中国AI产业基础解读

在全球AI产业的棋盘上，中国毫无疑问是最值得深入观察的变量之一。

如果只看原创基础研究和技术突破的"首发"数量，中国与美国之间确实还有一段距离。但如果你看的是AI渗透经济社会的速度和深度、AI应用场景的丰富程度、以及国家层面的战略投入力度，那么中国展现出的图景，是让人感到震撼的。

首先得承认一件事：

目前中国是全球唯一一个能在多数维度上和美国掰手腕的存在，但它又是带着镣铐在跳舞。

这个镣铐就是算力，或者更准确地说，是高端芯片的获取受限。

看看飙升的市价就知道了。

这个问题贯穿中国AI产业的每一层，从最底下的芯片制造，一直到最上面的应用定价，没有一层不受它影响。但也恰恰是这种被卡的状态，将中国逼出了一条和美国不太一样的路。

拼暴力堆算力，不如把算力用到极致、把工程做到极致。俗称榨干。

到了26年，中国已经基本走出了2023年到2024年那段被"算力焦虑""卡脖子""模型代差"三层阴影笼罩的至暗时刻，进入了一个结构上完全不同的新阶段。这个新阶段的特征不是某一家公司的崛起，而是整条产业链第一次呈现出"自洽闭环"的可能性。也就是说，中国AI不再只是"追赶者"的叙事，而是在某些维度上开始定义自己的路线，甚至反向影响全球的技术选择。DeepSeek在2025年初搞了一场震动硅谷的开源，就是一个分水岭事件；而此后一年多时间里发生的事情，远比外界想象的更加跌宕起伏。

在这个行业当中，最底层是算力，这是整个产业的地基，也是过去三年被美国出口管制卡得最狠的地方。中间层是基础大模型，这是真正的"智力引擎"，决定一个国家AI能力的上限。再往上是模型即服务（MaaS）和云基础设施，负责把模型能力分发出去。最上层是应用，即普通人能感知到的、能产生商业价值的那一层。

这四层加在一起，再加上贯穿其中的资本、人才、政策和数据，才构成"中国AI产业"这个完整概念。

我们先从最底层、也最容易被外界误读的算力层说起。

我们在前一章全球AI产业格局中曾提到过，算力问题的核心矛盾在于训练大模型所需要的GPU，长期被英伟达垄断，而美国从2022年开始的对华先进芯片出口管制，把A100、H100、H200乃至后来的B200系列一批批挡在国门之外。2023年10月规则的修订，再加上2024年底对HBM高带宽内存的精准打击，曾经让国内许多模型公司一度面临"训不动下一代模型"的生死威胁。

但站在2026年6月回望，这套管制体系反而成了国产算力产业最强的催化剂。今天中国主流大模型公司训练旗舰模型，已经大面积切换到国产芯片集群上，而且这个切换不是凑合用的应急方案，而是在性能、集群规模、软件生态上都达到了可以支撑千亿参数以上模型训练的可用状态。

华为昇腾系列是这个转变中当之无愧的主力。昇腾910B在2024年完成大规模量产之后，单卡算力对标的是英伟达A100/H100这一档，成为国内互联网大厂和运营商采购的最大宗国产AI芯片。而真正让产业界信心发生质变的，是2025年逐步铺开的昇腾910C——它在FP16稠密算力和HBM带宽上都对齐甚至部分超过了H200，单卡推理性能对标英伟达H系列旗舰，它被视作第一颗真正能在旗舰训练和推理两个场景都不落下风的国产芯片。更关键的是，华为不再只卖卡，而是推出了CloudMatrix 384超节点架构——把384颗昇腾芯片通过高速互联封装成一个逻辑上的"超级GPU"，专门针对万亿参数MoE模型的训练和推理优化。这种把系统级工程做到极致的思路，是中国厂商在被限制单卡先进制程的情况下，用工程能力弥补芯片工艺差距的典型打法，并且也确实跑通了——包括 DeepSeek、中国移动、招商银行在内的多家机构都基于昇腾集群完成了大规模训练任务，单集群规模已经能做到数万卡级别。

