Sora神话破灭：透视中美AI竞争的残酷真相

↑点击蓝字关注我们看更多好文↑

4月6日，一条“中国AI大模型使用量连续五周超越美国”的消息在中文互联网刷屏。

据每日经济新闻援引OpenRouter的数据，今年2月中国AI模型的Token使用量首次超过美国后，这一优势已连续保持五周，而且差距正在拉大。1月初美国的Token使用量还是中国的3.6倍，如今中国Token使用量已反超美国的4.2倍。

什么是Token？它是大模型处理文本的最小单位，通俗点说，Token使用量越高，代表模型被调用的频率越高。

中国网友还没来得及庆祝，就有人出来“辟谣”，称OpenRouter的数据不完整，《联合早报》甚至酸溜溜地表示Token使用量并不反映创新能力。

这就很奇怪，以前跪舔美国大模型时Token使用量是核心指标，怎么中国反超了它就不重要了？一个需要不断“说服”别人相信自己是第一名的存在，本身就很可疑。

客观来说，OpenRouter的统计仅限于自身API转发日志，确实排除了厂商直连、C端App和私有部署，有一定局限性，但数据本身是真实的，它反映了中国AI模型暴涨的客观趋势。

即便采用摩根大通的最新估算，全球周均Token使用量为2400-2600万亿，中国占比40%-45%，美国占比30%-35%，中国仍然领先。

实际上，在过去两年里，中美AI大模型在视频生成领域发生过一场激烈交锋，期间“永远领先一代”的美国AI大模型开始掉队。

这场交锋的源头，还得从清华大学2022年的一篇论文说起。

一

2022年9月，清华团队发表了一篇题为《All Are Worth Words: A ViT Backbone for Diffusion Models》的论文，首次将扩散模型的卷积U-Net替换为Transformer。

