用AI Agent做了一份中美AI深度对比报告，14个维度的数据让我重新认识了这场竞争

本文记录了使用 WorkBuddy（腾讯云AI Agent办公工具）完成一份中美AI发展深度对比研究报告的全过程，并提炼报告核心发现。从数据检索、分析到图表生成、报告排版，全程AI Agent协作完成。

为什么做这个课题

最近AI领域消息密集：DeepSeek横空出世、英伟达芯片管制不断升级、NeurIPS 2025中国一作论文数首次超越美国……各种信息满天飞，但大多数分析要么只讲一个切面，要么缺乏数据支撑。

我决定用WorkBuddy做一次系统性的中美AI对比研究——不靠拍脑袋，全部用权威机构数据说话。最终从14个维度完成了量化对比，数据来源包括斯坦福HAI《AI Index 2025》、CB Insights、IEA、中国信通院、MacroPolo智库等。

下面分享研究过程中最让我意外的几个发现，以及用AI Agent做深度研究的体验。

发现一：模型性能差距已经小到可以忽略

这是最反直觉的结论。很多人的印象还停留在GPT碾压一切的阶段，但数据告诉我们：

一年时间，MMLU上的差距从17.5个百分点缩到0.3——基本上就是统计误差范围内了。DeepSeek V3在MMLU上拿到87.1分，GPT-4o是88.7分，差距只有1.6分。

更惊人的是DeepSeek的训练效率：671B参数的MoE模型，完整训练只需278.8万H800 GPU小时，训练成本约557万美元。而GPT-4的估算训练成本超过10亿美元。用1/20的成本做到接近顶尖的性能，这是中国AI工程效率的集中体现。

发现二：投资差距比想象中大得多

模型性能追平了，但钱呢？

2024年美国私营AI投资达1091亿美元，中国是93亿美元，美国是中国的11.7倍。2025年全球AI融资总额2258亿美元，超80%流向美国。

这意味着什么？美国在用压倒性的资本优势碾压式投入——微软一年AI基础设施投入超500亿美元，谷歌AI研发占总R&D的40%以上。中国企业（百度约150亿人民币、阿里约100亿人民币）投入量级完全不同。

但有趣的是，钱多不一定效率高。DeepSeek用557万美元做到了OpenAI用数十亿美元做到的事。这场竞赛的胜负，不只看谁钱多，还要看谁效率高。

发现三：算力是真正的结构性鸿沟

这是最让人清醒的数据。

总算力规模上，中国占全球21%（962 EFLOPS），美国占32%（1438 EFLOPS），中国约为美国的67%——看着差距不算太大。

但在高端训练算力上，美国占全球69%，中国仅占15%，差距4.7倍。高端智算中心电力方面，美国30-35 GW，中国只有3 GW，差距接近10倍。

一句话总结：中国在算力总量上接近美国，但在最尖端训练算力上被卡脖子。 只要H200/B200级别的芯片获取受限，算力总量再大也难以转化为顶级模型训练能力。

英伟达对中国的策略是一条逐级降级链：A100 → A800 → H800 → H20 → H200（有限放行+25%关税）。每一代特供芯片都被阉割，而Blackwell系列全面禁售。华为昇腾910C单卡性能约为H100的50-60%，但CUDA生态的护城河远比算力差距更难跨越。

发现四：人才正在发生结构性反转

NeurIPS 2025一作论文数，中国2152篇，首次超越美国的1810篇。中国AI研究人员从2015年不足1万增长到2024年的5.2万，年复合增长率28.7%。

但翻转的另一面是：卡内基基金会追踪的100位顶尖华人AI学者中，87%仍留在美国，只有10%回到了中国。

所以人才格局是：数量上中国在追，但最顶尖的那批人还在美国。 不过新一代本土培养的研究者正在崛起，人才流动正从单向（中国→美国）向双向转变。

发现五：开源是中国最大的差异化优势

全球基础模型开源率已达65.7%。闭源与开源模型的性能差距从2024年1月的8.04%收窄到2025年2月的1.70%——开源模型已达到闭源模型性能的98.3%。

推动这一进程的核心力量正是中国开源模型。DeepSeek R1以极低训练成本实现接近GPT-4o的推理能力，在斯坦福AI Index报告中被引用45次。Qwen、ChatGLM等也在HuggingFace上获得大量下载。

中国的策略是模型层突破，再向框架层渗透。 虽然底层框架（PyTorch、TensorFlow）仍由美国主导，但在模型发布层面，中国已经和美国形成正面竞争。

发现六：AI for Science是最后的底牌

如果说前面几个维度中国还能追，在AI for Science领域，美国的底层创新优势仍然明显。

AlphaFold 3获2024年诺贝尔化学奖，Isomorphic Labs的AI设计药物已进入临床试验。Google的GNoME模型预测了220万种新晶体结构，相当于人类800年的积累。AlphaProof在IMO达到银牌水平。

中国有108家AI制药企业，在应用型创新引用量上占全球41.6%——但都是从1到N的应用创新，不是从0到1的范式突破。 AlphaFold级别的成果，中国目前还没有。

综合评分卡

基于14个维度的量化分析，我给中美AI打了个分（10分制）：

用AI Agent做深度研究的体验

这次研究让我对AI Agent的能力边界有了新认识。

能做的：

• 跨数据源检索和整合：从十几个权威报告中提取关键数据，人工做这个至少要一周
• 结构化分析：自动搭建14个维度的对比框架，生成评分卡
• 数据可视化：生成雷达图、柱状图等图表
• 报告排版：自动生成格式统一的PDF报告

局限：

• 部分数据需要人工校验来源（如企业具体R&D分配缺乏公开权威数据）
• 军事AI等敏感领域数据公开度低，只能用最佳估算
• 需要用户给出清晰的研究框架和方向指引

核心感受： AI Agent不是替代研究者，而是把研究者从机械性的数据搜集和整理中解放出来，让你能专注于分析和判断。以前做这种报告，光是找数据、制表、画图就要耗掉70%的时间；现在这些交给AI Agent，人可以专注于这些数据意味着什么。

总结

中美AI竞争已经从单边领先进入双强并立阶段。核心格局是：

• 美国结构性优势： 算力霸权、资本碾压、原创创新、全球生态
• 中国结构性优势： 工程效率、应用规模、开源贡献、人才增速

未来5年，模型性能层面的差距可能完全抹平。但算力和生态层面的差距仍将存在——这不是靠努力就能解决的，而是芯片供应链和软件生态的系统性问题。

最终格局取决于三大变量：芯片自主可控进程、政策稳定性、国际联盟博弈。

本报告数据截至2025-2026年，数据来源包括Stanford HAI AI Index 2025、CB Insights、IEA、中国信通院、MacroPolo智库、Carnegie Endowment等。完整报告含14章详细分析，本文为精华提炼版。