蘇媽為何下注中國AI？

蘇姿豐這次來上海，表面上是參加AMD首次在美國以外舉辦的“2026 AMD AI開發者日”，但這件事放到今天的AI產業里看，信息量其實不小。

一個全球芯片巨頭，把面向開發者、模型公司、云廠商和工程師的AI活動放到上海，不只是來“刷存在感”，也不只是對中國市場表達友好。

更重要的是，AMD正在給外界傳遞一個信號，AMD需要中國AI生態，中國AI生態也剛好給了AMD一個重新講故事的機會。

中國擁有全球最具活力的AI生態系統，蘇姿豐的這個判斷，如果放在兩年前，很多人可能會覺得有點客氣。畢竟那時候全球AI敘事的中心還在硅谷，OpenAI、英偉達、微軟、谷歌、Anthropic這些名字，幾乎壟斷了大模型時代的想象力。中國AI公司更多時候被放在“追趕者”的位置里，討論的是差距、算力、芯片、模型能力、生態短板。

但到了2026年，這個判斷的語境變了。AI競爭正在從“大模型能力秀肌肉”，進入“誰能把AI真正塞進產業、產品和工作流”的階段。這個階段，中國的優勢反而開始變得明顯：模型公司足夠多，應用場景足夠密，制造業和互聯網平臺足夠復雜，企業客戶足夠現實，開發者又足夠卷。

所以，蘇姿豐說中國AI生態最活躍，我認為不是一句商業場面話，而是一個行業風向標。

它背后真正指向的是：AI產業的估值錨正在變化。

過去資本市場看AI，核心看三個東西：誰有最強模型，誰有最多GPU，誰能訓練出更大的參數。但現在，推理成本、企業部署、智能體落地、端側AI、機器人、工業場景、AI PC開始變成新的交易邏輯。換句話說，AI不再只是實驗室和云廠商的資本開支游戲，它正在進入真正的產業消耗周期。

而中國，剛好是全球少數幾個能把“模型—算力—應用—產業—終端—開發者”同時跑起來的市場。

這才是“中國AI生態最活躍”的真正含義。

一、中國AI生態的活力，不是模型最多，而是應用反饋最快

中國AI生態最容易被低估的一點，是它并不只靠單點突破。

很多人討論中美AI差距，總喜歡拿最強模型對最強模型比。OpenAI、Anthropic、Google DeepMind，確實還站在全球閉源前沿模型的高地。斯坦福《2026 AI Index》也提到，美國在頂級模型產出上仍然更強，2025年美國推出59個重要模型，中國為35個；但同一份報告也顯示，中國在AI論文數量、引用量和專利授權上處于領先位置。

這個對比很有意思，美國強在前沿模型的天花板，中國強在技術擴散的密度。美國更像是把AI推到最高處，中國更像是把AI壓進最多場景。這也是為什么我覺得，蘇姿豐說中國AI生態活躍，重點不是說“中國模型已經全面領先”，而是說中國市場有一種很罕見的產業反饋能力。

一個模型在中國出來之后，很快就會被云廠商、手機廠商、車企、辦公軟件、電商平臺、短視頻平臺、教育公司、工業企業拿去試。好不好用，貴不貴，能不能降本，能不能替代人工，能不能提高轉化率，幾乎馬上就會被市場檢驗。

這就是中國AI生態的第一個特點：反饋鏈路短。

美國很多AI創新先從研究、模型、API、SaaS走出來，再慢慢進入企業流程。中國不一樣，中國企業對AI的態度更現實：你別先跟我講AGI，你先告訴我能不能幫客服少招人，能不能幫銷售多轉化，能不能讓工廠少停線，能不能讓短視頻更快生成，能不能讓醫生、老師、工程師效率提高。

