Let's Make AGI Real

一句话结论：兰德用1181家企业的数据说明，中美AI产业在技术路线上高度相似；真正的分野是“形态”——美国AI主要是软件，中国AI更多长在机器、车辆和工厂里。

2026年8月17日，兰德公司（RAND）发布研究报告《美国与中国的AI发展：来自AI开发企业新数据集的证据》（AI Development in the United States and China，编号RR-A5043-1，64页）。作者为Jon Schmid、Prateek Puri、Vitor Melo、Anthony Hakim，出自兰德“全球与新兴风险部”下属的AI、安全与技术中心，经费来自慈善捐助与机构运营收入。

这份报告的价值不在于又一次比较“谁领先”，而在于换了一个观察单位。过去中美AI比较多盯着OpenAI、DeepSeek等少数明星公司，或者对照两国的规划文件。报告直言，在这种“数据贫乏的环境”里，许多判断“只有轶事支撑”。兰德这次试图给出一份企业层面的全景普查。

一、报告做了什么：一次“用AI普查AI”的尝试

报告构建了一个包含1181家AI开发企业的数据集，其中总部在美国的743家，在中国的438家。数据采集于2026年1–2月，是一张截面快照。

候选企业来自四类渠道：

• 就业数据：Enrich Layer的职业档案库（覆盖7.9亿以上从业者）；
• 论文：SciVal中2024–2025年的AI出版物；
• 专利：Derwent数据库，按OECD的AI专利识别方法筛选；
• 模型排行榜的提交记录。

入选门槛有三条：营利性公司、总部在美或中、自行开发或训练模型。只做集成、部署别人模型或只供应算力的公司被排除。判定需要模型发布、论文、专利等直接证据，没有证据就默认“否”。

最有意思的是标注方式。研究者用带联网搜索的大模型智能体（主要是Gemini 2.5 Pro），对每家企业在9个以上维度打标签：基本信息、商业定位、模型架构、学习范式、数据模态、物理形态等。随后用人工抽检校准，一致率低于90%的变量（如创始人学历所在国）被直接剔除。这本身就是“AI赋能社会科学研究”的一个样板。

二、比想象中更像：“美国押注单一路线”的说法不成立

报告的首要结论是：两国AI企业群体“在结构上比通常认为的更相似”。这一结论有明确的靶子。此前，兰德自己的研究者（如Marcellino《对冲我们的赌注》）以及乔治城大学CSET的Hannas等人曾认为：美国过度集中于Transformer大模型，而中国在多条通往AGI的路径上同时下注。

数据不支持这一说法的强版本：

• 架构：Transformer在两国都居首（美28%、中27%），卷积网络（13% vs 11%）、扩散模型（各7%）分布几乎一致；“后Transformer”架构和类脑计算在两国商业部门都很少见。
• 基础模型：两国都只有约19%的企业是基础模型开发者。
• 商业定位：绝大多数做应用型AI产品（美约90%、中约75%），提供API的“模型即服务”企业在两国都只占约10%。
• 开源：发布开权重模型的企业占比相近（美约15%、中约17%）。

报告的原话是：“美国走单一路线、中国走多条路线”这种担忧的最强版本，在AI开发企业生态中“得不到我们数据的支持”。它同时给出一个有趣对照：中国《中国制造2025》曾将类脑计算列入重点，2025年3月又将“具身智能”写入国家发展重点。前者在企业投入中几乎看不到，后者却在企业布局中清晰可见。政策能否落地，取决于它是否与市场需求同向。

三、真正的分野：美国写代码，中国造机器

报告认为最大的差异在于“物理具身还是软件”：61%的美国AI企业是纯软件形态，中国只有26%。人形机器人企业在中国样本中占12%，在美国样本中仅占2%，相差五倍以上。

形态差异直接映射到行业分布。中国企业集中在“实体经济”赛道，制造、交通、能源的占比都约是美国的两倍；美国企业集中在“知识密集型”赛道，医疗、科研、网络安全明显领先。

同一个技术名词，在两国也指向不同的东西。两国都有19%的企业使用强化学习，但美国多指面向语言模型的偏好强化学习（RLHF、DPO、GRPO式推理训练）；中国则多指面向机器人、自动驾驶和工业自动化的环境强化学习。前者在“对齐人类偏好”，后者在“与物理世界交互”。

这一分野有其深层成因：中国拥有全球最完整的制造业体系和最密集的应用场景，硬件供应链成本低、迭代快；美国则拥有最成熟的企业软件市场和风险资本对纯软件高毛利模式的偏好。两国AI企业都是在“顺着自己的比较优势生长”。

四、组织形态：中国更“老”、更集团化，美国更“初创”、更近军方

企业属性的差异同样显著，而且与主流印象并不完全吻合：

三点值得细读：

1. 中国的AI开发更多由大企业承担。 超过一半中国样本企业隶属更大的集团，三分之一已上市。这对应着家电、汽车、安防、互联网巨头内部孵化AI的模式，也解释了为何它们更倾向硬件与工业场景。
2. 美国更依赖风险投资驱动的初创公司。 86%的美国样本企业是非上市公司，这符合硅谷“轻资产、高估值、软件优先”的创投逻辑。
3. “军民融合”的叙事被数据打了个问号。 30%的美国企业有可查的军事关联，高于中国的16.2%。报告承认中国数字可能因披露不足而偏低，但这至少说明，美国AI产业与国防体系的公开绑定已相当深入。

