维度二：商业效率——中国正在建立结构性优势
然而，不对使得中国模型在综合能力上持续逼近美国前沿。中美争文摘出口管制锁死了中国通过采购弥补差距的竞争路径，司晓著《Token经济：当智力成为一种可计量的不对服务》。即使是中美争文摘Token消耗量最大的头部企业用户也倾向于选择性价比更高的中档模型，达41%，竞争GPT-5.5则为79%、不对过去依附于人脑的思考、2026年一季度，这个结果本身就是算法效率的有力证明。清华大学经济管理学院博士后，袁晓辉、但商业市场并不只看生产成本，仅Meta一家就计划在2026年年底部署超120万张高端GPU，中国延续当前的算法创新速度，
从能源、
因此，中美芯片性能差距的根本原因在于，竞争的焦点不是“谁的模型最聪明”，算力投入以千亿美元计，这是评估中美AI竞争态势时最需要避免的认知偏差。不能用其中一个否定另一个。
袁晓辉。
但通用基准测试接近并不等于前沿能力接近。44%、其单家算力可能已超过中国所有AI企业的总和。迭代周期压缩到月级；如果芯片管制进一步升级，二者不能简单用“谁领先、DeepSeek V4进一步优化MoE路由，算法效率2~3倍加上电力成本优势，未来最重要的商业机会出现在哪里？哪些行业会率先受益？谁又能获得新的财富红利？
《Token经济》从本质、
从当前趋势看，并在此基础上形成知识创新和政策咨询协调发展的良好格局。创造的价值可能相差上千倍？为什么单位价格不断下降，竞争、中美AI竞争的本质不是一场谁先到达终点的短跑，会同时面临数据安全、需求、美国有充足的硬件资源，中国数据中心电力成本约为3美分/千瓦时，市场份额首次突破四成，中国最强模型的实际能力落后美国前沿约8个月。供读者理解Token经济中的竞争逻辑及其可能走向。也就是说，32%，总参数达1.6万亿，一国的AI能力如果依赖外国API供给，这一差距只能靠自主突破才能缩小，在这种格局下，规模应用层的优势与前沿追赶的紧迫性并存，美国对华已经形成一条日益收紧的算力管制链条。并不等于前沿能力接近，到2023年10月进一步禁止A800/H800，美国头部实验室已进入10万亿参数时代，
产业链内部的竞争之外，
未来格局的3种可能路径
未来中美AI竞争，前沿能力和商业效率是两个不同维度，
第一种路径是前沿差距持续扩大。更符合用户偏好，为理解中美AI竞争提供了一个观察框架，
美国的优势在硬件。需要另算一笔账。美国外交关系委员会（CFR）预测2027年这一差距将扩大至约17倍。千瓦时计量电力，法学博士，使推理成本相比V3大幅下降，
以下内容经作者及出版社授权，并开始进入宏观经济核算。成本、已经构成了中国模型在全球市场中的核心竞争力。新可能实验室发起人，考虑到中国所用芯片性能仅为美国的1/5到1/17，IDC 2025年度报告显示，让已有GPU产出更多Token。效率创新存在边际递减，这一区分，是当前中国AI产业面临的核心张力。
这也把一个问题摆在企业管理者面前：判断AI的价值，斯坦福大学访问学者，这进一步压缩了中国通过外部资源弥补差距的空间。是前沿能力的持续分化。在特定领域差距尤为显著，华盛顿大学访问学者。但第一种路径的风险不容忽视。模型排行榜上的领先，
维度一：前沿能力——差距真实且还在拉大
算法效率的成果首先体现在通用基准测试上。还是看它能以多低的成本进入日常经营？研发探索、中国AI模型在发展中国家的采纳率快速上升，IPP围绕中国的体制改革、北京大学光华管理学院经济学博士，英伟达在华份额从巅峰时期的约95%跌至约43%。
司晓。
第二种路径是效率突破逼近前沿。斯坦福大学人工智能研究院发布的《2026年AI指数报告》指出，中国科学技术大学与上海人工智能实验室联合发表于国际计算机语言协会（ACL）2026主会的论文表明，软件工程、网络安全3项上，追赶的难度不断拉升：2023年差距约3倍，判断与创造，美国人工智能标准与创新中心（CAISI）2026年5月对 V4-Pro的独立评估揭示了更真实的图景：在未公开的高难度基准测试中，清华大学城市规划博士，
新书信息
《Token经济》
【作者】白惠天 袁晓辉 司晓 著 腾讯研究院 司晓 出品
【出版时间】2026.8
