中美AI真相:我们正在用算力造爽剧,美国正在用算力造未来
- 2026-11-17 12:42:38
中美AI真相:我们烧掉的每一度算力,都在决定十年后谁给谁打工

同样是AI,中国人忙着造“烟花”,美国人忙着造“发动机”!会玩是本事,能赚钱、提效率才是真实力! 🚀AI时代,别光顾着看烟花,更要学会造发动机!
先看一个让你坐不住的事实
你刷的每一条AI短剧,背后烧掉的算力,够一个生物实验室跑完一轮蛋白质折叠模拟。
你看到的每一个AI生成的带货视频,消耗的Token,够一个材料科学家筛选上万种新配方。
这不是吓唬人。这是正在发生的事。
国内AI的Token消耗里,55%用来生成短剧和短视频,24%投入电商广告,真正留给底层研发的,只有15%。
美国那边,约58%的AI算力,花在代码生成和企业自动化上。剩下的,大量流向新药研发、材料科学、聚变能源。
同一个AI,到了中美两边,变成了两个完全不同的东西。
一边在用算力造爽剧。一边在用算力造未来。
如果你觉得这跟你没关系,再想一个问题:十年后,当美国用AI攻克了癌症、造出了可控核聚变、设计出了下一代芯片,我们拿什么跟人家拼?
拿每天刷125分钟的红果短剧吗?
一、先搞明白一件事:什么叫第一性原理
很多人把第一性原理理解成“把问题拆到最小”。这只说对了一半。
更准确的说法是:你手里有什么牌,你被什么卡脖子,你不能改变的外部条件是什么——这些才真正决定你该怎么走。
但还有第二层,大多数人没看到:在同样的条件下,你选择做什么,决定你十年后的位置。
中美AI的分岔,就是这两层推演出来的结果。
中国的约束是什么?
芯片被卡,算力不够。美国智能算力占全球约七成,中国占约一成半。英伟达的GPU和CUDA生态,是开发者绕不开的墙。出口管制之下,中国厂商只能买性能受限的芯片,或者用国产替代。有机构测算,到2027年美国可用于前沿模型训练的有效算力,可能是中国的数倍甚至十几倍。
这是硬约束。芯片不够,堆不了算力。
中国的选择是什么?
既然算力有限,那就把每一份算力用在能最快变现的地方。
内容,就是最快变现的地方。
字节系拿下国人41.8%的上网时长。红果短剧单用户日均125分钟,超过抖音本身。2026年前8个月,全国上线微短剧43万部,是去年全年的13倍。仅抖音一个平台上半年就新上线AI短剧22万部。
有海量用户,就有广告,就有电商,就有变现。AI把内容成本打到地板价,这条链条立刻转起来。
这是约束条件下的理性选择。没有错。
美国的约束是什么?
人太贵,电不够。
北美资深软件工程师年薪30万到50万美元。企业IT预算里软件和云端服务占了六七成。一个年薪40万美元的工程师,如果AI能帮他省下半天,哪怕烧掉几万Token,财务部门也不会眨眼。
与此同时,美国电网老化严重。2026年,美国原计划新建的数据中心项目有近一半延期或取消,原因是变压器等电力设备不够。社区反对建数据中心的比例,从2025年的40%涨到2026年的75%。
这是硬约束。人力太贵,电力太紧张。
美国的选择是什么?
既然人力贵,那就优先替代最贵的人力。程序员、企业运营、代码开发——这些是“造工具的工具”,改造它们的效率,会一层一层传导到整个经济体系。
但美国没有停在效率层面。
它做了一个中国没有做的选择:用AI加速科学发现。
这是本文最想让每个中国人看到的部分。
二、美国到底在用AI干什么?答案会让你沉默
先看两组数据。
Anthropic 2026年发布的报告显示,计算机程序员岗位的AI实际暴露度达74.5%,理论替代率高达94%。斯坦福大学《2026年人工智能指数》显示,22至25岁软件开发人员的就业率自2024年以来下降了近20%。
但同样在美国,软件开发职位招聘数量自2025年2月以来增长近15%。增长集中在高级职位,2025年5月至2026年5月期间,71%的招聘增长来自高级岗位,37%来自标题含AI的职位。
这不是矛盾。这是信号。
美国不是不用AI替代人,而是在替代低级岗位的同时,用AI放大了高级人才的价值。 AI写代码越多,懂代码架构、能定义系统边界的人越值钱。一个高级工程师加上AI,能完成过去一个团队的工作。
再看第二组数据。
中国AI大模型周调用量达86.74万亿Token,连续二十四周超过美国,稳居全球首位。全球调用量排名前五均为中国AI大模型。
但另一组数据令人沉默:中国开源模型承载了全球85%至89%的智能体与代码生成Token流量,对应的算力消费收入占比仅为10%至16%。美国AI算力基础设施的企业价值合计约1750亿美元,中国同类资产仅约200亿美元。单一CoreWeave的市值,足以买下中国头部算力三巨头近四倍。
我们拥有全球最大的Token流量,却只赚到十分之一的钱。
这就是问题所在:我们在用AI做的事情,和AI能做的事情之间,存在一个巨大的真空地带。
美国把AI用在什么地方了?
