编者按：当美国掌握领先模型与高端芯片、中国拥有更充裕的电力和更强的成本约束时，全球 AI 竞争究竟会沿着怎样的路径展开？

Dimension 的内部信试图回答这个问题。作者将竞争拆解为算力、能源、开源生态、应用收入与资本市场定价等多个相互联动的层次。

作者的关键判断是，出口管制并未简单切断中美 AI 产业的联系，反而推动中国实验室形成更强调工程效率和开放权重的技术路线。美国模型、英伟达算力、中国开源模型与跨境数据服务已经嵌入同一条产业链：技术能力可以跨境流动，但收入、成本和议价权未必同步转移。未来的胜负因此可能不只取决于模型性能，还取决于谁能解决自身最稀缺的要素，并建立更可持续的商业闭环。

这也解释了为何文章同时讨论美国的电力瓶颈与中国 AI 公司的高估值。两地面临的结构性问题恰好相反：美国拥有更成熟的商业化能力，却受制于能源和基础设施；中国拥有快速扩张的电力供给与开放生态，却仍面临先进芯片短缺、付费意愿有限和收入规模偏小等约束。技术能力、商业收入和市场估值由此出现明显错位。

需要说明的是，这封信带有鲜明的投资机构视角，其中部分收入、模型来源和行业渗透率数据仍需进一步验证。但它提供了一个值得关注的分析框架：中美 AI 竞争已难以用单纯的技术领先或政策封锁来解释，真正决定产业格局的，可能是算力、能源、开源扩散与资本配置之间不断变化的平衡。

以下为原文：

尊敬的各位合伙人：

Dimension 的一个小团队上周前往中国，拜访了多家领先实验室，并与当地投资者、创业者和技术专家进行了交流。这次行程很大程度上是一次重访，也是对我们 2025 年上海之行后形成的判断进行重新检验。当时，我们曾写过并谈到，中国日益崛起的重要性已经超越了硬件领域。如今，在总结此行收获之际，我们认为有必要重新审视这场跨太平洋的 AI 棋局。下面分享的是我们目前的一些思考。需要提醒的是，这些观点仍在不断演变，随着新数据出现，甚至明天就可能发生变化。

1、稀缺会催生进化

出口管制的初衷，是减缓中国 AI 的发展。但结果却是，它们制造了一种进化压力，促使中国诞生了别具一格的实验室。

在算力受限的情况下，中国团队经常在更底层的抽象层面开展工程优化，而美国实验室往往可以忽略这些环节。DeepSeek 在 3 月发布 V3 时，曾在一块英伟达 H800 GPU 上通过 PTX 层级的 CUDA 编程，将能耗最高的归一化运算从 GPU 计算核心转移至 20 个专门用于串行互连的核心。¹

我们认为，这与其说反映了美国人才不足，不如说是一种激励机制上的差异：美国实验室的边际收益来自增加更多算力，而中国实验室的边际收益，则来自为编译器和芯片寻找优化空间。

最终，中国实验室形成了一种全栈效率文化，覆盖内核、优化器、服务系统乃至芯片设计。这种文化带来的复合效应，远远超出了单点优化本身的作用。稀缺——谁能想到呢？——竟然成了发明之母；在这里，它更孕育了系统、汇编和编译器工程。

2、中国软件的现状，已经超出两年前西方企业软件能够做到的程度：渗透西方生产技术栈

中国供应商已经从不足 18 个月前的零渗透，发展到目前为超过 25% 的 OpenRouter token 量提供支持。²

Qwen 在盲测竞技场中超越了 Llama，并继续频繁发布新模型。在不到两年的时间里，中国模型已从「全球第五好的开源模型」发展为「美国至少 80% 的 AI 初创公司在生产环境中使用至少一个中国开源模型」。³ 开放权重绕开了采购壁垒——免费软件不存在需要审核的供应商。