就是这个新思路，打通了AI视频生成的任督二脉。

在此之前，人类探索计算机视觉图像已走过半个多世纪，产生了Transformer、扩散模型等技术路线。

那个叫Transformer的哥们，逻辑性强但手笨，能写出完美剧本，但变成视频时只能生成图片强行拼接，导致画面卡顿。

那个叫扩散模型的哥们，脑子不太好但手巧，能画出栩栩如生的卢胖子，但指令是卢胖子吃蛋烘糕时，它可能把蛋烘糕长在肚子上，甚至直接把卢胖子变成蛋烘糕。

过去这两位各玩各的，直到清华理论创新将它们撮合。三个月后，Facebook团队也发布了一篇如出一辙的论文。

中美两国几乎同时实现理论突破，也同时推动应用突破。

2023年4月，前字节跳动AI技术总监王长虎在北京创立爱诗科技，进军AI视频生成赛道。

王长虎技术出身，博士毕业于中科大，曾参与抖音/TikTok从0到1的建设，2021年离职后开始创业。

王长虎的野心，是面向全球C端用户做出一款先进且平价的AI视频生成软件，名为PixVerse。

但对中国公司来说，做AI视频生成实在超前。

因为AI视频生成所需的模型技术，和ChatGPT这种语言模型完全不是一码事。

语言模型的局限在于忽略真实世界的大部分信息，比如输入“卢胖子狂炫工作室的小饼干”时，文本模型“看不到”卢胖子的表情、饼干的质感、工作室的光照。

换成多模态模型效果完全不同，它能“看到”卢胖子嚼第一口瞪大的眼睛、饼干碎屑掉落的轨迹，甚至听到嚼饼干的嘎嘣声。

虽然听起来爽，但多模态大模型比以烧钱著称的语言模型还要贵十倍不止。

王长虎拉融资时，投资者纷纷摇头，认为我们连ChatGPT都还没赶上，怎么敢做多模态？这种烧钱又不产生生产力的事让美国人去做就行。

当时金沙江创投合伙人朱啸虎直接泼冷水，说你们还是回去上班吧，这个事情在中国没机会。

王长虎不死心，必须在多模态上杀出一条血路。

因为融不到钱，PixVerse在缺芯少钱的情况下研发，早期主要发展海外市场。

2024年初，PixVerse开发至第二代架构时，突然杀出一个BUG级选手Sora。

Sora是OpenAI的多模态大模型，按时间推算，它和PixVerse可能差不多同一时间立项，只是OpenAI此前未公布。

2024年2月，Sora发布预览片，流体、光影、人物表情逼真，被业界公认为多模态顶级水准。

昂撒精神领袖欣喜若狂，宣布中国公司彻底输掉AI竞赛，仿佛美国碾压能给他们涨工资。

当时国内财经媒体最爱写：中美差距不但没缩小，反而越来越大。

有专家称Sora发布后国内没有跟进，因为无法跟进，没有人才储备和架构准备，两三年拿不出像样产品……

社交平台流传一张梗图：巨大的Sora神像坐在王座上，下面跪着Runway、Pika、SVD、PixVerse等软件，“跪”在第一排的PixVerse是唯一中国公司。

王长虎看到这张图心情复杂，他有些遗憾，更不服气，甚至质疑。

当时他受访说：“如果我们过去一年有更多投资和算力资源，可能最先做出Sora的不是美国人，而是我们。”

王长虎还表示，想知道Sora正式版到底好到什么程度，但为了不打击自己，打算3-6个月追平Sora。

除了PixVerse，阿里、字节、快手、Minimax等一众中国公司，在数月内推出AI视频工具，引爆多模态模型混战。

为了追赶Sora，中国公司在紧迫氛围中卷生卷死。

早在2024年底，可灵就能生成接近2分钟视频，在人体骨骼一致性、物理拟真方面超越Sora。

虽然中国公司干得热火朝天，但专家和大V普遍情绪是别自取其辱，快投降，追平？能追平吗？你以为Sora会原地等你？

呃，事实证明会，甚至倒退了好几步。

被传得神乎其神的Sora，整整一年半没出成品，直到2025年9月才上线。

爱诗科技联合创始人谢旭璋看到成品后，淡然评价，和预览片差距巨大，“前后差了十个PixVerse”。

有种网恋奔现翻车，遇到诈骗犯想报警的感觉！

国内媒体发文称，用户吐槽Sora如人工智障，但狂热信徒淹没了评论区，清一色嘲讽“愚蠢的人不去追赶，却在别人成果里挑毛病”。

你质疑的对象可是OpenAI啊，How dare you？

结果Sora又辜负信徒。2026年3月26日，OpenAI宣布正式关停Sora。

这个“只有小毛病”的Sora，以一周留存率2%、月留存跌破1%、75%用户生成一次后永久卸载的负分战绩，只活了半年，彻底退出赛道。

Sora溃不成军时，中国AI视频军团正以惊人速度狂飙。

全球AI视频生成赛道，现在几乎被字节跳动即梦、快手可灵和爱诗科技PixVerse瓜分，其中PixVerse全球用户破1亿，可灵用户破6000万，2025年2月Seedance2.0出圈后，下游应用爆发，中国AI模型拉爆Token调用量。

Sora被中国AI视频军团击溃原因很简单：死贵还不好用。

一位影视动画技术人员告诉我，AI视频出现前团队用Midjourney生成图片，现在都换成可灵和即梦，“Sora用来玩还行，但抽卡太贵”。

所谓抽卡，就是生成视频很难一次达标，得多次尝试，运气好几块钱搞定，运气差几十上百块。

Sora定价比国内软件高太多。Sora最高版本折合人民币约1400元/月、最低约140元/月；即梦最高499元/月、最低69元/月；可灵最高1314元/月、最低58元/月。

