中美AI：两种品类，殊途同归

中国和美国在AI领域的发展，实际上是两个不同的品类。中美之间是否存在竞争？答案是肯定的。然而，这种竞争的本质正如毛泽东所言，是“你打你的，我打我的”。

像美国公司，可能会把模型和算法这些底层技术看得非常重。然而，在中国，那些致力于模型和技术研发的专家，却常常被所谓的土老板（指传统行业中，对技术价值认知不足、更看重短期应用和成本的商业业主）一轮又一轮地“羞辱”。大家普遍认为软件不值钱，技术也不值钱，更看重的是实际应用。当软件演变为模型时，这种观念依然存在，认为模型不值钱，甚至可以开源（Open Source: 源代码公开，允许自由使用、修改和分发的软件或模型）。这种“模型能值几个钱？我就开源了，跟你拼了”的心态，在中国市场颇为常见。

Elon Musk 对此看得非常明白。曾有一个广为流传的笑话，称现在进入 XAI 工作，如果不会讲中文将寸步难行，甚至最后一个白人被开掉后，团队将全部由华人组成。Meta 的情况也类似。许多听众向我们反馈，希望我们能聊聊中国的模型及其进展，让海外的朋友也能了解，因为他们觉得自己也身处一个“外网的信息茧房”中。国内与外网对同一事件的反馈差异巨大。例如，最近国内热议的一个可能是假新闻，称黄仁勋在一次“密谈”中预言中国AI最终将赢得中美AI的决胜。这个传闻绘声绘色，甚至有详细的文字稿，列出了在场人员，仿佛“如是我闻”，一套一套的。

在一次交流中，我们提到，黄仁勋的言论即使不是原话，也可能反映了他内心的某种想法。这个传闻之所以能广泛传播，是因为人们心中早有类似的期待。如果这些话真的出自他之口，大家会觉得兴奋，仿佛印证了自己的看法：“你看，连市值五万亿企业的负责人都这么想！” 这也说明，黄仁勋的言语或观点中，可能确实透露出了一些相关倾向。作为站在产业链最上游的黄仁勋，他看待问题可能更为客观和透彻。最近，国内的一些模型在硅谷的使用率也越来越高。例如，Airbnb 曾公开表示正在使用千问模型。最近还爆出消息，Cursor 似乎“套壳”使用了智谱的 GLM 模型，这很可能是真的，因为在使用过程中，一些外国开发者在思考链中甚至会冒出中文。尽管没有官方承认，但 Windsurf 及其他一些公司也使用了 GLM 进行代码开发。这其实并无不妥，因为 GLM 本身就是开源模型。

实践案例：JustSayAI早晚报的多模型融合

然而，如果仅凭这些新闻就判断国内模型“非常顶尖”，可能还为时过早。因此，我们想通过自身的实践案例来探讨这个问题。我们之前一直在推广一个名为“JustSayAI早晚报”的产品，这是一个我们认为非常激进的尝试。在开发之初，我们设定了两个原则：第一，完全依赖AI，不依赖人工；第二，不对新闻内容进行任何人工审核，即今天发布的内容，我们自己也无法预知。严格来说，虽然没有人工审核，但有AI之间的互相审核。原本一个编辑部的主编、副主编等角色，我们全部用14个智能体（Agent: 能够自主感知环境、做出决策并执行任务的AI程序）取代。这些智能体有专门负责文案撰写、声音播报的“声优”等，这无疑是一个非常激进的尝试。在开发这款产品的过程中，我们使用了市面上几乎所有主流模型。海外模型包括 ChatGPT、Grok、Gemini 这三大支柱，以及用于编码的 Claude。国内模型则涵盖了 MiniMax、Kimi、千问、GLM 等。在这个过程中，除了模型本身的考量，我们还必须考虑地缘政治因素。我们确实遇到过一些问题，在使用如此多的模型时，不能仅仅依赖美国模型，也不能仅仅依赖中国模型。我们遵循“不信任原则”，这实际上是现实情况所迫。因为我们曾遇到过只使用美国模型或只使用中国模型都无法完成整个流程的情况。我们所有的文字和音频处理，都是由中国模型和海外模型互相备份（Backup: 备用、支持），只是存在主次之分。

