7月21日到23日，中美AI产业各出了一组数字。
中国这边：北京市发布《关于加快智能体引领发展的若干措施》共十条，首次将 Harness Engineering、Token 经济、OPC（一人公司）写入正式政策文件。同一天，小红书 dots 模型以 42/42 满分成绩拿下 IMO 2026 金牌：全球仅 7 位人类选手达到同一水平。前一天，Qwen-Image-3.0 上线，核心关键词只有一个字：「实」。腾讯设计 Agent 平台 Miora 全面开放，无需邀请码。
美国这边：OpenAI 宣布在佐治亚州萨凡纳新建数据中心，承诺投资 200 亿美元，争取到 3.2 吉瓦能源，满负荷成本可能突破 300 亿。AMD 投资 50 亿换取 Anthropic 采购 2GW GPU。据《日经亚洲》（Nikkei Asia）2026 年报道，五家美国科技巨头的隐性债务膨胀到 1.65 万亿美元：其中 Meta 一家的表外债务 4200 亿，是透明债务的近三倍。Anthropic 为盗版书籍训练数据支付了 15 亿美元和解金，创下版权集体诉讼赔偿纪录。
两组数字摆在一起，表面上是两国 AI 产业的常规动态。往深一层看，它们是同一个问题的两种答案：增长的重量放在哪里？
这不是「谁更厉害」的比较。这是一场关于增长质量的路线分岔。
中国：路线上墙
北京新政最值得注意的不是「十条政策」这个数字本身，而是写进政策文本的那三个词。
Harness Engineering：驾驭层工程。Token 经济：不只是消耗量，是价值计量。OPC：一人公司，意味着政策制定者已经在设想一个「一个人 + 若干智能体 = 一家公司」的组织形态。
这不是撒钱。这是在重新定义 AI 增长的计算单位。
文件明确提出从 Token 消耗量计费转向价值计费，鼓励 TaaS（Token as a Service）、AaaS（Agent as a Service）、RaaS（Result as a Service）三种模式。翻译一下：不再看你用了多少 Token，而看你用 Token 创造了多少价值。这个转变的深层逻辑，和内生增长理论指向同一个方向：当经济增长从外延式投入扩张（堆算力、堆参数）转向内生性的价值产出，计量单位一变，整个产业的激励结构跟着变。
这种「实」不是口号。24 小时内有三件事给它提供了注脚。
第一件：小红书 dots 参加 IMO 2026，六题全对，满分金牌。模型不依赖形式化语言，直接读取原始 LaTeX 题目，端到端完成解题。这不是 benchmark 刷榜：IMO 的题目不是训练集里能背出来的。它测试的是递归自我批判能力，是「不知道自己不知道的时候怎么解题」。
第二件：Qwen-Image-3.0 上线，核心关键词「实」。支持 12 种语言原生渲染、文字精度 10px、4.5k token 指令输入、多图融合和图片编辑。团队的说辞不是「我们超过了 Midjourney 多少分」，而是「把图像转化为可部署的生产力工具」。务实到了产品说明书级别。
第三件：腾讯 Miora 全面开放。品牌设计、影视创意等五大场景模式，内置 Skill 市场和记忆系统，支持自定义多模态模型和推理深度。没有发布会，没有 benchmark 对比表，直接开放注册。
三件事同一条逻辑：不说自己有多强，只说能做什么。
这不是中国的 AI 更谦虚。这是道家的「实」：「道法自然」不是躺平，是不把力气花在证明自己身上。你说你的模型强？先拿出来跑一跑真实任务。这条路把验证从行业内部的自我评价，推向了外部的真实场景。
北京新政把这些散落的信号串成了一条线。政策不是「支持 AI 发展」的空话，而是直接定义了增长的度量衡：从 Token 消耗量到价值产出，从模型参数到 Agent 部署密度，从 benchmark 分数到实际经济贡献。这叫「实事」。
美国：债务上桌
大洋对岸是另一套逻辑。
OpenAI 的 200 亿数据中心、AMD 的 50 亿 GPU 订单、据 Alphabet 2026 年第二季度财报，营收增长 24%（其中 Google Cloud 增长 82%，Gemini 月活达 9.5 亿）、API 处理量升至 220 亿 token/分钟：这些数字放在一起，怎么看都是繁荣的信号。
但繁荣的信号和泡沫的信号，有时候长得一模一样。
达利欧在《债务危机》里把典型债务周期的泡沫阶段总结得很清楚：债务总额占 GDP 的比例年均增长 20% 到 25%，持续时间约 3 年，泡沫顶部债务占 GDP 约 300%。泡沫阶段的特征很具体：资产价格高、乐观情绪弥漫、信贷标准下降、大量新型贷款工具涌入市场、非银行贷款机构蓬勃发展。
美国 AI 基建正在复刻这个剧本的每一个章节。