我问过几位从业者，可灵最高版本也挺贵，为什么用户那么多？

他们回答，可灵偏B端，画质清晰度高，能做高质量商业片；即梦偏C端，适合制作AI漫剧。定位清晰，Sora找不出任何长板，一副不知道干嘛的样子。

这种完败，对OpenAI来说是奇耻大辱——你可以死于便宜难用，也可以死于好用太贵，但你居然死于又贵又难用！

而且真正问题在于，房间里出现一只蟑螂就不可能只有一只。

Sora神话崩塌前一年，F119发动机也发生了类似翻车“事故”。

2025年2月，马斯克应特朗普指示查国防部账，公布资料显示美国五代机F119使用的F119发动机疑似数据造假。

资料显示F119推重比并非宣称的10.5，而是7，缩水50%。F135更夸张，宣称11.47实际只有6.7，缩水71.2%！

对中国航空人来说，F119曾是BUG般存在。

中国从1997年苦苦追赶F119，近30年将涡扇发动机推重比从3.82提高到10。

曾有中国技术人员指出F119数据不对劲，也有人指出美国没算散热器重量，但我们一是没铁证，二是认为即便美国虚标也不是我们故步自封的借口，美国指不定藏着什么吊炸天技术，我们要料敌从宽当成真的来追。

马厂公曝出真实数据时，中国看着手中涡扇发动机陷入沉思：那我造的是个啥玩意儿？

F119和Sora的翻车绝非偶然，它揭示了中美科技竞争本质区别。那么，美国造神、中国灭神的规律，是否将在未来中美AI竞争中再次应验？

二

首先，我们需要回答一个问题，不缺钱、不缺芯片、不缺人才的Sora，为啥把一手好牌打稀烂？

OpenAI作为知名公司，故意吹牛打脸可能性不大，实际上Sora死在无法解决工程化难题。

什么叫工程化难题？

我们在《固态电池全球大战》中写过一家叫QuantumScape的美国初创公司，2020年发布震惊全球测试数据，说固态电池性能逆天，凭样品在没有产品收入情况下拥有近500亿美元市值，但后来长期未公布车规级数据，市值蒸发95%。

QuantumScape，就是死于工程化难题。

公司从画PPT到量产，中间有实验室阶段，需要披露阶段性样品，否则资本故事讲不下去了。

以美国基础科研优势，搞出完美实验室样品不难，难在实验室样品不考虑成本，商业化量产必须兼顾性能、成本、供应链。

制造业也好，大模型也好，手搓生产逻辑无法照搬工业化生产，无法工业化生产就无法跑通盈利逻辑。

很多人理解中，训练模型像普通软件，工程师写代码或喂数据，上线后用户越多赚得越多。

但现实截然相反，AI大模型烧钱不仅因为训练成本高，推理成本也极高。即便训练好了，每多一个用户还是要多付算力钱。

这比单纯制造业复杂，工厂可以通过规模化生产摊薄固定资产成本，但大模型用户推理需求越多，Token调用越多，反而可能因用户太爱用而亏钱。

正因如此，软件毛利率易达70%以上，AI应用毛利率却在20%-50%间波动，背后就是Token成本不可控。

大模型成本和性能由算力、数据、算法决定，任何大模型需在三者间找平衡，否则产品再华丽只会越卖越亏，烧到死。

这就好比，请米其林大厨用每斤1000块和牛，配200块一袋日本米，在希尔顿酒店折腾半天，结果是去路边卖10块一份的米其林和牛炒饭。

听起来抽象？这就是Sora干的。

据福布斯，业内人士估算Sora每年至少烧掉50亿美元（约350亿人民币）。那Sora赚回多少钱？150万美元（约1000万人民币）。

如何看待这种烧钱现象？为了中立，有请Deepseek当裁判，输入“一家公司每年成本50亿美元、营收150万美元，是什么水平？”Deepseek回答：

Deepseek都惊了：大哥你是单位搞错了，还是在洗钱？！

再看看中国公司情况。

据快手财报，可灵去年营收10.4亿元，全年研发开支145亿元，超60%用于AI约87亿。快手用OpenAI四分之一成本，做出盈利能力100倍于Sora的模型。PixVerse方面称，收入已能覆盖大部分支出。

