本文来自微信公众号： 数字经济发展评论 ，作者：数字经济发展评论
导语
在中美投资一线跑了十年的DCM投资人David Cheng，近期的中国之行没看到“听令行进的庞然大物”，只看到一个互相挖人、月月发版的竞争生态。基于其9月18日发布的田野笔记，本文梳理他对算力稀缺、开源策略、智能体生态、资本出口与能源底牌的观察。这些判断未必全对，但胜在具体：国内付费意愿未解，美国开发者便成了各家最用心的听众；开源权重一旦收紧，今天被归为“约束”的现象，含义也会随之改变。在这个意义上，信息不对称已不只是认知盲区，而是必须纳入评估的竞争变量。
原文标题：Involution Without Export Is Wasted Effort
原文来源：Earned Intuition（Substack）
编译解读：数字经济发展评论
本文作者David Cheng作为在美国出生长大的华裔投资人，在DCM这家横跨中美两地的投资机构干了十年。
此行来到中国，他走访了模型实验室、机器人公司、学者与科技媒体，还组织了几场本地投资人和创始人饭局，发现了一个美国版叙事里经常缺失的背景：中国经济眼下仍处于结构调整期，各行各业都在寻找新的增长动力，而AI是政策资源重点投入、市场活力最集中的方向——电力支持、上市通道、充分的市场竞争，都向这个领域倾斜。
内卷
贯穿整趟旅程的一个词：内卷。
它本来是个学术概念，指投入不断增加却产出不了增长——人人加码，无人前进。中国科技圈拿它当行话，形容的正是此行到处看到的东西：几百家实验室互相竞争、互挖研究员、月月发版，跑着一台能产生真正的工程卓越、却暂时难以沉淀利润的跑步机。
当地流传的一句话比任何总结都好：如果不出海，就白卷了。国内高强度竞争，出海是把努力兑换成价值的主要通道。接下来要描述的几乎所有行为——开放权重、价格下探、蒸馏、对美国开发者的积极争取——都是围绕这两层事实展开的。
那怎么办呢：算力稀缺如何改写研发
David Cheng此行听到的估算是，美国的有效算力，超过中国所有实验室总和的十倍。
美国方面的解读是，稀缺逼出了中国实验室独特的进化路径，但国内的从业者不是这么讲的。一家头部实验室的资深研究员说得很直白：他们在后训练上逼出来的收益，就是因为“拿不到高性能芯片”。国产芯片在高效大规模训练上还有差距；推理侧处境稍好：阿里巴巴称其自研的PPU优于H20，尽管测试是在200亿到1000亿参数模型上跑的。
算力稀缺不只是拖慢训练速度，它挤压的是实验空间：没办法跑那些可能失败的探索性预训练，那个原本能跑通的扫描也就跟着消失了。前后十几个场合，他反复听到的是同一句话：“那怎么办呢？”
由此产生的焦虑在行业内部普遍存在，这超出他的预料：行业的强项集中在“从1到10”的工程优化，“从0到1”的原创突破还相对少。从外面看是效率，从里面看是一连串取舍。
David Cheng甚至见过因为缺算力而把路和桥修到东南亚偏远地区的实验室，目的只是落地预制的模块化数据中心。
开源不是选择：落后者的分销楔子
当存在能力差距时，开源较弱的模型，是最有效的分发方式。看例外就知道这条规则在运转：字节是唯一把旗舰闭源的大厂，因为豆包已有超3亿用户，分发握在自己手里；阿里居中，开源一个模型家族，旗舰的2万亿到5万亿参数版本保持闭源、只提供接口，通义千问Max历来闭源。
一位高校研究者的一句话，值得反复琢磨，因为这句话对美国实验室同样成立：“当你落后于前沿时，开源能让单位能力换来的声望最大化；一旦领先，你就会闭源。”
据此判断，开源是一个阶段、一个层级，而不是一种信念，转折迹象已经开始出现：智谱推迟了GLM 5.3权重的发布，月之暗面与MiniMax都开始给许可证附加收入门槛。权重大概率会收拢，只是这件事的发生时间由算力决定。
榜单之外：长任务与缺失的强化学习环境
上海一位预训练研究员给出了一个很有启发的解释：智能体差距的根源，可能在于国内缺乏丰富的工具调用环境。
美国公司默认互联互通：开放API接口、MCP协议、网络钩子，以及上百款预设了自己会被其他软件调用的SaaS产品。美国的智能体是在真实世界的接口上训练的，教一个模型调用工具、串联多步工作时，这些工具存在、有文档，调用它们稀松平常。
而国内的软件生态是封闭的，企业级软件服务渗透率有限，可调用、可串联的数字化工作接口还不够多，智能体缺少足够丰富的练习对象。
这个理论能解释不少现象：比如字节为什么会押注原生图形界面智能体，那是对封闭生态的架构层面绕行，而不是押注某条技术路线更优越。它还解释了为什么国内缺少独立的可互操作基础设施层，头部公司倾向于云、芯片、模型、应用全部自建。
对美国创业者的启示是：默认互操作的生态，其实是一种训练资产。这个差距不是多投后训练就能补的，它取决于整个软件生态的开放程度。
如果不出海就白卷了：唯一的变现出口
高强度竞争的另一面是：所有人都知道答案在别处。“出海”这个词被提到的频率太高，它已经不像策略，更像共识。
具体到各家：MiniMax在2026年上半年文件中披露，海外收入占比超过60%，总收入为1.166亿美元，其中企业与平台业务占总收入的63.4%；智谱目前以国内为主，客户多为国有企业，同时在海外布局主权AI业务，境外销售增长很快。
