中美 AI 竞争正在呈现一个反常识的图景：如果只看科技巨头的资本支出，中国今年大约是美国的八分之一；但如果把模型训练、推理支出和更广泛的人工智能相关投入都算进去，中国的规模约为2200亿美元，美国约为8400亿美元，差距缩小到四分之一左右。

然而，真正让这份报告显得刺眼的并不是投入规模，而是投入转化为增长的能力。美国主要云服务商的AI投资预计为今年美国 GDP 增长贡献近1.3个百分点，而中国全部企业的AI相关资本支出对 GDP 增长的贡献不到0.4个百分点。

这意味着，问题已经不再是“中国投得够不够多”，而是“为什么投了这么多，对增长的拉动仍然偏弱”。

先看投入结构。美国 AI 投资主要由私人部门驱动，尤其是大型云服务商和科技巨头。

2025年美国私人部门AI投资规模约2859亿美元，远高于中国的124亿美元；若计入政府引导基金、产业基金和三大运营商等公共资金，中国实际投入规模会明显高于单纯统计私人资本时的数字。

中金公司估算，2025年美国龙头公司在基础层和技术层的投资规模约为中国的5倍，2026年这一差距可能进一步扩大。但中国 AI 投资有一个重要特征：政府资金占比更高，资本对短期回报的敏感度较低，更倾向于承担长周期、重资产的硬件和算力投入。

这也解释了为什么中国 AI 投资对 GDP 的即时拉动较弱。美国 AI 支出更多直接体现在云服务商的资本开支、企业订阅、软件服务和高端劳动力替代上，能够较快进入 GDP 核算。

而中国则更多投向芯片、服务器、数据中心、算力网络等基础层，这些投入短期内更多体现为产业链需求和出口拉动，对国内总需求的传导链条更长。

东吴证券测算，2025年至2026年 AI 对中国 GDP 增速的拉动约在0.3至0.5个百分点之间，与这份报告“不到0.4个百分点”的判断基本一致。中金公司也指出，截至2026年一季度，AI 资本开支对中国 GDP 和总需求同比增长的贡献仅约0.1至0.15个百分点。

更深层的差异在于需求侧。美国 AI 投资背后有资本市场高估值、企业高付费意愿和高薪岗位被替代的强激励；中国则面临总需求不足、企业付费意愿偏弱、资本市场风险溢价较高的约束。

换句话说，美国的问题可能是“投得是否过热”，中国的问题更像是“投了之后谁来买单”。如果AI应用不能有效转化为制造业效率提升、服务业成本下降和居民消费改善，那么再大的资本开支也可能停留在资产负债表上，而不是真正进入增长循环。

不过，这并不意味着中国 AI 竞争处于全面落后。中国在工业场景、具身智能、智能工厂、自动驾驶和低成本模型推理方面已经形成优势。2026年4月中国 AI 周均 Token 调用量达到约12.96万亿，高于美国同期水平，且推理成本显著更低。

AI 相关产品也成为中国出口的重要支撑，2026年前4个月 AI 相关产品出口同比增长36.9%，对出口增长贡献达43.6%。这说明中国 AI 的强项不在“烧钱速度”，而在“落地效率”和“产业链转化”。

这份报告真正的警示在于：AI 竞争的下半场，不再只是看谁建了更多数据中心、买了更多芯片、发布了更多模型，而要看谁能把技术变成生产率、利润和工资。

美国的优势是把 AI 迅速变成企业收入和 GDP 增量；中国的挑战是如何让庞大的基础设施投资尽快找到可持续的商业回报。

如果投入继续扩张，但应用端、需求端和资本市场端不能同步跟上，那么“投资差距缩小”可能只是表象，“增长差距扩大”才是更值得警惕的现实。