中国的人工智能雄心面临考验：为何数十亿美元的投资付诸东流？

Xpert 预发布

在线联系（Konrad Wolfenstein）

语言选择 📢

发布日期：2025年10月31日 / 更新日期：2025年10月31日 – 作者：Konrad Wolfenstein

中国的AI雄心面临考验：为何数十亿美元的投资付诸东流？——图片来源：Xpert.Digital

当数字梦想在技能短缺、数据中心空置和区域不平等等现实面前破灭时

不仅仅是芯片战争：中国人工智能攻势停滞不前的真正原因

中华人民共和国正以惊人的决心朝着2030年成为世界领先的人工智能超级大国的目标迈进。尽管官方宣称描绘了一个美好的未来：90%的经济活动将由人工智能驱动，智能系统将渗透到社会的方方面面，但其背后却呈现出一幅更为复杂的图景。中国的人工智能攻势正面临着远超美国芯片出口限制这一备受关注的根本性结构性问题。超过500万技术工人的人才缺口、分散的技术基础设施、巨大的区域发展不平衡以及即将到来的市场整合，都对北京的宏伟计划构成了生存挑战。

这与德国能源转型问题有着惊人的相似之处。正如德国因电网容量不足而面临数字化未来发展受阻的风险一样，中国也正努力应对另一种基础设施失衡问题。法兰克福由于电力供应不足而无法建设数据中心，而中国西部省份的先进设施却大多闲置，原因在于下游基础设施、人力资本和实际需求的匮乏。这两个案例都揭示了现代技术政策的一个基本真理：如果整个系统发展不协调，那么对单个组件的巨额投资也将徒劳无功。

适合：

中国与系统性过度投资的内卷：国家资本主义作为增长加速器和结构性陷阱

人才陷阱

中国人工智能战略最关键的弱点或许在于技能型人才的严重短缺。人力资源和社会保障部估计，这一缺口超过500万人，供需比例高达1:10。2025年上半年，人工智能相关职位的招聘信息数量较上年同期激增37%。其中，机器人工程师和算法开发人员的需求尤为旺盛，招聘信息数量增幅超过50%。这些数据并非反映出健康的增长态势，而是揭示了一场对稀缺资源的残酷争夺。

麦肯锡预测，到2030年，中国对人工智能专业人才的需求将达到600万，而国内高校和海外归国人员最多只能提供200万。这将造成400万高技能人才缺口，而且随着中国出生率多年来的持续下降，这一缺口很可能会进一步扩大。联合国预测，到2050年，中国的劳动年龄人口将比2023年减少1.8亿，同时人口老龄化速度加快。劳动力的平均年龄将超过45岁。因此，中国正面临着人口结构上的困境，一方面要与越南等新兴经济体竞争，另一方面又要与日本等老龄化工业化国家竞争。

乍一看，人们可能会认为中国拥有大量毕业生。的确，中国高校每年培养约140万STEM（科学、技术、工程和数学）专业的毕业生。然而，现实情况却存在质的差异。真正前沿的研究和前沿模型的开发主要依赖于博士生。人工智能方向的博士毕业生数量仍然相对较少，导致顶尖人才竞争异常激烈。如今，科技巨头公司经验丰富的机器学习科学家年薪可达七位数人民币。而规模较小的创业公司则反映，关键的研发职位空缺数月之久，严重拖慢了产品开发进度。

人工智能集成的特殊性加剧了这一问题。与2010年代的移动革命不同，当时核心技术已经成熟，资金主要用于用户获取和物流扩张，而人工智能的实施需要持续的、针对特定情境的研发。医院不能简单地安装ChatGPT就大谈人工智能医疗。它需要数月甚至数年的开发时间来解决医疗工作流程、监管合规性以及与现有系统的集成问题。如果没有愿意为这些多年开发周期提供资金的长期支持，大多数人工智能项目在解决核心实施挑战之前就会停滞不前。

跨学科专业知识的匮乏正成为一个尤为突出的问题。中国人民大学2024年的一项研究发现，中国正面临顶尖人才短缺的困境，尤其是人工智能科学家和具备跨行业专业知识的人才。将人工智能融入传统行业需要既具备深厚技术功底又拥有丰富行业经验的人才。农业人工智能系统需要了解农学的开发人员，金融人工智能系统则需要熟悉监管要求的专家。这些跨学科技能在全球范围内都十分稀缺，在中国尤其如此。

企业正采取各种策略应对这一挑战。一些企业积极在海外招聘，放宽户籍限制，并努力从海外引进人才。另一些企业则大力投资内部培训项目。政府也在推动高校人工智能课程的拓展。自2018年以来，已有超过500所中国高校开设了人工智能学位课程。然而，文化和教育的转变需要时间。即便加快推进，人才缺口仍将在未来十年持续制约中国人工智能生态系统的发展。

