中國 AI 真正缺的，不是另一個 Claude 或 GPT

文 | 嘯天的 AI Lab

最近這一年，只要聊到 AI，很多人最后都會繞回同一個問題：中國和美國，到底差在哪里？

這個問題太容易被講成一個技術問題。GPT-5 比國產模型強多少，Claude Code 比國內工具順手多少，H100 禁售會不會卡住訓練，DeepSeek 和 Qwen 到底追到了哪一步。這些當然重要，但我越來越覺得，如果只這樣聊，中美 AI 的差距會被講淺。

前陣子，我有一次比較特殊的機會，和一位做內部調研的朋友聊了將近一個小時。對方想了解的不是某個產品、某家公司，而是一個更大的問題：站在一線使用者和從業者的角度，怎么看中美 AI 的真實差距。

我當時把它拆成了很多層：工具、模型、生態、文化、基建、信息、人才。講到最后，我自己反而越來越清楚一件事：

中國 AI 真正缺的，不是另一個 Claude 或 GPT

模型當然要追，工具當然要追，算力當然要補。但這些都不是最難的部分。真正難的是，當一個普通人、一個工程師、一個產品經理、一個被大廠裁掉的中年老兵，真的想用 AI 做點什么的時候，這個社會有沒有一條路，讓他把東西做出來、發出去、賣出去、活下來。

美國 AI 的核心優勢，不只是 OpenAI 和 Anthropic。它更深的優勢是：一個人有了想法，下午就能開工，晚上就能上線，第二天就能收錢，第三天就能被全世界看見。

中國 AI 的核心問題，也不只是模型差一代。它更深的問題是：很多人明明有能力、有經驗、有想法，卻卡在一堆看起來不屬于 AI 的地方。

收款、備案、網絡、合規、社保、年齡、輿論、家庭期待。這些東西疊加在一起，才是真正的差距。

第一層：模型和工具，其實不是最可怕的差距

先說最顯眼的那層。如果只看模型和工具，中美當然有差距。但這層差距，我反而沒那么焦慮。

我自己每天重度使用 Claude Code。寫代碼、改項目、讀倉庫、整理文檔，很多時候它已經不是一個聊天機器人，而像一個坐在終端里的工程同事。它能理解一個復雜項目的上下文，能跨文件修改，能跑命令，能在我沒說完整的時候補上意圖。

這類體驗，國內產品確實還差一點。

國內也有 Trae、通義靈碼、豆包、Kimi、DeepSeek、Qwen。日常寫作、問答、代碼補全、簡單工具開發，已經能做很多事。尤其是 DeepSeek 和 Qwen 這一輪開源，是真的打進了全球開發者社區，不是國內自嗨。很多海外開發者開始主動用中國模型，這件事放在上一輪技術浪潮里很少見。

所以我對模型層的判斷反而比較克制：

閉源前沿模型，我們很難追上 OpenAI 和 Anthropic；但開源模型，中國已經有世界級選手。

真正的短板，不在“能不能回答問題”，而在兩個更細的地方。一個是 Agent 能力，也就是模型能不能穩定地規劃多步任務、調用工具、讀寫文件、自己修錯。另一個是長上下文一致性，也就是當上下文超過幾十萬字之后，它還能不能保持判斷不跑偏。

這兩個能力，正好是 AI 從“聊天工具”變成“生產力系統”的關鍵。但即便如此，這層還是能追的。因為它可量化、可對比、可訓練、可迭代。今天差 1 代，明年可能差 0.5 代。今天 Agent 不穩定，明年工具調用可能就成熟一大截。

技術差距最殘酷的地方，是它很顯眼；但技術差距最不殘酷的地方，也恰恰是它很顯眼。顯眼，就意味著有人盯著，有資本砸，有團隊追，有榜單比較，有用戶天天罵。它會形成壓力，也會形成進步。

