2026年8月21日
愛迪生（Thomas Edison）有威斯汀豪斯（George Westinghouse）作為競爭對手，史普尼克號則催生了阿波羅計劃。時至今日，美國與中國的人工智能競賽，或許正是競爭激發創新的最新寫照。
股票基金經理Mark Casey說：「競爭有助進步，我認為強大的競爭對手將推動人工智能實驗室加速創新及發展。」
「以中國的DeepSeek為例，該公司利用目前許多頂尖人工智能實驗室採用的技術，提升了機器學習中「混合專家模型」概念的運作效率。」
即使美國在數碼經濟及尖端前沿應用領域仍居領先地位，但中國的低價策略（某程度上受惠於便宜的勞工及電力成本）有助搶佔市場份額。下文將闡述中美兩國各自的人工智能發展方針、可能有助兩國掌握這項技術的優勢，以及人工智能下一階段演變對投資者的啟示。
資料來源：資本集團。只供說明用途。前沿模型為當今具備最先進能力的尖端人工智能系統。本土算力是指在一國境內具備並運作的人工智能運算能力。超大規模數據中心是為人工智能及雲端服務提供所需運算能力的大型設施。
美國大型科技公司不惜投入巨額資本支出，背後的動力正是人工超級智能（ASI）所展現令人期待的前景。
資本集團經濟師Jared Franz說：「美國與中國的人工智能發展方針截然不同。單從兩國為開發模型及推進前沿技術而投入的資金規模，已可見一斑。」
Franz續說：「Anthropic、OpenAI等美國公司正發展超級智能，這有望釋放具變革性的經濟增長潛力、加速科學探索，並克服人類面對的一些最棘手難題。此發展方針能否成功，仍是未知之數。儘管外界憂慮超級智能系統可能失控，但盈利誘因令美國更願意承擔相關風險。中國雖然並未放棄此發展方針，但更重視將人工智能應用於工業領域。」
資料來源：資本集團、彭博、FactSet。估計數據截至2026年7月31日。 所示數據已按曆年基準作出調整，以便比較不同財政年度的公司。字節跳動資本支出數據來自彭博。政府支出不包括在內。
美國人工智能公司在邁向超級智能的過程中，已將目光投向另一個關鍵概念：「遞歸式自我改進」（Recursive Self-Improvement或RSI）。Franz解釋說：「數十年來，研究人員一直在探索如何讓模型具備自我改進的能力。OpenAI最近表示，其最高階模型協助提升了一個較便宜的入門級模型。這是一項意義重大的進展，因為一旦實現RSI，效率、生產力及其他方面的改進將出現爆發式增長，從而有望降低模型價格。」
當然，人工智能不一定要達到超級智能，甚至是毋須達到層次較低但依然宏大的「人類水平智能」目標，也足以對世界產生深遠影響。Franz說：「在矽谷隨便找個人談談，對方都會告訴你，人工智能已應用於幾乎所有能想像得到的問題或行業。儘管失敗率高，且不能保證成功，但創投資金仍持續流向有望帶來重大變革的人工智能相關初創企業。」
數以十億美元計的資本支出最終能否獲得回報，仍有待觀察，但歷史經驗顯示，在講求優勝劣敗的領域中，頂尖企業之間所得的回報往往差距懸殊。Casey說：「最出色的行政總裁與第二名之間的差距可能是十倍，而不是兩倍。」他指出，航空零部件製造商TransDigm的Nick Howley及Broadcom的陳福陽便是這類傑出企業領袖。他續說：「要網羅最頂尖的人才，往往要付出極高昂的代價；在許多領域，關鍵是能否做到最好、最快，而人們亦願意為前沿技術支付溢價。正因如此，人工智能實驗室的前景難以預測。」
中國的人工智能發展方針主要集中於工業應用，這正好切合其高效率、大規模生產的優勢。
股票基金經理關穎嫻說：「美國追求最先進的模型，各家企業爭相開發可媲美人類智能的前沿大型語言模型；中國則專注於工業應用場景的智能，例如無人駕駛及機械人技術，而非人類水平的智能。
「因此，兩國對算力的要求亦有所不同。為應對先進算力不足的問題，中國的人工智能應用消耗的詞元數量遠少於美國。」
資料來源：資本集團、llm-stats。價格假設每百萬詞元中輸入與輸出詞元的比例為8:1。模型評分是基於推理、編程、代理能力及其他基準測試結果的綜合指標。詞元是人工智能模型處理文本的基本單位，常用於計算使用量及釐定人工智能服務的定價。截至2026年8月14日。