那些说中国模型赔钱赚吆喝的，不如先聊聊OpenAI烂账。

中国公司能花更少钱建立更好模型，最重要原因是算法创新。

某高校控制和科学博士陈军（化名）说，Seedance们突围核心因素正是算法。

陈军解释，算法不仅影响Token成本，也影响大模型输出效果，更好算法能用更少算力完成更复杂任务，从而在某些关键性能逼近甚至超过高级模型。

但说实话，Sora不是不想解决工程化问题，而是不能，臣妾做不到。

首先，Sora使命从来不是“活下去”，而是“炫技”，OpenAI才能继续融到钱。

OpenAI去年上半年亏135亿美元，一年至少亏200亿美元，但估值高达8520亿美元，超过绝大多数国家GDP，这种估值极其不正常。

原因很简单，美国金融资本需要OpenAI维持这样的估值。

OpenAI四大金主是亚马逊、英伟达、软银、微软，其余股东是红杉、贝莱德、黑石等顶级私募，还有中东土豪基金。

这只是第一层利益绑定。这些科技巨头、顶级私募背后，还有美国各州政府养老基金、大学基金。

微软是纽约州共同退休基金第二大持仓股，英伟达是新泽西州公共退休基金第一大持仓股，亚马逊是马里兰州退休系统第五大持仓股，贝莱德、黑石、富达是美国政府养老基金、大学基金资管方。

正是因为这种复杂利益绑定，Sora就不能拼命优化算法，因为优化算法会减少英伟达芯片消耗，Sora烧越多芯片，股东英伟达才越开心。

同时它也不能死，否则私募股权、投行、美国人养老金、大学基金将一个一个爆雷。美国金融资本会不停打鸡血，将估值推向更高，直到新工具人出现，资本才会提前撤出，全世界在懵圈中被迫接盘。

Sora可以不盈利，但必须维持泡沫，支撑OpenAI估值、微软云合同、英伟达芯片订单、美国人养老金、大学基金投资收益。

当商业逻辑证伪时，就赶紧吹下一个泡泡，只要吹得够快，打脸就追不上我。

现在OpenAI说以后不搞多模态模型了，要造机器人。造机器人，工程师呢？供应链呢？行业数据呢？

OpenAI嘿嘿一笑：不就是再搓一个实验室样品么，这不手拿把掐？

或许不久后，媒体又开始大呼小叫，说OpenAI研发了屌炸天机器人，中美机器人比赛结束，宇树科技完了，OpenAI估值突破万亿美元。

可是这种把戏，美国还能玩多久？

被金融资本浸泡土壤看似“宽容”，但这种宽容代价是，企业长期泡在温水煮青蛙舒适圈，逐渐丧失斗争意志和生存能力。

麻省理工2025年报告指出，美国95%生成式AI项目卡在试点阶段，走不到规模化生产。

美国金融毒饲料把自家AI公司喂得像走不动道肥猪，肥猪只会摇头晃脑听金主使唤，打死不参与市场竞争。一旦走进真实市场丛林，就会原形毕露，被长着獠牙的中国AI公司撕得粉碎。

而中国AI产业，则走向截然不同道路。

三

燕子（化名）是一名广东AI漫剧编剧，管理着国内较大AI影视群。

2024年，燕子成为网络小说推书视频制作者。燕子回忆，“有一段时间推书视频生意非常好做，我加入时，国内已形成成熟赚钱模式。”

燕子说，据她了解，AI短剧和AI漫剧缘起于同一个根，就是网络小说推书视频。

几年前，小说网站同平台合作，提供推广链接，请燕子这样的创作者制作推书视频，视频下挂链接发布，根据转化率和拉新量赚钱。燕子跟着中间商做了一年多，抢单，片子过审后收钱。

也就是说，可灵们不是脑子一热去追赶Sora的，在它们诞生前，中国已有繁荣的图文生成产业链，为AI视频生成提供产业迁移基础和消费场景。

燕子回忆，推书视频是较简单的漫画PPT+声音解说+动画效果，“有一家企业找到我，自称有阅文、喜马拉雅IP资源，想在油管做海外推书账号，说非常赚钱。但没过多久，项目停了，因为AI漫剧爆发，推书视频被迅速淘汰。”