真正讓我擔心的，反而是那些沒有榜單、沒有 benchmark、沒有發布會的差距。那些差距不顯眼。

但它們更硬

第二層：美國在養 Builder，中國在養 Talker

再往下走一層，差距就不只是產品體驗了。它變成了一種生態和文化的差別。

我有時候會想象這樣一個畫面：一個硅谷工程師，下午突然想到一個小工具，晚上用 Cursor 和 Claude 寫出來，部署到 Vercel，發到 Product Hunt 或 Hacker News，第二天有人試用，第三天接上 Stripe 開始收錢

這個路徑在美國并不浪漫。它甚至有點普通。

但在中國，同樣一個人、同樣一個想法、同樣一個 AI 工具，腦子里很可能先冒出來的不是“我今晚試試”，而是：公司競業會不會有問題？域名要不要備案？收海外款怎么處理？會不會涉及內容合規？小程序審核要多久？別人會不會覺得我不務正業？做出來以后發到哪里？如果火了，會不會反而惹麻煩？

差距，就在這種下意識的反應里。

美國獨立開發者默認自己可以做一個小產品。中國開發者默認自己要先判斷一圈風險。

這不是中國人不聰明，也不是中國人不勤奮。恰恰相反，我看到的大量中國開發者、產品經理、創作者，動手能力很強，執行力也很強。問題是，他們做出來以后，經常沒有一個順暢的地方可以被看見，也沒有一個穩定的地方可以變現。

所以一個很奇怪的現象出現了：

硅谷最受尊重的是 Builder，中國最容易賺錢的是講 Builder 的人

美國有 Pieter Levels 這樣的獨立開發者，一個人做多個產品，公開收入，公開失敗，公開迭代。大家羨慕的是“他做出了什么”。

國內也有很多優秀的 AI Builder。但如果你看熱鬧的地方，會發現最容易被看見的往往不是做產品的人，而是講方法論的人、賣課程的人、做社群的人、解讀趨勢的人。

這不是道德批評。因為在一個做產品不容易變現、發產品不容易被看見、合規成本又很高的環境里，講“怎么做”當然比真的“做一個產品”更穩。

聰明人會順著激勵結構流動。

如果一個生態長期獎勵 Talker，而不是 Builder，最后就會慢慢形成一種反向選擇：最會表達的人去賣課，最會做東西的人沉默，最有潛力的產品要么死在朋友圈，要么干脆出海。

所以我越來越覺得，中國 AI 生態最深的差距，不是“有沒有聰明人”，而是：

聰明人最終被引導去做什么。

美國的路徑是：做出來，發出去，賣給全球用戶。中國的路徑常常變成：學會了，總結成課，賣給想學的人。

前者長出產品。后者長出內容。

內容當然也有價值。我自己也在寫公眾號，也在做個人表達。但一個國家的 AI 產業不能只靠解釋 AI 的人，它終究要靠真正用 AI 做出新東西的人。

如果 Builder 只是亞文化，AI 就很難長成主流生產力。

第三層：最該改的，不是口號，是基礎設施

但我不想把問題都推給文化。文化很慢，十年都未必改得過來。可有些東西，其實今天就能改。

比如基礎設施。

一個美國獨立開發者想做一個 SaaS，他可以用 Stripe 收款，用 Vercel 部署，用 GitHub 協作，用 Gumroad 賣數字產品，用 Product Hunt 獲取第一波流量。

這些東西聽起來不像 AI，但它們決定了 AI 能不能變成產品。因為 AI 只是把“做出來”的成本降低了。可一個東西要真正成為生意，還要經過上線、訪問、收款、納稅、客服、分發、合規。美國這套基礎設施，是圍繞小團隊和獨立開發者長出來的。

中國并非缺乏基礎設施。我們有強大的平臺、云廠商、支付系統、小程序生態和企業服務能力。但這些設施大多是為大公司、成熟業務、強組織設計的，很難適配一個人從零到一搭一個輕量產品的需要。

最典型的是備案

如果你只是想用 AI 做一個小網站，驗證一個想法，在中國你很快會遇到域名備案、服務器備案、內容審核、平臺規則、小程序審核。每一個環節單獨看都有道理，但疊在一起，就會把一個輕量實驗變成一個重型項目。