這聽起來不夠性感，但它非常重要，因為AI產業一旦從主題投資進入業績兌現，市場最關心的就不再是“模型參數多大”，而是“誰愿意付費，誰能規模化，誰能形成持續消耗”。

中國AI生態的活力，本質上來自這種高頻試錯。模型公司卷能力，云廠商卷價格，互聯網公司卷入口，硬件廠商卷端側體驗，產業客戶卷效率。每一層都在逼AI更快落地。

這也是為什么截至2025年12月31日，全國已有748款生成式人工智能服務完成備案，北京備案大模型數量達到212款。這個數字不只是說明模型多，更說明中國AI已經從少數明星模型的競爭，進入多主體、多場景、多區域的擴散階段。

我認為，這才是中國AI生態最有價值的地方，它不是單點最強，而是足夠熱、足夠密、足夠快。

資本市場最怕什么？最怕一個行業只有技術敘事，沒有需求回路。中國AI現在最特別的地方，就是需求回路正在形成。模型一出來，就有人試；價格一下來，就有人用；應用一跑通，就有人復制。

這種生態，不一定每個環節都領先，但整體速度非常快。

二、中國真正的AI優勢，是互聯網、制造業和硬件終端同時在場

如果只看大模型，中國AI生態的故事還不完整。中國最特殊的地方，是AI不是孤立地長在實驗室里，而是長在一個非常復雜的產業土壤里。

一邊是阿里、騰訊、百度、字節、快手、美團、攜程、京東這些互聯網平臺。它們有流量，有數據，有支付，有履約，有內容，有交易場景，也有足夠強的工程團隊。AI對它們來說，不是做一個聊天機器人這么簡單，而是要進入搜索、廣告、推薦、電商、短視頻、本地生活、辦公、出行、旅游、客服這些核心業務。

另一邊是中國制造業。這個變量非常關鍵。過去談AI，很多人天然會先想到互聯網。但從2026年開始，我覺得AI真正的大機會，反而會越來越多地出現在制造業、機器人、工業軟件、質檢、供應鏈、研發設計、設備運維這些“沒那么性感”的地方。

國務院2025年發布的“人工智能+”行動意見，明確提出要推動AI與經濟社會各行業各領域廣泛深度融合，強調中國有數據資源豐富、產業體系完備、應用場景廣闊等優勢。這個表述背后，其實就是中國AI生態的底層邏輯：不是只做模型，而是讓AI進入產業。

到了2026年，工信部等八部門又提出“人工智能+制造”專項行動，到2027年要推動3—5個通用大模型在制造業深度應用，推出1000個高水平工業智能體，打造100個工業領域高質量數據集，推廣500個典型應用場景。

這些政策語言翻譯成資本語言，就是一句話：

中國AI的下一輪估值錨，不在模型發布會，而在產業部署率。

誰能把AI接進工廠、接進供應鏈、接進辦公流、接進終端設備，誰才有真正的兌現能力。

這也是中國AI生態為什么會顯得“活躍”。因為中國不是只有AI公司在做AI，而是幾乎所有產業都在被AI重新敲一遍門。

手機廠商要做AI手機，PC廠商要做AI PC，車企要做智能座艙和自動駕駛，機器人公司要做具身智能，電商平臺要做AI導購，內容平臺要做AI創作，制造企業要做智能質檢和預測性維護。

這些場景一多，AI就不再是少數技術公司的游戲，而變成全產業鏈的效率競爭。

這一點和美國也不太一樣。美國AI生態的優勢，是頭部公司非常強，算力資本開支非常猛，前沿模型迭代很快。但中國AI生態的優勢，是產業側足夠寬，應用側足夠碎，客戶需求足夠具體。

碎，不一定是壞事。在AI應用階段，碎場景反而意味著大量真實需求。一個客服場景，一個質檢場景，一個投放場景，一個短視頻生成場景，一個門店運營場景，看起來都不大，但如果能復制到成千上萬家企業里，就會形成非常可觀的推理消耗和軟件服務收入。

所以我一直覺得，中國AI生態真正的資本故事，不是“我們也有一個OpenAI”，而是“我們可能會更快出現一批AI原生場景公司、AI改造型平臺公司和AI產業服務商”。