2025年11月,特朗普签署行政令,启动“创世纪计划”,被比作AI领域的“阿波罗登月计划”。
这个计划要做什么?
用AI加速攻克人类最硬的科学难题。
美国能源部科学顾问委员会发布的《创世纪使命框架》研究报告,系统评估了AI在三大领域的应用路径:
第一,生物数字设计。 通过AI赋能的“测量—建模—制造”闭环,将生物学从观测科学转变为可预测、可工程化的学科。目标是攻克难靶点抗癌药物设计、微生物固碳制航油。
第二,AI加速聚变能源。 利用AI实时预测高温等离子体反应、指导工程决策,目标是在2030到2035年间建成首座聚变示范电站。一旦成功,意味着人类将拥有近乎无限的清洁能源。
第三,重建磁体主权。 启动五年AI专项,利用AI在数百万种材料组合中筛选高性能磁体配方,降低对稀土供应链的依赖。同时从电子废弃物中回收再利用关键材料。
这不是科幻小说。这是正在执行的联邦计划。
创世纪计划第一年已启动297个项目。2026年10月,能源部宣布12个第二阶段项目,资助总额1.59亿美元。11家企业承诺提供24亿美元计算信用和AI工具,其中英伟达一家就承诺了10亿美元。
能源部还启动了1亿美元的“创世纪使命研究生奖学金”计划,与能源部实验室和产业伙伴合作,培养加速四年制AI与科学博士。
白宫科技政策办公室主任Michael Kratsios称之为“自二战以来美国科学事业最具变革性的一天”。
与此同时,中国55%的算力在造爽剧。
三、这条差距不缩小,十年后会发生什么
管清友提出了一个概念叫“AI斩杀线”:当AI能以更低成本、更快速度完成某项工作,且质量达到“够用”水平时,靠这项技能领工资的人就跨过了斩杀线。
不是你不努力。是你做的那部分活儿,被标准化、可替代了。
第一个斩杀:白领岗位正在被重新定价。
全国人大代表马一德指出:“与以往技术革命主要冲击蓝领岗位不同,本轮AI浪潮中首当其冲的是翻译、客服、设计、编程等白领岗位,呈现出速度快、范围广、门槛低的特点。”
基础文案、新媒体改写、翻译、报表、数据清洗、研报初稿、客服、标注、审核、会计助理、法务文书、初级前端、修图、套版设计——这些岗位的从业者,正在经历“工作贬值”。人还在岗位上,但同样一份活报价越来越低、可替代的人越来越多。
第二个斩杀:入门级岗位正在消失。
Stack Overflow——全球最大的程序员问答社区——月提问量从巅峰期的28.9万条暴跌至3800条,跌幅近99%。
22至25岁年轻求职者成功率同比下降14%,企业招聘策略从“招新人培养”转变为“岗位冻结”。
这不是周期性波动。这是结构性重塑。
第三个斩杀:中国AI的变现能力远低于流量规模。
中国AI模型承载了全球85%以上的智能体与代码生成流量,但变现收入占比仅10%至16%。
国内AI用户中真正付过费的比例只有9.8%,超过九成停留在免费阶段。2023年中国整体SaaS市场规模仅约80亿美元,而美国仅一家Salesforce的市值就超过2000亿美元。
我们有最大的流量,却赚不到钱。这意味着什么?意味着支撑技术研发的资金不足,意味着基础研究的投入不够,意味着长期竞争力在流失。
如果五年内不改变:
五年后的中国,如果55%的算力继续用在短剧上,我们的基础模型能力可能进一步落后。当美国用AI设计出新药、新材料的专利壁垒,中国企业要么高价授权,要么被挡在门外。
五年后的美国,如果创世纪计划在聚变能源或生物设计上取得突破,美国将在能源和生物领域建立新的技术代差。这不是“落后一代芯片”的问题,这是“落后一个时代”的问题。
五年后的你我,现在25岁还在做基础文案或初级编程的人,五年后30岁,拿什么跟AI竞争?拿什么跟一个会用AI的35岁资深工程师竞争?