但客观地讲，国产算力的短板依然真实存在，我们必须诚实面对，否则就是另一种形式的浮夸。

第一是先进制程的物理天花板没有突破，7纳米以下的稳定良率仍是产业痛点，单卡理论峰值与英伟达最新Blackwell平台仍有差距，这就意味着要达到同样的总算力，国产集群需要堆更多的卡、消耗更多的电、占用更多的机房面积。第二是CUDA生态的护城河依然深，国内尽管有华为CANN、寒武纪 Neuware等多套软件栈在努力兼容，但开发者迁移成本高、一些底层算子仍需手工调优，工程效率短期赶不上CUDA。第三是HBM高带宽内存的供应被三星、海力士、美光三家牢牢卡住，国产替代（如长鑫存储的HBM2级别产品）才刚刚起步。

这三条因素决定了国产算力在"能跑通"上已经突破，但在"性价比和开发者体验"上仍需三到五年的追赶。这也是为什么国内芯片创业公司如寒武纪、摩尔线程、壁仞、燧原、海光、沐曦等还能在2025-2026年持续拿到大额订单和融资。市场需要多层备份，单一供应商的风险谁都不想再经历第二次。

在算力层之上，是真正决定中国AI智力上限的基础大模型层，也是过去两年最精彩、变数最大的一层。

如果说2023年是百模大战的混战之年，2024年是开始分层的洗牌之年，那么2025年到2026年就是格局基本定型的"新三国+六小虎"阶段（这一点与我们前面所提到的大厂派还是不大一样的）。

所谓"新三国"，指的是阿里、字节、DeepSeek这三大模型势力的崛起；所谓"六小虎"，指的是智谱、月之暗面（Kimi）、MiniMax、阶跃星辰、百川智能、零一万物这六家创业公司。

其中DeepSeek的故事最值得深挖，因为它彻底改写了外界对中国AI的刻板印象。这家由幻方量化孵化、梁文锋执掌的公司，走出了一条和所有同行都不同的路。2024年底，他们发布DeepSeek-V3，用一个671B总参数、37B激活的MoE架构，在训练成本只有GPT-4零头的情况下，打出了接近一线闭源模型的水平。但这还只是开始。真正引爆全球的，是2025年1月20日开源的DeepSeek-R1。这是一个用纯强化学习路径训练出来的推理模型，性能对标OpenAI的o1正式版，却以MIT协议完全开源权重，允许任何人蒸馏和商用。

这件事之所以被业内称为"分水岭"，并不只是因为模型本身足够强，而是因为它在同一时刻击碎了三个根深蒂固的神话。第一，打破了"只有千亿参数闭源才能做推理"的神话，证明开源路线同样能逼近顶级推理能力；第二，打破了"中国模型只能做中文、做不出通用智能"的神话，R1在数学、代码、多语言推理上的表现让硅谷一线研究员集体重新审视中国团队；第三，打破了"AI训练必须烧掉几百亿美元"的神话，DeepSeek公开的论文显示其训练成本不到600万美元，直接导致英伟达股价在发布当日盘中一度大跌近17%，市值蒸发近6000亿美元，被媒体称为"AI泡沫破裂的第一声枪响"。

那一声枪响之后，DeepSeek并没有停下脚步，反而越跑越快。2025年5月28日开源的DeepSeek-R1-0528，把推理能力进一步逼近OpenAI的o3和o4水平，编码能力尤其突出；8月发布的V3.1在外扩训练中又追加了840B tokens的数据；到了12月1日，V3.2正式版发布，性能全面对标GPT-5和Gemini 3.0 Pro。有意思的是，进入2026年之后，DeepSeek一反此前的高频发布节奏，忽然进入了一段相对沉寂的"沉默期"——据外界统计，到2026年4月，公司已经有约140天、将近5个月没有发布新模型，整个行业都在屏息猜测下一代架构何时亮相。而答案在沉默之后揭晓：DeepSeek-V4 Pro正式上线，具备世界顶级的推理性能，Agent（智能体）能力大幅提升，已在网页端、APP和API全面铺开。从公开资料看，V4采用了万亿参数MoE架构、原生多模态、1M以上上下文窗口，并引入了Engram条件记忆这一新机制，编码能力被预期超越Claude和GPT系列。更具冲击力的是它的定价策略——V4以"厘时代"定价打破了整个行业的价格体系。

