中國AI缺的不是GPT，真正差距藏在模型之外！

最近這一年，只要聊到 AI，很多人最后都會(huì)繞回同一個(gè)問題：中國和美國，到底差在哪里？

這個(gè)問題太容易被講成一個(gè)技術(shù)問題。GPT-5 比國產(chǎn)模型強(qiáng)多少，Claude Code 比國內(nèi)工具順手多少，H100 禁售會(huì)不會(huì)卡住訓(xùn)練，DeepSeek 和 Qwen 到底追到了哪一步。這些當(dāng)然重要，但我越來越覺得，如果只這樣聊，中美 AI 的差距會(huì)被講淺。

前陣子，我有一次比較特殊的機(jī)會(huì)，和一位做內(nèi)部調(diào)研的朋友聊了將近一個(gè)小時(shí)。對方想了解的不是某個(gè)產(chǎn)品、某家公司，而是一個(gè)更大的問題：站在一線使用者和從業(yè)者的角度，怎么看中美 AI 的真實(shí)差距。

模型當(dāng)然要追，工具當(dāng)然要追，算力當(dāng)然要補(bǔ)。但這些都不是最難的部分。真正難的是，當(dāng)一個(gè)普通人、一個(gè)工程師、一個(gè)產(chǎn)品經(jīng)理、一個(gè)被大廠裁掉的中年老兵，真的想用 AI 做點(diǎn)什么的時(shí)候，這個(gè)社會(huì)有沒有一條路，讓他把東西做出來、發(fā)出去、賣出去、活下來。

美國 AI 的核心優(yōu)勢，不只是 OpenAI 和 Anthropic。它更深的優(yōu)勢是：一個(gè)人有了想法，下午就能開工，晚上就能上線，第二天就能收錢，第三天就能被全世界看見。

中國 AI 的核心問題，也不只是模型差一代。它更深的問題是：很多人明明有能力、有經(jīng)驗(yàn)、有想法，卻卡在一堆看起來不屬于 AI 的地方。

收款、備案、網(wǎng)絡(luò)、合規(guī)、社保、年齡、輿論、家庭期待。這些東西疊加在一起，才是真正的差距。

先說最顯眼的那層。如果只看模型和工具，中美當(dāng)然有差距。但這層差距，我反而沒那么焦慮。

這類體驗(yàn)，國內(nèi)產(chǎn)品確實(shí)還差一點(diǎn)。

國內(nèi)也有 Trae、通義靈碼、豆包、Kimi、DeepSeek、Qwen。日常寫作、問答、代碼補(bǔ)全、簡單工具開發(fā)，已經(jīng)能做很多事。尤其是 DeepSeek 和 Qwen 這一輪開源，是真的打進(jìn)了全球開發(fā)者社區(qū)，不是國內(nèi)自嗨。很多海外開發(fā)者開始主動(dòng)用中國模型，這件事放在上一輪技術(shù)浪潮里很少見。

所以我對模型層的判斷反而比較克制：

閉源前沿模型，我們很難追上 OpenAI 和 Anthropic；但開源模型，中國已經(jīng)有世界級(jí)選手。

這兩個(gè)能力，正好是 AI 從“聊天工具”變成“生產(chǎn)力系統(tǒng)”的關(guān)鍵。但即便如此，這層還是能追的。因?yàn)樗闪炕⒖蓪Ρ取⒖捎?xùn)練、可迭代。今天差 1 代，明年可能差 0.5 代。今天 Agent 不穩(wěn)定，明年工具調(diào)用可能就成熟一大截。

技術(shù)差距最殘酷的地方，是它很顯眼；但技術(shù)差距最不殘酷的地方，也恰恰是它很顯眼。顯眼，就意味著有人盯著，有資本砸，有團(tuán)隊(duì)追，有榜單比較，有用戶天天罵。它會(huì)形成壓力，也會(huì)形成進(jìn)步。

真正讓我擔(dān)心的，反而是那些沒有榜單、沒有 benchmark、沒有發(fā)布會(huì)的差距。那些差距不顯眼。

但它們更硬

第二層：美國在養(yǎng) Builder，中國在養(yǎng) Talker

我有時(shí)候會(huì)想象這樣一個(gè)畫面：一個(gè)硅谷工程師，下午突然想到一個(gè)小工具，晚上用 Cursor 和 Claude 寫出來，部署到 Vercel，發(fā)到 Product Hunt 或 Hacker News，第二天有人試用，第三天接上 Stripe 開始收錢