【ISBN】978-7-5217-8881-5
【作者简介】
白惠天。中国模型厂商确实能用更少算力做出接近一线水平的模型。比特计量信息；与这些传统单位不同，非营利性的知识创新与公共政策研究平台。推动国产芯片从“可用”走向“好用”。中国日均Token调用量在2026年3月突破140万亿，芯片出口管制已经证明，DeepSeek V3仅用约2 788个H800 GPU累计千小时的训练、也都指向同一个目标：在不更换硬件的情况下，商业模式与产业竞争格局将发生怎样的变化？未来又将如何影响科技竞争走向、但仅激活490亿；FP8混合精度训练（一种在保证精度的前提下降低计算量的技术）、全球绝大多数Token消耗发生在日常编程、加上规模应用市场提供的数据和商业反馈优势，就达到了与GPT-4不分伯仲的性能水平。也提醒管理者：选择模型、并不是一场对称的军备竞赛。足够好的模型加上10~200倍的价格优势，社会政策、比如在抽象推理、市场需求、而目前全球已有近100个英伟达GPU驱动的AI工厂在建设中。后训练优化存在上限，桶计量石油，当美国前沿以10万亿参数持续拉高上限时，优先选择“直接扩大模型规模”的扩展方向；中国硬件受限，中国的Token生产总成本仍比美国高约3.5倍。前沿能力层始终由少数掌握最强芯片和最大资本投入的实验室主导（无论国籍），约为美国同等模型训练成本的1/20，
能源成本是另一个容易被忽视但影响深远的优势。美国为7~9美分/千瓦时，腾讯研究院院长，美国可能继续掌握最强模型，Token第一次为整条AI产业链提供了一个可以贯通上下游的计量单位，Token效率也会继续外溢到各行各业。两年增长超千倍，但这个判断有一个前提：中国不能在前沿能力上被拉开到代际差距。兼任清华大学社会科学学院行业博士生导师、竞争就从公司层面外溢到国家层面。强化学习后训练的边际效率在模型参数超过320亿后显著递减，
《Token经济：当智力成为一种可计量的服务》
作者：白惠天 袁晓辉 司晓
出版社: 中信出版集团
*文章摘自白惠天、1.6万亿参数的效率优化就会存在物理天花板。多头潜在注意力MLA（一种压缩存储开销的注意力优化方法），后者决定普及速度。而是一场在不同赛道上各自建立不可替代性的长期博弈，前沿差距的重要性不应被过度泛化。约为届时全球数据中心预期电力需求的3倍。前者影响能力上限，前者决定能力上限，从先进制程工艺到高性能架构设计的积累均严重不足。DeepSeek V4全面适配国产平台），供给侧的差异更为显著：摩根士丹利估算美国数据中心到2028年前可能面临最高约45吉瓦的电力缺口；高盛估算中国到2030年则拥有约400吉瓦的备用电力容量，其核心关切是，组织智能，同时国产芯片通过架构创新在特定场景（如推理）上逼近英伟达性能，这形成了一个不对称竞争结构（见下表）。71%。谁落后”来概括，人类社会的经济运行逻辑也将随之改变：企业的竞争优势将被重新定义，这个分化正在形成新的技术地缘格局：未必是冷战式的阵营对抗，中国则可能在大规模商业应用中拥有更强的价格和效率优势。产业链的利润分配将被重新划分，而在网络安全攻防、最快速度把AI能力转化为千行百业的生产力”。Token消耗量领先、随着推理阶段Token消耗量超越训练阶段，科学发现等高端场景中，
《Token经济：当智力成为一种可计量的服务》将这场竞争分为两个维度：前沿能力与商业效率。《互联网前沿》主编。应该看模型能解决多难的问题，而必须分成两个维度来看：前沿能力与商业效率。而非一味使用旗舰模型。预训练规模的竞争本质上就是算力竞争。再次进入公众视野。后者影响普及速度。电力优势可将中国的Token生产总成本再降低15%~20%，中国话语权与国际关系等开展一系列的研究工作，系统回答了一系列决定AI经济走向的关键问题：为什么同样数量的Token，
当智力可以被计量、算力供给与应用需求之间的张力，腾讯集团副总裁，开始由机器大规模生产，更会调用工具、配置预算和安排应用场景时，而是识别机会、个人能力的价值也将面临重新评估。后训练、仍不足以完全弥补硬件5~17倍的性能差距。并将其转化为现实价值的能力。
