中美 AI 差距：从17.5%到2.7%？这份复盘值得看看（附数据表）

最近用AiPy整理了一份中美 AI 差距的追踪数据，从 2023 年一路记到 2026 年。结论有点反常识，分享给大家。

一、先看结论

四年时间，中美顶尖大模型的性能差距，从两位数百分点收窄到个位数。

二、我是怎么追踪的

第一步：锁定权威信源

主要盯三个来源：

1. 斯坦福大学《AI Index Report》（年度）
2. 荣鼎集团（Rhodium Group）的中国 AI 融资报告
3. IDC 的算力与芯片市场数据

第二步：建立对比维度

第三步：让AiPy去针对性地抓取信息并整理，做数据可视化，最终生成报告

三、四个关键发现

发现 1：分能力维度看，差距收窄更明显

综合知识、数学推理、代码生成三个维度已经进入"误差范围"，只有多模态理解还保留着相对明显的差距——这也恰好是当前国产模型攻关的重点方向。

发现 2：投入差 23 倍，产出却几乎贴脸

• DeepSeek V3 单次训练成本约 600 万美元，仅为 GPT-4 的约 1/10
• DeepSeek V4-Pro 采用自研混合注意力架构，浮点运算量压到上一代的 27%

发现 3：开源生态已经反超

发现 4：算力底座实现了从 0 到 1

• 2025 年国产 AI 加速卡出货约 165 万张，市场份额首次突破 41%
• 截至 2026 年 6 月，我国智能算力规模达 2185 EFLOPS，同比增长 177%
• 首个全国产 10 万卡人工智能超集群正式投用

四、但也要看到短板

做数据分析不能只看一面。这几组数据同样重要： 1. 现金流压力 2025 年阿里、腾讯、百度三家合计自由现金流约 1700 亿元；2026 年上半年首次转为负值，约 -160 亿元。 2. 商业化差距 中国所有 AI 大模型的营收总和，约为 OpenAI 与 Anthropic 两家合计的 10%。 3. 硬件短板 高端 GPU 国产化率仍不足 15%，HBM 等关键器件依赖进口。华为昇腾 910C 实测性能约为英伟达 H100 的 60%。 4. 落地深度 近三分之二的企业没有做到全公司规模化落地，九成高价值垂直场景还卡在试点阶段。

五、完整数据表（可直接取用）

六、复盘总结

中美 AI 竞争，正在从"模型竞赛"进入"体系竞赛"。 模型只是入口。模型背后的芯片、算力、资本、人才、数据，才是决定长期格局的变量。

• 中国的优势：工程迭代速度、成本控制能力、开源生态规模、超大规模应用场景
• 美国的优势：高端算力供给、基础软件体系、全球企业客户网络、前沿研究投入 差距收窄是真的，全面反超还早。 但一个曾经被认为"看不到尽头"的鸿沟，如今已经窄到可以用百分点来衡量——这本身就是过去几年全球科技格局里，最值得记录的变化之一。