這個(gè)路徑在美國并不浪漫。它甚至有點(diǎn)普通。

但在中國，同樣一個(gè)人、同樣一個(gè)想法、同樣一個(gè) AI 工具，腦子里很可能先冒出來的不是“我今晚試試”，而是：公司競業(yè)會(huì)不會(huì)有問題？域名要不要備案？收海外款怎么處理？會(huì)不會(huì)涉及內(nèi)容合規(guī)？小程序?qū)徍艘嗑茫縿e人會(huì)不會(huì)覺得我不務(wù)正業(yè)？做出來以后發(fā)到哪里？如果火了，會(huì)不會(huì)反而惹麻煩？

差距，就在這種下意識(shí)的反應(yīng)里。

美國獨(dú)立開發(fā)者默認(rèn)自己可以做一個(gè)小產(chǎn)品。中國開發(fā)者默認(rèn)自己要先判斷一圈風(fēng)險(xiǎn)。

所以一個(gè)很奇怪的現(xiàn)象出現(xiàn)了：

硅谷最受尊重的是 Builder，中國最容易賺錢的是講 Builder 的人

美國有 Pieter Levels 這樣的獨(dú)立開發(fā)者，一個(gè)人做多個(gè)產(chǎn)品，公開收入，公開失敗，公開迭代。大家羨慕的是“他做出了什么”。

國內(nèi)也有很多優(yōu)秀的 AI Builder。但如果你看熱鬧的地方，會(huì)發(fā)現(xiàn)最容易被看見的往往不是做產(chǎn)品的人，而是講方法論的人、賣課程的人、做社群的人、解讀趨勢的人。

這不是道德批評(píng)。因?yàn)樵谝粋€(gè)做產(chǎn)品不容易變現(xiàn)、發(fā)產(chǎn)品不容易被看見、合規(guī)成本又很高的環(huán)境里，講“怎么做”當(dāng)然比真的“做一個(gè)產(chǎn)品”更穩(wěn)。

聰明人會(huì)順著激勵(lì)結(jié)構(gòu)流動(dòng)。

如果一個(gè)生態(tài)長期獎(jiǎng)勵(lì) Talker，而不是 Builder，最后就會(huì)慢慢形成一種反向選擇：最會(huì)表達(dá)的人去賣課，最會(huì)做東西的人沉默，最有潛力的產(chǎn)品要么死在朋友圈，要么干脆出海。

所以我越來越覺得，中國 AI 生態(tài)最深的差距，不是“有沒有聰明人”，而是：

聰明人最終被引導(dǎo)去做什么。

美國的路徑是：做出來，發(fā)出去，賣給全球用戶。中國的路徑常常變成：學(xué)會(huì)了，總結(jié)成課，賣給想學(xué)的人。

前者長出產(chǎn)品。后者長出內(nèi)容。

比如基礎(chǔ)設(shè)施。

一個(gè)美國獨(dú)立開發(fā)者想做一個(gè) SaaS，他可以用 Stripe 收款，用 Vercel 部署，用 GitHub 協(xié)作，用 Gumroad 賣數(shù)字產(chǎn)品，用 Product Hunt 獲取第一波流量。

這些東西聽起來不像 AI，但它們決定了 AI 能不能變成產(chǎn)品。因?yàn)?AI 只是把“做出來”的成本降低了。可一個(gè)東西要真正成為生意，還要經(jīng)過上線、訪問、收款、納稅、客服、分發(fā)、合規(guī)。美國這套基礎(chǔ)設(shè)施，是圍繞小團(tuán)隊(duì)和獨(dú)立開發(fā)者長出來的。

中國并非缺乏基礎(chǔ)設(shè)施。我們有強(qiáng)大的平臺(tái)、云廠商、支付系統(tǒng)、小程序生態(tài)和企業(yè)服務(wù)能力。但這些設(shè)施大多是為大公司、成熟業(yè)務(wù)、強(qiáng)組織設(shè)計(jì)的，很難適配一個(gè)人從零到一搭一個(gè)輕量產(chǎn)品的需要。

最典型的是備案

如果你只是想用 AI 做一個(gè)小網(wǎng)站，驗(yàn)證一個(gè)想法，在中國你很快會(huì)遇到域名備案、服務(wù)器備案、內(nèi)容審核、平臺(tái)規(guī)則、小程序?qū)徍恕Ｃ恳粋€(gè)環(huán)節(jié)單獨(dú)看都有道理，但疊在一起，就會(huì)把一個(gè)輕量實(shí)驗(yàn)變成一個(gè)重型項(xiàng)目。

我自己做網(wǎng)站、做小程序的時(shí)候，對這件事感受很深。AI 讓我一天能寫出一個(gè)原型，但現(xiàn)實(shí)流程能讓我一個(gè)月都上不了線。