通义千问是海外采用量最大的一个，下载量超过10亿次，但因全部权重以Apache 2.0许可证发布，反而收不到钱，商业价值主要通过阿里云带动。
a16z估算，初创公司使用的开源模型中约80%来自中国模型，而其中用得最广的是通义千问，这个采用规模本身，就是中国模型工程能力的证明。如何把它转化为收入，是接下来的课题。国内付费意愿的问题始终没有被解决，这正是每家实验室发新版、降价格、改协议，围绕美国开发者的原因。
David Cheng还第一次从供给侧观察第三方推理服务商。大量中国实验室在北美的负载流经Fireworks与Bedrock。出于美国方面监管合规的考量，这些服务商成了中国实验室与美国企业之间的气闸：MiniMax、智谱与通义千问都经由美国服务商转接，使客户数据不出境。
多数情况下，中国实验室从这条路径里赚不到钱。向其中一家提起这件事，得到的答复是：这是暂时的，不可能一直是这样。但结构性事实是，这个卡口由美国监管恐惧制造，地缘政治越紧张，规定越密，卡口就越结实。
被堵住的资本出口：Manus案与两套基金
人民币和美元，是两套运行逻辑不同的投资体系。美元基金曾是上一辈互联网公司的主要推手，如今在一些敏感领域更谨慎；人民币基金募集于国内，条款中常见回购安排和上市时间窗口要求，资本对退出节奏的预期更高。
估值也因此更集中：可投标的有限，资金向头部汇聚，月之暗面的市销率约115倍，而美国前沿实验室大约20到30倍。
投资人圈子里常提到Manus的案例：团队起步于北京，取得了Benchmark的投资并迁至新加坡。2025年12月，Meta以大约20亿美元收购该公司并开始整合团队；今年4月，国家发展改革委基于国家安全考虑要求撤销这笔交易；8月，Manus宣布恢复独立运营。这类案例让跨境架构的设计变得更受重视，也让更多创始人在第一天就认真考虑公司的注册地与资本路径。
中国造“身体”
具身智能是开源故事的硬件镜像：智能层与硬件层，正在全球范围内分工协作。
作者此行拜访的一家上海机械臂厂商，营收数千万美元，正在翻倍，客户包括多家美国科技公司和具身智能创业公司。深圳的第一视角训练数据作坊，是同一个模式的下一层。
有启发性的对照是宇树：刚在上海上市，市值约60亿美元，2025年在约2.57亿美元营收上实现盈利，其人形机器人收入约四分之三来自科研和教育市场。在机器人最细小的部件周围——执行器、减速器、力传感器、灵巧手——已经聚集了数千家零部件创业公司。这套供应链的搭建速度和成本优势，目前别处难以复制。
一种来自从业者的冷静判断
此行遇到的对行业前景最审慎的人，恰恰是做过头部AI应用的从业者。
他的看法是：模型的部分进步借力于对前沿模型的学习，差距有结构性的一面；如果外部模型逐步收紧公开程度，这条路径会变窄；资本市场偏好更早的变现，长周期基础研发的投入受限；芯片性能差距短期仍在。他也承认两个强项：后训练世界级，私有化交付世界级。
这位从业者的结论偏向谨慎。而作者的观察是：这类冷静判断在国内从业者中并不罕见——对差距看得清，恰恰是追赶者最可贵的状态。
剩下的牌：能源、部署与硬件
在国内AI的优势上，他列出四条。
第一条是能源，“中国有用不完的电，美国有芯片。”这句话的各种版本在这一周里反复出现。背后是两项国家级工程：“西电东送”“东数西算”。西部省份的态度很直接：把算力带来，给足电力支持。
第二条是发布节奏，敢于信任年轻人：按月发布，一年级研究员直接进入核心模型组。敢把真活交给没准备好的人，往往能很快让人变得准备就绪。
第三条是制度化的自我批评。阿里巴巴每年在全员会上颁发“最差产品奖”。能让产品负责人站在所有人面前接受批评，并且事后仍能留在原位的组织文化并不多见。
第四条，也是给作者留下最深印象的一个观察：国内研究美国，远多于美国研究国内。在闲聊中出现的美国小众创业公司之多让人惊讶，这种信息不对称，值得美国注意。
走近看到的不是铁板，而是一千个疲惫的竞争者
David Cheng写道，如果只能删除美国话语里的一样东西，那就是“中国AI战略”这个说法。在每一次会见中，实验室、投资人、媒体彼此独立、未经提示，都说同一件事：国内竞争比与美国实验室的竞争更残酷。当他复述美国人把中国AI想象成一个在指令下整齐行进的方阵时，在场的人笑了，不是防御性的笑，而是感到滑稽。
这趟调研出发时想找一个铁板一块的庞然大物，结果看到的是一个充满活力的竞争生态：高强度竞争淬炼出真正优秀的工程师和工程能力。一旦算力条件改善，今天被归因为“约束”的许多现象，含义都会改变。开源权重，大概率也会逐步收紧。
还有一样东西，像镜子：国内对AI的社会态度。不止一次有人表示：“很奇怪，美国好像很多人在抗拒AI。对我们来说，这是明显要来的东西，那不如早点学着共处。”两种社会心态的差异——一边在争论“该不该建”，一边在讨论“怎么建好”——是此行带回的，比任何数据都更值得回味的观察。
这份记录列出的美国优势很直白：十倍以上的算力、前沿模型、长程智能体上的差距、运转正常的资本市场、可用的并购退出通道、愿意为五年以上研究付费的私人资本、默认互通的生态，以及把安全当产品要求的应用公司。
短板也真实：能源，涉及审批，需要五到十年的物理约束；注意力，中国研究美国的细致程度，远超美国研究对方，而美国的不了解多半是自己选择的。