地缘政治因素进一步加剧了这一问题。尽管中国高校在人工智能教育方面取得了显著进展，但全球科技中心仍在持续吸引顶尖人才。政府监管、意识形态控制以及学术自由受限等因素带来的不确定性，促使一些人才选择移居海外或留在海外。虽然中国拥有全球47%的顶尖人工智能研究人员和50%的人工智能专利，但这些令人瞩目的数字并不能掩盖一个事实：巨大的需求远远超过了任何可用资源。

尽管投入巨资，基础设施仍面临危机。

中国的人工智能基础设施呈现出一个巨大的悖论。一方面，中国在2023年至2024年间宣布或建成了超过250个新的人工智能数据中心。公共和私人投资者投入数十亿美元用于扩展数字骨干基础设施。另一方面，据当地消息人士透露，高达80%的新增计算能力仍处于闲置状态。许多智能数据中心的利用率仅为20%至30%。耗资数十亿美元的设施大多处于闲置状态，运营商正苦苦寻找客户，而持续的冷却、电力和维护成本也令其财务状况捉襟见肘。

这种怪异的局面是政治压力、过度投机和根本性误判共同作用的结果。在房地产泡沫破裂和新冠疫情引发的经济衰退之后，地方政府迫切需要新的经济增长点。2022年底，ChatGPT的出现引发了热潮，使人工智能似乎成为了理想的选择。到2023年，全国范围内提出了超过500个数据中心项目。地方政府积极推动这些项目，希望以此提振区域经济。国有企业、政府附属投资基金以及私营企业和投资者都热情拥抱了这所谓的黄金未来。

然而，正如所有仓促项目一样，实际规划往往不足。许多设施的建设并未考虑实际需求或技术标准。具备相关经验的工程师稀缺，许多高管依赖中间商，而这些中间商要么夸大预测，要么利用采购流程获取补贴。结果，许多新建数据中心未能达到预期，运营成本高昂、难以充分利用，并且在技术上无法满足现代人工智能工作负载的需求。

适合：

人工智能在中国繁荣，还是人工智能泡沫现在破裂了？数百个新数据中心是空的

关键问题在于基础设施的类型。许多数据中心的设计初衷是为了训练大型语言模型，因此选址在能源成本更低的西部省份。这与“东部数据西部计算计划”（EDWCI）相契合，该计划旨在将数据处理从东部拥挤的大都市地区转移到资源丰富的西部地区。然而，当需求从纯粹的模型训练转向推理——即训练模型的实际应用——时，许多西部数据中心的选址就显得不合适了。推理通常需要不同的硬件配置——速度更快、响应更灵敏的芯片，这些芯片优先考虑低延迟和效率，而非单纯的计算能力。此外，推理需要在靠近最终用户的地方进行，也就是在东部的大城市。因此，西部数据中心往往是为错误的任务而建，选址也不合适。

作为回应，北京宣布在东南部的芜湖地区建设一座以推理为核心的数据中心，服务于上海、杭州、南京等主要城市市场。但这只是杯水车薪。资源错配到不合适的基建项目，导致数十亿美元的资金被占用，而这些资金本可以更有效地用于其他方面。一些项目显然从未打算通过实际的计算能力来盈利。多份报告和业内人士证实，一些公司利用人工智能数据中心来获得政府补贴的绿色能源或土地交易。在某些情况下，这些数据中心甚至将预留的电力卖回电网，而建筑物却闲置不用。到2024年底，大多数业内企业的目标都是为了从政策激励中获利，而不是真正从人工智能工作中获益。

硬件短缺进一步加剧了这一局面。尽管政府大力支持国内芯片研发，但中国人工智能企业仍然严重依赖外国技术。美国控制着全球超过70%的计算能力，并利用出口管制限制中国获取英伟达H100等先进芯片和关键封装技术。预计到2025年，中国人工智能芯片的供应缺口将超过100亿美元。华为昇腾910B等国产芯片在训练大型语言模型方面性能落后。此外，先进的人工智能集群不仅需要芯片，还需要连接数万个处理器的精密互连系统。美国公司在系统级设计方面仍然处于领先地位。

仅在2024年，中国企业就采购了近百万颗英伟达HGX H20处理器。这种依赖性持续存在，是因为英伟达的供应规模和成熟的CUDA软件栈给中国人工智能产业带来了“先有鸡还是先有蛋”的难题。国产硬件既缺乏量产能力，也缺乏开发者的支持。DeepSeek曾尝试在华为昇腾芯片上训练其R2模型，但由于性能不稳定、互连性较弱以及CANN技术尚不成熟，最终不得不转向英伟达硬件。即使中国厂商能够大量供应昇腾NPU或Moore线程GPU，薄弱的软件栈也会使其对开发者缺乏吸引力。