腾讯云在2026年6月2日发布公告，将于6月3日零时对DeepSeek-V4系列模型价格进行下调，最高降幅达97.5%，模型服务能力不变。永久二五折的策略引发了行业上下游动荡，其他友商也纷纷展开了降价行动。

这种价格跳水，本质上是DeepSeek用极致的工程效率和昇腾国产算力的低成本，向整个行业释放"推理应该白菜价"的信号，直接重塑了MaaS市场的价格锚点，甚至逼迫着国内外闭源模型开启“大卷特卷”模式。因此回过头看，DeepSeek对中国AI产业最大的意义，其实并不在技术本身——而在于它第一次让中国团队在全球AI叙事中拥有了"定价权"和"议程设置权"。是它定义了开源MoE的主流形态，是它定义了低成本训练的可行性，如今又用V4定义了"万亿参数加原生多模态加白菜价"的新规矩，也间接推动了全球开源社区从Llama一家独大走向多元格局。

这种影响力，是再多融资和估值都换不来的。

而如果把视线从DeepSeek身上移开，转向另一极的阿里，会看到一条完全不同的路线——这是一条"大厂体系化作战"的路线。

阿里的通义千问（Qwen）走的是全栈、全尺寸、全模态、全开源的"饱和式"打法，背后是阿里云庞大的算力底座、电商场景天然的数据飞轮，以及一个庞大多元的人才体系在支撑。2025年4月29日开源的Qwen3是对于阿里来说是历史性的：它采用了"混合推理"架构，把传统模型的"快思考"和推理模型的"慢思考"集成在同一个模型里，用户可以根据任务复杂度动态切换，参数量只有DeepSeek-R1的三分之一却能力相当，显著压低了部署成本。仅仅三个月后，2025年7月开源的Qwen3-Coder就在编程能力上登顶了全球开源模型阵营。2026年初的Qwen3.5系列那波密集发布更是让人印象深刻。除夕夜，Qwen3.5-Plus打头阵；紧接着是旗舰推理模型Qwen3-Max-Thinking；3月3日，又一口气开源了4款小尺寸模型，最小的一款只有0.8B参数，小到可以塞进手机和IoT边缘设备里——怎么说呢，那段时间模型跟不要钱大甩卖一样高频发布。

但真正让外界不得不重新评估阿里实力的，是2026年5月云峰会上发布的Qwen3.7系列旗舰。

这一次阿里把旗舰模型Qwen3.7-Max-Preview做到了万亿参数MoE架构，均衡版Qwen3.7-Plus-Preview则是35B密集架构，千问至此形成了"旗舰加均衡加轻量加多模态"的完整矩阵，覆盖文本、代码、视觉、语音、视频全场景。截至2026年6月10日，阿里云百炼平台还在持续更新模型快照，千问Omni实时版发布了最新的低延迟多模态交互能力。更早些时候的云栖大会上，阿里还一口气发布了Qwen3-VL（支持2小时视频精确定位）、万相2.5等六大模型，并推出了"通义百聆"新品牌，动作之密集，几乎是在用产品矩阵的厚度压对手。

那么，阿里为什么要这样不惜血本地把所有尺寸、所有模态全部开源？

答案藏在它的商业战略里。

阿里这条路线的本质，是用开源筑起生态的护城河。当千千万万的开发者、企业、甚至手机厂商都把Qwen作为默认底座时，阿里云的MaaS收入、推理算力消耗、企业服务订阅，就会自然而然地形成一个完整的商业闭环。这种"模型层亏损换生态、生态反哺云收入"的打法，说白了是用长期主义换短期报表，只有平台型大厂玩得起，也正是阿里区别于所有创业公司的根本优势。它不指望靠卖模型本身赚钱，它要赚的是整个AI时代的水电煤钱。

如果说DeepSeek代表了中国AI的"技术锐度"，阿里代表了"体系厚度"，那么字节跳动旗下的豆包（Doubao），则代表了第三种完全不同的力量。这是一种用字节赖以起家的"分发加产品加增长"机器去碾压对手的力量。