四、美国的优势和劣势:正视对手,才能超越对手
美国的三大真实优势
第一,前沿研究和原始创新仍然领先。
美国顶尖模型在复杂逻辑推理和科学问题上保持代际领先。更重要的是,美国正在做一件中国目前没有做的事——用AI加速基础科学发现。
布鲁克海文国家实验室的团队用AI设计新型分子,通过将不确定性作为设计工具,帮助AI探索隐藏的分子可能性,为新型药物和先进材料的设计开辟道路。
华盛顿大学诺贝尔奖得主David Baker领导的团队,利用先进AI模型设计称为蛋白酶的蛋白质——这类酶能在特定位置切割特定蛋白质。Baker表示,这项研究之所以重要,不仅因为酶的工作效果出色,更因为其潜在应用范围广泛,包括医学、降解有害污染物和塑料废物。
马里兰大学化学家加入了5170万美元的ARPA-H联盟,用AI预测和阻止有害蛋白质变化,在疾病发生之前进行干预,最初聚焦阿尔茨海默病和尤文肉瘤。
这些不是学术论文。这是正在改变人类命运的工程。
第二,资本和算力基础设施的规模优势。
2025年全球企业AI投资飙升至5817亿美元,其中美国独占2859亿美元。美国私人数据中心建设支出由2023年的155.9亿美元升至2026年的593.1亿美元,约为原来的3.8倍。美国六大云服务商2026年资本支出预计超过7850亿美元。
第三,企业敢革自己的命。
Salesforce CEO Marc Benioff公开宣布:2025年不再招聘任何软件工程师,因为AI工具让工程团队生产力提升了超过30%。公司预计2026年在Anthropic Token上花费约3亿美元,主要用于编码任务。
但注意这个细节——不是简单地砍人,而是重新配置人。工程师从“写代码的人”变成“监督AI写代码的人”,销售人员变成“AI价值的翻译者”。同时扩招1000到2000名销售人员,去向客户解释AI产品的价值。
Gartner预测,约一半因AI相关原因裁员的公司将在2027年前重新招聘这些岗位,原因很简单:他们用AI替代了需要人类判断的工作,但AI只给了他们信息检索。研究显示,当需要真正的权衡判断时,人类必须留在回路中。AI可以以无人能及的速度分类问题和检索政策,但坐在一个沮丧的客户面前、在系统性失败后重建信任、在当下决定某人需要例外——这些是它从未做过的判断。
美国的三大真实劣势
第一,电力基础设施是硬约束。
高盛明确警告,数十年的电网投资不足将阻碍美国AI的持续扩张。在加利福尼亚州圣克拉拉市,数据中心运营商Digital Realty Trust早在2019年就申请建设数据中心,但因缺电问题迟迟未能运营。美国电价同比上涨5.1%,多地居民电费因数据中心扩建而上涨。
第二,资本投入的边际收益在递减。
广义云厂商2027年资本开支预计超过1.2万亿美元,出资建设的一方资本回报率却在下降。市场开始重新计算的是:这些昂贵算力能否在快速折旧之前被充分使用,并转化为足够的现金流。
第三,人才吸引力正在下降。
斯坦福大学AI指数显示,移居美国的AI研究人员和开发者2025年一年内下降了约80%,与2017年相比减少了89%。签证政策收紧、政治氛围恶化,正在动摇美国AI人才池的根基。
五、中国的优势和劣势:不要只看表面
中国的三大真实优势
第一,成本控制能力全球第一。
AI推理环节的电力成本占总运营成本的60%到70%。中国工业电价每度0.48到0.61元,西部地区低至0.13到0.3元;美国则高达0.8到1.2元。中国把这块压到了美国的数分之一。
第二,开源生态和效率创新。
DeepSeek V4以1.6万亿参数、MIT协议全开源,推理成本压到同级别美系模型的约七分之一,并在技术报告里把华为昇腾与英伟达并列写入硬件验证清单。通义、Kimi、豆包也全线拥抱开源。一个闭源涨价、一个开源降价。业界有一个颇为贴切的概括:美国的关键词是“扩张、探索、分化”,中国的关键词是“自主、效率、赋能”。
第三,制造业渗透和规模化应用。
截至2026年上半年,中国规模以上制造业企业人工智能技术应用普及率超过30%,工业机器人新增装机量占全球比重超过50%。人工智能已渗透领航工厂70%以上的业务场景,沉淀了超6000个垂直领域模型,带动1700多项关键智能制造装备与工业软件规模化应用。
中国的三大真实劣势
第一,芯片和底层生态差距仍然巨大。
华为芯片单芯片性能仍落后英伟达三到四年。国内多家芯片厂商各守一套软件栈,形成“生态割裂”,开发者部署大模型需要大量额外适配工作——“有算力但不易用”。这不是短期能解决的问题。
第二,算力结构的隐忧。
55%的算力在做短剧,真正用于软件开发的只有15%。一部AI短剧在模型端的算力成本达3万至4万元,在大批量生产中占到总成本的50%。更狠的是“抽卡成本”——同一个镜头,创作者可能需要反复生成十几次甚至几十次。
短期变现很快。但如果底层技术研发持续被挤压,上层应用就是无根之木。
第三,基础研究向产业转化的链条不顺。
中国头部模型在原始架构上仍以跟随和增量优化为主。从Transformer到下一代范式,基础性、颠覆性架构的主要定义者仍在国外,中国的长处在注意力加速、训练稳定性等效能革新。
六、谁会胜出?换一个问法
“谁会胜出”这个问题,本身就是错的。
因为中美AI竞争不是一个你死我活的游戏。
但真正值得追问的是:在什么条件下,哪条路的优势会变成决定性优势?