尽管我们使用了市面上所有主流模型，并动用了14个智能体，但在开发过程中，也出现过几次重大的技术失误或严重Bug（程序错误）。这些问题都是由听众反馈发现的。当时我们感到很欣慰，因为这让我们思考AI的边界究竟在哪里。例如，AI有时会把头条新闻误判为旧闻或假新闻，或者程序无法运行、新闻内容内容被截断等。如果用传统的编程方式，这些问题肯定能修复，但这便失去了我们用AI做这件事的意义。后来，我们尝试用AI的方式来解决这些问题。目前这款产品仍显粗糙，在我们看来，它还不能成为一个真正能让我们发家致富、估值上亿的主业。然而，在日常使用中，尤其是我自己用它来听新闻时，能真切感受到AI的能力又有所拓展。这款产品为我们赚取了认知，并方便地将这些认知输出，服务于大家。我个人感受最深的是语音板块，因为我一直是个听觉型选手。最初设定产品方向时，我们就决定要做一款语音播报型产品。虽然有时大家可能没时间看标题或文章，但语音是我一定会听的。因此，我们可以深入聊聊在语音方面的心得、感受和边界。

语音AI的突破与成本考量

在语音AI方面，我最初的痛点源于个人场景需求：带孩子时没有时间看新闻，因此需要一个语音播报工具。大约一年前，极客公园采访 MiniMax 的 CEO，其中有两个观点令我震撼。第一，音频处理的难度其实比文字简单。虽然音频不如文字通用，但如果将语音转换为文字，一分钟的讲话词数不多，对于文字大模型来说，1秒仅需处理3-4个令牌（TOKEN: 大语言模型处理文本的基本单位），非常轻松。这反直觉的发现，让我意识到音频与文字融合能创造更好的产品。当时 MiniMax 已有一些对标 Character.ai 的陪伴型聊天机器人产品，他们认为这类产品易于开发且应用场景广泛，这在我心中埋下了种子。

直到去年12月，NotebookLM 的对话式功能推出，我们曾专门做过一期节目讨论其惊艳之处。它不仅有声音，还能模拟聊天的语气、停顿，并具备强大的分析能力和情绪表达。我意识到，音频中蕴含着文字所没有的情绪和节奏。当时，MiniMax 的 CEO 还提到了一个关键技术点：300毫秒的概念。我们知道，网页加载超过3秒就会让人觉得慢；而音频，如果在300毫秒内响应，会让人感觉说话者就在身边，超过300毫秒则感觉对方很远。ChatGPT 的演示曾达到这一水平，但当时量产产品仍有卡顿。真正让我确信的是 NotebookLM 的量产能力，它能随时生成流畅、300毫秒内响应的对话式音频。

大约半年后，今年5月左右，我们在产品选型时，最初考虑了 ElevenLabs，但其高昂的费用让我们转而选择 MiniMax。MiniMax 的费用仅为 ElevenLabs 的1%-3%，相当于 ElevenLabs 一天的费用，MiniMax 可以用一个月。这种巨大的价格差异令人惊讶。ElevenLabs 之所以昂贵，首先是因为其模型非常底层，体验极佳，几乎与真人无异。这得益于其背后大量真人的训练，且商业化做得非常好，许多音色可以单独购买，按调用次数付费。它提供高度细分的音色，例如专门用于讲故事、话剧或比赛的，甚至细致到不同城市和城镇的英语口音。这种深厚的沉淀使得其基础模型成本高昂，音色定价也相对较高。但其兼容性很好，即使是较旧的模型也能良好运行。

