美国财长罕见说了句大实话：中国AI再追下去，美国就没有明天了！

美国财长贝森特最近一句话，把美国对中国人工智能发展的紧张感直接摆到了台面上。9月8日，他在美国一场政策讨论会上谈到AI竞争时声称，如果中国在这件事上赢了，美国就“没有所谓的后天了”，并说到那时，美国在其他领域投入再多资源也会失去意义。 所谓“没有明天”，正是由这番表态演化而来的舆论概括。有意思的是，说这句话的不是美国科技企业负责人，也不是专门管科研的官员，而是财政部长。 这一点很重要。因为AI发展到今天，已经不再只是实验室里比谁的模型更聪明，而是一笔涉及芯片、电力、资本、数据中心、制造业和就业的大账。 贝森特真正担心的，是这种技术会重新分配未来几十年的产业收益。先把一个事实说清楚：美国今天并没有失去AI总体优势。 今年4月发布的斯坦福大学《2026年人工智能指数报告》仍显示，美国在顶级模型产出数量、高影响力专利、AI投资和数据中心规模等方面保持领先。中国追赶速度很快，但如果把中美AI竞争写成“美国已经输了”，同样不符合事实。 真正让美国压力上升的，是领先幅度正在发生变化，而且中国追赶的路线与美国不完全一样。 中国科学技术信息研究所7月发布的《全球人工智能创新指数报告2026》显示，美国以78.44分排在第一，中国以60.49分位居第二，中美继续处于全球第一梯队，中国与第三名之间则拉开了20.5分差距。 如果只看总分，美国优势依旧明显，可继续往下拆，情况就复杂了。上述报告显示，中国代表性大模型的算力效率比美国领先模型平均高30.4%，头部模型的词元均价大约只有美国同类产品的四分之一。 这个数字背后的意义，比某一次排行榜排名更值得关注，因为AI真正走向产业，首先得解决一个问题：企业到底用不用得起。大模型训练阶段可以不计成本地拼参数，可到了每天成亿上万次调用的推理阶段，每下降一点价格，都会影响大量企业的使用决定。 就像工业时代的机器一样，最先进当然重要，但如果一台设备价格高得只有少数巨头买得起，它改变整个经济的速度，就未必比便宜、稳定、容易部署的产品更快。中国AI现在显现出来的一个特点，就是越来越强调“够强、够便宜、能落地”。 截至今年7月，工信部公布的数据显示，中国人工智能开源大模型全球累计下载量已经突破100亿次；规模以上制造业企业人工智能技术应用普及率超过30%。把这两个数据放到一起，意义就出来了：一边是模型向外扩散，一边是AI往工厂里走。 开源尤其值得关注。闭源模型更像一家企业把最好的发动机锁在车里，用户按规定使用；开源模型则允许企业在现有基础上继续改造，针对金融、医疗、制造、物流等不同需求重新训练。 对于大量没有能力从零训练大模型的企业来说，后者显然降低了进入AI时代的门槛。所以中国开源模型快速扩大影响，并不单纯意味着下载数字好看。 它还意味着越来越多开发者开始围绕中国模型写程序、做插件、训练行业版本。一旦这种生态形成，就像操作系统拥有越来越多软件一样，模型本身会反过来从使用场景中获得更多反馈，形成技术迭代和产业扩散的循环。 美国当然也看到了这种变化。过去几年，美国限制高性能芯片和相关技术流向中国，基本逻辑就是希望利用硬件优势扩大算力差距。 但现在的问题是，AI竞争正在从“谁手里的顶级芯片更多”，逐步变成“同样一份算力能够干多少活”。硬件仍然重要，可模型效率、软件优化和工程能力同样能够改变最终成本。 这也是为什么贝森特讲话时会特别谈到数据中心。AI不是漂在互联网里的虚拟东西，一台服务器背后要接电网，要散热，要建设机房，还需要水、土地和输电设施。 模型规模越大、调用越频繁，人工智能越像一种新型重工业，背后烧的不是煤和钢，而是电力和算力。今年9月，中国算力大会公布的数据显示，截至2026年6月，全国在用标准机架达到1556万架，在用智能算力规模达到2185EFLOPS。 几天后，工信部门又披露，全国31个省区市已经接入中国算力平台，全国一体化算力统筹监测体系基本形成。这比单纯建设更多数据中心又向前走了一步。 过去各地建算力，容易出现有的地方机器排队、有的地方机器闲着；现在越来越强调跨地区调度，让东部大量应用需求与中西部能源、土地条件结合起来。“东数西算”真正有价值的地方，也正在从“建机房”转向“把全国算力尽可能连成一张网”。 美国的难题则恰恰发生在这里。9月，美国最大区域电网PJM持续面临负荷压力，而人工智能和云计算推动的数据中心用电增长越来越受到关注。 美国拥有世界级科技企业，也有强大的资本市场，但发电站、输电线和数据中心不是资本到位第二天就能投入使用，建设周期与地方利益协调都会产生现实约束。美国国内围绕数据中心的争议今年还在升温。 9月16日，美国众议院通过一项涉及大型数据中心用电成本分担的法案，核心争议就是新增电网投资到底该由数据中心企业承担，还是最终转嫁到普通居民电费中。几天后，得克萨斯州又暂停部分数据中心相关许可，要