是拿一把旧尺子量新路。他们习惯的剧本是，靠资本快速堆出垄断地位，再用垄断地位慢慢收租。但中国AI这轮效率革命，底色更接近制造业的思维。


用造手机的打法去造模型，把成本压到极致，靠规模化应用和快速迭代取胜，而不是憋一个完美无敌的终极智能。


芯片禁令像是一刀切断了一条宽阔的柏油公路，却逼着中国企业在山间野路上练出了拉力赛级别的越野能力。这种在受限条件下磨出来的工程智慧，一旦外部算力环境有所松动，释放的能量会成倍放大。


当然这不代表谁已经全面压倒了谁。基础理论的原始创新、全球顶级人才的厚度、底层工具链的生态绑定，美国依然攥着明显的优势。但经济学人反复拿这个问题做文章，本身就说明在“每美元智能”这条实实在在的赛道里，天平正在发生过去十年难以想象的倾斜。


当硅谷的老板们还在攀比谁的超级计算机更耗电，谁的万卡集群规模更壮观时，中国公司已经卷到了怎么让大模型在一台中端手机上流畅运行，怎么让一家路边小店也用得起AI客服。这种路线的分野，注定会在未来制造出更多类似的困惑。


这个现象给所有追赶者一个很冷的提示，资源上的紧箍咒未必是绝路，有时候恰恰是撕掉旧地图、重画航线的最大推力。我觉得，这场效率竞赛本身比谁排第一更有看头。它逼着技术回到了最本质的问题上，不是为了表演强大，而是真的能钻进生产生活里，把成本打下来，把门槛踩平。


下一个让西方想不通的时刻可能比预想的来得更快，因为只要方向从堆料转向炼金，速度往往是换挡而不是刹车。你身边有什么行业已经感受到这种低成本AI的渗透，这种效率优势又能维持多久，恐怕比排行榜上的名次更值得琢磨。