豆包的杀手锏从来不是某个单点技术的突破，而是它把大模型这件事，从一开始就当成一桩"流量生意"而非"技术竞赛"来做。

根据QuestMobile 2026年第一季度的报告，豆包月活用户达到约3.45亿，在国内AI应用中稳居第一，把千问的约1.7亿和DeepSeek的约1.3亿远远甩在身后，腾讯元宝约5735万更是只能望其项背。能力层面，豆包（Doubao-Seed-2.0-pro）在SuperCLUE中文大模型基准测评中以71.53分排名国内第一，说明它不是只有用户没有技术。再看调用量这个更能反映B端渗透程度的指标：火山引擎日均Tokens调用量从2024年12月的4万亿，一路飙升到2025年12月的50万亿以上，一年时间增长了十倍多。

但2026年上半年豆包最值得关注的，既不是用户数，也不是调用量，而是商业化拐点终于到来。

据财新、36氪、21财经等多家媒体报道，豆包预计于2026年6月下旬正式上线付费内容，并将在同期举行的Force大会上更新相关功能。财新披露的订阅定价方案分了三档：标准版（含视频）连续包月68元、连续包年688元；加强版每月200元、每年2048元；专业版每月500元、每年5088元。

这件事被业内普遍视为大模型C端商业化的一个标志性事件——3.45亿月活，终于开始验证"中国用户愿意为AI付钱"这件在过去两年始终存疑的事，是成立的。不过字节在商业化上的态度出人意料地谨慎：2026年内部并不把付费用户渗透率设为硬性KPI，三季度才会结合电商功能更新付费场景，加速打通抖音电商。这种决策背后，是对"收入增长"与"用户留存"之间微妙平衡的清醒认知。

与此同步，豆包还在不断铺开差异化的产品矩阵：2025年12月18日的FORCE大会上发布豆包1.8及音视频创作模型Seedance 1.5；面向编程场景的Doubao-Seed-2.0-Code在2026年2月完成迭代；手机助手预览版开始与各大手机厂商在操作系统层面深度合作，试图实现跨应用的自动跳转操作；在C端语音大模型这个细分领域，截至2025年10月，豆包已经拿下了45%的用户时长份额，创下历史新高。

显然，字节的优势在于抖音、TikTok、剪映、飞书这些超级应用，天然就是AI的分发入口，而字节那套被无数次验证过的算法推荐和商业化能力，让它在"把AI变成中国人的日常工具"这件事上，几乎找不到对手。它压根不需要赢在技术论文里，它只要赢在用户的手机桌面上就够了。

把"新三国"讲完，目光自然要落到"六小虎"身上。

智谱、月之暗面、MiniMax、阶跃星辰、百川智能、零一万物，这六家公司在2023到2024年时，还是资本市场的集体宠儿，个个估值百亿、风光无两。但潮水退去之后，谁都逃不过被重新审视的命运。26年上半年，六小虎的分化已经从"趋势"变成了"既成事实"，分化的结果甚至超出了多数人的预期——有两家已经成功敲钟上市，有一家在产品收入上打出了奇迹，剩下的则在寻找各自的差异化活法。

先看已经上市的这两家，它们代表的是"上市派"的胜利。

智谱AI是"六小虎"中跑得最早的那一个，原计划在A股上市，2025年4月就向北京证监局提交了IPO辅导备案，由中金公司辅导。但随后他们调整了策略，先行登陆港股——2025年12月30日港股IPO定价116.2港元，整体估值约518亿港元；2026年1月8日港股上市首日高开3.27%，涨近9%，市值约555亿港元。

港股上市之后，智谱并没有停下脚步，而是继续推进A股IPO，有望冲击"大模型第一股"的称号，累计融资已超160亿元，投后估值超200亿元。

但同时，智谱2025年上半年的研发开支高达15.95亿元，而同期收入只有1.91亿元——研发是收入的八倍多。这种触目惊心的剪刀差，几乎是所有大模型创业公司共同的处境，也正是它们不得不走向资本市场的根本原因：没有上市这条持续输血的管道，单纯靠融资很难撑住每年数十亿的研发和算力开销。

