美国风投机构 Dimension Capital 的几位合伙人近期在中国深度拜访了一圈 AI 公司，用来修正自己的投资判断。他们回去后发给出资人的内部信传得挺广，全文翻译如下。

稀缺催生进化

美国的出口管制本意是为了拖慢中国的 AI 发展，但结果却意想不到地制造出了一种进化压力，导致中国的 AI 实验室拥有了世界独有的竞争围栏。因为缺少算力，中国团队被迫深入到极其底层的架构里去做工程优化，DeepSeek 在刻意削弱性能的 H800 上训练模型，并绕过 CUDA 在更下面的 PTX 上编程，甚至要把每张 GPU 里的一部分流式多处理器专门分配给跨节点通信。

这封信认为，这并不是美国工程师干不了的事情，而是因为两边的刺激机制不同。美国的 AI 公司更愿意用资本解决问题，每多投入一美金，就能多买来一美金的算力，但在中国，因为始终没有充足的算力可供购买，所以形成的方案是，每多一个懂编译器的工程师，就能降低整个团队对于算力的需求。最后形成的是一种覆盖全栈的效率文化，从系统、优化器、推理算法、一直延伸到芯片，这种能力可以持续积累，不像一次性的资本开支，用完就结束了。

中国开源模型进入西方生产环境

中国开源模型完成了过去 20 年中国 SaaS 都没能做到的事情——进入西方生产环境。不到 18 个月，中国模型在 OpenRouter 上的 Token 消耗份额从不足 2% 飙升到了 45%，Qwen 成为 Hugging Face 上面最快突破 10 亿次下载的模型家族，大约 80% 的美国 AI 初创公司，已经在内部部署了至少一款来自中国的开源模型。开源绕过了传统软件采购的审查，当模型可以免费部署，也就不存在 " 供应商 " 让你放进黑名单。

但吊诡的地方在于，中国的开源模型本质上是在承担西方的生产成本，而并没有拿走西方的生产收入。因为可以自行部署那些开源模型，所以最主要的利润，仍然流向负责提供 Token 的云厂商。所以中国人把模型价格打了下来，让竞争对手很难受，但最主要的受益者仍然是美国的其他商业公司，因为它们能用到更便宜的模型了。这不是说中国 AI 公司有钱不赚，开源这种生态在客观上就是会把利润的最大头分配给云厂商，而非模型开发商。

中国前沿模型内部竞争更激烈

这封信的判断是，目前中国模型的第一梯队包括 DeepSeek、Qwen、Kimi、Doubao 和 GLM，它们之间的差距非常小，洗牌也相当频繁。五家实验室同时比拼发布速度和模型能力，而且全部开源（译注：豆包并没有开源），这与美国主要由两家闭源实验室主导的竞争环境截然不同。合伙人们在这一周里最明显的感受就是，中国模型之间的竞争，可能更甚于它们和美国模型之间的竞争。

AI 要从太平洋两岸来回跑两趟

现在的循环大致上是这样的：美国的前沿实验室训练出 SOTA 级的模型；中国的前沿实验室对这些模型进行蒸馏，然后开源；美国的 AI 服务商再基于中国的开源模型进行微调，做成产品卖给美国企业。Cursor 所谓 " 自主研发 " 的 Composer 2，被发现是用 Kimi K2.5 改的，Cognition 的 SWE-1.5 看起来也像一个定制版 GLM。

就在他们坐在从上海去北京的高铁上时，Harvey 发布了自己的专有模型 Harvey Tenet ——它是对 Kimi K3 进行了后训练所得到的产物。如果是一年前，这些公司大概率会选择 Llama，或者 Mistral。如今，美国垂直 AI 行业的底层基座，正在变成中国的开源模型——而这些模型内部，又潜藏着来自美国前沿模型的智能。

