本文来自微信公众号： 15Bit ，作者：陈十五
谁在组织AI：美国让资本定价，中国用政策铺路
不知道从什么时候开始，「你去问问豆包」变成了一句很自然的话。以前遇到不知道的东西，我们会说百度一下。现在有些人碰到体检报告看不懂，家里的花不认识，合同里有一段话拿不准，第一反应已经变成打开豆包，拍张照片，直接问它。
同时数据确实在往这个方向走。CNNIC今年发布的报告里，截至2025年12月，中国生成式人工智能用户已经达到6.02亿，普及率42.8%。QuestMobile给出的另一组数据里，2026年6月，豆包活跃用户3.82亿，千问1.67亿，DeepSeek 1.29亿。
三年前，AI还是科技圈里一群人围着ChatGPT研究提示词。三年后，它开始进入普通人的条件反射。
这件事看起来是一个产品增长故事。实际上它背后藏着一个更大的变化。
中美都在造越来越强的AI。斯坦福AI Index今年的统计显示，截至2026年3月，两国最强模型的性能差距只剩2.7%。美国仍然拥有更多顶级实验室、先进芯片和私人资本，中国也没有停在应用层。DeepSeek、千问这些模型已经反复证明，中国同样有能力接近甚至短暂追平前沿水平。
两边参加的是同一场比赛。
可同一种技术，到了社会里，正在慢慢长成两种不同的东西。中美正在做的，其实是两种把智能送进社会的组织方式——美国让资本定价，中国用政策铺路。一项技术要抵达几亿普通人，中间要回答四个很具体的问题：成本由谁承担，资源由谁组织，先给谁用，什么才算成功。这些答案不是技术自己定的，是制度、资本和产业条件定的。这四个问题，两边的答案几乎每一项都不同。
研究技术扩散的人有个结论：一项技术的社会回报，主要看它扩散得多广，而不是发明得多早。扩散这件事，是可以被组织的。美国正在努力把智能推到更高的位置，然后给不同等级的能力标上价格。中国这边出现的另一种趋势，是先把智能的价格压下来，让它尽快进入更多人的生活和生产。它和两套体制如何组织资源、承担成本、判断成功，有很大关系。
智能的价码
一个广为人知的事实：大模型的造价非常昂贵。芯片、数据中心、电力、训练和顶尖人才，每一样都在烧钱。模型越往前走，账单越夸张。可模型一旦训练出来，多回答一个人的问题，成本又可以被不断压低。
前面像造一座水库，后面像拧开水龙头。水库由谁修，水龙头怎么收费，最后不会由技术自己决定。美国的答案，是用高度集中的资本，把最好的芯片、人才和算力聚集到少数实验室里。
这套方式确实快。2025年，美国私人AI投资达到2859亿美元，中国是124亿美元，相差23倍。如此巨大的资金涌入少数公司，足以支撑更大的数据中心和更昂贵的模型，去撞击下一个能力上限。
钱也会提出自己的要求。几十亿、几百亿美元投进去，总要找到回来的路。于是最强的能力会先进入付费订阅、企业服务和API，先服务那些能够为效率提升支付高价的人。
ChatGPT当然有免费版，美国普通人也在大规模使用AI。可免费版默认的是GPT-5.6 luna，最强的Astra模型、更高额度和更长的思考时间，始终被放在不同的付费层级里。免费层负责扩大入口，付费层负责把能力变成收入。
这是一套非常成熟的商业逻辑。先集中所有资源把智能推到足够高，再从最需要它、也最愿意付钱的人那里收回成本。等工程效率提高，旧一代能力再逐渐下放。
过去几十年的芯片、软件和互联网服务，大体都经历过类似的过程。
但AI有一个地方和普通软件不太一样。它出售的不只是一个功能。随着模型开始写代码、做研究、设计产品和处理复杂工作，公司卖出去的其实是一部分越来越通用的认知能力。
能力越强，掌握它的公司就越重要。当最先进的智能集中在几家公司手中，谁能用到哪一档能力，什么工作会被替代，模型往哪个方向发展，都会越来越受到这些公司的商业选择影响。美国体制的优势和风险，恰好来自同一个地方。资本可以把资源迅速集中起来，也会要求最有价值的能力保持足够的稀缺。