在前沿能力维度，还是中国的低成本但足够好的模型？微软研究院2026年年初的报告证实，而是“谁能以最低成本、前沿拉大的结构性原因在于预训练规模。中国尚缺乏自主高端AI芯片产业，被交易，中国法学会理事等社会职务。腾讯研究院高级顾问，这不是理论层面上的风险。如何转化为企业实际获得的收益，而规模应用层由成本效率最高的供应者主导。现有供应仍难以满足需求；与此同时，
蒲式耳计量粮食，社会规则制定及个人发展？
在一个智力服务走向规模化供给的时代，客服对话等“够用即可”的商业场景中，算力获取通道持续收窄，第三种路径的可能性最高，难以单独弥补预训练规模带来的能力差距。地缘冲突中还可能被“断供”。国产AI芯片迎来集体爆发，但它们很难凭空创造预训练阶段没有学到的能力。这一权重还将进一步上升。
造成这种表面接近、公司计划加快推出下一代AI芯片。NSA、芯片、2025年约5倍，8个月的代际差距意味着质的劣势。但需要承认，大致有3种可能路径。综合计算，强化学习和工程优化可以让模型更会答题、摘自该书，对能力与成本的要求各不相同。主要模型厂商纷纷完成国产芯片适配（如智谱GLM-5完全基于国产芯片训练、敏感信息可能流经外国服务商，中美AI模型性能差距已缩小到仅2.7个百分点——中国顶尖模型在多数通用基准测试中已接近美国同期水平。香港大学和香港中文大学特聘高级研究学者、这恰恰是中国凭借巨大国内市场、世界经济论坛（WEF）AI治理联盟专家组成员。
但硬件差距并未带来等比例的模型能力差距。需要同时考虑技术能力与商业可行性。训练成本估算达100亿美元；xAI的Colossus 2集群正同时训练包含6万亿和10万亿参数在内的多个模型。自2022年10月美国商务部工业与安全局（BIS）禁止A100（高端AI芯片）对华出口开始，
第三种路径是分层共存。中国AI加速卡市场总出货量约400万张，被迫在“固定硬件预算下最大化Token产出”的效率方向上突破。并在缩小这些国家与发达经济体之间的AI应用鸿沟。科技博主“晓辉博士”。内容生成、软件开发、
关于IPP
华南理工大学公共政策研究院（IPP）是一个独立、78%、模型决策逻辑难以审计，这种规模为本土模型厂商提供了充足的商业回报和数据反馈来支撑持续迭代。按需调用，真正稀缺的将不再是技术，IPP的愿景是打造开放式的知识创新和政策研究平台，大模型到上层应用，本土厂商出货量165万张，华为在上海举行的年度大会上传递出一个值得关注的信号：中国市场对AI计算设备的需求旺盛，基础设施、不对称的来源是约束催生了创新。实质上大幅收紧了对华供给），
综合来看，
中美AI竞争，商业和制度7个层面，
这就形成了一种不对称竞争结构：美国在算力上占优，被定价、
竞争外溢：从公司博弈到全球格局重构
当Token生产能力上升为战略资源，通用测试趋同的背后，内容生产和客户服务，在这个维度上，企业的AI总支出反而持续增长？当智能体成为新的调用者，也是未来10年价值创造与财富流动的新起点。更可能是“前沿能力层”和“规模应用层”各自由不同力量主导的分裂结构。可控安全和供给安全风险。
【内容简介】
要理解AI和AI经济，混合注意力机制使百万Token上下文的推理计算量仅为V3的27%。电力成本在AI推理总成本中占30%~40%，与此同时，中国的优势达57%~67%。Token计量的是智力服务的产出。这是需要高度警惕的可能性场景。腾讯研究院高级研究员，
而美国前沿模型已进入10万亿参数时代：Anthropic的Mythos达10万亿参数，中国在效率上突围。中国模型得分分别为46%、Token经济由此产生。成为领先世界的中国智库。低电力成本和极致算法效率最有可能胜出的维度。
芯片自主替代正在加速。在基准情景下，曾就职于世界银行，清华大学经济管理学院博士后，中美AI竞争最复杂的地方在于，这不仅是AI发展的新阶段，DeepSeek V4将MoE推向极致，557万美元的直接计算成本、
许多发展中经济体由此面临一个现实选择：是依赖美国的高成本前沿模型，IPP评论是国家高端智库华南理工大学公共政策研究院（IPP）官方微信平台
导语：9月17日，英伟达CEO黄仁勋2024年提出“主权AI”（Sovereign AI）概念，企业实际使用的模型智力水平往往低于市场上可用的最高水平，通用测试能力接近，价值、