這個(gè)錯(cuò)位特別荒誕。前沿模型在按周迭代，基礎(chǔ)流程還在按月消耗人。

所以我想把這句話說得重一點(diǎn)：

美國基建是給 Builder 加速的，中國基建經(jīng)常是在給 Builder 做壓力測試

這個(gè)差別會(huì)被低估。一天沒什么，一周沒什么，但一年下來就是代差。美國開發(fā)者的信息是自動(dòng)流到他面前的。中國開發(fā)者的信息是他主動(dòng)翻回來的。

這不是姿勢差異，這是摩擦差異。而創(chuàng)新最怕的就是摩擦。

我并不覺得這些問題都需要靠“大政策”解決。很多事情其實(shí)可以很具體：給獨(dú)立開發(fā)者更輕的備案機(jī)制，給小團(tuán)隊(duì)合規(guī)的海外收款通道，給科研和開發(fā)者群體穩(wěn)定訪問技術(shù)資源的白名單，把 AI 開發(fā)者當(dāng)成一種基礎(chǔ)生產(chǎn)力人群，而不是一群偶爾折騰副業(yè)的人。

這類改動(dòng)沒有那么宏大，但它可能比多喊一百句“鼓勵(lì) AI 創(chuàng)新”更有用。

最后一層，是我這次對談之后最想寫下來的。

談 AI 人才的時(shí)候，大家很容易盯著兩類人。一類是頂級(jí)科學(xué)家、清北博士、海歸研究員、OpenAI 和 Anthropic 里的華人。另一類是年輕工程師，應(yīng)屆生，算法新人，未來十年的 AI 原生一代。

這兩類當(dāng)然重要。但我覺得我們漏掉了中間一層人：

30 到 45 歲，被大廠訓(xùn)練過、也正在被大廠淘汰的那批中高級(jí)老兵

這批人很尷尬。他們在過去十幾年里做過產(chǎn)品、做過運(yùn)營、做過增長、做過商業(yè)化、做過供應(yīng)鏈、做過私域、做過項(xiàng)目管理。他們懂業(yè)務(wù)，懂組織，懂客戶，懂流程，懂一個(gè)東西從 PPT 到真實(shí)落地之間到底會(huì)死在哪些地方。

但在傳統(tǒng)就業(yè)市場里，他們又越來越不被歡迎。年齡貴，包袱重，不夠“年輕有沖勁”，簡歷上只要有一段 gap，就會(huì)被問“這半年你干嘛去了”。很多人 35 歲之后突然發(fā)現(xiàn)，自己過去十幾年的經(jīng)驗(yàn)，在招聘系統(tǒng)里沒有想象中那么值錢。

可 AI 出現(xiàn)以后，這件事有了一個(gè)反轉(zhuǎn)。因?yàn)?AI 把“做出來”的門檻降下來了。

過去，一個(gè)產(chǎn)品經(jīng)理有想法，但不會(huì)寫代碼，想做一個(gè)小工具，需要找前端、后端、設(shè)計(jì)、測試。現(xiàn)在，一個(gè)有業(yè)務(wù)經(jīng)驗(yàn)的人，加上 Claude Code、Cursor、現(xiàn)成 API 和云服務(wù)，就能把很多想法先做成一個(gè)能跑的版本。

這意味著，AI 時(shí)代最稀缺的能力，未必是從零寫代碼，而是判斷什么值得做。這恰恰是那批 30 到 45 歲老兵最有價(jià)值的地方。

他們知道一個(gè)企業(yè)真實(shí)的工作流是什么樣，知道客戶嘴上說的需求和真正愿意付錢的需求差在哪，知道一個(gè)流程看起來簡單但為什么在組織里推不動(dòng)，知道哪些自動(dòng)化是錦上添花，哪些自動(dòng)化能真的救命。

這些不是學(xué)校里教出來的。這是在一線被需求、老板、客戶、預(yù)算、KPI、協(xié)作反復(fù)捶出來的。

但過去半年，AI coding 工具讓我一個(gè)人做了很多以前不敢想的事：小程序、自動(dòng)化流程、視頻混剪系統(tǒng)、個(gè)人 AI 助理、內(nèi)容生產(chǎn)系統(tǒng)。

這些東西不一定都成功。但它們讓我第一次很清楚地感覺到：過去那些看起來“只能寫進(jìn)方案”的經(jīng)驗(yàn)，開始可以被我親手變成工具。

所以我在那次對談里脫口而出一句話：

Claude 和 GPT 治好了我的 35 歲焦慮。因?yàn)槲艺娴挠惺赂?/strong>

這句話聽起來有點(diǎn)私人，但我覺得它背后是一個(gè)公共問題。如果 AI 真的能把一批有經(jīng)驗(yàn)的人重新激活，讓他們從“被優(yōu)化的中年人”變成“能獨(dú)立做事的小團(tuán)隊(duì)”，那這可能是中國和美國完全不同的一條路。