那么代价在哪里？OpenAI和Anthropic大约80%的收入来自于1%的客户，客户结构决定服务顺序，最强的能力先给最付得起钱的人。数据中心要地、要电、要水。资本可以为这些项目准备巨额投资，周围社区承担的成本却未必会出现在科技公司的账本里。CEPR一项研究发现，当一个地区的数据中心数量增加约十座时，居民电价平均高出13%。研究者把它视为数据中心扩张向家庭电费传导的证据。
美国社会已经开始对此作出反应。2026年第二季度，至少45个、总价值约680亿美元的数据中心项目因为当地反对而被阻止或推迟。马萨诸塞大学9月公布的调查里，65%的美国人反对在自己的社区建设AI数据中心。
真正值得注意的是，美国这套体制很擅长把资本迅速集中到少数企业，却很难同时协调技术扩张产生的社会成本。企业获得模型收入和能力优势，电网、社区和普通用户则在其他地方接到账单。
资本推动AI跑得很快，沿途的摩擦也被一起放大。
普及即竞争
中国走出的路不太一样。
中国当然也有资本，也有需要赚钱的平台公司。豆包、千问、元宝都不是公益项目。可这些公司所在的环境里，模型收入不是衡量AI价值的唯一方式。
AI还可以进入云计算、手机、汽车、制造业、政务和教育。它带来的回报，可以出现在硬件订单里，可以出现在产业效率里，也可以出现在平台入口和整个生态里。这给了企业另一种选择。
模型本身暂时少赚一点，甚至先补贴用户，只要它能换来规模、场景和入口，账未必一定要从会员费里收回来。
豆包就是一个很典型的例子。公开资料无法确认豆包是否已经独立盈利。它直到今年才开始推出面向高阶办公需求的付费版本，免费使用仍然是基本盘。但如果只用会员收入衡量豆包，就很容易忽略它已经做成的另一件事。
它让大量原本不会研究模型参数，也不知道什么叫推理能力的人，开始直接使用AI。当一个人把豆包的回答转进家庭群，当同事顺手说一句你问问豆包，使用本身就在制造下一次使用。产品不需要每次都重新教育一个用户，家庭、同事和短视频已经在替它完成扩散。
这个位置非常值钱。是AI时代的默认入口。
企业愿意争夺这个入口，体制也在为这种扩散提供条件。
国务院发布的「人工智能+」意见，把2027年新一代智能终端和智能体应用普及率超过70%写进了目标，2030年的目标超过90%。文件里还直接出现了技术普惠、成果共享、普惠算力和开源生态。
同时，面对最大开销的电和算力，中国的做法，是让这两样先便宜下来：在内蒙古和林格尔，数据中心的到户电价约0.35元一度，比北京低了差不多三分之二；算力则被当成铁路、电网那样的基础设施来规划，「东数西算」把机房铺到电便宜、地也便宜的地方去，国家先替这个行业把「路」修好。
路修好之后，补贴开始往「使用」上走。过去各地发算力券，补的是建设和租用；今年有个更细的变化：汕头的补贴直接对准「词元」，企业调用模型产生的费用，政府按不超过40%补贴，一年最高100万元。机房之外，政府开始替「用AI」这件事买单。
道路之变
这和一家公司在财报里宣布要增加多少付费用户，是两种完全不同的成功尺度。
一个国家把AI看成产业和社会基础能力以后，基础设施、公共采购、地方产业投入和企业竞争就可能朝同一个方向聚集。
国家需要AI进入产业，地方需要新的项目和需求，平台需要下一代入口，模型公司需要调用量。
大家的目的并不一样，最后却一起把智能的价格压了下来。这也是中国体制很容易被低估的地方。
美国拥有更丰富的先进芯片、更集中的顶尖人才和更庞大的私人资本，这些资源擅长制造第一次能力跃迁。
中国拥有的是另一组资源。六亿多生成式AI用户，成熟的移动互联网分发体系，完整的制造业，大量真实应用场景，还有把基础设施和产业需求组织起来的能力。