中国人工智能芯片的软件生态系统远逊于西方同类产品。英伟达的CUDA拥有超过十五年的文档完善和改进，庞大的用户群体，以及与PyTorch和TensorFlow等主流机器学习框架的强大集成。华为的CANN框架直到2019年才推出，比CUDA晚了十二年。开发者普遍反映CANN漏洞百出、不稳定、文档匮乏，运行时崩溃频繁，且第三方集成有限。这些问题虽然并非完全无法在中国硬件上进行大规模训练，但确实大大增加了成本。

中国各芯片厂商缺乏统一标准，进一步加剧了市场的碎片化。每家厂商都拥有各自互不兼容的底层软件栈。主流AI框架主要支持英伟达芯片，而国产AI芯片必须适配多种框架，每次框架升级都需要重复适配。这导致大型模型缺少必要的算子和优化，造成模型无法运行或运行效率低下；由于架构和软件实现差异，精度也存在差异；此外，为了在国产芯片上进行大规模模型训练，移植成本也居高不下。

成立于2025年夏季的模型芯片生态系统创新联盟正致力于解决这一问题。该联盟联合华为、比仁科技、Enflame、Moore Threads等公司，旨在构建一个完全本土化的AI技术栈，连接硬件、模型和基础设施。成功的关键在于通过共享协议和框架实现互操作性，并减少生态系统碎片化。尽管由于架构差异，统一底层软件可能面临挑战，但中层标准化似乎更为现实。该联盟希望通过专注于通用API和模型格式，实现模型在国内平台间的可移植性。开发者只需编写一次代码，即可在任何国内加速器上运行。然而，在这些标准真正形成之前，碎片化意味着每个公司都必须在饱和的市场中同时应对多个方面的诸多问题。

华为于2025年8月初将CANN开源，这可能是其对新联盟承诺的一部分，也可能是为了使其昇腾910系列处理器成为中国企业首选平台。在此之前，华为用于昇腾NPU的AI工具包仅以有限形式分发。CANN的成熟度落后于CUDA，主要原因是除华为自身项目外，昇腾处理器的装机量并不大且稳定。开发者往往追逐规模，而CUDA之所以占据主导地位，是因为数百万块英伟达GPU已经出货并广泛普及，这使得开发者有理由投入资源进行调优、开发库和维护社区。由于美国的制裁，华为和其他中国开发者无法出货数百万块昇腾NPU或Biren GPU。

能源基础设施呈现出复杂多样的格局。中国的电网扩张速度是美国的八十倍，在太阳能、风能和水力发电装机容量方面均处于世界领先地位。这些对可再生能源的大规模投资旨在确保人工智能规模化发展的可持续性。“东部数据西部计算计划”正将数据处理转移到能源和土地资源丰富的西部地区，并利用风能和太阳能进行发电。该计划的目标不仅在于降低成本，还在于构建更强大、更可持续的基础设施。预计到“十四五”规划结束的2025年，将安装数百万个IT机架。

西部地区虽然拥有丰富的风能和太阳能资源，且电价较低，但基础设施建设往往滞后。挑战在于如何高效地将西部欠发达地区丰富的绿色能源资源与东部日益增长的数据处理需求相结合。计算需求集中在东部地区，而东部地区的可再生能源自给率不足40%，西部地区则拥有中国70%的可再生能源装机容量。腾讯计划将其在西部最大的智能数据中心设在宁夏，部分原因正是由于当地电价较低。企业倾向于在西部省份训练其大规模语言模型，因为那里的电价更低，但会将面向应用的数据中心设在东部，因为东部地区拥有更大的用户群体，能够更快地获得应用反馈。

西方地区虽然电力成本低廉，但交通、通信和人才支持体系的不足导致难以吸引和留住高科技人才。许多西方数据中心闲置，等待下游应用的爆发式增长。一位云服务商员工证实，中国智能数据中心的利用率低于30%。

我们在中国的业务开发、销售和营销方面的专业知识

我们在中国的业务发展、销售和营销方面的专业知识 - 图片：Xpert.Digital

行业重点：B2B、数字化（从AI到XR）、机械工程、物流、可再生能源和工业

更多相关信息请点击这里：

Xpert 商业中心

具有见解和专业知识的主题中心：

全球和区域经济、创新和行业特定趋势的知识平台
收集我们重点领域的分析、推动力和背景信息
提供有关当前商业和技术发展的专业知识和信息的地方
为想要了解市场、数字化和行业创新的公司提供主题中心

数据中心热潮：从炒作到产能过剩危机——人工智能如何分裂中国各地区

区域分裂加剧了这种分裂

中国人工智能发展的地域差异复制并加剧了现有的经济不平等。广东、江苏、浙江、上海等东部沿海省份长期占据领先地位，其中广东发展势头尤为强劲。上海和北京凭借政策支持和技术研发能力，保持着人工智能活动的高度集中。湖北、河南、山东等中部地区已逐步向中等水平迈进，呈现稳步提升的态势。然而，青海、西藏、甘肃等西部省份整体水平仍然较低。尽管有所进步，但与东部地区的差距依然明显，区域发展不平衡的问题依然存在。