《日经亚洲》的研究显示，Meta、Oracle 等五家科技巨头的隐性债务在约四年内膨胀八倍，达到 1.65 万亿美元，超过其实际债务。这些债务主要来自数据中心租赁和 GPU 供应合同：不是银行贷款，不在资产负债表上，不触发任何传统的债务比率警报。Meta 的表外债务 4200 亿，是透明债务的近三倍。
这不是会计技巧。这是杠杆的暗面。
达利欧写过一个值得反复停下来重读的判断：「无知和缺乏授权是比债务本身更大的问题。」大多数债务危机不是因为人们借了太多钱：历史上几乎每个经济体都会借太多钱。真正的灾难发生在决策者既不知道他们在危机曲线的哪个位置，也没有政策工具去应对的时候。
美国 AI 行业现在就在这个位置。据公开融资文件，OpenAI 的 2030 年算力支出预期从 6000 亿上调到 7500 亿：不是「我们可能需要」，而是写进了数字里。AMD 据双方公告投资 50 亿换 Anthropic 采购 2GW GPU：这种以投资换采购的闭环结构，本质上是用股权换营收确认，用投资掩盖真实获客成本。
这组数据的底层不是「市场在为未来定价」。这组数据的底层是债务在驱动增长，但账单还没到。
Alphabet 的 Q2 数据是一个微妙的样本。据其二季度财报，24% 的营收增长和 82% 的 Cloud 增速确实强劲，但 Gemini 月活 9.5 亿的背后是 API 处理量 220 亿 token/分钟：这个「量」正在成为一个新的锚。如果 Token 消耗量本身变成了衡量 AI 能力的指标，你就已经进入了古德哈特定律的射程：当一个度量成为目标，它就不再是好的度量。
Anthropic 的 15 亿版权和解金是另一个信号。据美国联邦法院 2026 年的版权集体诉讼案，482460 部作品中 91.3% 被索赔，每部约 3000 美元。法官裁定在合法获取的书籍上训练 AI 属于「变革性」合理使用，但大规模抓取网络内容是否合法仍悬而未决。和解金本身不是重点：重点是这个行业正在用现金填平法律灰区。每一笔和解都是一张表外负债，不在财报里，但在未来的合规风险表上。
理论边界停顿
达利欧的债务周期框架有穿透力，但把它直接移植到 AI 产业，需要承认一个边界。
传统债务周期的分析对象是金融信贷资产：房产、基建、企业贷款。这些资产有二级市场、有清算价值、有相对稳定的现金流折现模型。GPU 和数据中心租赁不是这种资产。GPU 的技术迭代以代际计，18 到 24 个月一代，残值衰减远快于传统固定资产。数据中心是专用性资产，一旦建成，改造成本极高，用途高度锁定。这意味着达利欧的「泡沫顶部」判定指标：资产价格脱离基本面、信贷标准下降：在 AI 产业里要打折使用。不是不能用，是不能照搬。GPU 供应合同的「信贷替代品」属性，它的违约传染路径和传统银行信贷完全不同。下文的情景推演建立在这个前提上：债务框架提供方向感，但 AI 产业特有的资产性质决定了泡沫的具体形态和破裂节奏。
实与虚的底层逻辑
两条路的分岔，不是「中国务实、美国务虚」这种简化可以概括的。区别在更底层的三个问题上。
第一，用什么衡量增长？
中国在用「能不能落地」衡量增长。IMO 满分不是在证明模型聪明，而是在证明模型能独立解决没有标准答案的真问题。Qwen-Image-3.0 的「实」不是在说画质，是在说「这个东西能进工作流」。北京新政从 Token 量转向价值量，是在换尺子：尺子一换，整个产业的激励方向跟着变。
美国在用「有多大」衡量增长。Capex 有多大、模型参数有多大、API 调用量有多大。这三个「大」在上升期是燃料，在顶部就是泡沫燃料。达利欧列出的泡沫阶段关键指标：资产价格脱离基本面、信贷标准下降、新型金融工具涌现、乐观情绪自我强化。对应到 AI 行业，GPU 集群就是资产，长期供应合同就是信贷替代品，隐性债务租赁就是新型金融工具，benchmark 分数的通货膨胀就是乐观情绪的自我强化。
第二，谁在买单？
中国 AI 的账单正在从 VC 的钱包转移到客户的钱包。北京新政鼓励的 TaaS、AaaS、RaaS 都是面向终端用户收费的模式。一个模型能不能活，不看它融了多少钱，看它从客户那里收到了多少钱。
美国 AI 的账单还在资本市场上漂着。OpenAI 的 200 亿数据中心是融资驱动的，AMD-Anthropic 的 50 亿-2GW 闭环是交易驱动的，Google 的 24% 增长背后有广告帝国兜底。但这些账单最终都要落到终端用户身上。如果 Gemini 的 9.5 亿月活没法转化为付费意愿，那 220 亿 token/分钟就不是收入信号，而是成本信号。
第三，增长能不能验证？
中国 AI 的验证在「外部」：IMO 金牌是外部考试，产品上线是用户投票，政策文件是制度背书。这一套验证机制不完美，但它不依赖行业内部的自我评价。