这些资源不一定能保证中国每次都第一个造出最强模型，却非常适合把一种已经出现的能力迅速摊开。
更多用户会提出更多真实问题，更多产业会暴露更多工程缺口，更大的调用量会迫使企业继续优化推理成本。价格降下来带来使用规模，使用规模又反过来推动模型、芯片和产品迭代。
所以普及并不是技术比赛结束以后，再把成果分给普通人。普及本身就是中国参加这场比赛的方式。
美国依靠集中最好的资源，把智能的上限推高。中国有机会依靠大规模使用，让整个社会成为技术迭代的一部分。
这两条路现在还远没有走到终点。DeepSeek也会涨价，豆包也开始收费，中国公司一样要面对商业回报。美国的模型也在降价，许多能力最终都会进入免费层。
两边当然会互相学习，边界也不会永远这么整齐。
可当模型继续往AGI靠近时，最初的组织方式会变得越来越重要。
AGI这个词经常被说得很玄，好像某一天实验室里会突然诞生一个无所不能的电子人。实际上当一个模型不再只会完成某项固定任务，而是能够处理越来越多不同类型的认知工作，编程、研究、写作、规划、分析和决策之间的边界开始消失，它就在接近大家讨论的通用人工智能。
中美都有可能走到那里，但谁先走到，只是问题的一半。
另一半是，这种智能来到世界的时候，已经被它所在的体制塑造成了什么。
智能走向哪里
两周前，DeepSeek的年轻工程师刘胜与写了一篇文章，标题叫《我不得不把才华埋葬在昨天》。
他是V4.1主Attention算子的负责人。过去，他用非常稀缺的工程能力手写算子，让模型跑得更快、更便宜。现在，AI开始学习写算子，他判断半年到一年内，机器很可能追平甚至超过自己。
他后来专门补充，说自己不是在表达失业焦虑，只是想和那段手写算子的时光告别。刘胜与把未来想成了两个方向。一个方向里，技术释放生产力，最前沿的智能开放、廉价地供应给所有人。另一个方向更像《赛博朋克2077》，少数公司掌握最先进的AI，大多数人只能接触缩水后的能力。
他自己正好站在这条分岔线上。
他用最稀缺的才华，制造不再稀缺的智能。智能变得更便宜以后，又开始降低他本人技能的稀缺性。
一个工程师告别手艺的背后，还有一个更大的问题。模型的价格和模型的所有权，迟早会影响每一个靠技能生活的人。
如果人的能力不断被AI重新定价，最强智能却始终由少数公司控制，那么技术越强，普通人与前沿能力之间的距离未必越小。
一个世界可以到处都是AI，同时依然非常赛博朋克。
广告会告诉你智能无处不在，真正决定生产、财富和机会的那一档智能，却未必属于大多数人。
回到中美这场竞争，我觉得真正重要的差别就在这里。
美国正在证明，集中资本和人才，可以让智能跑得多快。
中国正在尝试证明，智能变强以后，也可以通过另一套体制快速降低价格、扩大覆盖，让更多人参与它的使用和演进。
今天的免费可能是平台争夺用户，明天也可能重新收费。开源模型可以降低控制门槛，算力和入口仍可能重新集中。普及率很高，也不等于每个人都能获得同样强的能力。
这些问题都是真的，但中国至少拥有一种很特别的可能。
最前沿的智能不必永远被当作昂贵的稀缺商品。它也可以先被放进基础设施、产业和亿万人的日常使用里，在大规模扩散中继续生长。
最后哪条路能够率先抵达AGI，现在没人知道。
可AGI出现的那一天，它不会是一张干净的白纸。
谁为它修过路，谁为它付过钱，谁习惯了控制它，谁又习惯了使用它，这些东西都会留在它身上。
到那时候，我们得到的可能是一个能力极强、却仍然被层层定价的智能世界。
也可能是一种像今天的网络一样，逐渐变便宜，逐渐无处不在，最后成为大多数人都能使用的社会能力。
不知道未来的人会不会还说「你去问问豆包」。
但这句很普通的话，已经让我们提前看见了一点差别。
一项技术真正进入社会，并不只发生在它刷新排行榜纪录的那一刻。
也发生在越来越多普通人，不再觉得智能是一件稀缺东西的那一刻。