紧随智谱之后的是MiniMax（稀宇科技），它的上市表现甚至比智谱更加吸睛。2026年1月9日，MiniMax正式登陆港交所（股票代码0100.HK），发行价165港元，发行估值约461亿至504亿港元。首日一度涨超50%，市值突破763亿港元，成为史上IPO规模最大的AI大模型公司，也是全球AI公司从创立到IPO的最快纪录保持者，从成立到上市只用了大约四年。引入的基石投资者堪称阵容豪华，包括Aspex、Eastspring、Mirae Asset、阿里巴巴及易方达在内的14家，认购总额3.5亿美元（约27.23亿港元）。和智谱一样，MiniMax在港股上市后也启动了A股回归进程，2026年5月29日正式启动A股IPO。这两家在2026年初的相继敲钟，标志着中国大模型创业公司正式进入了资本市场，"AI六小虎"的标签从此有了真金白银的市场定价。

不过真正在产品端打出奇迹的，其实是另外一家——月之暗面（Kimi）。它走的是一条和上市派完全相反的路：不急于上市，而是用巨额融资囤弹药，押注产品端的爆发。

2025年末，创始人杨植麟发全员信确认完成5亿美元C轮融资，投后估值达到百亿美元级别，成为罕见的"十角兽"，并明确表示公司账上有百亿现金储备，短期内不着急上市。不过到了2026年3月底，这种态度似乎有所松动，有媒体援引知情人士消息称，月之暗面已在评估赴港上市的可能性，并已与中金公司、高盛集团就上市事宜展开接触，计划于2026年下半年启动IPO。

但这些都不算是真正的重点，真正让整个行业侧目的是它的产品收入。新模型Kimi K2.5（KM2.5）发布后表现强劲，发布后近20天收入就达到1.2亿元，超过了2025全年的1.18亿元，并且海外收入占比已经超过国内。这意味着中国的大模型产品，第一次在海外市场上实现了真正意义上的商业化突破，不再只是在国内卷价格，而是有能力向全球用户收费。

这也不失为一种相当正确的决策——与其现在上市被二级市场用收入和利润的尺子反复丈量，不如先用巨额融资把弹药囤足，用产品收入证明自己，等到估值完全释放后再走向资本市场。至于阶跃星辰、百川智能、零一万物这几家，则各自在垂直化和To B的方向上寻找差异化空间，动作相对谨慎。

整体来看，2026年上半年的"六小虎"早已不是齐头并进的画面，而是进入了一个"两家已上市、一家在海外打出收入、其余寻找活法"的清晰分层阶段。谁能率先跑通可持续的商业模型，谁就能活到下一轮；而跑不通的，很可能在2027到2028年面临被并购或黯然退场的命运。

模型层的格局理清之后，我们就到了MaaS（模型即服务）和云基础设施这个环节。

这一层是大模型能力从实验室走向千行百业的"批发转零售"通道，谁掌握了这个通道，谁就掌握了向整个经济体收取"AI过路费"的权力。

中国市场目前形成了"四朵AI云"的基本格局：阿里云、华为云、腾讯云，加上字节的火山引擎，再加上百度智能云以及移动云、电信云这些国资背景的玩家。

几家的打法各有侧重——阿里云凭借Qwen自研模型、平头哥含光自研芯片、飞天云操作系统的全栈能力，在互联网和政企两个市场都保持领先；华为云则凭借昇腾芯片、盘古大模型和深耕多年的政企渠道，在To B尤其是政府、金融、能源、制造这些"信创"刚需场景占据强势地位；火山引擎依托豆包的能力，主打"模型能力加流量入口"的组合拳，在内容和消费行业攻城略地。

值得一提的是，2025年那场惨烈的"MaaS价格战"，在进入2026年后不仅没有收敛，反而被DeepSeek-V4的"厘时代"定价进一步引爆。腾讯云6月初对V4系列最高97.5%的降幅，只是一个缩影，各大云厂商逐渐意识到推理算力的边际成本正在快速趋近于零，单纯靠降价抢客户根本守不住阵地，杀敌一千自损八百的买卖做不长久。