从本质上说，中国正在快速获取西方的工作负载，而非西方的收入。和过去一样，推理利润暂时流向了实际提供 token 的服务商。

无论是有意为之，还是一种复杂系统在全球尺度下自然涌现的结果，中国前沿实验室都在将美国竞争对手依赖的收入层商品化，而且主要发生在开源端。这在我们看来并非偶然，也并非仅仅是一种古怪的实验。

这些公司的目标，是建设大规模、稳定、低收入的运营体系。因此，我们的中期判断是：中国正在推动形成一个依赖开放权重模型、快速跟进的生态，挤压美国领先实验室的收入；与此同时，又把收入导向超大规模云服务商和新型推理基础设施。我们认为，这种趋势正在放缓，甚至阻碍具有实质意义的先进技术进入当前的棋局。

3、中国前沿实验室内部的竞争，远比西方通常意识到的更加激烈

我们的判断是，当前竞争前沿包括 DeepSeek、阿里巴巴的 Qwen、月之暗面 Kimi、字节跳动豆包和智谱 GLM，彼此之间的差距大约只有一个季度的排名波动。值得注意的是，腾讯虽然拥有庞大的既有用户群，却在生态之外；这本身就是值得关注的问题。

这些实验室彼此正面竞争研发速度和模型能力，同时又将模型权重开放出来，形成了与美国两家封闭式实验室截然不同的竞争生态。

再次强调，我们认为，未来一两年的竞争重点，与其说是国家之间的竞争，不如说是不同激励机制之间的较量。我们接触到的中国实验室，往往更关注彼此之间的竞争，而非西方媒体热衷渲染的跨国竞争。

4、如今，模型能力可以在跨越太平洋的过程中往返两次，最终抵达终端客户

具体路径是：美国前沿实验室发布性能更强的模型；中国实验室对其进行蒸馏，并发布模型权重；美国应用公司随后利用这些开源的中国模型构建产品，再将其卖回美国企业客户。

Cursor 自主开发的 Composer 2，据称是在 Kimi K2.5 的基础上构建；Cognition 的 SWE-1.5 似乎是在经过定制的 GLM 上构建。简言之，正如我们听到一位中国前沿实验室代表所说的那样，美国的迭代速度快，中国的发布速度快。

大约一年前，这些公司若能达到 Llama、甚至 Mistral 的水平就已算不错。如今，美国前沿 AI 已经融入中国的开放权重体系，而美国前沿智能也潜藏在其中。

5、数据层似乎也在重复类似的轨迹

美国的数据供应商——Mercor、AfterQuery、Turing——与 Anthropic、OpenAI 等公司建立了商业合作关系。与此同时，在中国，一批初创公司开始建设评估和验证基础设施，为注释服务提供支撑。

例如，UniPat 由一名北京大学博士生创立，并获得奔驰支持。该公司于 2025 年 12 月在西雅图开设办公室，据称使用来自中国的博士标注员，通过直接的美国中西部转机路线为这些项目工作。

中国实验室提出了一个简单但重要的问题：**他们如何确保对计算过程的人工监督质量，在计算受限、不得超过某个阈值的环境中，也能与拥有自适应能力、近乎无限资源的模型保持一致？**⁴

我们观察到，生态中已有数支团队开始构建相应产品；其中至少有两家，收入正在迅速迈向 1 亿美元以上。

6、美国和中国面临着性质不同、方向相反的约束

中国在 2024 年新增发电装机约 429GW，而美国仅增加约 51GW。到 2030 年，中国现有在建电力项目可能还将带来超过 400GW 的新增供给。相比之下，在美国，数据中心扩张预计将占未来新增电力需求的五分之一以上。⁵

正如我们此前所写，中国的约束来自计算底座不足。一个例子是，月之暗面的 K3 新模型虽然在能力上处于前沿，但发布时间却因推理容量不足而被推迟。

美国芯片资源丰富、算力日益受限于电力；中国电力资源丰富、算力日益受限于芯片。

我们的判断是——这也是业内普遍共识——未来将由当前最短缺的要素决定：美国取决于数据中心用地、输配电和输电线路能以多快速度建成；中国则取决于中芯国际和华为的良率及封装能力。