从2014年到2022年，中国的人工智能水平呈现出显著的提升和区域扩张趋势。2014年，全国人工智能发展水平较低，只有东部沿海省份表现突出，展现出这些地区在人工智能领域的早期优势。与此同时，中西部地区起步较晚，发展水平普遍较低。到2022年，全国人工智能水平显著提升，长三角和渤海地区成为增长的核心驱动力。北京、天津和河北发展势头强劲，而西部地区虽然发展水平相对较低，但也呈现出明显的上升趋势。

一项关于人工智能对收入不平等影响的研究发现，人工智能对收入不平等的影响在东北地区最为显著，其次是西部地区，而对中部和东部地区的影响相对较小。人工智能通过产业结构改善和技术创新显著加剧了收入差距。区域差异表明，人工智能并非起到均衡作用，而是放大了现有优势。拥有强大数字基础设施、充足资本和人才储备的省份受益尤为显著，而欠发达地区则进一步落后。

城乡数字鸿沟进一步加剧了这些差距。尽管近年来政府在推进乡村振兴的背景下，借鉴减贫成功经验，大力推进农村数字基础设施建设，但数字鸿沟问题依然存在。在资金投入方面，农村数字基础设施建设的资金投入远落后于城市地区。数据显示，中国县级农业和农村信息化财政和社会投入分别仅为1300万元和3000万元，导致农村信息化水平仅为37.9%。

城乡在硬件部署方面存在显著差异，涵盖数字资源、基础设施、网络设备和基站等各个方面。2022年，中国全国5G基站数量达到230万个，创下里程碑。然而，农村地区的5G基站数量远低于全国平均水平，进一步加剧了数字鸿沟。同时，城乡网络覆盖和速度的均衡化目标尚未完全实现。

新冠疫情期间，硬件基础设施发展方面的差距更加凸显。一个引人注目的例子是，一位居住在西藏自治区林州市的藏族大学生，为了上网课，不得不骑摩托车二十分钟到达山脚，然后冒着严寒攀登到山顶。这个例子凸显了城乡数字硬件发展方面的巨大不平衡。

县市级数据中心的匮乏阻碍了农村地区生成式人工智能技术的发展，而这些数据中心对于维持高效的数字应用系统至关重要。这种情况正如谚语所说，“没有米饭，再熟练的家庭主妇也做不出好饭”，凸显了建设数据中心对于推进农村数字发展的重要性。

从构成农村数字发展“软实力”的软件组织的角度来看，与城市地区相比，农村数字软件在数字能力、人才获取和治理方面存在不足。一方面，受小农户社区普遍存在的传统、利己主义思维的影响，以及农村数字发展固有的滞后性，农村人口对积极参与农村振兴所需的人工智能服务缺乏热情。另一方面，农村劳动力的大量外流导致老年人、弱势群体、妇女和儿童成为农村的主要劳动力，加剧了农村人口减少、人口老龄化等现象，对农村人口、经济、社会和整体发展产生影响。

一项在尚未实施村级电子政务的农村地区开展的调查显示，84.13%的村干部认为“村民老龄化程度高，阻碍技术应用”是主要障碍。这些因素共同作用，显著阻碍了生成式人工智能技术在农村地区的应用和推广。

人工智能指数也体现了区域差异。近期一项研究构建了一个包含七个主要维度的综合人工智能指数，旨在进行省级和行业层面的分析。中美对比显示，在统一框架下，美国的综合得分比中国的得分高出68.1分（59.4分）。将中国划分为七个主要区域，构建次国家级指数，揭示了中国人工智能发展中显著的区域差异：北部、东部和南部地区的综合得分领先，而中部和西部地区则明显落后，凸显了创新和产业资源区域集中的影响。

这种地理上的碎片化造成了深远的影响。它导致经济转型速度不一，领先地区迅速迈向知识型经济，而落后地区则仍然停留在传统的制造业和农业领域。随着地区间收入差距的扩大，社会矛盾也随之加剧。由于各省发展水平和优先事项各不相同，国家协调工作也变得更加复杂。此外，它还造成了资源配置效率低下，偏远西部省份的先进数据中心闲置不用，而东部大都市却面临着容量不足的困境。

适合：

中国在危机中的经济？增长国家的结构性挑战

产能过剩危机和整合压力

2023年和2024年的建设热潮给中国带来了严重的产能过剩危机。仅2023年一年，就有超过500个数据中心项目被提出，预计到2024年底至少有150个将投入运营。这一发展反映了中国经济发展中一个常见的模式：当中央政府将某个行业列为战略重点时，地方政府和企业往往会过度热情地涌入，常常忽视实际需求或合理的规划。其结果往往是过度投资、产能过剩，以及随之而来的痛苦的整合阶段。