如果AI的下一阶段突破依赖于“暴力堆算力加基础科学突破”,美国胜算更大。创世纪计划把AI直接嵌入科学发现,一旦在可控聚变或新药研发上取得突破,带来的不是效率提升,是翻天覆地的变化。
如果AI的下一阶段突破依赖于“场景落地加效率优化加规模化渗透”,中国胜算更大。中国在制造能力、成本控制和开源生态上的优势,使其能以更低成本、更快速度将AI转化为工业引擎。
但真正的答案可能是“分层竞争”。
美国定义技术边界,中国定义应用边界。两者互为参照、互相刺激,最终形成双核驱动的全球AI格局。
问题是:在分层竞争中,谁掌握的是“不可替代层”?
芯片架构、基础模型、科学发现——这些是“不可替代层”。内容生成、电商营销、短剧制作——这些是“可替代层”。
如果我们一直停留在“可替代层”,十年后拿什么去换别人的“不可替代层”?
七、美国这五件事,我们真的该学
真正自信的人,敢于承认对手做得好的地方。
第一件事:把AI用在攻克硬骨头上
创世纪计划的本质是什么?用国家意志把AI从商业变现工具升级为科学发现引擎。
他们正在用AI设计更丰富的替代材料、把核电站从设计到建成的周期大幅缩短、用AI加速聚变能源的商用化。
我们能学的:中国有最强的制造业场景和最丰富的工业数据,完全有条件把AI用在材料科学、工业仿真、新药研发上。普通创业者不一定要做科研,但可以在商业变现的同时,留出一部分精力做不那么功利的探索。今天的“无用之用”,可能是明天最深的护城河。
第二件事:企业老板要敢革自己的命
Salesforce的逻辑是:与其等别人来颠覆我,不如自己先颠覆自己。
但关键细节是:不是简单地砍人,而是重新配置人。工程师从“写代码的人”变成“监督AI写代码的人”。
我们能学的:中国大量企业仍在观望,觉得“AI是大厂的事”。但AI的渗透速度远比想象中快。小老板不主动用AI降本,隔壁同行就会用。更关键的是:要学Salesforce的“重新配置”思维,不是简单替代人,而是让每个人在AI时代找到新位置。
第三件事:把真实需求嵌入大学研究
Meta、博通、应用材料、格芯和新思科技联合出资1.25亿美元,在UCLA设立半导体研究中心。这不是捐款,是企业把自己的真实工程难题变成大学的研究课题。
我们能学的:中国已有清华-华为、北大-华为等联合实验室,但需要让这种模式从个案变成机制。企业出题,高校解题,学生参与,毕业即上岗。
第四件事:建立算力共享机制
美国正在推进的NAIRR,整合了联邦政府、国家实验室、高校及企业的计算资源,向研究人员和教育者开放,特别支持资源匮乏的机构。
我们能学的:中国已有算力大通道和东数西算工程,但在让中小企业、高校团队、个人开发者用得起算力方面还有差距。算力不应该只属于大厂。
第五件事:容忍失败的原始创新文化
创世纪计划直接瞄准可能十年才有回报的领域。这种“为十年后的科学买单”的意愿,是中国AI投资目前最缺乏的。
我们能学的:不是要盲目模仿美国的烧钱模式,而是要在商业理性之外,留一点空间给长期探索。一个国家的算力流向,某种意义上就是未来的方向。如果所有算力都流向能立刻变现的内容,十年后我们拿什么和别人竞争?