因此，人工智能可提升中國本已強勁的工業生態系統，並將技術進步轉化為實際產品。股票投資分析師Sugi Widjaja主力研究亞洲科技公司。他說：「許多公司正開發用於製造業及物流業的人形機械人，以模仿人類在工廠及倉庫進行的日常工作。這些公司擅長硬件開發，並借鑑國內自動駕駛汽車行業的經驗，持續推進軟件技術。」
為提升全球影響力及擴大市場份額，中國採用開放權重模型的策略，讓客戶能夠安全使用其人工智能。真正的開源模型允許使用者全面取得訓練數據及程式碼，而開放權重模型則未有提供此權限。他解釋說：「這意味著美國企業可以使用較便宜的中國開放權重模型，而毋須將數據發送至中國。企業可透過Amazon Web Services或Microsoft Azure等雲端服務供應商存取這些模型，並由供應商在美國託管，確保所有操作均符合美國的數據及私隱法律。」
關穎嫻認為，兩套系統將會共存，而非形成勝者全取的局面。美國前沿模型將承接高價值、高風險的工作，而較便宜的中國模型則處理其餘任務。她續說：「最優秀的公司可能會一直選用最高智能的模型，處理那些即使只有10%至15%的效能優勢也足以產生關鍵影響，並逐漸形成競爭優勢的任務。至於風險較低的任務，只要中國模型的表現已經足夠好，企業便會選用中國模型。」
Casey對此表示認同，並指出已有企業將各類查詢或任務交由整體價格最低的模型處理。他說：「雖然中國模型以每詞元計可能較便宜，但也可能需要更多詞元才能準確完成一項任務。因此，類似OpenRouter這樣的私人公司應運而生，可根據任務性質及所需準確度而在不同模型之間切換。」
他補充說：「現在要判斷哪一方會在生產力及創新方面勝出，仍言之尚早。然而，考慮到地緣政治局勢緊張及兩國嚴重缺乏互信，兩套系統將會共存。以現今的基建即服務市場為例，雖然百度及騰訊等中國互聯網公司的價格極低，卻未獲美國及歐洲市場廣泛採用。」
很少有事件像中國開放權重模型的崛起一樣，如此考驗投資者對美國人工智能熱潮能否持續的信心。Casey說：「鑑於人工智能開支如今涉及美國股市中的眾多公司，中美人工智能競賽將持續引發市場波動，兩者均迅速發展，並對企業及社會產生重大影響，因此值得密切關注。」
他解釋說：「到目前為止，中國模型並未動搖美國發展人工智能的理據。不過，人工智能的建設週期可能正接近S形曲線的上端，即整體需求持續增長，新增產能的增速卻逐步放緩。我認為，市場焦點最終可能會轉向那些業務增長與已投入運行的人工智能基建總量同步的企業，而非取決於每年新建的基建規模，Amazon Web Services正是例子之一。由於人工智能晶片價格影響投入成本，若晶片價格下跌，Meta等公司亦有望受惠。」
Franz總結道：「回顧過往的科技週期，起初領先的企業到了中期或最後階段往往已失去優勢。領先地位經歷多次更迭，要準確預測最終的贏家並不容易。正因如此，我們正密切追蹤美國市場的發展，並在中國展開實地研究。」
Mark Casey 為現任股票基金經理，擁有26年投資行業經驗（截至2025年12月31日）。他持有美國哈佛大學（Harvard）工商管理碩士學位及耶魯大學（Yale）學士學位。
Winnie Kwan 為現任股票基金經理，擁有31年投資行業經驗（截至2025年12月31日）。她持有英國劍橋大學（University of Cambridge）碩士學位及學士學位。
Sugi Widjaja 為現任股票投資分析師，擁有20年投資行業經驗（截至2025年12月31日）。他持有美國加州大學柏克萊分校（University of California, Berkeley）工商管理碩士學位及賓夕法尼亞大學（University of Pennsylvania）學士學位。
Jared Franz 為現任經濟師，擁有20年投資行業經驗（截至2025年12月31日）。他持有美國伊利諾大學芝加哥分校（University of Illinois at Chicago）經濟學博士學位及西北大學（Northwestern University）數學學士學位。
