著名风投机构 Dimension Capital 刚刚花了一周时间，来中国走访了许多 AI 实验室、投资者和创业者。

回美国后他们写了封内部信，分享了此行见闻。我认为其中很多评价都算公允，当然也存有争议观点，所以摘录了部分重点内容分享给大家：

- 面对算力封锁，中国的 AI 实验室习惯于下潜到系统抽象层之下做极致的工程压榨，而这些脏活累活，资源充裕的美国实验室压根不会在意。

- 美国实验室花钱买到的是一次性的算力消耗，而中国实验室每增加一名懂系统或编译器的工程师，带来的是对算力依赖的永久降低。这种全栈式的能效文化贯穿了算子内核、优化器、推理服务系统直至自研芯片，其积累出的复利效应，远非单纯烧钱所能比拟。

- 中国算力的匮乏反而成了发明之母，更是这套深层系统架构与编译器工程的真正催生者。

- 当前这代中国开源模型已经做到了过去二十年中国企业级软件从未做到过的事：渗透进西方的生产技术栈。约 80% 的美国 AI 初创公司在生产环境中运行着至少一个中国开源模型。

- 开源策略还有意外收获，它巧妙绕开了西方企业的审查之墙。当代码和模型免费时，采购合规部门根本找不到一个可以一票否决的实体供应商。

- 本质上，中国正在吃掉西方的工作负载，而非直接收割其营收。眼下推理环节的商业利润，只会流向实际承接 Token 调用的算力底座。中国前沿实验室正在将美国同行最依赖的变现层彻底大宗商品化。

- 中国前沿阵营内部的竞争激烈程度，远超西方同行的认知。目前我们认为中国前沿梯队包括 DeepSeek、阿里巴巴（千问）、月之暗面（Kimi）、字节跳动（豆包）以及智谱（GLM）。整个团队此行最强烈的震撼在于：中国内部烈度极高的内卷式竞争对创新的推动力。

- 无需遮掩的一个循环是，美国顶尖实验室训练出前沿模型，中国实验室会迅速完成蒸馏并开源。接着，美国的应用层初创公司基于这些中国开源模型进行精调，再将最终产品卖回给美国本土企业。

- 数据层似乎也在遵循类似的模式。包括 Mercor、AfterQuery 和 Turing 在内的美国数据供应商，与蚂蚁集团、阿里和字节之间均有明确记录的商业合作关系。

- 一批新生的中国初创企业正在构建评测和验证基础设施，而非单纯的数据标注服务。我们在北京和上海接触了数家同类型团队，成立普遍不足两年，其中几家跑得极快的初创公司，年营收已迅速冲破 1 亿美元大关。

- 2024 年，中国新增发电装机容量约 429 GW，而美国约为 51 GW。到 2030 年，我们所见的大多数分析预测中国还将有远超 400 GW 的新增电力上线。反观美国，高达 241 GW 的数据中心扩建项目深陷既有电网并网申请的漫长排队中，面临长达五年的搁浅与等待。

- 中国的核心瓶颈依然在算力底座。美国芯片充裕但电力日益吃紧，中国电力充沛却饱受芯片之困。所以决定中期战局走向的关键，在于谁的瓶颈能率先破局：是美国的发电装机与电网并网审批提速，还是中芯与华为在芯片良率与先进封装上的工艺爬坡。

- 中美 AI 之间的收入差距依然巨大，甚至接近两个数量级。中国消费者素来没有为软件买单的习惯，我们依然怀疑其中产阶层是否已做好为 AI 大规模付费的准备。

- 正如十年前中国移动互联网的崛起逻辑，又或者，中国团队会毫不犹豫地拥抱电商与广告，而这恰恰是美国实验室至今仍不屑为之的变现手段。中国创业生态中流淌着一股极其坦率的实用主义，从不避讳靠流量红利变现，也毫不在意商业模式是否体面。

- 尽管芯片及底层硬件正在加速脱钩，但软件与数据层的相互嵌合却正在热火朝天推进。美国应用层企业直接调用中国的开源权重，中国实验室在马来西亚和泰国租用英伟达算力，拿美国前沿模型的输出做蒸馏训练，高质量的行业专家数据更是在大洋两端全天候双向流动。

- 中美两国的 AI 技术栈早已深度咬合。大洋两岸的技术人员，事实上正穿透国界，在蒸馏、开源、数据标注、推理部署，乃至日益成熟的评测 Harness 与 AI Agent 搜索底座中隔空协作。

- 在上述现实下，争论谁真的从中赢麻了根本是个伪命题。两国 AI 系统的共生咬合程度如此之深，以至于任何宏大的叙事在实操中都无法成立，除非系统演化中出现某种非连续的断层变量（例如工程上真正可行的递归自我改进），彻底掀翻现有的棋盘结构。

- 眼下华盛顿的那些粗暴管制，几乎注定会反噬美国本土的创新活力，并在上述细分赛道拱手让出主导权，反倒为善于快速跟进的中国 AI 创业者腾出了超车空间。

- 在走访中，少数中国头部研究员对我们表示，自己已经摸到了弱形态 RSI（递归自我改进）的雏形。在他们的描述中，这是一种受限于时间或算力的早期自进化内核：研究人员通过手动介入与辅助，推着模型加速收敛到原本设想的性能状态，从而省下关键的算力与时间开销。

- 若模型自我改进的速率在一阶近似上主要与算力规模线性相关，那么美国阵营的胜算极高：目前两家顶尖美国实验室各自掌握着约 2 GW 的运行算力，锁定了各约 5 GW 的供电协议，并剑指 2030 年各自 30 GW 的宏大目标。在巨额营收与亢奋资本的加持下，美国实验室完全可以启动高算力消耗的自催化自我改进闭环，而中国现有的芯片存量根本无法跟上这种规模的军备竞赛。

- 反之，若自我改进的核心瓶颈最终落在了评测与验证质量上，亦或者战线拉长到了中国依靠底层系统优化与国产芯片跨过算力够用门槛的那一天，我们大概率会看到过去 18 个月的主线剧情继续加速上演：美国前沿模型的核心壁垒不断贬值泛化，中国开源模型全面铺开并主导生态。

- 上述推演必须基于两国电力基建的中性预期。对中美两国的模型评测与验证基础设施进行一场彻底、冷静的对比拆解，是当前科技投资界信息产出比最高的必修课。

- 未来完全可能演化出这样一种格局：美国前沿实验室选择关闭下一代 SOTA 模型的公开 API。未来的顶级模型将转向按价值收费而非按 Token 用量计费，这能在商业变现的同时，直接锁死被蒸馏前沿能力的空间。

- 上述举措会逼迫中国的 AI 实验室不得不回归高强度的重度预训练，直接撞上算力储备的坚硬瓶颈。这并非不可能，因为据我们掌握的线索，在科学、工程与数学领域的下一代模型攻坚中，这一策略转向已经在悄然发生。

- 头部中国实验室在营收规模落后硅谷一到两个数量级的前提下，估值乘数却比美国同行高出整整 5 到 10 倍：7 月底，月之暗面以 350 亿美元估值完成 35 亿美元融资，市销率高达 115 倍。反观 Anthropic，其估值倍数仅在 20 倍左右。

- 智谱和 MiniMax 的市值在过去两个月都经历了大起大落。中国的投资者习惯了过去二十年为消费互联网买单的逻辑，目前才刚刚开始建立针对企业级软件与开源技术生态的定价与承销能力。