文 | 啸天的 AI Lab
最近这一年，只要聊到 AI，很多人最后都会绕回同一个问题：中国和美国，到底差在哪里？
这个问题太容易被讲成一个技术问题。GPT-5 比国产模型强多少，Claude Code 比国内工具顺手多少，H100 禁售会不会卡住训练，DeepSeek 和 Qwen 到底追到了哪一步。这些当然重要，但我越来越觉得，如果只这样聊，中美 AI 的差距会被讲浅。
前阵子，我有一次比较特殊的机会，和一位做内部调研的朋友聊了将近一个小时。对方想了解的不是某个产品、某家公司，而是一个更大的问题：站在一线使用者和从业者的角度，怎么看中美 AI 的真实差距。
我当时把它拆成了很多层：工具、模型、生态、文化、基建、信息、人才。讲到最后，我自己反而越来越清楚一件事：
中国 AI 真正缺的，不是另一个 Claude 或 GPT
模型当然要追，工具当然要追，算力当然要补。但这些都不是最难的部分。真正难的是，当一个普通人、一个工程师、一个产品经理、一个被大厂裁掉的中年老兵，真的想用 AI 做点什么的时候，这个社会有没有一条路，让他把东西做出来、发出去、卖出去、活下来。
美国 AI 的核心优势，不只是 OpenAI 和 Anthropic。它更深的优势是：一个人有了想法，下午就能开工，晚上就能上线，第二天就能收钱，第三天就能被全世界看见。
中国 AI 的核心问题，也不只是模型差一代。它更深的问题是：很多人明明有能力、有经验、有想法，却卡在一堆看起来不属于 AI 的地方。
收款、备案、网络、合规、社保、年龄、舆论、家庭期待。这些东西叠加在一起，才是真正的差距。
第一层：模型和工具，其实不是最可怕的差距
先说最显眼的那层。如果只看模型和工具，中美当然有差距。但这层差距，我反而没那么焦虑。
我自己每天重度使用 Claude Code。写代码、改项目、读仓库、整理文档，很多时候它已经不是一个聊天机器人，而像一个坐在终端里的工程同事。它能理解一个复杂项目的上下文，能跨文件修改，能跑命令，能在我没说完整的时候补上意图。
这类体验，国内产品确实还差一点。
国内也有 Trae、通义灵码、豆包、Kimi、DeepSeek、Qwen。日常写作、问答、代码补全、简单工具开发，已经能做很多事。尤其是 DeepSeek 和 Qwen 这一轮开源，是真的打进了全球开发者社区，不是国内自嗨。很多海外开发者开始主动用中国模型，这件事放在上一轮技术浪潮里很少见。
所以我对模型层的判断反而比较克制：
闭源前沿模型，我们很难追上 OpenAI 和 Anthropic；但开源模型，中国已经有世界级选手。
真正的短板，不在 " 能不能回答问题 "，而在两个更细的地方。一个是 Agent 能力，也就是模型能不能稳定地规划多步任务、调用工具、读写文件、自己修错。另一个是长上下文一致性，也就是当上下文超过几十万字之后，它还能不能保持判断不跑偏。
这两个能力，正好是 AI 从 " 聊天工具 " 变成 " 生产力系统 " 的关键。但即便如此，这层还是能追的。因为它可量化、可对比、可训练、可迭代。今天差 1 代，明年可能差 0.5 代。今天 Agent 不稳定，明年工具调用可能就成熟一大截。
技术差距最残酷的地方，是它很显眼；但技术差距最不残酷的地方，也恰恰是它很显眼。显眼，就意味着有人盯着，有资本砸，有团队追，有榜单比较，有用户天天骂。它会形成压力，也会形成进步。
真正让我担心的，反而是那些没有榜单、没有 benchmark、没有发布会的差距。那些差距不显眼。
但它们更硬
再往下走一层，差距就不只是产品体验了。它变成了一种生态和文化的差别。
我有时候会想象这样一个画面：一个硅谷工程师，下午突然想到一个小工具，晚上用 Cursor 和 Claude 写出来，部署到 Vercel，发到 Product Hunt 或 Hacker News，第二天有人试用，第三天接上 Stripe 开始收钱
但在中国，同样一个人、同样一个想法、同样一个 AI 工具，脑子里很可能先冒出来的不是 " 我今晚试试 "，而是：公司竞业会不会有问题？域名要不要备案？收海外款怎么处理？会不会涉及内容合规？小程序审核要多久？别人会不会觉得我不务正业？做出来以后发到哪里？如果火了，会不会反而惹麻烦？
差距，就在这种下意识的反应里。
美国独立开发者默认自己可以做一个小产品。中国开发者默认自己要先判断一圈风险。
这不是中国人不聪明，也不是中国人不勤奋。恰恰相反，我看到的大量中国开发者、产品经理、创作者，动手能力很强，执行力也很强。问题是，他们做出来以后，经常没有一个顺畅的地方可以被看见，也没有一个稳定的地方可以变现。