7、美国与中国 AI 收入之间的差距非常大，接近两个数量级

截至 7 月底，Anthropic 的年化收入已超过 65 亿美元；截至 8 月，OpenAI 的年化收入达到 400 亿美元。⁶

相比之下，中国最强的模型收入是字节跳动，其视频模型的年化收入约为 2 亿至 3 亿美元；收入第二高的是月之暗面，约为 1 亿美元。DeepSeek 据称年化收入低于 5000 万美元。

在消费端，豆包每月拥有 3.45 亿用户，是 DeepSeek 的三倍多。二者均提供包括商业佣金在内的多种收入来源，按我们的测算，人民币月均变现收入约为 1 元。

从历史上看，中国消费者并不习惯为软件付费。我们也不认为中国经济学已经中立到中产阶级愿意迅速改变这一习惯的程度。公司内部人士表示，他们正在部署相应的资源，试图实现商业化；中国消费者的互联网使用习惯也确实在十年前发生过变化。

当然，中国实验室最终也可能通过商业广告实现变现，正如美国实验室一直不愿做的那样。

这里还有一个毫无顾忌的实用主义因素：创业者通常并不担心自己会因为错误的词语或被认为带有污名的表达而遭到审查或围攻。我们走在香港九龙街头时，这一点非常明显：摊贩们听着 Ben Thompson 对美国实验室非理性回避广告和商业模式的分析。⁷

顺便一提，这是 Ben 第一次听说这件事——Ben 是史上最出色的分析师之一。

8、硬件正在与半导体层、软件层和数据层脱钩，其相互交织的速度快到任何政府都来不及应对

美国的应用运行在中国模型之上；中国的实验室则在马来西亚和泰国租用的英伟达算力上训练，同时将美国模型的输出进行蒸馏；专家数据也在双向流动。⁸

我们发现，「谁正在写问题」这个问题本身已不再可靠。

同样，系统如今也深度相互依存，这既符合「修辞上的民族国家至上主义」的想象，也在实际运行中实现了真正的跨国主义——除非递归式自我改进，即 RSI，实质性改变了当前的游戏结构。

9、我们发现，一些中国顶尖研究人员相信，他们已经掌握了较弱形式的 RSI

宽泛地说，RSI 可以分为三种类型：时间、算力和边界式 RSI。最早期的 RSI，可以理解为研究人员让模型介入自身迭代，手动协助模型加速原本需要消耗研究人员算力或时间的环节，或者两者兼而有之。这里需要注意，这一阶段的「起飞」很可能并不会呈现为数十年至 2100 年之类漫长时间尺度上的指数曲线；也不会是人类合力超过任何单个人或机器所能达到的能力。

10、一个关键分岔点

假设一阶自我改进确实存在，那么在算力方面，美国的优势似乎十分稳固：到 2030 年，两家实验室各自运营约 2GW 的算力，并且分别还有超过 5GW 的签约项目。

理论上，这些项目都由可观的收入和强劲资本市场提供资金支持；规模化计算、横向思考、「自我改进」循环，以及学习如何有效使用这些能力，似乎也没有尽头。

但反过来看，如果真正的约束在于验证质量，或者时间进度超过了曲线应有的范围，那么「产能优化和国内芯片冗余」这种说法——听起来可能有些熟悉——可能会在未来 18 个月持续加速：

美国前沿模型能力加速商品化；

中国开放权重模型所使用的独特模型能力增加；

推理层的竞价式 AI 公司掌握更高议价权；

算力服务商因外国产权权重被纳入，而获得更大的交易量与利润；

最终，这些影响也会传导至推理服务商，例如超大规模云服务商和新型云厂商。

这意味着，电力基础设施的投入将出现巨大的错配。

我们需要强调的是：我们对美国和中国基础设施的分析，可能是我们所做过的所有分析中，潜在回报率最高的一类。

关于未来

11、未来可能出现这样的世界

未来，美国前沿实验室可能不再向下一代最先进模型开放 API。实际上，对于绝大多数程序化企业应用而言，现有技术水平已经足够。未来的高端模型将按价值而非用量定价，同时也将越来越多地推动中国从前沿能力中获益。