汽车行业提供了一个颇具启发性的平行案例。该行业约有140家公司竞争，但只有少数盈利，三分之一的产能利用率低于20%。为了防止当地失业，地方政府仍然通过补贴和其他形式的支持，帮助那些苦苦挣扎的供应商维持运营。因此，市场整合速度放缓，价格战爆发，生产商面临着向利润更高的市场增加出口的压力。与此同时，出口市场准入便捷的时代正在消逝。在拜登政府时期，美国以国家安全为由禁止了几乎所有中国汽车进口，欧盟去年也对中国电动汽车加征了关税。

人工智能基础设施的发展轨迹也与之类似。国家发展和改革委员会出台了更为严格的监管措施。新项目现在必须满足特定的利用标准，并在获得批准前提交采购协议。此外，地方政府除非能够提供明确的经济论证，否则不得启动小型计算基础设施项目。仅2024年，政府采购额就达到245亿元人民币（约合34亿美元），另有124亿元人民币的预算用于2025年。然而，尽管政府投入巨大，但据报道，利用率仍然只有20%到30%，这既影响了经济效益，也影响了能源效率。

过去18个月里，超过100个项目被取消，与2023年仅有的11个相比，增幅显著。项目取消数量的急剧上升表明市场正面临严峻的现实。投资者和运营商逐渐意识到，许多此类设施永远无法盈利。最初的危机源于2022年底ChatGPT发布后围绕生成式人工智能的热潮，如今已演变为盈利能力危机。GPU租赁市场崩溃。耗资数十亿美元的设施如今闲置，收益率暴跌，许多设施甚至在全面投入运营之前就因市场环境的变化而过时。

2025年7月，习近平主席明确警告不要过度投资人工智能，重申了他此前对地方政府投资过剩的担忧。此番言论凸显了政策制定者希望避免重蹈其他新兴产业（例如电动汽车）产能过剩的覆辙，后者曾导致通缩压力。虽然习近平主席并未具体指出人工智能领域的哪个部分需要控制，但全球范围内，支撑人工智能发展的数据中心建设投资尤为显著。如果这一扩张速度放缓，将会对芯片、网络设备和其他关键服务器组件的供应商产生影响，从寒武纪科技到联想集团和华为技术有限公司都将受到影响。

2025年8月29日，国务院强调要确保“人才、资金和其他资源有序流动”。国家发展和改革委员会官员张凯林在新闻发布会上告诉记者，政府将鼓励各省协调互补地发展人工智能，目标是发挥各自独特优势，避免重复建设。“我们将坚决杜绝无序竞争和‘随波逐流’的做法，”张凯林说。发展应立足于地方优势、资源和产业基础。

软件市场也呈现出类似的整合趋势。中国国家互联网信息办公室批准了180多种主要语言模型，供2024年8月前普遍使用，这表明众多中国科技公司正在争夺国内市场份额。在经济放缓和中国风险投资行业低迷的背景下，这些公司不仅在争夺市场份额，也在争夺资金。研讨会参与者强调，尽管许多中国初创企业已经吸引了阿里巴巴和腾讯等大型科技公司的投资，但许多投资者仍然对人工智能初创企业短期内能否盈利持怀疑态度。为了寻求具有经济效益的投资，许多中国风险投资公司正在寻求通过资源整合来分散风险，这表明融资环境正在变得更加分散。

鉴于中国人工智能开发者在资金和硬件方面都面临限制，与会者认为，中国可以通过资源整合来扶持少数几家公司或人工智能实验室，但这些努力必须有选择性、有针对性，因此获得显著回报的可能性较低。最终，与会者认为，这种环境很可能导致中国人工智能市场出现更严重的行业整合。

百度云业务高级经理杜海预测，这将推动市场整合。目前活跃的十几家国内人工智能芯片公司可能会锐减至三到四个截然不同的阵营。“最终的赢家将是那些芯片能够支持最广泛模型，或者能够催生出成为行业标准的杀手级应用的公司。”

Gartner预测，到2029年，随着超大规模云服务商和SaaS平台提供商的扩张以及混合云提供商的整合，人工智能（GenAI）技术领域的参与者数量将减少75%。这并非市场猜测，而是重塑行业的经济力量必然导致的结果。这与历史上基础设施的发展轨迹有着惊人的相似之处。Gartner指出，我们正从供应商分散的时期过渡到通过收购和市场颠覆实现的整合时期。正如电力行业从数千家本地发电机发展成为少数几家大型公用事业公司一样，人工智能也在遵循同样的路径。

2025年初，中国人工智能初创企业的风险投资额同比下降近50%，反映出投资者在增长乏力、监管不确定性和地缘政治紧张局势下普遍持谨慎态度。仅第二季度，融资额就暴跌至仅47亿美元，创十年来新低。投资者的这种担忧部分源于中国政府为维护意识形态纯洁性而采取的扼杀前沿创新的举措。