于是竞争的重心，开始从"谁更便宜"转向"分层定价加增值服务加行业解决方案"的差异化较量，谁能在白菜价的模型之上，叠加出真正不可替代的行业 know-how，谁才能活下来。至于百度，它的文心一言虽然在大模型浪潮的早期抢跑过一阵子，但随着2025年DeepSeek、通义、豆包的全面崛起，市场存在感明显下滑，如今正把筹码集中押在自动驾驶和智能云上，试图寻找第二曲线。

再往上，就到了最顶端的应用层——也是普通读者最能直接感知、也最容易据此判断"中国AI到底行不行"的一层。这一层太丰富了，我们必须分几个大类来慢慢看。

最先要说的，是面向C端消费者的通用AI助手这一类。豆包以3.45亿月活一家独大，紧随其后的是字节系内部的多款产品矩阵、阿里的通义APP和千问官网、腾讯的元宝、百度的文心一言、DeepSeek的官方对话产品，以及Kimi、智谱清言等一众选手。值得注意的是，这个赛道的竞争焦点，已经从早期"谁更聪明"的硬碰硬，转向了"谁更懂中国人"的软实力较量。

本地化服务接入（外卖、打车、购票）、中文长文本的深度理解、与微信、支付宝、抖音等超级应用的无缝打通，这些才是今天决定胜负的关键。

而在这背后，一个更具标志性的产品形态正在兴起，那就是"AI智能体"和"AI Agent"——用户不再只是问一句话、得一段回答，而是让AI直接帮自己完成"订机票、订酒店、生成行程、报销"这种多步骤、跨应用的真实任务。DeepSeek-V4在Agent能力上的大幅提升，正是顺应了这个趋势；豆包手机助手和各大手机厂商内置的AI助手（华为小艺、小米超级小爱、OPPO小布、vivo蓝心），则是这一趋势在终端侧的代表性产物。

不过，C端应用虽然热闹，但中国AI产业真正的"基本盘"，其实是第二类——垂直行业的AI落地。这也是中美AI拉开差异化的关键战场。

在金融领域，招商银行、平安、工商银行这些巨头，早已在用大模型做智能风控、智能投顾、合同审查和客户服务，并且基于私有化部署的国产模型，把敏感数据牢牢锁在内部；在医疗领域，联影智能、推想科技、深睿等公司在医学影像AI上已经做到了全球领先，2025年开始更有大量三甲医院试点接入大模型做辅助诊断和病历结构化；在教育领域，学而思、作业帮、猿辅导把大模型做成了AI老师，K12教育里"AI一对一辅导"已经实打实进入了商业化落地阶段。再把视野放宽一些——在政务和城市治理领域，"城市大脑"加AI大模型的组合，让交通调度、应急响应、12345热线智能分派的效率大幅跃升；在制造业，三一重工、海尔、富士康把AI用于质检、排产、设备预测性维护，工业大模型成了新的热点。法律、传媒、设计、电商客服……几乎你能想到的每一个行业，都在2025到2026年这两年里，完成了从"AI试水"到"AI常态化"的转变。这种全行业的渗透速度，在全世界范围内都是罕见的，它背后靠的正是中国庞大的产业体量、丰富的应用场景，以及企业相对更强的执行意愿。而DeepSeek-V4带动的"厘时代"定价，更是给这种全行业渗透加了一把火——当一次模型调用便宜到几乎可以忽略不计，企业就再没有理由不把AI接进自己的业务流程。

第三类是AI硬件，这是2026年最炙手可热的赛道之一。AI眼镜（对标Ray-Ban Meta的国产产品如雷鸟、Rokid、INMO等）、AI玩具（如BubblePal、跃然创新的AI玩偶）、AI学习机、AI PIN、AI录音笔……新品类层出不穷。这一波AI硬件的核心逻辑，说白了就是一件事——把大模型从"手机里的一个APP"，变成"贴身的、常在线的、语音交互的实体"，本质上是给AI一个"身体"。而在这件事上，中国的优势几乎是结构性的：从镜头模组、微型显示，到电池、结构件，全球最完整的消费电子产业链都集中在珠三角和长三角，这让中国厂商在AI硬件的迭代速度和成本控制上，拥有了别国难以复制的优势。也正因如此，字节、小米、华为都在2025到2026年密集布局这一赛道，把它视为"下一代终端入口"之争——谁拿下了这个入口，谁就可能在后智能手机时代继续掌舵。

