【杜兰说AI】解读蔡崇信港大演讲：AI竞争要看最终落地
2026年01月12日 17:29
最近蔡崇信在港大的演讲，大家都听了吗？聊中美AI的部分真的戳中要害！现在很多人都跟着美国的节奏，觉得AI比拼就是看大模型谁的分数高、参数多，但其实这从根上就搞错了竞争逻辑。我看了蔡崇信的讲话，总结了下面这些点，看完你应该就能对现在中美之间的AI有充分了解了。
一、美国的AI竞赛规则现在可能跑偏了
现在全球AI圈好像都默认，谁的大语言模型更强，谁就赢了这场竞赛。今天说OpenAI领先，明天提Gemini厉害，大家都盯着各种榜单的排名不放。但蔡崇信直接点破：这个计分方式本身就有问题。
真正的赢家从来不是谁手里握着最好的模型，而是谁能把AI用得最好。美国那边一门心思堆模型性能、比跑分高低，但我们这边的思路完全不一样——我们看的是渗透率。我们早早就定了明确目标，到2030年，AI代理和各类智能设备要渗透到各行各业，覆盖率要达到90%。说白了，AI再厉害，不能落地、不能普及，那也只是个摆设。中美AI竞争的核心分歧，其实就是“比跑分”和“比实用”的路线之争。
二、我们有四张底牌是美国想有的
可能有人会问，中国凭什麽能在普及上赢过美国？答案很简单，我们靠的是一整套完善的生态，不是单一的模型优势。这四张底牌，美国短期内根本没法覆制。
首先是电力优势。要知道训练大模型、跑AI推理，本质上都是在烧电。而中国15年前就开始布局电力传输基建，国家电网每年的资本支出高达900亿美元，而美国只有300亿，整整三倍的差距。现在中国的电力装机容量是美国的2.6倍，新增的装机容量更是美国的9倍，电力成本直接比美国低40%。而AI大规模普及的基础就是电力，从这一点我们就已经有了一张底牌。
然後是数据中心成本。在中国建一个数据中心，单看基建部分，成本就比美国低60%。别小看这60%，AI普及需要大量的数据中心做支撑，成本优势直接能让我们的AI落地速度快上一大截。
还有工程师红利。全球几乎一半的AI科学家和研究人员，都有中国大学的学位。不管他们现在在哪个国家、哪个公司工作，这些人才储备都是中国的底气。更有意思的是，在AI领域，中文第一次成了优势。很多海外AI团队里，华人工程师都用中文交流想法、交换思路，这种信息传递的顺畅度，是其他国家比不了的。
最後一张底牌，是资源匮乏逼出来的优势。资源匮乏逼出了系统级创新，这是我们独有的竞争力。美国不缺GPU，所以他们习惯了靠堆硬件来提升性能；但中国的GPU资源有限，反而倒逼我们在系统层面做创新。没有足够的硬件支持，就只能把系统优化做到极致，让每一份资源都发挥最大作用。就像阿里的通义千问刚在加密货币和股票交易的AI竞赛里拿了第一，隔壁的DeepSeek也拿到了第二，这些成绩都是靠系统级创新拼出来的，单纯靠堆硬件是堆不出来的。
三、开源和闭源是中美模式的关键分水岭
如果说生态优势是基础，那开源模式就是中国AI弯道超车的关键。蔡崇信的判断很明确：开源模型迟早会击败闭源模型，这不是技术优劣的问题，而是利益格局决定的。
为什麽开源模式会赢？因为对全球大多数用户来说，开源同时解决了成本、数据主权和隐私三个问题。美国那边的闭源模型，比如OpenAI，想用上就得付费，而且数据还得喂进人家的系统里，全程都是黑箱操作，数据去哪了、怎麽用，你根本没法控制。但中国走的是开源路线，像阿里的通义千问，谁都能免费下载，部署在自己的私有云上。数据完全掌握在自己手里，既不用花钱，又能保证隐私和主权，不管是政府还是企业，只要算一笔账，都会选开源。
最近新加坡的国家AI计划已经放弃了Meta的模型，转而用阿里的通义千问，这就是最好的证明。美国想靠闭源模型垄断市场，但全球大多数用户的核心需求是“低成本、能掌控”，开源模式正好戳中了这个痛点，这也是中美AI竞争里，我们最核心的模式优势。
四、中美AI竞争的终局是看谁能让AI走进千家万户
其实说到底，中美AI竞争拼的不是单一技术的强弱，而是整个生态的支撑力和模式的适配性。美国有顶尖的模型技术，但他们的电力成本高、数据中心建设贵，闭源模式又限制了普及速度，这些短板恰恰是中国的长板。
而中国的优势不是某一个单点的突破，而是电力、数据中心、人才、系统创新、开源模式拧成的一股合力。我们不纠结於模型的跑分高低，而是专注於让AI真正走进各行各业，走进普通人的生活。就像蔡崇信说的，AI的价值在於使用，而不是收藏。
现在很多人还在争论“中美AI谁更强”，但其实答案其实只有一个：能让90%的行业用上AI，能让用户用得放心、用得低成本，能让技术真正服务於实体经济的，才是这场竞争的最终赢家，才符合全球大多数人的利益。
现在AI普及的浪潮已经来了，而这场竞争的最终胜负，更取决於是否有足够多的年轻人做好了准备，接棒推动技术落地与创新。不要觉得AI来了就什麽也不用学了，学编程是练逻辑思维，学统计是应对数据爆炸，学材料科学是助力硬件突破，学心理学是因为要理解人脑这个最高效的“机器”，而这些都是AI时代的核心能力。更重要的是，要学会提出正确的问题，在AI能快速生成答案的时代，定义问题的能力才是核心竞争力。