美国 AI 的验证在「内部循环」：benchmark 分数是模型团队自己选的，API 调用量是平台自己统计的，Capex 是公司自己宣布的。没有外部裁判，没有统一考试，没有一个客观的尺度能把「强」和「真强」区分开。
这里的关键区别不在于「谁更诚实」。而在于反馈回路的长度。反馈越短，泡沫越难藏身。反馈越长，虚假信号存活的窗口就越长：达利欧的「无知和缺乏授权」说的就是这个窗口。当决策者需要看到两三个季度的数据才能判断趋势时，他们已经站在泡沫顶部了。
对比
| 维度 | 中国 AI（2026年7月） | 美国 AI（2026年7月） |
|---|---|---|
| 增长度量衡 | 价值产出（转向 Token 价值计费） | 投入规模（Capex、API 调用量） |
| 买单方 | 终端用户（TaaS/AaaS/RaaS） | 资本市场（融资 + 隐性债务） |
| 验证机制 | 外部验证（考试、用户、政策） | 内部循环（benchmark、自报数据） |
| 债务形态 | 隐性：政策杠杆（补贴、税收） | 显性：1.65 万亿隐性租赁 + CapEx |
| 当前阶段信号 | 从「能做什么」到「能卖什么」的过渡 | 泡沫中期：信贷标准下降、隐性债务膨胀 |
这张表不是裁判。是在说：同一个产业，同一个时间点，选择了两种不同的增长操作系统。
关于「当前阶段信号」这一行，需要展开。中国侧的判断基于内生增长路径的信号：北京新政把计量单位从投入转向产出，是「从能做什么到能卖什么」的制度化过渡，但它能不能完成取决于价值计费标准是否真正可量化。美国侧「泡沫中期」的判断，依据是达利欧泡沫阶段四指标在 AI 产业的映射：资产价格（GPU 集群）脱离收入基本面、信贷标准（长期供应合同条款）持续宽松、新型金融工具（表外租赁）规模膨胀、乐观情绪（benchmark 通胀）自我强化。四个指标同时亮灯，是「中期」而非「顶部」：顶部还需要一个资金跟不上的触发点。
三情景推演
基准情景（最可能路径）：中国 AI 在未来 12-18 个月内完成从「能用」到「能赚钱」的过渡。北京新政的 Token 价值计费标准落地 3-5 个试点行业（设计、客服、编程、医疗问诊、教育），至少 2 个行业的 AI 服务收入超过基础模型授权收入。美国 AI 基建继续扩张，OpenAI 数据中心第一阶段在 2028 年前部分投运，但在此之前隐性债务的会计处理被 SEC 或 FASB 要求强制披露：这个披露动作本身会触发一轮估值重定价。触发条件：中国至少 2 家 AI 公司实现 AI 服务收入占比超 50%；美国 AI CapEx 增速连续两个季度放缓。
上行情景：中国的「实」路线加速：北京新政催生第一批 TaaS/RaaS 上市公司，政策从「鼓励」升级为「采购」，政府采购中 AI Agent 服务的占比成为新的增长信号。美国 AI 行业在隐性债务曝光前主动去杠杆：至少一家巨头（Meta/Oracle）提前调整 CapEx 计划，市场将其解读为「纪律」而非「撤退」。触发条件：中国 AI 上市公司数量翻倍；美国出现首例数据中心租赁合同违约或重新谈判。
下行情景：中国的「实」变成了新的「虚」：Token 价值计费的标准迟迟无法量化，行业从「卷 benchmark」变成「卷政策补贴」，AI 落地集中在政府项目和国企采购，缺少真正的市场化收入。美国 AI 隐性债务在 2027 年遭遇触发事件：一次主要的 GPU 供应合同违约或数据中心建设延期，引发连锁去杠杆，AI CapEx 暴跌 30% 以上，波及整个半导体产业链。触发条件：中国 AI 政策落地速度慢于预期 6 个月以上；美国出现标志性违约事件。
达利欧在书的结尾写了一个容易被忽略的判断：泡沫的破裂不是因为人们突然发现了泡沫的存在：泡沫在顶部的时候大家心里都清楚。破裂是因为用来维持泡沫的资金跟不上了。
中美 AI 当前的分岔，本质上是同一个问题：资金在追什么样的增长。
中国的增长以「实」为锚：落地、上墙、进工作流。这条路的风险是「实」的标准在推进中慢慢变味，从「能不能」变成「谁敢说不能」。
美国的增长以「量」为锚：更大模型、更多 GPU、更快 API。这条路的风险是「量」的增长和价值的增长脱钩，就像达利欧说的：一个人每年挣 5 万花 6 万，未来必须每年花 4 万，而且要持续同样的时间。
两条路都会交学费。区别在于：一种学费付给试错，一种学费付给泡沫。
理解当下 AI 产业最有力的框架不是一个问题：「谁更强」。而是另一个问题：「谁在为自己的增长买单，用的是今天的钱还是明天的钱」。用达利欧的框架来看，前者是和谐去杠杆的前提，后者是债务周期第七阶段：「正常化」：永远到不了的根源。
这两条路的分岔背后，藏着同一个古德哈特定律：当一个度量成为目标，它就不再是好的度量。安全测试篇里，测试扭曲了安全；这里，规模扭曲了增长。两篇是一个母题的两面。见 安全测试制造了不安全。