至于第四类——AI编程和Agent，则被资本市场和开发者社区公认为"最快兑现生产力"的方向。Cursor、GitHub Copilot在国内的国产替代，是通义灵码、CodeGeeX、字节的Trae、MiniMax的代码模型等一众选手。2025年最显著的趋势，是"Agentic Coding"的崛起——AI不再只是乖乖地帮你补全代码，而是自己理解需求、自己规划、自己写、自己测、自己调试，一个AI工程师的产出，开始悄悄逼近一个初级人类工程师。而在更广义的Agent方向上，2025年Anthropic的Computer Use和OpenAI的Operator引爆了"AI操作电脑"这个赛道，国内也迅速跟进：智谱的AutoGLM、月之暗面的Kimi探索版、字节的扣子空间、manus等纷纷亮相，2026年上半年更是冒出了一大批"通用Agent平台"创业公司，个个都想打造那个能真正"干活"的数字员工。DeepSeek-V4把Agent能力作为核心卖点之一，更是直接把这个赛道推到了风口浪尖。

把产业链从底到顶走了一遍之后，如果就此打住，这幅图景仍然是残缺的——因为还有几股贯穿始终的暗流，在悄悄塑造着产业的走向，必须单独拎出来说。

先看资本。中国AI在2025年迎来了一场真正意义上的"资本大年"，而这股势头在2026年上半年不仅没有衰减，反而因为智谱、MiniMax相继上市带来的财富效应而进一步升温。红杉、高瓴、经纬、IDG这些头部机构，继续把AI调在投资优先级的最高档；地方政府引导基金更是真金白银地下了场，尤其是北京、上海、深圳、杭州、合肥这五个城市，几乎是在用举国体制的力度堆资源。一个突出的现象是"国资LP加市场化GP"的混合模式成为主流——国资提供长钱和耐心，市场化机构提供专业判断，三方合力，专门针对算力基础设施、模型公司、应用公司这三个环节定向输血。月之暗面单轮50亿以上的融资、智谱超200亿的估值、MiniMax上市后763亿港元的市值、DeepSeek母公司幻方的持续造血能力，都在说明同一件事：资本对中国AI的长期信心，已经真正建立起来了。但冷静地看，这种热情本身也在分化——纯粹讲故事、没有产品和收入的公司，在2026年明显融资困难了，"挤泡沫"的过程正在进行，资本不再是无差别地撒钱，而是开始用更严苛的尺子丈量每一张面孔，月之暗面用Kimi K2.5的海外收入证明自己，就是这个新尺子下活下来的典型。

与资本同样重要的，是人才。中国AI的人才储备，在2026年发生了一次质变。一个标志性的现象是：2024到2025年这段时间，原本在硅谷一线大厂（OpenAI、Anthropic、Google DeepMind、Meta）工作的华人顶尖研究员，出现了明显的回流潮。推动这股回流的，是几股力量交织的结果——国内开出的待遇、股权和话语权，一份难以割舍的家国情怀，再加上美国H1B签证政策持续的不确定性，几相叠加，让许多原本犹豫的人下了决心。与此同时，国内的AI博士培养规模也在持续扩大，清华、北大、上交、浙大、中科大、港科大、港中文等高校的AI相关专业连年扩招，"AI四小龙"时代留下的人才断层，正在被一批批新鲜血液填补。当然，承认进步的同时也要承认差距——在最顶尖的那类"原创性算法突破"人才上，也就是那种能定义下一代Transformer、Diffusion、RL新范式的人物，中国和美国之间仍有距离。这个差距，不是靠钱和人海战术能速成的，它需要时间，需要一个允许长期探索、容忍失败的科研氛围。