一、美国的AI竞赛规则现在可能跑偏了
现在全球AI圈好像都默认，谁的大语言模型更强，谁就赢了这场竞赛。今天说OpenAI领先，明天提Gemini厉害，大家都盯着各种榜单的排名不放。但蔡崇信直接点破：这个计分方式本身就有问题。
真正的赢家从来不是谁手里握着最好的模型，而是谁能把AI用得最好。美国那边一门心思堆模型性能、比跑分高低，但我们这边的思路完全不一样——我们看的是渗透率。我们早早就定了明确目标，到2030年，AI代理和各类智能设备要渗透到各行各业，覆盖率要达到90%。说白了，AI再厉害，不能落地、不能普及，那也只是个摆设。中美AI竞争的核心分歧，其实就是“比跑分”和“比实用”的路线之争。
二、我们有四张底牌是美国想有的
可能有人会问，中国凭什麽能在普及上赢过美国？答案很简单，我们靠的是一整套完善的生态，不是单一的模型优势。这四张底牌，美国短期内根本没法覆制。
首先是电力优势。要知道训练大模型、跑AI推理，本质上都是在烧电。而中国15年前就开始布局电力传输基建，国家电网每年的资本支出高达900亿美元，而美国只有300亿，整整三倍的差距。现在中国的电力装机容量是美国的2.6倍，新增的装机容量更是美国的9倍，电力成本直接比美国低40%。而AI大规模普及的基础就是电力，从这一点我们就已经有了一张底牌。
然後是数据中心成本。在中国建一个数据中心，单看基建部分，成本就比美国低60%。别小看这60%，AI普及需要大量的数据中心做支撑，成本优势直接能让我们的AI落地速度快上一大截。
还有工程师红利。全球几乎一半的AI科学家和研究人员，都有中国大学的学位。不管他们现在在哪个国家、哪个公司工作，这些人才储备都是中国的底气。更有意思的是，在AI领域，中文第一次成了优势。很多海外AI团队里，华人工程师都用中文交流想法、交换思路，这种信息传递的顺畅度，是其他国家比不了的。
最後一张底牌，是资源匮乏逼出来的优势。资源匮乏逼出了系统级创新，这是我们独有的竞争力。美国不缺GPU，所以他们习惯了靠堆硬件来提升性能；但中国的GPU资源有限，反而倒逼我们在系统层面做创新。没有足够的硬件支持，就只能把系统优化做到极致，让每一份资源都发挥最大作用。就像阿里的通义千问刚在加密货币和股票交易的AI竞赛里拿了第一，隔壁的DeepSeek也拿到了第二，这些成绩都是靠系统级创新拼出来的，单纯靠堆硬件是堆不出来的。
三、开源和闭源是中美模式的关键分水岭
如果说生态优势是基础，那开源模式就是中国AI弯道超车的关键。蔡崇信的判断很明确：开源模型迟早会击败闭源模型，这不是技术优劣的问题，而是利益格局决定的。
为什麽开源模式会赢？因为对全球大多数用户来说，开源同时解决了成本、数据主权和隐私三个问题。美国那边的闭源模型，比如OpenAI，想用上就得付费，而且数据还得喂进人家的系统里，全程都是黑箱操作，数据去哪了、怎麽用，你根本没法控制。但中国走的是开源路线，像阿里的通义千问，谁都能免费下载，部署在自己的私有云上。数据完全掌握在自己手里，既不用花钱，又能保证隐私和主权，不管是政府还是企业，只要算一笔账，都会选开源。
最近新加坡的国家AI计划已经放弃了Meta的模型，转而用阿里的通义千问，这就是最好的证明。美国想靠闭源模型垄断市场，但全球大多数用户的核心需求是“低成本、能掌控”，开源模式正好戳中了这个痛点，这也是中美AI竞争里，我们最核心的模式优势。
四、中美AI竞争的终局是看谁能让AI走进千家万户
其实说到底，中美AI竞争拼的不是单一技术的强弱，而是整个生态的支撑力和模式的适配性。美国有顶尖的模型技术，但他们的电力成本高、数据中心建设贵，闭源模式又限制了普及速度，这些短板恰恰是中国的长板。
而中国的优势不是某一个单点的突破，而是电力、数据中心、人才、系统创新、开源模式拧成的一股合力。我们不纠结於模型的跑分高低，而是专注於让AI真正走进各行各业，走进普通人的生活。就像蔡崇信说的，AI的价值在於使用，而不是收藏。
现在很多人还在争论“中美AI谁更强”，但其实答案其实只有一个：能让90%的行业用上AI，能让用户用得放心、用得低成本，能让技术真正服务於实体经济的，才是这场竞争的最终赢家，才符合全球大多数人的利益。
现在AI普及的浪潮已经来了，而这场竞争的最终胜负，更取决於是否有足够多的年轻人做好了准备，接棒推动技术落地与创新。不要觉得AI来了就什麽也不用学了，学编程是练逻辑思维，学统计是应对数据爆炸，学材料科学是助力硬件突破，学心理学是因为要理解人脑这个最高效的“机器”，而这些都是AI时代的核心能力。更重要的是，要学会提出正确的问题，在AI能快速生成答案的时代，定义问题的能力才是核心竞争力。
相关新闻
