2026-06-03 · 综合Horizon每日速递与AI Builders Digest跨日分析
序：同一场浪潮，两种水流
2026年6月初的两天资讯，提供了观察中美AI竞赛的一个罕见横截面。
同一天里，Alphabet宣布了人类历史上最大规模的800亿美元股权融资，用于AI基础设施——伯克希尔·哈撒韦认购其中100亿。另一条新闻里，中国机器人公司正在排队IPO，试图向全球投资者兜售"AI下一阶段中国中心"的故事。
同在两天里，特朗普签署行政令要求AI公司自愿提交模型进行安全测试——因为Anthropic的Mythos模型太危险了。而在另一条新闻里，一家叫Geedge的中国公司正在开发预测性监控AI，旨在识别潜在的政治异见者。
方向相似——都在疯狂投资AI、都在推机器人、都在讨论安全和监管。但水的流向截然不同。这篇文章试图回答一个核心问题：为什么在同一场AI浪潮中，中美走出了两条越来越不像的路？
一、表面相似：六个共同的"主旋律"
在分歧之下，两国的AI战略有不可忽视的共同点：
1. 基础设施投入都在指数增长。 美国的信号是Alphabet $800亿、HPE涨37%、CoreWeave垃圾债、Ardian巴黎超级工厂。中国的信号是机器人公司批量IPO、亚洲AI固定资产投资预计从$11万亿（2025）增长到$16万亿（2030）、AI浪潮重塑亚洲增长模式。不管资金来源和机制如何不同，双方都认定AI是未来十年最重要的基础设施投资。
2. 机器人都被视作下一个前沿。 Sam Altman在6月2日宣布OpenAI Robotics——从世界模拟研究项目演化而来，短期做建筑机器人，长期做"每个人都有一个能做一切的个人机器人。"同一周，Bloomberg报道中国机器人公司正在排队IPO，目标是将中国定位为"AI下一阶段的全球中心。"OpenAI和美国走纯软件→硬件的路径，中国走制造→智能的路径，但目的地是一样的。
3. 安全与监管辩论在两地同时升温。 美国在Mythos事件后紧急出台行政令，国会讨论限制军方AI使用，自主武器伦理辩论白热化。中国虽然没有公开的安全监管辩论（至少在英文媒体中），但其AI监控应用——Geedge的预测异见工具——本身就是一种安全的另一面：不是"如何防止AI危险"，而是"如何用AI控制危险。"
4. IPO浪潮正在重新定价AI资产。 Anthropic秘密提交IPO，SpaceX计划上市，OpenAI和Anthropic估值逼近万亿美元。中国机器人公司也在排队IPO。两地的资本市场都在为一个AI主导的未来定价。
5. 人才和技术都在向头部集中。 美国的OpenAI、Anthropic、Google DeepMind正在吸引全球顶级AI人才。中国的MiniMax、DeepSeek在开源模型赛道上快速追赶——MiniMax M3在Next.js agent评测中位居第一，价格仅为GPT-5的十分之一。
6. 供应链是共同焦虑。 美国通过出口管制限制中国获取先进AI芯片（英伟达A100/H100/Blackwell）。中国军方六年来持续通过各种渠道尝试获取这些芯片。同时，欧洲最后一家青霉素生产商Sandoz对中国提起反倾销申诉——这不是AI供应链，但反映了同一个趋势：关键供应链的安全性正在成为经济主权问题。
二、深层分歧：五个维度上的方向差异
表面相似之下，结构性的分歧要深刻得多。这些分歧不是策略选择的不同，而是体制、文化和历史路径的产物。
分歧一：资本分配机制——市场定价 vs 国家协调
这是最根本的差异。
美国模式： AI投资由资本市场定价。Alphabet的800亿融资是股权交易——公司股价由二级市场投资者对公司未来盈利能力的判断决定。伯克希尔的参与是价值投资的信号。Anthropic和OpenAI的IPO将由华尔街投行定价，散户可以通过401(k)指数基金获得敞口。
这个模式的优势是效率：资本快速流向最有前景的方向，失败的玩家被市场淘汰。劣势是波动性和短视：季度财报压力可能让公司做出不利于长期技术发展的决策。
中国模式： AI投资由国家战略协调。机器人IPO浪潮、比亚迪的垂直整合（75%零部件自产，而福特仅25%）、产业政策引导下的资本集中——这些都不是纯粹的市场行为。中国的AI发展嵌入在更大的国家战略中：制造2025、双循环、科技自立自强。
这个模式的优势是协调性：能够集中资源攻关特定方向，不受短期市场波动影响。劣势是资源配置可能效率低下——没有市场价格信号来区分好项目和坏项目。
分歧二：AI应用优先序——个人赋能 vs 国家能力
这是价值观层面的根本差异。
美国的AI应用优先序：
- 个人生产力工具（ChatGPT、Claude Code、AI邮件/文档）
- 企业效率提升（Box创造13个AI新岗位、施耐德电气用AI提升工人效率）