再说政策。中国走的是一条"有为政府加有效市场"的双轮驱动之路。中央层面，《新一代人工智能发展规划》延续至2030年的目标仍在指引方向，"人工智能+"行动自2024年首次写入政府工作报告后，在2025到2026年持续加码，覆盖制造、医疗、教育、农业、能源、交通等十几个重点行业。监管层面，2025年密集出台的《生成式人工智能服务管理暂行办法》实施细则、算法备案制度、深度合成管理规定、数据出境合规指引，共同构成了全球最细颗粒度的AI治理框架之一。地方层面，北京、上海、深圳、杭州、合肥形成了公认的"五大AI高地"，各自拿出真金白银建智算中心、补贴算力券、引进人才。其中算力券制度尤其值得一提——政府给中小企业发放可以抵扣算力费用的"券"，让那些买不起GPU的创业公司也能用上国产大模型，这是典型的"有为政府"补市场短板的精准操作。当然，监管从来都是一把双刃剑，内容安全、算法备案、数据合规带来的隐性合规成本，对中国大模型公司在C端产品创新上确实形成了一定约束，这是中国AI产业必须正视的现实，无需回避。

最后是数据。中文高质量训练数据的稀缺，曾经是中国大模型很长一段时间里的软肋，但到了2026年，这个局面有了明显改善。一方面，国家级和行业级的高质量数据集在持续建设，从古籍数字化、学术论文，到各行各业的专业语料，颗粒度越来越细；另一方面，合成数据（synthetic data）技术的成熟，让模型可以"自己生成训练数据"，在一定程度上缓解了真实数据枯竭的焦虑。更关键的是，各行业的私有数据——金融的、医疗的、政务的、工业的——开始通过"联邦学习""隐私计算"这些技术，安全地参与到模型训练中来。这其实是中国To B市场独有的一份红利：放眼全球，没有哪个国家能像中国一样，在单一主权范围内汇聚起如此丰富、如此规整的行业数据，这是中国AI在产业落地端最大的底气之一。

至此，从算力到模型，从云到应用，从资本到人才、政策、数据，中国AI产业的整条脉络已经铺展在眼前。那么，最后必须回答那个读者最关心、也最容易被情绪化对待的问题：中国AI产业在2026年6月这个节点上，到底处于全球什么位置？

诚实的回答是：这是一个"局部领先、整体追赶、特定维度开始引领"的复杂局面，任何一刀切的乐观或悲观都是偷懒。在基础研究的最前沿——比如全新架构的提出、世界模型的构建、具身智能的原创理论——美国仍然占据明显优势，OpenAI、Anthropic、Google DeepMind旗下的GPT-5、Claude 4.x、Gemini 3系列，依然代表着全球能力的天花板，这一点必须实事求是地承认。但在工程化和产业化这个战场上，中国凭借供应链、数据规模、应用场景、政策支持这几股力量的组合，已经把差距压缩到了"可感知但不可怕"的程度。更值得注意的是，在开源模型、MoE架构、低成本训练、垂直行业落地、AI硬件供应链这些具体的维度上，中国甚至实现了局部领先——DeepSeek-V4的全球影响力、Qwen3.7在全球开发者社区的开源统治力、字节豆包3.45亿月活的产品爆发力、华为昇腾950PR的工程突破、Kimi K2.5海外收入超国内的产品出海，都是这种"局部引领"实实在在的证据。尤其值得一提的是，DeepSeek用昇腾950PR训练V4这件事，让"中国算力加中国模型"这条完全自主的路线第一次跑通了闭环，这在三年前是不可想象的。

写到这里，这篇长文其实想传达给读者的，远不止几个公司名字或几组数据。对一本面向小白的AI入门手册而言，理解中国AI产业最重要的，是建立起一个基本认知框架：AI产业从来不是一个抽象的概念，而是一条有清晰层次、有真实竞争、有明确利益分配的产业链；这条链上的每一个环节——从一颗芯片，到一行代码，到一个App——都紧密连接着真实的资本、人才和政策博弈；而中国在这条链上的位置，正在从2023年的"被动跟随"，一步步走向2026年的"主动竞争"。这条路注定不轻松，但走得异常坚定。如果读者在读过这篇文章之后，能够建立起这个框架，那么未来再看任何一条AI新闻、任何一家AI公司，都能一眼看穿它处在产业链的哪一层、它的胜负手在哪里、它的天花板有多高——这才是这本手册想教会人的、真正属于AI时代的"义务教育"。