美元基金机密LP信泄露：中美AI这盘棋

一家总部在纽约风投基金Dimension给LP的机密信被泄露了，主要内容是这家基金的合伙人在中国深度调研后，对中美AI格局的判断。

我把原版英文信和翻译都展示出来，供各位参考：

1. 卡脖子反而把中国工程师逼出了真功夫。

出口管制本想拖慢中国，结果适得其反——算力不够用，逼着一批工程师去啃最底层的东西。

这些活美国人根本懒得碰，因为他们不缺卡。

DeepSeek就是个典型：拿着被阉割过的2048颗H800，硬是绕开CUDA用PTX底层编程，把132个流处理器里挪出20个专门做节点间通信，这样才把互联带宽的短板补上。

这不完全是人才厚度的差距，更像是激励机制不一样：美国工程师多花点钱买算力就完事了，中国工程师(可能编译器和系统都得懂)只能靠"抠"。

这种从内核到编译器再到系统工程、再到芯片这种"从有钱花到没钱花都得省着来"的全栈效率打法，才是真正把发明逼出来的动力。

2. 中国这一代开源模型，两年干成了西方企业软件几十年没干成的事——真正打进了西方的技术栈。

中国模型在OpenRouter上的调用量份额，18个月里从不到2%飙到45%以上；Qwen的下载速度创了HuggingFace历史纪录；美国大概80%的AI创业公司手里至少跑着一个中国开源模型。

开源等于直接绕开了"要不要买"这道坎——软件都免费了，谁还犹豫？

说白了，中国正在把"推理"这一层的利润从整个链条里抽走，不管这是不是故意为之，反正复杂系统里利润总会流向能压榨它的那一方。

从我们在中国实地聊的情况看，没人否认：中国头部实验室的野心是把商业模式做大做扎实。

虽然"开放权重、快速跟进"这条路某种程度上是在拖累美国头部实验室的营收数字，但同时又把生意做给了超大规模云厂商和新兴云厂商，让他们去赚推理的钱。

除非棋盘本身出现重大变化，我们不觉得这个趋势会停下来。

3. 中国AI圈内部卷得比外界想象的厉害得多。

DeepSeek、阿里(Qwen)、月之暗面(Kimi)、字节(豆包)、智谱(GLM)这五家，实力差距小到每个季度排名都能洗一次牌(顺带一提，腾讯虽然体量摆在那，但已经掉出第一梯队了)。

五家同时拼节奏、拼能力，还都把权重开源出来，这跟美国那两家闭源大厂完全是两个物种。

走这一趟我们更确信：中国内部这种竞争带来的创新，一点不比西方媒体老盯着的"中美对抗"故事逊色。

4. 现在一个模型的能力，得在太平洋上来回跑两趟才能真正到用户手里。

链条是这样的：美国实验室训出最强模型→中国实验室蒸馏出来开源→美国应用公司拿中国的权重去微调，再卖回给美国企业客户。

Cursor号称"自研"的Composer 2，底子其实是Kimi K2.5；

Cognition的SWE-1.5看着也像是改装版GLM。

巧的是，就在我们从上海高铁飞奔到北京这段时间，Harvey发布了新模型Harvey Tenet——后训练自Kimi开源的K3。

放一年前，这些公司找的底子还是Llama，顶多是Mistral。

现在美国垂直AI的地基，已经变成了中国的开源权重，里面藏着的其实是美国前沿模型的智能成果。

5. 数据标注这层也在走同样的路子。

美国的数据供应商——Mercor、AfterQuery、Turing——都被曝出跟蚂蚁、阿里、字节有生意往来。

我们在实地看到一批新兴的中国团队，做的不是标注这种苦活，而是评测和验证类的基础设施。

比如UniPat，2025年12月由一位北大博士生创立(在Qwen、月之暗面、腾讯都实习过)，他们做的基准测试现在被美国实验室写进自己的模型报告里引用，而且他们说靠自研的"打分标准监督"方法训小模型效果很猛。

这种"拿监督质量换算力"的打法，跟第1条说的那种资源受限逼出来的适应力，逻辑是一回事。

我们在北京上海看到不少这个赛道的团队，大多成立不到两年，其中几家很快就冲到年营收1亿美元以上。

6. 中美现在卡在两个完全相反的瓶颈上。

2024年中国新增发电量大概429吉瓦，美国才51吉瓦；到2030年中国估计还要再加400多吉瓦。

反过来美国有241吉瓦的数据中心扩建项目，正卡在原有电网接入需求的队伍后面，得等五年。

中国的瓶颈来自算力，这个我们之前也写过——月之暗面的K3上线才两天就因为推理算力不够暂停新用户注册，就是个活生生的例子。

美国是芯片多但越来越缺电，中国是电多但缺芯片。

业内基本是共识是：中期走势就看这两个瓶颈谁先松动——是美国的发电和电网接入更快，还是中芯国际、华为的良率和封装工艺追得更快。

7. 中美AI收入差距还是巨大，接近两个数量级。

Anthropic年化收入7月底破650亿美元，OpenAI 8月冲到400亿；而中国最能打的模型收入——字节的视频模型——年化才20到30亿美元，纯做模型的公司大多还在几亿美元级别，DeepSeek据说快摸到5亿美元年化了。