数据层也在发生类似的事情

Mercor、AfterQuery、Turing 这些美国的数据标注公司，都已经公开披露与蚂蚁、阿里巴巴和字节跳动存在商业合作关系。同时，他们也在中国看到了一批刚刚出现的新公司，它们没有再去做数据标注的生意，而是转为评测和验证基础设施。比如 UniPat，这家公司成立于 2025 年 12 月，创始人是一名北京大学博士生，此前曾在阿里、月之暗面和腾讯工作。UniPat 发布的基准测试，已经开始被美国实验室引用到自己的模型报告中，它还声称，通过自己基于 Rubric 的监督方法训练一个小模型，也取得了很好的效果。

这种思路还是在用更高质量的监督替代更多算力，与第一点中提到的现象完全一致：资源，尤其是算力受限的环境，会逼迫团队发展出不同的适应性能力。他们在北京和上海见到了好几家这样的公司，绝大多数成立不到 24 个月，其中少数几家的收入已经很快地突破了 1 亿美金。

美国和中国面临的难题恰好相反

2024 年，中国新增的电力供给是 429GW，美国大概是 51GW。根据预估，一直到 2030 年，中国每年新增的电力供给，都将在 400GW 以上。美国的情况是，目前光是数据中心的扩建项目，就有 241GW 的电力缺口，因为电网接入的积压，需要排队等上 5 年时间。中国真正的瓶颈，正如信中提到过的，是算力资源不足。最直接的例子就是月之暗面：Kimi K3 发布后不到两天，就因为推理能力不足而暂停了新用户注册。

所以，美国芯片充裕，但越来越受制于电力；中国电力充裕，但一直都受制于芯片。这封信确信，中期 AI 局势很大程度上将取决于哪一侧的障碍先被推倒，是美国的电网容量先得到改善，还是中芯国际和华为的先进封装以及良品率提升得更快。

中美两国的 AI 产值差太远了

Anthropic 在 7 月的年化收入超过了 650 亿美金，OpenAI 的同期数字在 400 亿美金左右。相比之下，中国收入最高的模型是字节跳动的 Seedance，年化收入大概在 20-30 亿美金之间。中国的纯语言模型公司，年化收入都还停留在数亿美金级别，比如 DeepSeek 正在接近 5 亿美金的水位。

消费端也有同样的困扰，豆包的月活用户已经达到 3.45 亿了，超过 Qwen 和 DeepSeek 之和，但每天产生的收入仍然不到 100 万人民币，而且基本全部都来自购物佣金。中国的消费者不愿意为软件付费这个死结，这封信也不知道该如何解开。当然，拥有如此庞大的用户规模，最终完全可能找到具有中国特色的商业模式，这在十年前的消费互联网已经发生过一次了。那就是羊毛出在猪身上，靠电商和广告来实现模型的商业化，中国的创业者身上有种实用主义精神，他们不会因为某种商业模式不够 AGI 而回避它。

硬件和半导体在脱钩，软件和数据在融合

两个国家的政策反应速度已经跟不上了：美国的产品跑在中国的模型上；中国的实验室在新马泰租用英伟达的 GPU 训练模型；专家标注的数据则在两个方向上互相流动。所以这封信觉得 " 到底哪边在赢 " 是一个伪命题，在目前的状态下，两个体系已经高度相互绑定，以致于国家层面的胜负很难被清晰定义。除非 RSI（递归自我改进）的实现能从根本上改变整个系统结构。

中国顶尖研究员相信已拥有弱形式 RSI

中国的一些顶尖研究员相信他们已经拥有弱形式的 RSI 了。在此语境下的 RSI，仍然受到算力限制。更准确地说，这些系统如同 RSI 的早期雏形：研究员自己介入其中，通过人工辅助的方式，加速模型到达原本最终也可能到达的能力，从而节省算力和时间。打比方来讲，这一阶段的 RSI，最接近 1990 年到 2010 年之间流行的 " 半人马国际象棋 "：机器加人类的组合，比单独的人类或单独的机器都更强。

接下来会有一个至关重要的分叉

这封内部信在最后留下了一个开放判断：接下来会有一个至关重要的分叉。它没有给出确定结论，而是把问题摆在了出资人面前——美国和中国各自卡在不同的瓶颈上，而两个体系又已经深度绑定。接下来哪一侧先突破自己的限制，会直接决定中期 AI 局势的走向。