中国其他市场虽然释放出一些喜忧参半的信号，但却进一步加剧了悲观情绪。房地产行业已经崩溃，青年失业率超过17%，消费者信心也在下降。地缘政治局势也无济于事：出口管制仍在影响着中国的科技行业，关税威胁着整体经济，而意识形态驱动的、以管控为重点的政策也令大多数投资者望而却步。这场资金危机对人工智能的部署构成了尤为严重的问题。如果没有愿意为这些长达数年的开发周期提供资金的耐心资本，大多数人工智能+项目在解决核心实施问题之前就会停滞不前。

🎯🎯🎯 受益于 Xpert.Digital 全面的五重专业知识和全面的服务包 | BD、研发、XR、PR 和数字可视性优化

受益于 Xpert.Digital 全面的五重专业知识和全面的服务包 | 研发、XR、PR 和数字可视性优化 - 图片：Xpert.Digital

Xpert.Digital 对各个行业都有深入的了解。这使我们能够制定量身定制的策略，专门针对您特定细分市场的要求和挑战。通过不断分析市场趋势并跟踪行业发展，我们可以前瞻性地采取行动并提供创新的解决方案。通过经验和知识的结合，我们创造附加值并为客户提供决定性的竞争优势。

更多相关信息请点击这里：

在一个软件包中使用 Xpert.Digital 的 5 倍专业知识 - 每月仅需 500 欧元起

中国的人工智能未来会如何？是霸权、碎片化还是消费革命？治理漏洞和数据孤岛：中国实施人工智能的阿喀琉斯之踵。

未来介于欣喜若狂和幻灭之间的各种情景

中国人工智能产业的未来预测可谓五花八门。摩根士丹利等乐观机构预测，中国人工智能投资有望在2028年实现盈亏平衡，并在2030年实现52%的投资回报率。到2030年，人工智能核心产业的市场规模有望达到1400亿美元。如果将基础设施和零部件供应商等相关行业也纳入考量，这一数字将跃升至1.4万亿美元。人工智能有望进一步推动中国长期GDP增长，抵消劳动力老龄化和生产率增长放缓等不利因素的影响。未来两到三年，人工智能有望为中国年均经济增长贡献0.2至0.3个百分点。

到2050年，全球人形机器人市场规模可能达到5万亿美元，届时将有10亿台机器人投入使用，其中30%将在中国。中国以效率为导向、低成本发展模式，开辟了一条不同的投资回报之路。像DeepSeek这样的公司展现出的成本优势——仅需560万美元就能开发出具有影响力的模型——可能使中国企业能够打入那些无力或不愿采用西方解决方案的全球市场。

未来六到十二个月对中国人工智能企业而言至关重要，因为越来越多的企业应用人工智能技术来解决实际问题，并将开始展现出生产力提升的成效。从长远来看，由人工智能驱动的人形机器人或类人机器人有望广泛应用于工业、商业和家庭领域。从长远来看，人工智能革命将通过提高效率、简化生产流程以及催生新的产品、服务和就业机会，最终转化为生产力的显著提升。

到2025年，亚太地区将占人工智能软件收入的33%，但随着中国加大力度与美国展开人工智能竞赛，分析师预计到2030年，该地区将占全球市场份额的47%。预测显示，到2030年，仅中国就将占亚太地区人工智能软件总收入的三分之二，达到1495亿美元。人工智能市场的这一显著增长预测是由以下几个行业发展趋势驱动的。

但这些乐观的预测与严峻的警告并存。凯投宏观(Capital Economics)预测，人工智能驱动的股市泡沫将在2026年破裂。这家研究公司表示，利率上升和通胀加剧将压低股票估值。从2026年开始，随着利率上升和通胀加剧，股市的涨幅将如预期般逐渐消退，股票估值也将随之下降。最终，他们预计未来十年股票的回报率将低于过去十年。他们认为，美国股市长期以来的优异表现可能即将结束。

国际货币基金组织指出，尽管经济衰退的可能性存在，但不太可能演变成足以摧毁美国乃至全球经济的系统性危机。古林查斯观察到，与以往趋势类似，围绕突破性技术的炒作可能在短期内无法达到市场预期，从而导致股价下跌。但他指出，与1999年不同的是，当前的投资环境以现金充裕的科技公司为主，而非以负债驱动型公司为主。

Forrester预测，到2026年，人工智能将失去光环，不再是耀眼的明星，而是需要脚踏实地的“安全帽”。企业对投资回报率的考量将超过供应商的夸大宣传。随着市场调整，企业将更加注重功能而非花哨的外观。首席财务官们将更多地参与人工智能交易。随着人工智能代理接管繁重的工作，企业将分散投资于不同的代理生态系统，并重新分配人才。明智的企业将投资于人工智能治理和人工智能技能培训，以降低风险，并逐步规划其人工智能发展路径。