燕子说原先做推书视频的创作者，纷纷转型做AI漫剧，她原本做PPT视频的APP“巨日禄”也迅速转型为AI漫剧软件，剧烈变化就发生在短短一年间。

过去半年，AI漫剧和短剧密集上线，第三方统计显示，2025年全国微短剧市场规模预计接近680亿元，其中AI短剧占比接近1/3，可见发展之迅猛。

最焦虑的是广告公司，燕子说她群里有个老板，在广东开广告公司，AI视频出现后，天天焦虑，说不学AI视频必死无疑，天天让手下学用AI。

字节们的赚钱模式不复杂，AI短剧公司用Seedance、可灵生成视频，卖给抖音、Tiktok、红果短剧、快手等平台，平台日活上去，字节们左手卖Token，右手卖广告，养家糊口问题不大。

中国AI公司比美国AI公司“持家”，表层原因是资本不够“宽容”，分分钟问你要盈利数据，底层原因是国家意志和金融体制安排不允许这么搞。

炒股来钱那么容易，谁还有心思苦哈哈做实业？

没有强大实业，就养不起基础工业，养不活基础工业，就造不出飞机导弹，没有飞机导弹，就保护不了中国海外经济利益。

A股对公司盈利有硬性要求，科创板虽放宽盈利要求，但对科技属性有严格审查。

A股情绪过热，国家队会立刻把炒作苗头摁下去。

中国没有孕育神话土壤，没有资本过度泡沫化，中国公司账面资产也不如美国公司。

截至2026年4月1日，字节跳动估值约5500亿美元，阿里约3878亿美元，腾讯约6400亿美元，Meta估值1.5万亿美元，谷歌（Alphabet）超3万亿美元，只看纸面数据，字节+阿里+腾讯才等于一个META。

我们不但烧不起那个钱，也没有那么多先进芯片可烧。

很多人听到这里估计又要绝望了，其实大可不必。

正是因为缺钱少芯，我们AI产业从一开始就知道必须在极端残酷环境下活下去，长出极强生存能力，长出锋利獠牙。

就像PixVerse在挣扎求生过程中，掌握了从海量数据筛选一小部分高质量数据训练优秀模型的能力，最终把训练成本打到大厂十分之一甚至更低。

但中国AI优势，绝不仅仅是会省钱，更会长出核心竞争力。

很多人想象中，未来是美国掌握最先进AI底层技术，中国只能赚下游应用端钱，产生这种误解根源，来自两个假设：

第一，人工智能是在实验室里，由一群科学家和IT工程师捯饬出来的。第二，美国钱多，可以在科研上烧更多钱。

第二个假设一定程度上是事实，但第一个假设完全错误。

人工智能未来，并不取决于极少数科学技术精英。

就拿大模型三大技术要素说，很多人只知道算力重要，才会对我们缺乏先进芯片哭哭啼啼，但根据我对AI技术人员访谈，大家也许过度高估芯片作用，严重低估数据和算法重要性。

先说中国第一个突破口，算法。

上文提到，Seedance们突围主要是靠算法创新，这也是我们面对算力封锁，实现AI突围最现实、有效路径。

现在来看，芯片仍然是成本大头。

最近，沐曦股份在行业交流会流出数据，显示1GW数据中心成本，GPU成本占45%，接近一半。

但这种情况不会一直持续，严酷竞争环境将倒逼中国公司绕开美国芯片生态，在算法和国产专用芯片上发力，开发出用更少算力完成更多任务能力，最终把堆砌算力旧生产方式扫进历史垃圾桶。