MiniMax 的价格优势首先吸引了我，但我也曾担心其质量。直到去年五六月，他们推出了最新一代的 Speech 2 模型。当时由于模型太新，文档不完整，我在调试时遇到困难。令人惊讶的是，我用 Cursor 结合 Claude 编程时，Claude 建议我切换到 MiniMax 较成熟的 Speech 1 模型。切换后，我发现 Speech 1 提供了30多个不错的音色，我们很快挑选了两个，效果令我们满意。许多听众反馈我们的模型似乎较旧，但我们选择旧模型并非为了省钱，而是为了稳定输出。模型与人一样，磨合需要周期，一旦磨合顺畅，轻易更换可能会带来很多问题。虽然有些听众指出旧模型存在问题，但我们更看重的是用户能否流畅听完，以及完播率。当然，这也有成本考量。在创业时，我们不仅要考虑使用 GPT-5，更要考虑在最差情况下，GPT-3.5 是否能接上，这是我们考虑的下限。目前即使要换成最新模型，也需要权衡学习成本和迁移成本，因为现有模型表现不差。这反映了中外模型在选择上的差异。许多人认为中国模型便宜，性能可能不如美国模型，但事实并非如此。便宜只是一个“入场券”，但能做到便宜且持续发展，这本身就是一件非常困难的事情。这可能是中国企业或中国模型在中国市场“卷”出来的结果，与西方商业社会的情况大相径庭。

中美商业环境与模型策略的深层差异

西方商业社会强调通过专利保护、深耕细分赛道来盈利和建立声誉，并获得资本助力以持续发展，最终达到一个舒适的盈利平衡点。然而，中国企业似乎缺乏这个阶段。很多时候，中国企业难以获得资本支持或市场宽容度，在尚未达到自给自足的平衡点时，就可能被模仿、追赶、碾压，甚至被大厂收购。这可以说是商业社会基因中的一种差异。

此外，海外市场除了关注中国模型的低价，更看重其开源特性。MiniMax、千问、DeepSeek 等中国模型大多提供开源版本。硅谷的许多初创公司选择中国模型作为底层，正是因为开源意味着未来不会被 ChatGPT、Claude 或 Gemini 等闭源（Closed Source: 源代码不公开，受版权保护的软件或模型）模型“卡脖子”。如果闭源模型突然升级、涨价或在企业级应用上设置限制，初创公司可能会面临业务停摆的风险。这可能是黄仁勋无论原话如何，都高度重视中国模型及其企业在未来竞争中巨大增长潜力的原因之一。那么，这些开源模型实际使用体验如何？它们是否比闭源模型更有价值？

我个人认为，开源模型在编码领域已经直接平替了美国的同类产品，大部分时候我们都使用国内的开源模型服务。虽然我的个人电脑配置不足以本地部署（On-premise Deployment: 将软件或模型安装并运行在本地服务器或设备上）这些模型，但购买服务主要是为了追求速度和便捷，这符合我们的商业应用需求，且价格便宜。

Kimi 和智谱的模型我们一直在并行使用，最近也开始尝试 MiniMax M2。在我看来，这些模型具有巨大的发展空间。编码工作目前正处于快速“大跃进”状态，各种资源都被充分利用。这并非一种竞争状态，而是大家都在努力突破技术瓶颈。尽管编码AI进展显著，但尚未能完全替代人类，仍主要作为辅助工具。从辅助到替代，可能还需要一两年甚至两三年时间。目前，我们倾向于使用商业服务，这也与硬件和模型大小有关。例如，智谱的模型仅基础版本就达两三百GB，普通电脑难以承载。我通常会同时使用多个模型，因此本地部署并不现实。然而，随着模型变得更小巧，且能以更小的参数实现更高的智能，端侧模型（Edge AI Model: 在终端设备而非云端运行的AI模型）的趋势日益明显。例如，微博曾推出一个极小的模型，性能却超越了 DeepSeek R1。苹果也与 Gemini 签署了十亿美元的合作协议，Gemini 在发布 Banana 模型前，其在安卓手机上的修图功能已非常强大。这表明，中国公司在端侧小模型领域可能迎来更快的发展机遇，华为的许多设备也正在开放这些功能。

