中美AI差距缩到3%，被低估的是谁｜老高AI观察

老高AI观察 · 第22期｜2026 年 10 月 6 日

一组数字摆在一起，比单独看任何一个都刺眼：中国最顶尖的模型，在基准测试上只落后美国 3％；而同一份报告的作者判断，中国 AI 行业可能要到 2030 年才能盈利。追平的是分数，没追平的是账。这是彭博行业研究（Bloomberg Intelligence）10 月 5 日发布的报告给出的两条结论。过去一年我们习惯的“差一代”“差半年”，如今被压到个位数百分比——但被压掉的只是分数。对国内读者，意义不在“我们赢了”，而在两件事：国产模型会更够用、价格继续往下走；做 AI 生意的团队，接下来面对的不是能力短板，是利润天花板。

三个季度，差距从 15％ 收到 3％

先摆事实。彭博行业研究（Bloomberg Intelligence）高级分析师 Robert Lea（罗伯特·利）在 10 月 5 日（周一）发布的报告里写道：自 DeepSeek 今年 9 月发布 V4.1 Flash 后，中国顶尖模型与美国竞争对手在基准测试得分上的差距已缩小到 3％，而 5 月还约为 9％，年初约为 15％。支撑它的是 LiveBench——按问答、谜题和实际任务打分的第三方榜单：DeepSeek V4.1 Flash 在 9 月排到全球第 6，是 2025 年 R1 出圈以来中国模型拿到的最高名次，最新得分 81.1，美国 Anthropic 旗下最高分模型是 83.4。

报告把中国这轮进步归到两件事：国内团队在 AI 上的积累越来越厚，以及研究人员很会针对国产硬件做优化。彭博社的报道点出延伸——这些进展让外界质疑，美国限制英伟达芯片出口还起不起作用。报告也留了活口：在被指控“模型蒸馏”后，中国模型在美国正面临更严的监管审查，甚至可能被禁用（信源：彭博社报道、LiveBench 榜单）。

这条线的起点比看上去更早

15％ → 9％ → 3％ 这条线，不是 9 月才画出来的。起点可以追到 2025 年 DeepSeek 的 R1——那一次它让“开源模型能打”成了行业共识。之后的节奏站内一期一期记过：今年上半年我写过 开源模型只差 4 个月那次，当时比的是发布时差；现在这份报告比的是跑分。指标换了，方向没换——这类跟踪我都收在 老高AI观察 这个系列里。

另一条线是硬件。今年国产芯片上的适配进展，让“针对本土硬件优化模型”从口号变成了可量化的分数，比如 DeepSeek 把组件开源到昇腾上 这类动作，本质是把软件门槛补上。把这些放在一起，“为什么是现在”就有答案了：模型、算力、工程三件事同时往前挪，不是某一次发布的偶然。

差 3％ 的是跑分，不是生意

3％ 很好传播，也最容易读错。第一，这是“最强对最强”的差距，不是整体差距——同一份报告里写着，LiveBench 前 15 名模型里中国只占 3 席。我们有一个能打的高点，没有一片能打的高地。

第二是榜单的性质。Robert Lea 自己提醒，这类排名会变，而且无论排第几，变现都可能很困难。跑分衡量的是“答得对不对”，不是“用户愿不愿意付钱”——这段距离，恰恰是过去一年国内 AI 行业最没解决的部分。所以正确读法是：能力进第一梯队是真的，但不证明这门生意跑通——把两者混为一谈，是这波讨论里最常见的误读。

没被追平的是付费意愿

为什么说“账”没追平？看两组对照。一边是美国的头部公司——彭博社报道提到，Anthropic 和 OpenAI 正为潜在 IPO 争取万亿美元级估值，“模型更强”正是支撑估值的重要理由。另一边是国内：超过 1100 个 大语言模型挤在同一条赛道上，Token 价格一路往下走。Robert Lea 的判断很直接——中国 AI 行业可能要到 2030 年才能盈利，原因是大家都挤在低毛利的模型调用生意里。商业化跑在前面的只有字节的豆包；DeepSeek 和腾讯的部分聊天机器人到现在仍免费。

我在 词元用量全球第一那期 里写过同一件事的另一面：中国调用量全球第一，但赚得少。这次报告从外部给了印证——用量能涨，是因为便宜；赚得少，也是因为便宜。Lea 的原话是：要让中国 AI 走上可持续盈利的路，需要竞争压力降温、行业洗牌，以及更理性的定价。

谁的旧经验不管用了

这件事落到不同人身上，影响完全不一样。普通用户这边结论最直接：国产模型已经够用。3％ 的跑分差，在日常写作、翻译、整理资料上基本感受不到，而价格比美国同行低得多——如果你还在为“国产的能不能用”犹豫，这个犹豫可以省了。

做 AI 工具生意的人盘算就复杂了：过去两年“模型能力不够”是很多产品做不起来的理由，现在基本站不住：门槛挪到了别的地方——分发渠道、单位成本，以及你能不能找到一个真正有人愿意付钱的场景。放到整站看也一样：我们 AI模型库 里收录的模型，今年明显是“数量更多、差异更小”，选型靠跑分已经排不出高下。

如果我是错的，会错在哪一步

得说清楚这份判断的软肋。第一，报告来自单一机构：彭博行业研究是彭博社的研究部门，结论经彭博社报道传播，但严格说，我目前没在中文侧看到权威媒体的独立核实，这一条如实标出来。第二，基准测试可以被“优化”，模型针对榜单做专项提升在业内不是新鲜事，跑分追赶的速度可能快于真实体验的追赶。第三，3％ 说的是顶尖模型不是全线——前 15 名里中国 3 席，这个数字比 3％ 更能说明结构。所以我的判断只在“能力已进入第一梯队”这一层站得住。

手上其实有三个选项

落到动作上，给三种读者各一句。普通用户——找一个手头重复度最高的活儿，用国产模型跑一周，比时间和结果，够用就换。

做工具或副业的——把成本表重算一遍：模型调用成本，以及你能收多少钱。能力不再是护城河，能不能收上钱才是。想找一个能长期用的国产主力模型做底座，可参考 DeepSeek V4.1 Flash（DeepSeek 推出的原生多模态低成本主力模型）。

看行业的人——把注意力从“谁跑分高”挪到“谁在收钱”。接下来一年关于中美 AI 的讨论，重心会从能力转到商业模式，这也是国内最薄的一环。

结论放这儿

我的结论是：中美模型的能力差距已经收窄到可以忽略竞争的地步，但商业差距没有同步收窄——接下来真正决定输赢的，不是谁再快 3％，是谁先找到愿意付钱的人。

关于中美AI差距，集中答三个问题

依据与出处

• 彭博社（2026-10-05）：报道彭博行业研究关于中美 AI 模型差距的测算与分析师判断
• 彭博行业研究（Bloomberg Intelligence）（2026-10-05）：Robert Lea，3％ / 9％ / 15％ 三档差距与 2030 年盈利判断
• LiveBench 全球榜单（2026-09）：DeepSeek V4.1 Flash 81.1 分、全球第 6，前 15 名中国占 3 席
• 联合早报（2026-10-05）：区域主流媒体报道，独立印证同一份报告的结论

老高，AI工具箱站长，更关心这些变化对普通人意味着什么。想及时拿到AI行业动态、工具玩法和能落地的创业机会——👉 免费加入AI工具箱交流群