中国疯狂卷算法，一是外部封锁所迫，二是我们内部没有历史包袱，不会像OpenAI那样被强行绑定在芯片巨头利益链上，可以轻装上阵。

美国想通过芯片封锁扼杀中国AI未来，只会得到一个结果：

中国AI公司不需要美国芯片前提下，用压倒性成本优势，做出和美国AI性能匹敌产品。

黄仁勋就是看到这个终局，才会不断游说美国政府，向中国倾销算力鸦片，只不过中国政府非常清醒，根本不接招。

中国实现算法突围底气，来自于本土数学人才储备，因为算法本质是拼数学能力。

美国之所以是数学强国，是凭借极高工资待遇从全球吸走大量数学人才，尤其是顶级数学家。

但这种优势正在动摇。仅靠顶级数学家远不足以撑起一国尖端工业。没有数量庞大中高级数学人才支撑，再伟大理论也只能停留在论文里。

中国顶级数学家数量虽不如美国多，却是全球数学人才“源头工厂”，美国本土数学能力正在经历严重倒退。

2022年，中国授予S&E（科学与工程）博士学位数量约5.34万，首次超过美国4.47万，而且这4.47万S&E博士中，超过一半是“进口人才”，这些进口人才，又大部分来自印度、中国、墨西哥。

2023年TIMSS评估中，美国八年级学生数学成绩在18个发达经济体中排名后三分之一，较2019年平均分下降27分，中国上海、江苏、浙江等地常年位居全球前列。

过去，美国能轻易从别国抢走数学人才，在于国力和财力强大，但特朗普上台后各种操作，让全世界看到美国虚弱，更不要说特朗普粗暴留学和移民政策，让原本打算把孩子送到美国的各国中产家庭瑟瑟发抖。

美国临时签证持有者中，40%是获得S&E硕士/博士人才，有的人签证刚好过期滞留，就成了非法移民。

去年美国派出军机，把大量签证过期印度STEM人才，跟押犯人一样押回印度，这种翻脸不认人做法，极大消耗美国国家信任资本，即便日后民主党上台修复，但谁知道四年后美国人又选出什么样总统呢？谁还敢轻易润到美国？

在美国随时会撕破脸情况下，中国能够稳定产出本土数学人才，是赢得AI竞争关键。

我们第二个突破口，甚至可以说是未来王炸牌，是数据。

咱们卷算法，美国就不会卷算法么？能，但卷法有限，因为算法也不是在实验室里凭空变出来。

任正非说过一句话，“从根本上说，算法不掌握在IT人手里面，而是掌握在电力专家、基建专家、煤炭专家、医药专家……手里面。”

这话啥意思？

芯片是锅，算法是一种加工烹饪方法，数据才是被加工原材料。没有数据，就不可能产生相关算法，更不要说训练模型，一句话，首先你得有数据。

什么是数据？数据就是人类知识，储量非常庞大，现在大模型用来训练数据，只是人类知识库冰山一角。

某头部公司AI算法工程师阿诚（化名），曾负责人脸识别模型训练。他举例说：“大模型出现前，人类早已训练过各种模型，比如人脸识别技术，就是一种模型。”

阿诚回忆，当年他训练人脸识别模型第一步，就是采集数据，大致过程为，先在全球召集志愿者，然后给大家拍照，采集数亿张人脸照片，接着将这些数据“喂”给计算机，计算机才具备识别人脸能力。

阿诚说语言模型公司搜集数据主要方法，是通过网页爬虫，爬遍所有网页，这些数据容易获得，且有规范格式，取得难度较低。

想要获得更优质数据，还要去线下搜集，比如Anthropic当年训练Claude时，曾扫遍美国市场全部二手书，一页一页录入数据。

越是优秀模型，越需要大量优质数据，否则喂出来的模型就是人工智障。

阿诚说美国量化基金，本质上也是一种模型，它们算法之所以强，前提就是美国拥有全世界最丰富、质量最好金融数据。

同样道理，字节和快手能训练出优秀视频模型，是因为抖音、Tiktok、快手本身就是视频平台，视频数据量大管饱且极易获得。

Sora被美国影视行业抵制后不久，视频质量就发生严重下滑，一个重要原因就是失去优质影视数据，它想获得短视频数据，得找扎克伯格、马斯克重金购买。

更关键的是，人类有大量重要珍贵知识，至今未被明确记录，或记录形式、承载介质是散乱无章，这种知识典型代表就是工程经验。

打个比方，中国电网是全球唯一同时运行特高压交流、直流、多端直流超大规模电网，覆盖国土面积、接入新能源装机量都是全球第一。

调度这种系统，需要处理海量不确定性情况，以及风电、光伏、水电、火电之间协同问题。中国电网调度员因此积累了世界上最丰富大电网协同经验，这些经验，不是一两个人经验，而是几代调度员经验数据集。