虽然我们日常尚未大规模本地部署开源模型，但海外许多编码领域的自媒体开发者已成功将智谱或 Kimi 模型部署到本地。他们可能因为使用美元购买硬件，相对我们而言经济压力较小。然而，对于 Airbnb 或 Cursor 等硅谷企业，由于涉及核心业务流，本地部署开源模型是必需的，他们有能力投入资金购买集群、搭建环境并聘请工程师进行运维。但对于小型企业或个人用户，本地部署仍是成本高昂且繁琐的事情。不过，随着模型小型化和设备性能提升，未来这可能会成为常态。

开源的本质是一种免费增值模式。核心在于效果，用户并不关心模型出自大厂还是小厂。如果一个功能首先能解决问题，其次价格便宜，那么它几乎就能锁定用户。如果还能支持本地部署，那么对于企业而言，便能长期使用。这是三个层级，而“能用”是第一步，目前我们已做得不错。虽然评分可能存在刷榜现象，但实际使用效果更能说明问题。国内外用户普遍反馈 Kimi、MiniMax 和 GLM 这三款模型在编码领域表现出色。MiniMax M2 推出仅半个多月，已在 OpenRouter（最大的大模型路由平台）上排名前三，仅次于 Grok 和 Claude。这得益于 GLM 和 Kimi 的前期铺垫，它们让海外用户逐渐消除了对中国模型能力的疑虑，尤其是在价格便宜到令人发指的情况下。例如，Claude Max 版每月200美元，而 GLM Max 版每月200人民币，且常有五折活动，价格差异高达十几甚至二十几倍，但能力却非常接近，在80%-90%的场景下都能胜任。MiniMax 的价格甚至比智谱还便宜30%-50%，且在海外 B端（Business-facing: 面向企业客户的）和 C端（Consumer-facing: 面向个人消费者的）市场都表现不俗，其海外收入已接近1亿美元的年度经常性收入（AR: Annual Recurring Revenue），用户数也在增长。MiniMax M2 在编码领域已跻身前五。这再次印证了便宜、好用、能用且能持续使用的重要性。虽然不同模型各有千秋，但总体能力接近，我个人会根据不同场景的体感进行综合使用。

估值悖论：定价与价值的深层矛盾

这里存在一个悖论：中国模型的定价可能是美国模型的十分之一，但回过头看估值，美国模型公司的估值平均是中国模型公司的百倍左右。例如，OpenAI、Anthropic 等头部公司估值过高，活跃用户数量也相差悬殊，ChatGPT 的活跃用户已达7-8亿。美国公司的估值普遍偏高，已不再按传统方式计算，OpenAI 估值已达5000亿，XAI 两年内也接近2000亿。这就像《七龙珠》中弗利萨的战斗力，数字巨大却不一定实用。

首先，这些AI模型公司大多尚未上市，其估值更多是基于融资需求。其次，中国公司在不同的商业环境下，需要自力更生，难以像美国市场那样吸引全球资金。例如，孙正义背后代表的中东财团和日本的银行贷款等资金来源，与中国市场不同。MiniMax 计划在香港上市，其估值可能更趋理性，这将为中国模型公司在国际市场获得认可树立榜样。我们相信，如果真的存在百倍估值差距，一旦双方都进入资本市场，这种差距会迅速拉平，或至少进入一个合理区间。如果 MiniMax M2 推出后，全球用户迅速开始使用并被验证好用，那么从效果评估来看，差距绝不会是百倍，可能只是100%和80%的差异。这就像《七龙珠》中孙悟空变身超级赛亚人，与弗利萨的差距并非不可逾越，而是通过迅速迭代，在某个契机下就能拉齐。

因此，从AI模型本身的能力来看，估值或价值不应存在如此大的差距。然而，在未来前进方向上，仍有显著差异。OpenAI 处于领先地位，Gemini 拥有深厚的技术积累，而中国企业可能仍在“卷”应用、市场和生存环境。这反映了不同的思考方向。