贝恩公司的一份报告估计，到2030年，全球人工智能数据中心的年度资本支出将达到5000亿美元，需要新增200吉瓦的电力容量——其中一半将在美国。但人工智能行业需要每年创造2万亿美元的收入才能证明这笔投资的合理性。目前，这方面存在8000亿美元的缺口。一位高管表示，中国的人工智能芯片行业在需求和代工产能方面仍然面临挑战。市场需要实际应用才能实现规模化。应用需求将决定一切。美国那种疯狂扩张计算能力的做法并不适合中国企业。

据《麻省理工科技评论》报道，中国的AI基础设施建设热潮正在放缓。尽管中国曾建设数百个数据中心以支持其AI发展雄心，但如今许多数据中心却处于闲置状态。2023年和2024年，国有和私营企业共投入数十亿美元，原本预期GPU租赁需求将持续增长，但实际情况却是GPU租赁需求下降，导致许多运营商面临生存困境。据当地媒体报道，高达80%的新增计算能力处于闲置状态。

这些截然不同的未来情景反映了根本性的不确定性。中国能否克服软件生态系统碎片化的困境？国内芯片制造商能否迅速弥合技术差距？美国出口管制会收紧、放松还是维持现状？中国政府会加强意识形态控制，从而抑制创新，还是会采取更为务实的政策？全球对低成本人工智能解决方案的需求会倾向于中国注重效率的方案，还是出于对质量和信任的担忧，西方方案会更受青睐？

这些问题的答案不仅将决定中国的命运，还将塑造全球人工智能格局。目前出现了三种可能的情况。第一种情况是美国继续保持其主导地位。凭借对先进芯片和全球领先人工智能公司的控制，华盛顿将继续保持其技术领先地位，而中国则面临计算能力不足和关键市场准入受限的困境。第二种情况描绘了人工智能发展分裂成两个相互竞争的生态系统。一个由美国及其盟友主导，优先考虑透明度和伦理标准；另一个则由中国主导，国家控制的人工智能被用作数字监控的工具。各国将被迫选择加入其中一种模式，从而形成一个碎片化的数字格局。

第三种情景是中国在消费级人工智能领域占据主导地位，但在高端应用领域落后。美国的芯片限制阻碍了中国开发用于国防和科学研究的尖端人工智能的能力，但北京在大众市场人工智能领域表现出色，为全球用户提供价格亲民的平台，例如DeepSeek。然而，如果中国在台湾（台积电所在地，该公司生产全球约90%的尖端芯片）实现其发展目标，这种平衡可能会发生巨大变化。

最终，人工智能霸权之争正在重塑全球权力格局。尽管美国目前在先进人工智能研究领域处于领先地位，但中国的战略重点和国家主导的投资使其成为一个强大的竞争对手。虽然北京面临着西方限制和市场质疑等障碍，但其在消费级人工智能领域的进展以及在新兴市场的影响力使得这场竞争的走向难以预测。无论这场竞争最终导致美国继续占据主导地位、数字格局分裂，还是中国在关键领域的崛起，有一点是肯定的：人工智能将在未来几年深刻影响全球经济、国家安全政策和国际政治联盟。

适合：

北京的新五年计划和大规模投资计划：中国如何挑战全球经济秩序

实施问题和治理缺陷

除了硬件和人员问题之外，中国还面临着一些常被忽视的根本性实施挑战。人工智能在企业中的应用仍然分散且处于试验阶段。尽管中国在生成式人工智能的应用方面处于领先地位，但中国企业尚未充分发挥其潜力。SAS 对 Düber 就其企业使用生成式人工智能的程度进行的调查显示，19% 的中国企业表示他们“正在使用并已全面实施生成式人工智能”，这一比例高于 11% 的全球平均水平，但落后于全面实施率最高的美国（24%）。

与此同时，64%的中国受访者表示其所在机构“使用生成式人工智能，但尚未全面实施”，这一比例远高于43%的全球平均水平。鉴于中国对生成式人工智能的严格监管和授权审批，许多机构在将生成式人工智能全面整合到自身流程之前进行初步测试也就不足为奇了。显然，中国对生成式人工智能充满信心，但即便中国机构普遍接受这项新技术，他们也依然保持谨慎的态度。

当被问及实施挑战时，中国受访者提及缺乏内部专业知识或合适工具的比例远低于全球平均水平：仅有31%的受访者表示缺乏实施生成式人工智能所需的合适工具，而全球这一比例为47%；仅有21%的受访者表示缺乏内部专业知识，而全球这一比例为39%。这些数据与前文讨论的人才缺口形成鲜明对比，表明自我认知与现实之间存在差异，或者说，不同国家对“足够专业知识”的定义标准不同。

在所有受访者中，数据隐私和数据安全是他们在实施生成式人工智能时最关注的两大问题，分别有76%和75%的受访者提及。然而，超过半数的受访者（51%）表示担忧内部人才和技能不足的问题。治理和监控方面的培训尤其不足。根据SAS的数据，只有不到十分之一的受访者（7%）表示他们接受过“高水平”的生成式人工智能治理和监控培训。32%的受访者表示培训水平“尚可”，而58%的受访者（占绝大多数）表示他们的治理和监控培训“非常有限”。

