中国AI最近让美国重新评估差距，但“已经追平美国”仍然说得过早。
7月，Moonshot AI发布Kimi K3，路透社称其性能已接近美国头部模型；Artificial Analysis同期测试中，Kimi K3得分57，最高模型为60，说明差距已经压缩到很小范围，但不同模型在推理、编程、成本上的表现并不完全相同。
“中国数据中心投资只有美国十分之一”“最好模型落后约6个月”，都是访谈中的估计，不是统一行业结论。
“中国发电装机是美国10倍”更明显不准确：国家能源局数据显示，中国2025年底发电装机38.9亿千瓦，美国EIA统计同期大型电站装机约12.8亿千瓦，大约是3倍关系。
真正值得看的，是中美正在形成两种不同的AI竞争路径。
美国优势仍集中在高端芯片、算力资本和前沿模型，希望通过更强模型形成技术领先；中国受到先进芯片限制后，更强调降低训练和推理成本、发展开源模型，再把AI快速塞进汽车、机器人、工厂和供应链。
CNN采访中，Evan Osnos也把这种差异概括为：硅谷更关注“跨过AGI终点线”，中国则更关注把AI尽快扩散到经济体系。
这种路线并非最近才出现。中国2017年发布《新一代人工智能发展规划》，2025年又推出“人工智能+”行动，2026年的“人工智能+制造”专项行动进一步要求AI进入设计、生产、运营、工业机器人和人形机器人等场景。连续政策真正积累的不是某一个模型，而是应用场景、工程师、制造数据和产业链。
所以，中美AI竞争不能只盯着排行榜第一名。美国如果始终保持最强模型，却需要更高成本才能部署；中国即便部分核心技术仍有短板，却能把“够用的AI”更便宜地铺进大规模制造业，竞争结果就可能在工厂成本、机器人效率和出口产品上体现出来。
下一阶段真正决定差距的，可能不是谁先拥有最聪明的AI，而是谁先把AI变成整个经济体系的生产工具。