消费端来看，豆包月活3.45亿，比Qwen加DeepSeek加起来都多，但每天收入不到100万人民币，几乎全靠电商抽佣。

中国消费者一直不太愿意为软件掏钱，虽然我们不是研究中国经济的专家，但也不觉得中产阶层马上就要改变这个习惯。

当然，这么大的用户规模最终摸出变现门道也完全可能，就像十年前中国消费互联网走过的路；或者干脆走电商加广告这条路——恰恰是美国实验室一直不太愿意碰的领域。

中国创业者身上有种毫不掩饰的实用主义，不会因为"名声不好听"就绕着走。

8. 硬件层面在半导体这一环脱钩，但软件和数据这两层反而缝合得比任何一国政府反应都快。

美国的应用跑在中国的开源权重上；中国实验室在马来西亚、泰国租英伟达的算力训练，蒸馏的是美国模型的输出；专家标注数据两边互相流动。

我们觉得"到底谁赢了"这个问题本身有点问错了方向——现状是这套系统已经相互缠绕到用"某国全面领先"这种说法根本讲不清楚了。

除非出现一次不连续的突破，比如真正可控的"递归自我改进"(Recursive Self-Improvement，RSI，AI自己帮自己变得更聪明)，才可能改变现在这盘棋的结构。

9. 我们发现一些中国顶尖研究者相信自己已经摸到了"弱版"的递归自我改进。

大多是受时间或算力限制的那种，需要研究员自己出手"扶一把"，帮模型省下本该花的算力或时间。

(补充一句：这个阶段的"起飞"更像是上世纪90年代末到2010年代初那种"人机对弈"时代——人加机器一起上，比单独任何一方都强。)

10. 一个关键分岔点：

如果自我改进大体上跟算力挂钩，那"美国的牌面"看起来相当稳——两家实验室现在各运营约2吉瓦，签约的合同各超过5吉瓦，2030年目标各要冲到30吉瓦左右。

理论上靠着充裕的收入和活跃的资本市场撑腰，跑这种靠算力驱动的"自我强化"循环，中国的芯片供给根本跟不上。

但反过来，如果真正卡脖子的其实是验证质量，或者时间线拉得够长，让中国的底层优化能力和自主芯片追上"够用"的水平，那过去18个月这条主线很可能继续甚至加速：美国前沿模型能力持续被拉平商品化，中国开源权重越来越普及，美国垂直AI公司拿这些外国开源权重微调赚差价，超大规模云厂商和新兴云厂商(至少现在)从推理服务里分钱。

这个判断的前提是电力基建按中位数预期走。

另外我们还想补一句：认认真真、不带立场地分析一下中美两边的评测体系，可能是眼下投入产出比最高的研究课题之一。

几点别的想法：

11. 完全可能出现这样一个未来：美国头部实验室干脆关掉未来几代最先进模型的API开放访问。

现在的模型水平其实已经"够用"，能满足绝大多数企业的程序化调用场景。

未来的高端模型会改成按价值定价而不是按用量定价，这样做同时也能限制中国从美国实验室蒸馏出真正前沿能力的空间。

各家实验室会拿"放弃增长中的高用量API收入"去换"更高定价、更低用量"，代价换来的是切断一个正在从太平洋对岸涌来的、持续商品化的竞争威胁。

往保守说，这至少会逼中国不得不认真搞美国规模级别的预训练，进一步给东边本就紧张的算力添压力。据我们所知，这个趋势其实已经悄悄体现在下一代前沿模型的科学、工程、数学能力上了。

12. 在我们看来，AI已经把中美的技术深度捆在了一起，深到监管想靠"一刀切"把这根跨太平洋的线剪断，已经不现实了。

真要这么设想或尝试，反而显得挺天真。

中美的技术人员，某种意义上正在通过蒸馏、开源权重、数据标注、推理服务，还有越来越多的软件框架和agent搜索基础设施"隔空对话"。

眼下流行的那种简单粗暴手段——实体清单、托管禁令、采购禁令——几乎肯定会先压制美国自己的创新，反而给中国竞争对手让出机会，让他们更快追上来。

13. 尽管外界一直吐槽西方AI估值虚高，但这股泡沫味在中国明显更浓。

考虑到中国营收数字本来就低(参见第7条)，中国头部实验室的估值倍数比美国前沿实验室高出五到十倍，营收规模却要小一到两个数量级。

月之暗面7月底以350亿美元估值融了35亿美元——差不多是其3亿美元年化收入的115倍——据说已经在筹划港股IPO前500亿美元估值的新一轮，对比之下Anthropic大概只有20倍左右。

已经上市的几家公司股价波动更是剧烈：

智谱AI(在港股以"知识图谱科技"名义上市，代码HKG:2513)1月市值130亿美元，上市后一度冲破1000亿美元，7月底又回落到约700亿美元；

MiniMax(HKG:0100)从150亿美元冲到330亿美元，又跌回不到100亿美元。两只股票在解禁期临近时都跌得很凶。

我们的看法是，这很大程度是因为港股这个市场还不够成熟——过去二十年主要习惯消费软件那套打法，现在才刚开始搞懂怎么给企业级和开源框架估值。

这跟我们在中国和香港生物科技板块看到的情况没本质区别。

顺带说一句，如果中国政府真能打消跨界投资者和专业科技、生物科技投资人的监管顾虑，对合适的投资人来说，在中国和香港的早期公开市场建立起这些领域的领先地位，会是个相当大的机会。