- 创造性表达（马丁·斯科塞斯投资Black Forest Labs的AI视频生成）
- 网络安全防护（Mythos用于保护银行系统）
- 核心逻辑：AI是个人和企业的工具，用来提升效率、创造力和竞争力。
中国的AI应用优先序：
- 社会治理（Geedge预测政治异见——不仅是检测，而是预测）
- 产业升级（机器人大规模部署、制造业智能化）
- 监控和公共安全（基于海量数据源的AI预测性监控）
- 核心逻辑：AI是国家能力的延伸，用来增强治理效能、产业竞争力和社会稳定。
这不是说美国不用AI做监控（西雅图监控步行之旅揭示了密集的监控基础设施），也不是说中国不用AI做个人工具（MiniMax的模型本身就是面向开发者的）。但优先序——资源的集中方向和政策信号的强度——在两种模式中指向截然不同的方向。
分歧三：创新路径——0→1 vs 1→N
美国倾向于0→1的突破。 OpenAI从transformer架构到GPT系列的每次代际跃迁、Anthropic在AI安全领域的开创性工作、Google DeepMind从AlphaGo到AlphaFold的基础科学突破——这些都是从无到有的创造。Mythos模型被拒绝发布本身就是一个信号：美国前沿实验室在创造一些"太危险而不能发布"的东西。
这种能力建立在深厚的学术基础（斯坦福CS336从零开始教大语言模型构建）、开放的出版文化（大部分基础研究公开）、和高风险承受能力的资本市场上。
中国倾向于1→N的规模化。 比亚迪的CT扫描揭示了一种令人印象深刻但方向不同的工程哲学：不是发明新技术，而是通过垂直整合（75%自产率）把已有技术的成本压到最低、规模做到最大。MiniMax M3以GPT-5十分之一的价格达到近似性能——这是工程效率的胜利，不是科学突破的胜利。
这不是说中国没有创新（DeepSeek在模型架构上做了真正的贡献），也不是说美国不会规模化（Alphabet的800亿就是为了规模化）。但系统的重心在两国指向不同方向：美国的系统奖励"第一个发现"，中国的系统奖励"第一个做到百亿规模"。
分歧四：安全与开放的平衡——预防性监管 vs 嵌入式控制
美国的安全叙事： Mythos事件 → 特朗普行政令（自愿提交模型进行预发布测试）→ 国会限制军方AI使用 → 自主武器伦理辩论。这是一条"预防性"的路径：担心AI变得太强大，希望在发布前设置安全护栏。
但注意：这些措施都建立在自愿和协商的基础上。行政令明确禁止强制性许可，国会讨论的是对军方AI使用的限制而非对商业AI的限制。美国的AI安全框架保留了市场参与者的自主空间。
中国的安全叙事： Geedge的预测性监控AI代表了相反的方向：不是"如何防止AI危险"，而是"如何用AI来控制社会风险。"中国的AI安全不是关于模型能力的边界，而是关于AI在社会治理中的嵌入式角色——AI被整合到管理社会稳定性的系统中。
这个差异的根源不是技术的，而是政治的。美国需要一个可信的第三方（政府）来监管AI公司的行为。中国不需要这个第三方，因为AI的方向从一开始就与国家目标对齐。
分歧五：全球化角色——规则制定者 vs 替代生态建设者
美国正在通过规则制定巩固领导地位。
- 出口管制（限制英伟达芯片流向中国）
- AI安全标准（特朗普行政令可能成为全球模板）
- 金融基础设施（CME算力期货以美元定价）
- 联盟建设（Anthropic将Project Glasswing扩展到15个国家的关键基础设施）
美国在做的不是"阻止中国发展AI"，而是建立一个以美国规则为基础的全球AI生态——在这个生态中，芯片、标准、金融工具和安全框架都由美国主导。
中国正在用替代生态对冲。
- 国内芯片替代（受阻但仍在前行）
- 独立的开源模型生态（MiniMax、DeepSeek）
- 一带一路框架下的技术出口
- 与面临美国制裁的国家建立技术合作（伊朗Nobitex被制裁的同时，中国与伊朗的科技合作可能加深）
这不是冷战式的"两个阵营"——全球经济太交织了。但它确实呈现出一种渐近的分岔：一个以美元定价、以硅谷创新为核心、以美国安全标准为框架的AI生态，和一个以人民币结算部分交易、以规模化制造为核心、以国家战略为导向的AI生态。
三、深层原因：为什么走出了两条路？
原因一：资本市场的DNA不同
美国的AI发展嵌入在一个以股权为核心的金融体系中。硅谷的创业公司-风投-IPO循环已经运转了半个世纪。这个体系擅长识别有潜力的技术方向、快速配置资本、容忍失败的实验。Alphabet能在一天之内宣布800亿股权融资，是因为存在一个深度和流动性足够的资本市场来吸收这个规模的交易。
中国的金融体系以银行信贷为核心。银行不擅长为高风险的技术创新提供融资——它们需要抵押品和可预测的现金流。因此中国的AI投资更多通过政府引导基金、产业政策和国有企业投资来推动。这种模式擅长规模化——集中资源办大事——但不擅长识别和奖励从零到一的突破。