我自己做網站、做小程序的時候，對這件事感受很深。AI 讓我一天能寫出一個原型，但現實流程能讓我一個月都上不了線。

這個錯位特別荒誕。前沿模型在按周迭代，基礎流程還在按月消耗人。

所以我想把這句話說得重一點：

美國基建是給 Builder 加速的，中國基建經常是在給 Builder 做壓力測試

還有信息訪問。今天一個 AI 開發者真正需要的，遠不只是中文公眾號和二手解讀。他需要 GitHub、Hugging Face、arXiv、官方文檔、Discord 社區、X 上的一線討論。他需要看到源頭，而不是等別人轉述。

但現實是，很多最重要的技術信息，在國內訪問都不穩定。GitHub 大文件慢，Hugging Face 模型下載不穩，Discord 技術社區打不開，很多官方文檔加載困難。于是中國開發者常常不是站在同一條起跑線上，而是先花一部分精力去“找入口”。

這個差別會被低估。一天沒什么，一周沒什么，但一年下來就是代差。美國開發者的信息是自動流到他面前的。中國開發者的信息是他主動翻回來的。

這不是姿勢差異，這是摩擦差異。而創新最怕的就是摩擦。

我并不覺得這些問題都需要靠“大政策”解決。很多事情其實可以很具體：給獨立開發者更輕的備案機制，給小團隊合規的海外收款通道，給科研和開發者群體穩定訪問技術資源的白名單，把 AI 開發者當成一種基礎生產力人群，而不是一群偶爾折騰副業的人。

這類改動沒有那么宏大，但它可能比多喊一百句“鼓勵 AI 創新”更有用。

第四層：被浪費的 35 歲，可能是中國 AI 最大的金礦

最后一層，是我這次對談之后最想寫下來的。

談 AI 人才的時候，大家很容易盯著兩類人。一類是頂級科學家、清北博士、海歸研究員、OpenAI 和 Anthropic 里的華人。另一類是年輕工程師，應屆生，算法新人，未來十年的 AI 原生一代。

這兩類當然重要。但我覺得我們漏掉了中間一層人：

30 到 45 歲，被大廠訓練過、也正在被大廠淘汰的那批中高級老兵

這批人很尷尬。他們在過去十幾年里做過產品、做過運營、做過增長、做過商業化、做過供應鏈、做過私域、做過項目管理。他們懂業務，懂組織，懂客戶，懂流程，懂一個東西從 PPT 到真實落地之間到底會死在哪些地方。

但在傳統就業市場里，他們又越來越不被歡迎。年齡貴，包袱重，不夠“年輕有沖勁”，簡歷上只要有一段 gap，就會被問“這半年你干嘛去了”。很多人 35 歲之后突然發現，自己過去十幾年的經驗，在招聘系統里沒有想象中那么值錢。

可 AI 出現以后，這件事有了一個反轉。因為 AI 把“做出來”的門檻降下來了。

過去，一個產品經理有想法，但不會寫代碼，想做一個小工具，需要找前端、后端、設計、測試。現在，一個有業務經驗的人，加上 Claude Code、Cursor、現成 API 和云服務，就能把很多想法先做成一個能跑的版本。

這意味著，AI 時代最稀缺的能力，未必是從零寫代碼，而是判斷什么值得做。這恰恰是那批 30 到 45 歲老兵最有價值的地方。

他們知道一個企業真實的工作流是什么樣，知道客戶嘴上說的需求和真正愿意付錢的需求差在哪，知道一個流程看起來簡單但為什么在組織里推不動，知道哪些自動化是錦上添花，哪些自動化能真的救命。