這才是中國AI的厚度。

三、開放、性價比和供應鏈彈性，讓中國AI生態更容易形成第二套路線

蘇姿豐這次講話里，還有一個詞很重要：開放創新。她說，中國生態系統最令人興奮的是，這里真正理解開放創新，這句話要放在現在的全球AI格局里看。

過去兩年，全球AI競爭其實走出了兩條路線。一條是美國式路線：閉源強模型、超大算力集群、巨頭資本開支、云服務綁定。另一條是中國正在形成的路線：開源模型快速追趕，應用公司大量試錯，軟硬件適配加速，產業側追求性價比和可替代性。

這不是說哪條路線一定更先進，而是兩條路線解決的問題不一樣。

美國路線解決的是“把模型能力推到極限”。中國路線更關心的是“怎么讓更多人用得起、用得上、用得快”。

DeepSeek之后，這個趨勢變得更明顯。中國AI市場開始重新認識開源、低成本推理、模型蒸餾、國產算力適配的重要性。路透社今年4月報道DeepSeek新模型適配華為昇騰芯片時，也把它視為中國推動AI技術自主生態的重要一步。

我認為，這里有一個很重要的預期差：

中國AI生態的活力，不只是來自創新沖動，也來自外部壓力。

算力受限、芯片不確定、API不可控、國際供應鏈擾動，這些都在倒逼中國AI公司走一條更強調開放、降本和適配的路線。

這條路線短期看很苦，因為沒有無限GPU，也沒有最舒適的開發環境。但中長期看，它會訓練出一種很強的工程能力：怎么用更少的算力跑出更好的效果，怎么讓模型更便宜，怎么讓應用更快落地，怎么把國產硬件、開源框架、本土模型和行業場景拼成一套能用的系統。

這就是中國AI生態的韌性。對資本市場來說，這種韌性非常重要。因為AI產業進入推理時代之后，競爭不再只是“誰燒的錢最多”，還要看“誰的單位成本更低，誰的商業閉環更快，誰的客戶遷移成本更小”。

美國巨頭可以繼續燒幾千億美元資本開支，建設超級數據中心；中國企業則更可能在有限算力下，逼出更強的效率優化和應用創新。

這不是低配版AI，而是另一種AI路線，這也是為什么中國AI生態會吸引AMD這樣的公司。因為對芯片廠商來說，中國市場不是簡單的銷售市場，而是一個開放生態的壓力測試場。你能不能適配不同模型？能不能支持不同框架？能不能讓開發者遷移？能不能進入云廠商、終端廠商和產業客戶的實際部署？

誰能在中國市場跑通，誰就更有機會在全球推理時代拿到新位置。

結語：全球最活躍，不等于全球最強，但可能意味著最先進入兌現階段

所以回到蘇姿豐那句話。

中國是不是全球最強AI生態？這個問題還可以爭。前沿模型、頂級算力、基礎軟件生態，美國仍然有明顯優勢。

但中國是不是全球最活躍的AI生態？我覺得這個判斷越來越站得住。

因為活躍不是指單點能力最強，而是指參與者最多、試錯最快、場景最密、反饋最直接、商業化壓力最大。

中國AI生態現在最有意思的地方，恰恰在于它不完美。

算力有約束，所以大家更重視效率。模型有差距，所以大家更愿意開源追趕。商業化壓力大，所以應用公司不能只講PPT。制造業場景復雜，所以AI必須進入真實流程。用戶和企業都足夠挑剔，所以不好用的AI很快會被淘汰。

這套環境很殘酷，但也最能篩出真正有價值的AI公司。

在我看來，中國AI生態下一階段最值得關注的，不是誰又發布了一個參數更大的模型，而是誰能率先把AI變成穩定收入、真實利潤、持續推理消耗和可復制的行業解決方案。

資本市場最后會看這些東西。

模型能力是門票，場景密度是土壤，成本控制是生命線，商業閉環才是估值錨。

蘇姿豐這次來上海，真正點出的不是AMD的中國故事，而是中國AI生態正在進入一個新階段：從追趕模型，到爭奪應用；從講技術突破，到看產業兌現；從單點公司競爭，到生態系統競爭。

這就是為什么中國會被稱為全球最具活力的AI生態系統。

因為AI在這里不是一個單獨行業，而是正在變成所有行業的底層變量。