因此，美国实验室可能会提高 API 收入的优先级，以支撑更高价格、更低用量的模型；这反过来将切断一条从美国东海岸横跨太平洋的重要竞争渠道。

至少，这将迫使更多数据在中国境内使用预训练模型进行处理，从而增加现有算力瓶颈上的压力。

从我们了解到的情况看，一些规模可观的美国跨国公司正在进行试点，将工程和数学等任务迁往中国处理。

12、中美 AI 格局

我们认为，AI 已经让美国与中国的技术体系深度交织，到了监管措施仅仅切断其中一条跨太平洋链路，似乎最多只能起到暂时作用的程度

美国和中国的技术人员，在某种意义上是在彼此对话；这种交流可能出现在模型蒸馏、开放权重、数据标注、推理等多个层面，而软件正在越来越多地利用智能体式搜索基础设施。

直接禁止货币流通、实体上市、托管禁令和采购禁令等做法，几乎必然会压制美国创新，并将相关领域的领导地位拱手让出，最终反而会促使资金流向中国竞争者。

尽管西方关于 AI 估值泡沫的讨论甚嚣尘上，中国市场的氛围却明显更加火热

如果看收入倍数，中国实验室的交易估值是美国前沿实验室的 5 至 10 倍；按收入规模计算，中美差距则接近两个数量级。

月之暗面最近一轮融资的估值为 35 亿美元，而其 7 月年化收入约为 1 亿美元，估值约为收入的 35 倍；新一轮融资据称将以 50 亿美元投前估值进行，相当于约 50 倍收入。

智谱今年 1 月在香港上市时的市值约为 100 亿美元，约相当于 Anthropic 估值倍数的 20 倍。该公司早期公开市场股价波动剧烈：从上市时约 13 亿美元的市值，一度升至今年 1 月约 100 亿美元。

Kong AI Knowledge Atlas Technology HK（2613）也从今年 1 月约 13 亿美元的市值，上涨至约 100 亿美元；Luna AI（HKG:100）则从约 150 亿美元一路涨至 330 亿美元，随后又回落至约 100 亿美元。

这两只股票都在限售期结束前大幅下跌。我们的判断是，这主要源于市场结构尚不成熟：数十年的消费软件投资经验，直到现在才逐渐积累起围绕企业财务披露和开源框架进行审慎评估的能力。

这与我们在生物科技领域看到的情况并无明显不同：在香港公开市场中，几乎不存在因为交叉投资者或专业科技与生物科技投资者而产生的监管风险。

对于合适的投资者而言，这提供了一个巨大的机会：他们可以进入市场，并在这些类别的早期公开市场投资中建立领先地位。

你们的合伙人，

Nan、Adam、Zivain

注释

DeepSeek V3 技术报告：采用 2048 张 H800 GPU；PTX 层级编程；约 3000 万条专用于跨节点通信的消息。

2026 年 3 月，OpenRouter 每周 token 份额约为 42%，上下浮动约 5%；Qwen 占比约 18%。值得注意的是，Hugging Face 的模型下载量仅占中国开放权重模型使用量约 80%，另外约 20% 通过其他途径分发。

Anthropic 曾正式指控月之暗面、DeepSeek 和 MiniMax 收集数百万条 Claude 对话数据；这一说法随后遭到多家公司否认并反驳。

关于不同运行率方法之间会计处理差异的评论，本文暂且按下不表。

阿里巴巴和字节跳动在东南亚的数据中心训练，在 2026 年 4 月 20 日出台限制后有所加速；这些公司通过在泰国、马来西亚和日本的非中国所有设施租用算力。美国白宫 2026 年 3 月的 OSTP 指令已将英伟达出口级 GB300 服务器引入泰国开展 K3 训练；目前出口管制更看重芯片的所有权，而非远程访问。泰国、马来西亚和印度尼西亚的算力租赁成本高出约 30%，而运营成本则低约 10%。

限售期满之前，持股比例超过 5% 的机构无法套现；普通持股者在限售期结束前也无法出售。