這些不是學校里教出來的。這是在一線被需求、老板、客戶、預算、KPI、協作反復捶出來的。

我自己對這件事感受很強。我不是程序員。我是一個做了十幾年 B 端產品的人。沒有 AI 的時候，我的很多想法都停在文檔里。因為我要做出來，需要一個團隊。

但過去半年，AI coding 工具讓我一個人做了很多以前不敢想的事：小程序、自動化流程、視頻混剪系統、個人 AI 助理、內容生產系統。

這些東西不一定都成功。但它們讓我第一次很清楚地感覺到：過去那些看起來“只能寫進方案”的經驗，開始可以被我親手變成工具。

所以我在那次對談里脫口而出一句話：

Claude 和 GPT 治好了我的 35 歲焦慮。因為我真的有事干

這句話聽起來有點私人，但我覺得它背后是一個公共問題。如果 AI 真的能把一批有經驗的人重新激活，讓他們從“被優化的中年人”變成“能獨立做事的小團隊”，那這可能是中國和美國完全不同的一條路。

美國有全球頂級 AI 科學家，有灣區工程師，有資本和創業生態。中國有什么？

中國有過去二十年互聯網、制造業、電商、游戲、供應鏈、私域、線下零售、企業服務里沉淀出來的一大批經驗型人才。

這些人未必會訓練大模型。但他們知道 AI 應該落到哪里。

這才是中國 AI 最可能形成差異化的地方。不是再造一個 OpenAI，而是讓一大批懂業務的人，借助 AI 變成能動手的 Builder。

但前提是，社會要接得住他們。

社保、醫保、稅務、貸款、子女教育、創業過渡期、個體工商戶、靈活就業保障，這些東西聽起來都不性感，和 AI 發布會沒有關系。但它們決定了一個 38 歲的人敢不敢離開公司，敢不敢試半年，敢不敢把自己十幾年的經驗拿出來重新組合。

如果一個社會只會用 offer 判斷一個人的價值，那它就很難看見 AI 時代真正有價值的那批人。

模型追上以后，問題才會真正顯形

寫到這里，回頭看中美 AI 差距，我會把它壓縮成四層。

第一層是模型和工具。這一層能追，也正在追。中國的開源模型已經打出了一張很硬的牌。

第二層是生態和文化。美國在養 Builder，中國還在讓太多聰明人變成 Talker。這一層最慢，也最難。

第三層是基礎設施和信息。這一層不是不能改，而是還沒有被當成核心問題來改。

第四層是人才。中國真正的機會，可能不是培養更多“從零開始的 AI 新人”，而是激活那批已經懂業務、懂組織、懂客戶、但被傳統系統低估的中年老兵。

這四層疊在一起，你會看到一個有點反直覺的結論：

模型差距可能是最容易被解決的差距。

因為它最顯眼，最被討論，最容易被投入資源。真正決定中國 AI 命運的，反而是那些不太像 AI 的東西：一個人能不能訪問世界前沿信息，能不能快速上線一個產品，能不能合規收到第一筆錢，能不能在沒有穩定 offer 的半年里不被生活壓垮，能不能在 35 歲之后還有機會重新下場。

這也是為什么我說，中國 AI 真正缺的，不是另一個 Claude 或 GPT。我們當然需要更強的模型，但更需要的是一條讓 Builder 活下來的路。

如果沒有這條路，再強的模型也只會變成少數大廠的生產工具，變成一批課程和社群的銷售話術，變成很多人朋友圈里又一次“看起來很熱鬧”的時代背景。

如果有這條路，事情會完全不一樣。一個產品經理可以變成半個工程師，一個剪輯師可以變成一個視頻工廠，一個中年運營可以把十年的業務經驗變成一套自動化系統，一個小團隊可以服務過去只有大公司才能服務的客戶，一個普通人也許不再只是等待下一次組織分配機會，而是可以自己造出一個入口。

我越來越相信，AI 時代真正的國家競爭，最后拼的不是誰有最多會用 AI 的人，而是誰有最多敢用 AI 去做事的人。

會用，是技能。

敢做，是生態。

所以這篇文章如果非要收束成一句話，我會選這一句：

中國 AI 不缺能力，缺的是讓能力被看見、被連接、被交易、被長期養活的通道

模型會繼續追。工具會繼續追

但那條通道，不能等模型追上以后才修。因為等到模型真的追上的那一天，我們才會發現，真正的差距，早就不在模型里了。