所以一个很奇怪的现象出现了：
硅谷最受尊重的是 Builder，中国最容易赚钱的是讲 Builder 的人
国内也有很多优秀的 AI Builder。但如果你看热闹的地方，会发现最容易被看见的往往不是做产品的人，而是讲方法论的人、卖课程的人、做社群的人、解读趋势的人。
这不是道德批评。因为在一个做产品不容易变现、发产品不容易被看见、合规成本又很高的环境里，讲 " 怎么做 " 当然比真的 " 做一个产品 " 更稳。
聪明人会顺着激励结构流动。
如果一个生态长期奖励 Talker，而不是 Builder，最后就会慢慢形成一种反向选择：最会表达的人去卖课，最会做东西的人沉默，最有潜力的产品要么死在朋友圈，要么干脆出海。
所以我越来越觉得，中国 AI 生态最深的差距，不是 " 有没有聪明人 "，而是：
聪明人最终被引导去做什么。
美国的路径是：做出来，发出去，卖给全球用户。中国的路径常常变成：学会了，总结成课，卖给想学的人。
前者长出产品。后者长出内容。
内容当然也有价值。我自己也在写公众号，也在做个人表达。但一个国家的 AI 产业不能只靠解释 AI 的人，它终究要靠真正用 AI 做出新东西的人。
如果 Builder 只是亚文化，AI 就很难长成主流生产力。
第三层：最该改的，不是口号，是基础设施
但我不想把问题都推给文化。文化很慢，十年都未必改得过来。可有些东西，其实今天就能改。
比如基础设施。
一个美国独立开发者想做一个 SaaS，他可以用 Stripe 收款，用 Vercel 部署，用 GitHub 协作，用 Gumroad 卖数字产品，用 Product Hunt 获取第一波流量。
这些东西听起来不像 AI，但它们决定了 AI 能不能变成产品。因为 AI 只是把 " 做出来 " 的成本降低了。可一个东西要真正成为生意，还要经过上线、访问、收款、纳税、客服、分发、合规。美国这套基础设施，是围绕小团队和独立开发者长出来的。
中国并非缺乏基础设施。我们有强大的平台、云厂商、支付系统、小程序生态和企业服务能力。但这些设施大多是为大公司、成熟业务、强组织设计的，很难适配一个人从零到一搭一个轻量产品的需要。
最典型的是备案
如果你只是想用 AI 做一个小网站，验证一个想法，在中国你很快会遇到域名备案、服务器备案、内容审核、平台规则、小程序审核。每一个环节单独看都有道理，但叠在一起，就会把一个轻量实验变成一个重型项目。
我自己做网站、做小程序的时候，对这件事感受很深。AI 让我一天能写出一个原型，但现实流程能让我一个月都上不了线。
这个错位特别荒诞。前沿模型在按周迭代，基础流程还在按月消耗人。
所以我想把这句话说得重一点：
美国基建是给 Builder 加速的，中国基建经常是在给 Builder 做压力测试
但现实是，很多最重要的技术信息，在国内访问都不稳定。GitHub 大文件慢，Hugging Face 模型下载不稳，Discord 技术社区打不开，很多官方文档加载困难。于是中国开发者常常不是站在同一条起跑线上，而是先花一部分精力去 " 找入口 "。
这个差别会被低估。一天没什么，一周没什么，但一年下来就是代差。美国开发者的信息是自动流到他面前的。中国开发者的信息是他主动翻回来的。
这不是姿势差异，这是摩擦差异。而创新最怕的就是摩擦。
我并不觉得这些问题都需要靠 " 大政策 " 解决。很多事情其实可以很具体：给独立开发者更轻的备案机制，给小团队合规的海外收款通道，给科研和开发者群体稳定访问技术资源的白名单，把 AI 开发者当成一种基础生产力人群，而不是一群偶尔折腾副业的人。
这类改动没有那么宏大，但它可能比多喊一百句 " 鼓励 AI 创新 " 更有用。
第四层：被浪费的 35 岁，可能是中国 AI 最大的金矿
最后一层，是我这次对谈之后最想写下来的。
谈 AI 人才的时候，大家很容易盯着两类人。一类是顶级科学家、清北博士、海归研究员、OpenAI 和 Anthropic 里的华人。另一类是年轻工程师，应届生，算法新人，未来十年的 AI 原生一代。
这两类当然重要。但我觉得我们漏掉了中间一层人：
30 到 45 岁，被大厂训练过、也正在被大厂淘汰的那批中高级老兵
这批人很尴尬。他们在过去十几年里做过产品、做过运营、做过增长、做过商业化、做过供应链、做过私域、做过项目管理。他们懂业务，懂组织，懂客户，懂流程，懂一个东西从 PPT 到真实落地之间到底会死在哪些地方。
但在传统就业市场里，他们又越来越不被欢迎。年龄贵，包袱重，不够 " 年轻有冲劲 "，简历上只要有一段 gap，就会被问 " 这半年你干嘛去了 "。很多人 35 岁之后突然发现，自己过去十几年的经验，在招聘系统里没有想象中那么值钱。