这不是好坏的问题，而是工具适配的问题。 美国的金融工具适配0→1的创新（高风险、高回报、小样本验证）。中国的金融工具适配1→N的规模化（中等风险、稳定回报、需要协调）。
原因二：治理逻辑的底层差异
美国的AI政策体现了竞争性治理的逻辑：多个权力中心（联邦政府、州政府、国会、法院、私营公司、公民社会）持续博弈。佛罗里达州起诉OpenAI危害儿童安全、国会限制军方AI使用、特朗普行政令与行业游说的博弈——这些不是混乱，而是系统运行的常态。矛盾通过公开对抗解决。
中国的AI政策体现了一元化治理的逻辑：AI的发展方向需要与国家整体战略保持一致。Geedge的预测监控系统不仅在技术上是可行的，在政治逻辑上是合理的——如果AI可以用来预测市场需求、预测天气、预测疾病爆发，为什么不可以用它来预测社会不稳定因素？矛盾通过系统对齐消解。
原因三：与全球化的不同关系
美国是当前全球化的主要受益者和规则制定者。它的AI战略目标是维持这种地位——通过控制关键技术节点（芯片、标准、金融基础设施）来确保全球AI生态以美国为中心运转。
中国是全球化的后发参与者，正在从规则接受者向规则参与者转变。它的AI战略目标是改变游戏规则——通过建立替代性的技术生态（开源模型、自主芯片、一带一路数字基础设施）来减少对美国主导生态的依赖。
分析师Gregory Allen说美国在AI上领先中国18个月。这可能对当前的技术能力是正确的，但错失了更关键的结构性趋势：18个月的领先不等于18年。 如果中国能持续以更低成本规模化AI应用（MiniMax M3证明它正在做到），那么"领先"的定义本身也需要重新思考——是领先在论文数量，还是领先在真实世界的部署规模？
四、交叉地带：两条路也有交汇点
分析不应该把人引入"两种模式完全对立"的误解。事实上，交汇点在变多：
机器人的双向奔赴。 OpenAI从软件走向硬件（机器人），中国从硬件走向软件（机器人+AI）。两者在同一个方向上推进，只是从不同的起点出发。
开源模型的跨越性影响。 MiniMax M3证明了开源模型可以在性能和成本上同时击败闭源模型——这是一个中国的开源模型在全球开发者生态中赢得认可的故事。它说明即使在两个生态渐行渐远的大趋势下，开源这一层仍然保持着全球公共品的属性。
数据主权的共同焦虑。 Garry Tan说的"2027年AI套索战争"不仅是美国的问题。当数据和AI记忆成为关键资产，哪一种治理模式更能保护数据主权——市场化的平台竞争，还是国家主导的数据基础设施？这个问题对中美同样尖锐，答案却不同。
安全困境的通用性。 Meta AI客服机器人被社工劫持——这不是中国特有的问题，也不只是美国的问题。AI被授予过多权限而缺乏验证，是所有AI系统部署者都要面对的风险。在这一点上，中美面临的技术挑战是共同的，只是制度回应的方式不同。
五、结论：不是两条路，是两个宇宙的初始条件
用"两条不同的路"来形容中美AI发展方向，可能低估了分歧的深刻程度。"路"暗示从同一个起点出发选择不同方向。但中美AI发展的差异更接近不同的初始条件导致的路径依赖——它们从一开始就运行在不同的操作系统上。
美国的AI操作系统是：市场定价 × 个人赋能 × 0→1创新 × 预防性监管 × 规则制定者。
中国的AI操作系统是：国家协调 × 能力延伸 × 1→N规模化 × 嵌入式控制 × 替代生态建设者。
决定这些初始条件差异的，不是哪个领导人做了哪个决策，而是三个更深层的因素：
- 资本市场的DNA（股权 vs 信贷）决定了谁能获得资金做什么
- 治理逻辑的底层（竞争性 vs 一元化）决定了AI应该如何被管理
- 与全球化的关系（规则制定者 vs 后来者）决定了战略目标是什么
理解这些深层原因不是为了判断谁对谁错，而是为了做出更准确的预测：哪些趋势会收敛，哪些趋势会继续分岔。 以当前信号来看，基础设施投资和机器人在收敛，应用优先序和治理模式在分岔——而这个分岔才刚刚开始。
数据来源：2026-06-01 至 2026-06-03 Horizon 每日速递 / AI Builders Digest / 彭博 / 金融时报 / 纽约时报 / BBC / Le Monde / France24 / 各Builder推文分析
关联阅读：
- 2026-06-03_800亿美元的逻辑：AI基础设施超级周期与泡沫边界
- 2026-06-03_从Mythos到行政令：AI安全的地缘政治化
- 2026-06-03_AI的套索战争：为什么2027年属于数据主权
- 2026-06-03_可靠性临界点：GPT-5.5背后的范式转移
- 2026-06-03_民主化还是降维打击：AI创业公司的结构性困境