美国制造业，除高端军工、半导体、医疗设备、生物制药等部分核心环节外，几乎都死绝了，也就不可能产生这样庞大丰富工程数据集。

你可能会说，美国不需要这些数据，只保留研发和设计数据就行，这也是今天中文互联网上最流行理论，说什么美国擅长从0到1，中国擅长从1到100。

不是朋友，20世纪中叶美国不是这个样子，那时美国有完整工业体系、庞大产业工人、愿意投十年二十年长期资本，它既能从0到1，更能从1到100。

一国产业升级客观规律，就是不断从0到1到100螺旋式上升，这种“只做从0到1就吃尽利润”分工，是美国经济金融化之后强加给全世界。

如果研发离生产太远，中间会形成无数数据黑箱，研发也会失去土壤，实验室人员不去产线上跑一跑，就永远不知道某个零件降本10%良率会掉多少这种问题，最终只能做出华丽但不实用“样品”。

所以不是美国“擅长”做0-1，是它现在产业土壤已经退化到只能做0-1。

现在AI竞争，还在过家家阶段，你爬爬我网页，我爬爬你文库。GPT-4已用完互联网上几乎所有高质量英文语料，但开源数据爬完之后呢？

农业、基建、工业、商业、军事等高壁垒、高价值闭源数据，都不是IT人员写几个爬虫软件就能爬到，AI竞赛进入下半场后，美国在工程经验上短板将更加原形毕露。

就拿具身智能来说，美国到后面可能连设计都不知道怎么设计。

阿诚告诉我，这是因为人才迁移有客观规律，人形机器人核心技术骨干，主要就来自工业机器人领域。

工业机器人，或者说机械臂，与人形机器人在运动控制、轨迹规划、力控、伺服驱动、仿真环境等技术模块上高度重叠，工业场景中3D视觉、目标检测、抓取位姿估计等能力，也为人形机器人环境交互提供宝贵基础数据。

那么工业机器人最发达国家是哪个国家呢？中国。

根据国际机器人联合会《2025世界机器人报告》，2024年全球工业机器人安装量达54.2万台，其中亚洲占全球新部署量74%，欧洲占16%，美洲占9%，中国占全球部署量一半以上，美国虽然位列第三，但部署量还不到中国12%。

工业机器人产业为中国培养了大量运动控制算法工程师、伺服驱动工程师、机器人系统集成工程师、仿真工程师……这些技术和人才积累到一定程度，才能低成本地、自然地迁移到具身智能领域。

你现在跑去问美国蓝领，他们手上那点工程数据，可能还没他们手机里“怎么安全嗑药”群聊记录丰富，真要是搞个“嗑药AI大模型”，美国绝对是全球领先，数据又多又真实。

美国也有自己擅长数据领域，比如上文提到金融。我如果是美国公司，我就做个TACO模型，通过分析特朗普TACO数据和美股美债变动规律，预测K线走势，包赚钱。

总之，AI竞争越向深水区，数据争夺战就会越激烈，最后是国家对国家，联盟对联盟，间谍对间谍，甚至是真理对真理争夺。

中国赢得数据战争根本信心，在于人心向背。

数据最终载体，是一个个具体人。

中国AI视频模型背后，是成千上万短视频内容创作者；中国工业机器人模型背后，是无数流水线工程师；中国AI崛起背后，是14亿为生存和发展不断奋斗中国人。

人民群众创造了最伟大数据，数据以AI形式回馈给人民群众，这才是中国AI应该走向未来。

当中国通过算力突破、算法创新、数据沉淀，将Token成本打到白菜价时，AI才会迎来真正应用级大爆发，中国将诞生一大批基建、电力、农业、工业模型和智能体，推动人类生产力大解放。

中国将用自己的道路证明，AI不是少数精英用来谋利玩具，而是人类驶向星辰大海巨轮。

↑点击卡片关注我们↑