可 AI 出现以后，这件事有了一个反转。因为 AI 把 " 做出来 " 的门槛降下来了。
过去，一个产品经理有想法，但不会写代码，想做一个小工具，需要找前端、后端、设计、测试。现在，一个有业务经验的人，加上 Claude Code、Cursor、现成 API 和云服务，就能把很多想法先做成一个能跑的版本。
这意味着，AI 时代最稀缺的能力，未必是从零写代码，而是判断什么值得做。这恰恰是那批 30 到 45 岁老兵最有价值的地方。
他们知道一个企业真实的工作流是什么样，知道客户嘴上说的需求和真正愿意付钱的需求差在哪，知道一个流程看起来简单但为什么在组织里推不动，知道哪些自动化是锦上添花，哪些自动化能真的救命。
这些不是学校里教出来的。这是在一线被需求、老板、客户、预算、KPI、协作反复捶出来的。
我自己对这件事感受很强。我不是程序员。我是一个做了十几年 B 端产品的人。没有 AI 的时候，我的很多想法都停在文档里。因为我要做出来，需要一个团队。
但过去半年，AI coding 工具让我一个人做了很多以前不敢想的事：小程序、自动化流程、视频混剪系统、个人 AI 助理、内容生产系统。
这些东西不一定都成功。但它们让我第一次很清楚地感觉到：过去那些看起来 " 只能写进方案 " 的经验，开始可以被我亲手变成工具。
所以我在那次对谈里脱口而出一句话：
Claude 和 GPT 治好了我的 35 岁焦虑。因为我真的有事干
美国有全球顶级 AI 科学家，有湾区工程师，有资本和创业生态。中国有什么？
中国有过去二十年互联网、制造业、电商、游戏、供应链、私域、线下零售、企业服务里沉淀出来的一大批经验型人才。
这些人未必会训练大模型。但他们知道 AI 应该落到哪里。
这才是中国 AI 最可能形成差异化的地方。不是再造一个 OpenAI，而是让一大批懂业务的人，借助 AI 变成能动手的 Builder。
但前提是，社会要接得住他们。
社保、医保、税务、贷款、子女教育、创业过渡期、个体工商户、灵活就业保障，这些东西听起来都不性感，和 AI 发布会没有关系。但它们决定了一个 38 岁的人敢不敢离开公司，敢不敢试半年，敢不敢把自己十几年的经验拿出来重新组合。
如果一个社会只会用 offer 判断一个人的价值，那它就很难看见 AI 时代真正有价值的那批人。
模型追上以后，问题才会真正显形
写到这里，回头看中美 AI 差距，我会把它压缩成四层。
第一层是模型和工具。这一层能追，也正在追。中国的开源模型已经打出了一张很硬的牌。
第二层是生态和文化。美国在养 Builder，中国还在让太多聪明人变成 Talker。这一层最慢，也最难。
第三层是基础设施和信息。这一层不是不能改，而是还没有被当成核心问题来改。
第四层是人才。中国真正的机会，可能不是培养更多 " 从零开始的 AI 新人 "，而是激活那批已经懂业务、懂组织、懂客户、但被传统系统低估的中年老兵。
这四层叠在一起，你会看到一个有点反直觉的结论：
模型差距可能是最容易被解决的差距。
因为它最显眼最被讨论，最容易被投入资源。真正决定中国 AI 命运的，反而是那些不太像 AI 的东西：一个人能不能访问世界前沿信息，能不能快速上线一个产品，能不能合规收到第一笔钱，能不能在没有稳定 offer 的半年里不被生活压垮，能不能在 35 岁之后还有机会重新下场。
这也是为什么我说，中国 AI 真正缺的，不是另一个 Claude 或 GPT。我们当然需要更强的模型，但更需要的是一条让 Builder 活下来的路。
如果没有这条路，再强的模型也只会变成少数大厂的生产工具，变成一批课程和社群的销售话术，变成很多人朋友圈里又一次 " 看起来很热闹 " 的时代背景。
如果有这条路，事情会完全不一样。一个产品经理可以变成半个工程师，一个剪辑师可以变成一个视频工厂，一个中年运营可以把十年的业务经验变成一套自动化系统，一个小团队可以服务过去只有大公司才能服务的客户，一个普通人也许不再只是等待下一次组织分配机会，而是可以自己造出一个入口。
我越来越相信，AI 时代真正的国家竞争，最后拼的不是谁有最多会用 AI 的人，而是谁有最多敢用 AI 去做事的人。
会用，是技能。
敢做，是生态。
所以这篇文章如果非要收束成一句话，我会选这一句：
中国 AI 不缺能力，缺的是让能力被看见、被连接、被交易、被长期养活的通道
但那条通道，不能等模型追上以后才修。因为等到模型真的追上的那一天，我们才会发现，真正的差距，早就不在模型里了。
