近日，美国顶级智库兰德公司（RAND）发布了一份题为《中美人工智能发展：基于AI开发企业新数据的实证分析》的重磅报告。这份报告之所以引发广泛关注，是因为它不再依赖零星的个案或政策文件，而是基于一个覆盖1181家AI开发企业的全新数据集，对中美两国的商业AI生态系统进行了迄今为止最系统、最量化的“体检”。
那么，这份“体检报告”到底揭示了哪些真相？中国的AI产业，在美国智库的显微镜下，究竟呈现出怎样的面貌？以下为报告的解读。
01
一个“反直觉”的发现：中美AI企业，其实很像
在报告的诸多结论中，最令人意外的或许是一个“反直觉”的事实：中美两国的AI开发企业生态系统，在结构上比人们通常假设的要相似得多。
长期以来，舆论场上经常出现两种截然对立的刻板印象：一种认为美国AI“一枝独秀”，另一种认为中国AI“另辟蹊径”。但兰德公司的数据显示，在模型架构、商业定位、基础模型开发比例和学习范式等绝大多数维度上，两国企业的分布图谱高度重合。
都是“Transformer主导”：在可明确分类的企业中，Transformer架构在中美两国企业中的占比分别为27%和28%，差距微乎其微。
“卖模型”的都是少数派：虽然聚光灯总是打在OpenAI、DeepSeek这类基础模型开发商身上，但数据显示，这类企业在两国都只占约19%-20%。超过九成的美国企业和约75%的中国企业，主营业务都是开发“应用型AI产品”，即把AI技术落地到具体的垂直场景中，而非单纯出售API接口。
这一发现打破了“美国只搞软件、中国只搞硬件”的简单二元论。在AI的核心技术路线上，两国商业公司其实正沿着相似的轨道前进。
02
最大的分野：软件与物理世界的“路线之争”
如果说两国AI产业在“上层建筑”上趋同，那么在“经济基础”上则呈现出鲜明的差异。报告指出，中美AI产业最大的分歧点在于“物理实体化”与“软件服务化”之间的选择。
1. 美国：软件为王，深耕知识密集型产业在美国的AI开发企业中，高达61%的企业是纯软件公司（不涉及任何硬件实体）。这些企业主要将AI应用于医疗健康、科学研究和网络安全等知识密集型领域。例如，报告中提到的Abridge公司，就是通过自研语音识别模型，将医患对话自动转化为结构化的临床笔记。
2. 中国：硬件优先，重兵布局物理世界相比之下，中国AI企业中纯软件公司的比例仅为26%。中国AI企业更倾向于将AI技术“嵌入”到物理实体中，集中在人形机器人、地面机器人、自动驾驶汽车等具身智能领域，以及制造业、交通运输和能源等实体经济垂直行业。
报告特别强调，中国的强化学习（RL）应用更多集中在机器人运动控制、自动驾驶和工业自动化等物理环境，而美国的强化学习则更侧重于基于人类反馈的偏好对齐。
兰德公司对此评论道：如果通往通用人工智能（AGI）的道路最终需要与机器人技术、世界模型和物理环境学习协同发展，那么中国企业在物理形态上更广泛的布局，将构成美国生态系统所缺乏的一个有意义的“对冲”。
03
开源模型的“逆袭”：价格战与开发者选择
除了企业端的布局，报告还特别关注了开发者社区的实际选择，引入了一个独特的数据源——OpenRouter（一个模型路由平台）。
数据显示，从2024年底到2026年4月，中国开源权重模型在OpenRouter平台上的Token使用量，从接近零迅速攀升至与美国模型持平的水平。
这一现象背后的驱动力非常直接：性价比。报告绘制了一张“模型性能-价格”散点图，结果显示，中国开源模型在提供与美国顶级闭源模型相当智能水平（基准测试分数约48-54分）的同时，成本仅为后者的四分之一到五分之一。
例如，在OpenRouter平台上，流量排名前九的模型提供商中，有六家来自中国（腾讯、月之暗面、深度求索、阿里巴巴、MiniMax、智谱AI），且其旗舰模型均为开源权重。这无疑表明，中国AI企业正在通过“开源+低价”的策略，在全球技术社区中快速抢占开发者生态位。
04
数据背后的隐忧与边界
当然，兰德公司的报告也坦诚地指出了研究的局限性，这也提醒我们在解读数据时需要保持审慎：
数据覆盖不均：由于中国企业信息披露相对不透明，报告承认中国企业的“未知”数据比例更高，因此报告中关于中国企业的正项统计数字（如具身智能企业占比）应被视为“下限”。
样本偏差：报告只统计了符合“AI开发者”定义的商业公司，排除了大学、政府实验室等非企业机构。考虑到中国政府在基础科研中的深度参与，这可能会低估中国在类脑计算、非Transformer架构等前沿领域的探索广度。
数据时效性：数据采集于2026年初，对于日新月异的AI行业来说，部分分类可能已经过时。
结语：一场关于“路径”的竞赛
综合来看，兰德公司的这份报告为我们提供了一个难得的、基于实证的中美AI产业对比图景。
它告诉我们，在纯粹的算法和模型架构层面，中国正在快速追赶，甚至在某些商业策略（如开源）上实现了“弯道超车”。而中美最根本的差异，在于对AI未来应用场景的押注不同：美国偏向用AI改造数字世界和知识工作，而中国则倾向于用AI赋能物理世界和实体经济。
这场竞赛的最终结果，不仅取决于谁能做出更聪明的模型，更取决于谁能将AI更深地与人类社会的不同维度——无论是虚拟的代码，还是真实的物理世界——融合在一起。
-