思维方式与市场定位的差异

思维方式也存在显著差异。例如，月之暗面的 Kimi 在编程方面对标 Claude，近期表现强劲，年底冲刺关键绩效指标（KPI: Key Performance Indicator）。MiniMax 则在 C端应用认知上更像对标 OpenAI。其创始人曾认为，做语音和 C端应用是更合理的模型增长路径。这背后体现的是不同的价值观：美国公司可能更看重模型和算法等底层技术，而中国公司在过去几十年中，做模型和技术的专家屡屡被“土老板”轻视。大家普遍认为软件不值钱，SaaS（Software as a Service: 软件即服务）不值钱，技术也不值钱，更看重实际应用。当软件演变为模型时，这种观念依然存在，认为模型不值钱，甚至可以开源。这种“模型能值几个钱？我就开源了，跟你拼了，反正羊毛出在猪身上”的心态，反映了中国本土的生存环境和思维方式与美国公司截然不同，甚至可以说是相反的。因此，中国市场更看重应用。

最近百度的一场发布会展示了一个有趣的案例：将 Agent（智能体）安装在咖啡店的摄像头上，监控咖啡师是否按照 SOP（Standard Operating Procedure: 标准操作程序）出品，后厨切西红柿是否规范。这听起来不可思议，但作为老板，我肯定愿意为此买单。这正是“土老板”思维下的 To Boss（面向老板）产品。过去，门店监控摄像头最初的卖点是监控客流，但最终却是靠监控员工是否开小差、是否偷钱才得以销售。虽然这种应用在门店实际操作中可能效果不佳，但百度仍在做这样的事情，这反映出当前国内环境对软件、模型乃至AI的尊重程度与美国存在巨大差异。在这种环境中能脱颖而出，实属不易，需要硬实力才能获得国际认可。这体现了商业形态和模型发展方向的根本性差异。在这种商业环境下，企业很难始终保持理想主义，不考虑盈利或被抄袭，而是一心研究模型突破。更多时候，企业必须优先考虑生存、行业领先以及构建竞争壁垒，这往往意味着要放弃一些幻想或理想。因此，虽然都叫AI，但“此AI非彼AI”。中国和美国在AI领域的发展，可以理解为两个品类，一个技术，两个方向。中美之间有竞争，但正如毛泽东所言，是“你打你的，我打我的”，实际上是在两条线上并行发展。

AI渗透率：巨大的增量市场与国际分工

中美AI竞争是否存在赢家或输家？我个人认为，没有赢家也没有输家，因为这是两个不同方向的事情，本质上大家都是赢家。这背后需要投入巨大的资源。MiniMax 创始人曾在一个采访中提出了“AI渗透率（Penetration Rate: 某个产品或服务在特定市场或用户群体中的普及程度）”的概念，洞察深刻。当时，大模型AI（以 ChatGPT 为代表）的活跃用户在几千万到一两亿之间波动，全球渗透率仅约1%。这与主流社交媒体、视频等产品50%以上的渗透率相比，差距巨大。这意味着AI市场仍是一片广阔的“荒野”，存在巨大的增量机会。

MiniMax 创始人当时强调，需要验证 OpenAI 作为领头羊能否通过不断拓展多模态（Multimodal AI: 能够处理和理解多种类型数据，如文本、图像、音频等的AI系统）能力实现快速增长，从而确定AI底层驱动力的可持续性。他明确指出，多模态是AI发展的必经之路，否则可能被淘汰。后来的发展完全印证了这一点：OpenAI 的 GPT-4o 在去年5月推出后，到年底活跃用户增长了70%-80%，达到2.5亿-3亿。随后，OE 推理模型和 DeepSeek 的出现，以及 Sora 等视频模型的推出，都让行业异常活跃。OpenAI 的周活跃用户从去年底的2-3亿增长到现在的8亿，渗透率从1%-2%提升到10%-12%，实现了5-10倍的增长。这表明，AI必须触达 C端用户才能实现普及。从这个角度看，AI的底层驱动力判断非常准确，且发展机会巨大。