美國有全球頂級(jí) AI 科學(xué)家，有灣區(qū)工程師，有資本和創(chuàng)業(yè)生態(tài)。中國有什么？

中國有過去二十年互聯(lián)網(wǎng)、制造業(yè)、電商、游戲、供應(yīng)鏈、私域、線下零售、企業(yè)服務(wù)里沉淀出來的一大批經(jīng)驗(yàn)型人才。

這些人未必會(huì)訓(xùn)練大模型。但他們知道 AI 應(yīng)該落到哪里。

這才是中國 AI 最可能形成差異化的地方。不是再造一個(gè) OpenAI，而是讓一大批懂業(yè)務(wù)的人，借助 AI 變成能動(dòng)手的 Builder。

但前提是，社會(huì)要接得住他們。

社保、醫(yī)保、稅務(wù)、貸款、子女教育、創(chuàng)業(yè)過渡期、個(gè)體工商戶、靈活就業(yè)保障，這些東西聽起來都不性感，和 AI 發(fā)布會(huì)沒有關(guān)系。但它們決定了一個(gè) 38 歲的人敢不敢離開公司，敢不敢試半年，敢不敢把自己十幾年的經(jīng)驗(yàn)?zāi)贸鰜碇匦陆M合。

如果一個(gè)社會(huì)只會(huì)用 offer 判斷一個(gè)人的價(jià)值，那它就很難看見 AI 時(shí)代真正有價(jià)值的那批人。

寫到這里，回頭看中美 AI 差距，我會(huì)把它壓縮成四層。

第一層是模型和工具。這一層能追，也正在追。中國的開源模型已經(jīng)打出了一張很硬的牌。

第三層是基礎(chǔ)設(shè)施和信息。這一層不是不能改，而是還沒有被當(dāng)成核心問題來改。

第四層是人才。中國真正的機(jī)會(huì)，可能不是培養(yǎng)更多“從零開始的 AI 新人”，而是激活那批已經(jīng)懂業(yè)務(wù)、懂組織、懂客戶、但被傳統(tǒng)系統(tǒng)低估的中年老兵。

這四層疊在一起，你會(huì)看到一個(gè)有點(diǎn)反直覺的結(jié)論：

模型差距可能是最容易被解決的差距。

因?yàn)樗铒@眼，最被討論，最容易被投入資源。真正決定中國 AI 命運(yùn)的，反而是那些不太像 AI 的東西：一個(gè)人能不能訪問世界前沿信息，能不能快速上線一個(gè)產(chǎn)品，能不能合規(guī)收到第一筆錢，能不能在沒有穩(wěn)定 offer 的半年里不被生活壓垮，能不能在 35 歲之后還有機(jī)會(huì)重新下場。

這也是為什么我說，中國 AI 真正缺的，不是另一個(gè) Claude 或 GPT。我們當(dāng)然需要更強(qiáng)的模型，但更需要的是一條讓 Builder 活下來的路。

如果沒有這條路，再強(qiáng)的模型也只會(huì)變成少數(shù)大廠的生產(chǎn)工具，變成一批課程和社群的銷售話術(shù)，變成很多人朋友圈里又一次“看起來很熱鬧”的時(shí)代背景。

如果有這條路，事情會(huì)完全不一樣。一個(gè)產(chǎn)品經(jīng)理可以變成半個(gè)工程師，一個(gè)剪輯師可以變成一個(gè)視頻工廠，一個(gè)中年運(yùn)營可以把十年的業(yè)務(wù)經(jīng)驗(yàn)變成一套自動(dòng)化系統(tǒng)，一個(gè)小團(tuán)隊(duì)可以服務(wù)過去只有大公司才能服務(wù)的客戶，一個(gè)普通人也許不再只是等待下一次組織分配機(jī)會(huì)，而是可以自己造出一個(gè)入口。

我越來越相信，AI 時(shí)代真正的國家競爭，最后拼的不是誰有最多會(huì)用 AI 的人，而是誰有最多敢用 AI 去做事的人。

會(huì)用，是技能。

敢做，是生態(tài)。

中國 AI 不缺能力，缺的是讓能力被看見、被連接、被交易、被長期養(yǎng)活的通道

模型會(huì)繼續(xù)追。工具會(huì)繼續(xù)追

但那條通道，不能等模型追上以后才修。因?yàn)榈鹊侥Ｐ驼娴淖飞系哪且惶欤覀儾艜?huì)發(fā)現(xiàn)，真正的差距，早就不在模型里了。