八、普通人的危机和机会:从今天开始,你能做什么
你的工作,正站在斩杀线的哪一侧?
用第一性原理问自己三个问题:
第一,你的收入里,有多少来自“可被AI生成”的工作?
如果你是文案、翻译、客服、初级设计、数据整理、模板化编程——危险信号已经亮了。
管清友的忠告是:识别自己工作里哪块是“可被生成的”,那块迟早降价。把抓手移到AI暂时代不了的:判断、问责、客户信任、跨部门协调、行业经验。
第二,你所在的行业,AI渗透的速度有多快?
斯坦福大学《2026年人工智能指数》显示,22至25岁人群从事AI相关工作的就业率下降了16%,被归类为早期职业软件开发者的就业率降幅达到20%。
如果你在互联网、金融、媒体、法律、教育行业,AI渗透的速度会比你想象的快。
第三,你有没有在主动用AI提升自己的产出?
美国软件开发者数量自ChatGPT发布以来增长逾40万人,增幅达19%。不是AI取代了开发者,而是会用AI的开发者取代了不会用的。
五个可以今天就开始的行动
第一,拆解你的工作,找到“可被生成”的部分。
把你每天做的事列出来,标出哪些是重复的、可标准化的。用AI把其中一件自动化。哪怕只是自动写周报、自动整理会议纪要、自动回复常见问题。先让自己变成会用AI的人。
第二,选择一个AI难替代的方向深耕。
AI能写文案,但不能替你跟客户喝酒。AI能生成视频,但不能替你处理售后。AI能写方案,但不能替你承担签字的责任。
本地服务、销售转化、客户关系、复杂决策、责任承担、情绪价值、行业经验——这些才是你的护城河。
第三,帮身边一个老板降本。
不要想太远。找你熟悉的行业,找三个小老板,免费或低价帮他们用AI做短视频、做客服、做文案。换案例、换信任、换转介绍。先收钱,再优化。
第四,建立你的信任资产。
内容会越来越泛滥。泛滥之后,最稀缺的不是内容,是信任。你的微信、社群、老客户关系,比任何AI工具都值钱。用AI放大内容,用真诚经营信任。
第五,关注算力基础设施的机会。
AI视频越普及,算力消耗越大。单条AI视频消耗的Token远超文本生成。这意味着芯片、数据中心、电力的长期需求只会爆发。普通人不用去炒芯片,但可以关注:AI代运营、数据中心运维、电力配套、本地企业AI化服务。
结语:最可怕的不是差距,是不知道差距在哪
中美AI走了两条完全不同的路。中国用内容换时间,美国用效率换空间。中国在“地板”上铺规模,美国在“天花板”上做突破。
但最可怕的不是路线不同。最可怕的是:我们不知道差距在哪里。
我们每天刷着AI生成的短剧,觉得自己站在AI浪潮的前沿。我们看着中国大模型调用量全球第一的数据,觉得我们已经赢了。我们听说美国程序员被AI替代,觉得自己还有时间。
但我们没有看到的是:在大洋彼岸,AI正在被用来攻克癌症、设计新材料、加速聚变能源。他们在解决的是“人类能不能活得更久、更好”的问题。我们在解决的是“用户能不能多刷五分钟”的问题。
这不是谁高谁低的价值判断。这是一个关于时间窗口的战略判断。
美国的创世纪计划正在运行。297个项目,24亿美元的企业投入,1000万美元的研究生奖学金。他们在为十年后的科学突破布局。
我们的55%算力在造爽剧。
中国要警惕内容泡沫和底层空心化。美国要面对电力瓶颈和人才流失。谁更能看清自己的约束条件,谁更愿意学习对方的优点,谁就能在下一阶段占得先机。
但比国家竞争更重要的,是你自己的选择。
用第一性原理问自己三个问题:
第一,我的约束条件是什么? 你的时间、资金、技能、人脉,就是你的约束。别跟别人比资源多,要比谁在约束下做出的选择更优。
第二,我每天做的事,哪一部分的边际成本可以被AI降到接近零? 先让自己成为会用AI的人,再成为用AI帮别人降本的人。
第三,我认识的人里,谁的效率痛点最痛? 找到那个最痛的人,帮他解决,这就是你创业的起点。
看懂中美差异,不是为了指点江山。是为了回到自己身上,在约束条件下,做出比别人更聪明的选择。
而每一个普通人做出更聪明的选择,就是整个国家在正确的方向上加速。