如今，OpenAI 也开始回归应用。百度虽然常被诟病，但其一直强调“AI是应用的AI”，即AI应回归应用以产生价值。对于终端消费者而言，芯片和模型本身并不直接产生价值。模型更多是为脑力劳动者或信息密集型劳动者创造价值。而对于广大 C端用户，模型带来的价值并非高科技，可能只是睡前故事、养猪咨询等最简单的应用。用高科技去做看似“傻瓜”的事情，这或许才是AI的出路。因此，AI市场仍有大量广阔的机会。与 TikTok 等成熟产品相比，AI在 C端渗透率方面仍有巨大空间。无论如何竞争，大家都有足够的空间去发展。

所以，中美两国之间的AI竞争目前仍属于良性竞争，因为市场仍处于增量阶段，且应用场景和发展方向都未完全确定。AI未来会在何处大爆发，创造出目前尚未实现的需求？AI模型的能力是否会实现倍增式提升，替代现有所有事物？这两点都充满不确定性。因此，双方没有形成直接对抗，反而处于相互促进的过程中。此外，还存在一种比较默契的国际分工：美国专注于最顶尖的大模型突破和技术方向尝试，而中国则在这些突破之后，通过 DeepSeek、千问、Kimi、MiniMax 等开源阵营跟进，降低成本，将“白粉卖成白粉价”，使AI能力惠及更多 C端用户，甚至推广到机器人和端侧设备上，以极低的成本实现智能。这是一种默契的分工，正如特斯拉的 Elon Musk 在美国攻坚技术，而将生产制造和验证放在中国实现增长一样。这种分工很难因口头竞争而中断。

黄仁勋对此看得最明白。他焦虑的在于，当前限制使他无法同时服务于两个场景，必须选边站队。然而，他其实在所有方向都下了注，身体很诚实。就像宁德时代在产业链上下游全面布局一样，他深知芯片和模型本身不产生直接价值，其价值更多体现在资本市场而非终端用户和实际使用场景。因此，这种默契的国际分工是必需的。

个人与企业的AI策略：适应本土环境

正如那个笑话所言，现在进入 XAI，如果不会讲中文将寸步难行，最后一个白人被开掉后，团队可能全是华人。Meta 的 LeCun 离职后，华人工程师也越来越多。这似乎意味着，如果个人对AI技术有浓厚兴趣，可以考虑西方；但如果企业要创业，使用中国的免费、开源或低价模型可能更具优势。在中国市场，你可能会经历“土老板”的“教育”，通过几次实际订单的磨砺，你会对AI如何落地有更深刻的体感，这与想象中完全不同。百度将 AI Agent 加摄像头用于监控咖啡店出餐 SOP 的例子，正是“土老板”对百度进行市场教育的典型。虽然这种做法可能不尽合理，但市场最终会进行纠偏，并从中沉淀出有价值的精华。这与移动互联网时代，每个老板都想做APP或小程序的场景非常相似。

这种需求的快速涌现是好事。过去几年主要是模型间的竞争，现在则开始出现一轮又一轮的市场需求。我们期待最终能涌现出真正令人惊艳、不可或缺的产品。即使是我们作为实验性产品推出的“JustSayAI早晚报”，也希望能随着大模型能力的提升而不断升级，让用户获得更好的体验。我们强调，订阅“JustSayAI早晚报”时，请大家带着批判性思维，因为它是一个极具试验性的产品，旨在帮助大家探索AI的边界，从中获得启发。通过这款小产品，我们也希望能输出更多观点。

本期节目深入探讨了中美模型在不同环境下的发展路径。尽管都叫AI，但它们可能是“两个AI”。无论是个人、创业企业还是投资者，都可以各取所需，找到适合自己的角度切入AI领域。本期节目到此结束，下期再见。