当被问及生成式人工智能的组织治理框架时，仅有5%的受访者表示他们拥有“完善且全面的”治理框架。超过55%的受访者表示他们的治理框架“正在开发中”，而28%的受访者则将其描述为“临时或非正式的”。约有1/11的受访者表示他们的生成式人工智能治理框架“根本不存在”。这些治理缺口会给实施带来巨大的风险，尤其是在受监管的行业或涉及敏感应用的领域。

跨行业数据流的碎片化阻碍了将数据整合为一个连贯、易于访问的资源池，从而影响人工智能应用。这些数据孤岛阻碍了有效的人工智能模型训练，并限制了跨行业的洞察。政府机构和企业正在努力提升数据互操作性，并在监管不完善的框架下促进跨行业数据共享和结构化跨境数据流通，以充分释放中国数据生态系统的价值。通过应对这些数据相关挑战，中国可以进一步加强其人工智能生态系统，同时为构建更加连贯和创新的全球数据格局做出贡献。

生成式人工智能的应用与农村治理的融合度仍然不足。作为新兴技术领域的领军力量，生成式人工智能将进一步加剧中国农村振兴中现有多元化的利益结构。对于占据重要地位的政府而言，城乡经济差距造成的数字鸿沟需要投入大量人力、物力和财力来弥合。这一过程的特点是投资回报周期较长。与仅以经济因素为优先考量的市场不同，政府主导的农村治理需要对多方面的治理成本进行全面评估。

技术开发商和供应商主要与政府部门互动。因此，他们的产品和服务大多是为了满足政府需求而量身定制，可能忽略了农村地区及其居民的实际发展需求。这加剧了数字治理的流动性。在国家层面，尽管已发布了《数字乡村发展行动计划（2022-2025年）》和《生成式人工智能服务管理暂行办法》等法律文件，但众多部门的参与可能导致责任界限模糊，造成延误并降低治理效率。除非这些问题得到迅速解决，否则不仅会阻碍农村居民积极参与中国生成式人工智能驱动的乡村振兴的内在动力，还可能引发新的数字冲突。

人工智能大整合：只有少数中国模式能够生存下来。

中国力争在2030年前成为人工智能领域的领导者，面临着一系列复杂的结构性挑战，远不止人们常提及的芯片出口限制那么简单。超过500万技术工人的人才缺口、基础设施分散且产能严重闲置、城乡之间巨大的区域差距，以及多年投机性过度投资后市场整合迫在眉睫等问题，都表明中国面临的挑战远比官方宣称的要严峻得多。

这种矛盾的局面在数据中心尤为明显：法兰克福由于电力短缺而无法新建数据中心，而中国西部省份的先进数据中心却因下游基础设施、人力资本和实际需求的匮乏而大多闲置。在这两种情况下，都清楚地表明，如果整个系统没有得到协调一致的发展，那么对单个组件的巨额投资都将付诸东流。

未来18到36个月至关重要。中国要么成功克服碎片化问题，例如通过“模型芯片生态创新联盟”等举措，通过大规模教育投资弥合人才缺口，并合理利用现有但未充分利用的产能；要么眼睁睁地看着投资外流、顶尖人才流失、数字价值创造转移到其他地方。即将到来的市场整合将是残酷的。目前已获批准的180多种主流语言模型中，或许只有三四种能够存活下来。数百个数据中心将被迫关闭或改作他用。风险投资额仍处于十年来的最低水平。

但现在就断言中国的雄心壮志还为时尚早。其以效率为导向的战略、以部署为先的策略，以及DeepSeek等解决方案的成本优势，有望在全球那些无力承担西方高端解决方案的市场中占据可观的份额。政府的支持力度依然强劲，尽管需要更加协调、减少浪费。此外，人口老龄化和劳动年龄人口萎缩等人口结构挑战，使得人工智能驱动的生产力提升不再是可有可无的，而是势在必行的。

全球观察人士既不应低估中国，也不应轻信其官方声明。事实往往介于两者之间。中国既不会崛起成为不可撼动的AI霸主，也不会沦为科技领域的边缘人物。相反，一幅复杂而分散的图景正在浮现：东部沿海地区集中涌现出技术卓越的集群；数千家企业正在进行实验性应用；雄心勃勃的基础设施项目遭遇惨败；针对特定应用场景的创新效率解决方案；以及在持续依赖外国技术的同时，也在加速推进自主研发。

到2030年进行最终评估时，最乐观和最悲观的预测都可能落空。中国将取得显著进步，但无法达到北京所追求的主导地位。美国将继续引领前沿研究，但中国的解决方案将在新兴经济体中得到广泛应用。届时，世界将不得不面对两个部分独立、部分交织的人工智能生态系统，它们的共存、竞争以及偶尔的合作将塑造21世纪的地缘政治格局。