五、OpenRouter：中国开源模型“以价换量”，18个月追平

数企业只是一面，报告另用模型聚合平台OpenRouter的调用量观察“谁的模型被真正使用”。结果是报告中最具冲击力的一条曲线：

• 2024年底，美国模型占平台前七名token调用量的85%–90%，中国模型接近于零；
• 2025年上半年，凭DeepSeek-V3和通义千问系列，中国份额升至约25%；
• 2026年4月，两国持平。流量最大的9家提供商中，美国3家（Anthropic、Google、OpenAI）居前，中国占6家（腾讯、月之暗面、DeepSeek、阿里千问、MiniMax、智谱）。

驱动力是价格。中国开权重模型集中在每百万token 1–2美元的区间，约为美国领先闭源模型价格的四分之一至五分之一。报告的判断是：这是价格—性能比的胜利，而非绝对性能的胜利。美国前三家仍占据流量榜头部，中国则以“多家、开源、便宜”的集团军方式取得份额。

需要注意，OpenRouter的用户以价格敏感的开发者为主，不代表企业级采购和政府市场。但它正是开发者生态的入口，代表着全球“下一代应用”正在选择哪些底座。

六、方法与局限：这张快照有哪些盲区

报告对自身局限的披露相当坦诚。读者使用其结论时，至少要记住四点：

1. 中国样本被系统性低估。 中国职业社交档案渗透率远低于美国，中文成果在英文数据库中可见度低，与安全部门关联的企业更不会公开信息。报告明确说中国数字“应视为下限”。438家与743家的差距，不能解读为两国AI企业的真实数量比。
2. 技术变量缺失率高。 模型架构的“未知”比例美国56%、中国68%；学习范式的未知比例美国35%、中国60%。所谓“架构相似”，是在较小的已知子集上得出的。
3. 标注误差不小。 人工校验只抽了25家企业，按报告自己的测算，90%一致率对应约±11.8个百分点的95%误差范围。个位数差距（如网络安全7% vs 3%）应谨慎解读。
4. 只看企业，不看大学和国家实验室。 中国大量非Transformer路线的探索（如类脑计算）实际发生在高校、中科院和新型研发机构。报告对“路线多样性”的否定，只适用于商业部门。

此外，数据收集在2026年初。报告自己也提示，行业转型与退出频繁，部分分类可能已经过时，需要持续更新。

七、深读：报告在对谁说话，中国该读出什么

第一，这是一份写给华盛顿的“对冲备忘录”。 报告最核心的政策判断是：如果通往变革性AI的道路最终需要与机器人、世界模型和物理环境学习协同发展，那么中国在物理形态上的更重投入，就是“美国生态所缺乏的一个实质性对冲”。它否定了“美国路线单一”的担忧，却把警报转向了具身智能。可以预期，后续美国政策讨论会更多关注机器人产业政策、关键零部件供应链和对华机器人产品的准入审查。

第二，“谁领先”已经不是好问题，“在哪里领先”才是。 报告揭示的是两种不同的扩散模式：美国以前沿闭源模型加高价值软件服务取胜；中国以开源低价模型加实体经济场景取胜。前者拼“天花板”，后者拼“广度”。在开发者市场上，后者已经交出了18个月追平的成绩单。

第三，对中国而言，报告也映出三块短板。

• 知识密集型行业的AI渗透偏弱。 医疗与生命科学（17% vs 28%）、科学研究（5% vs 10%）是长期价值最高的赛道，也是“AI for Science”和“AI for Social Science”的主战场。
• 独立初创公司生态较薄。 过半样本企业附属于大集团，这有利于场景落地，却可能压缩颠覆性创新的空间。
• “价格优势”不等于“定价权”。 当前份额主要来自性价比，而非前沿性能。如果算力受限导致前沿差距拉大，这一优势并不牢靠。

第四，对研究者而言，方法本身可能比结论更有启发。 用大模型智能体对千家企业开展多维标注，再用人工抽检校准，这套流程成本低、可复用、可滚动更新。中国研究者完全可以基于企查、专利、招聘和中文文献数据构建更完整的中文版本，补上兰德在中国样本上的盲区。谁掌握更好的数据，谁就掌握对对手的解释权。

结语：从“路线之争”到“形态之分”

兰德这份报告最大的贡献，是把中美AI竞争的问题从“谁押对了技术路线”改写为“谁押对了AI的落地形态”。在算法层面，两国企业共享同一套工具箱；在物理世界，它们正在走向不同的战场。如果下一阶段的突破来自语言与推理，美国的软件优势会被放大；如果来自具身与世界模型，中国的实体布局就是先手。两国实际上各自持有对方最担心的那张牌。

来源

• RAND报告页面：AI Development in the United States and China: Evidence from a New Dataset of AI Developer Firms（RR-A5043-1，2026年8月17日）
• 报告全文PDF

文中数据均出自上述报告；“深读”部分为本文分析判断，非报告原文观点。