夸中国务实的那个人，是全球最大的AI算力卖家。

他叫黄仁勋。当地时间9月14日，他在洛杉矶参加了一场46分钟的访谈。中间他说了一句话：中国的AI叙事要务实得多，没人谈末日论。

就在9月12日，一家美国AI公司呼吁全行业放慢最先进模型的升级速度。同一周，三家平时抢客户最凶的美国AI公司，罕见地站到了同一个立场上。

黄仁勋的回应只有一句：放慢速度绝对是最错误的策略。访谈进行到第23分钟，电话响了。

所以他夸中国的时候，面前另有需要被说服的对象，而中国是唯一不需要被说服的。这不是评价，是一件工具。

图源网络 黄仁勋在科技大会现场演讲

夸中国的那个人，是全球最大的AI算力卖家

先看清他的位置。英伟达在整条AI产业链的最上游，卖的是算力。据公开财报汇总，美国四家头部科技企业今年的资本支出合计超过7300亿美元。

如果前沿模型的升级节奏被整体放慢，整条链上最先感觉到变化的，不是做模型的那几家，是提供算力的那一环。

他反对的不是安全，是用没验证过的概率吓唬人。他在访谈里点了三项没兑现的预测：5年内放射科医生被AI取代、90%的代码由AI生成、50%的初级岗位消失。

他要求给这些预测记一笔账、事后对一对，这个要求站得住。但他反对的是恐吓式叙事，不是安全治理本身。

所以他讲中国务实，实际完成的是一个论证动作。如果风险真有那么大，世界上另一个主要玩家早该停下来了；现实是它正在埋头往前跑。这句话听起来像夸奖，用起来像论据。

美国四家公司2026年资本开支指引（单位：亿美元）数据来源：各公司公开财报及资本开支指引汇总

站在哪一层，就说哪一层的话

每个人的诉求，都能从他所在的位置推出来。这像一栋楼，三层住户关心的事完全不同。卖电梯的希望楼越盖越高，物业希望先别加层，住户只关心电梯好不好用。

第一层是算力层，也就是他所在的那一层。诉求是别减速，因为减速意味着订单节奏变化，而节奏直接决定产能规划和投资回收周期。

第二层是做模型的那几家，诉求是守住前沿位置。这里得说句公道话，他们的担忧里有真实的工程焦虑，近几个月模型的迭代速度确实在加快。真实的工程焦虑和真实的竞争位次，可以同时存在于一份声明里。

领先的公司天然希望后面的追得慢一点，这跟它是否真心担心安全并不冲突。这也解释了那个让人困惑的现象：为什么抢客户最凶的三家，会在一周内站到同一个立场上。

图源网络 当前顶部模型公司Anthropic 标识

在规则这件事上，它们面对的是同一个问题，与其被别人定规矩，不如自己参与定规矩。

同一批公司今年还要面对一件更硬的事。其中三家有云业务的，资本开支测算下来已经达到其云业务收入的102%。翻译成大白话，花出去的钱比挣回来的还多。

基建本来就是先花钱后收钱。但这句话出现在财报里，意味着市场换了一个问题：钱什么时候能赚回来。同样是宣布大额开支，一家公司股价次日跌7%，另一家宣布更大开支，股价反而涨15%。

物理世界同时在设限。据行业调研，大型变压器的交付周期已拉长到3到4年，部分地区电网并网排队要等4到7年。所以减速这件事，在美国一半是技术判断，另一半是现实无奈。

图源网络 AI服务器大型变压器

中国的务实，是统计口径里的一厘米位移

务实不是态度，是产业阶段逼出来的姿势。它的第一个指纹藏在一句统计口径里：中国AI的推理数据量首次超过了训练数据量。

但这是一道分水岭。训练是让AI上学，推理是让AI上班。上学花的是一次性的钱，上班花的是每天的电费。上班的部分第一次超过上学的部分，说明产业已经过了考试阶段，进入干活的阶段。

同一个统计口径里一厘米的位移，比任何公开表态都更能说明两国眼下分别在做什么。美国在忙着造更强的模型，中国在忙着把模型用出去。

使用强度也印证了这一点。据第三方平台测算，9月7日到13日这一周，全球AI大模型总调用量127万亿Token，其中中国模型61.17万亿，美国模型21.76万亿，中国已连续20周超过美国。

这个数字比的不是谁更聪明，是谁被用得多。它回答了一个老问题：中国人不是不用AI，是用得比谁都勤。

用到产业里是什么样？据行业统计，中国规模以上制造业企业的AI应用普及率超过30%，重点行业渗透率超过80%。这些工厂里的AI不写诗不画图，就是盯着质检和排产。

另一组数据方向正好相反。今年1至7月，新发AI岗位量同比增长789.47%，平均月薪63160元；而另一边，设计师岗位需求减少50%以上，市场营销低阶岗位减少约50%。被取消的那些人和被创造的那些岗位，未必是同一批人。

中美AI大模型周调用量对比（2026年9月7日至13日）数据来源：第三方模型聚合平台周度数据测算

务实有代价，最难的那部分不能跳过

中国不在公共舆论里讨论末日论，但在实验室里，它往同一个方向走。

从公开信息看，一家开发国产大模型的中国公司，把让AI训练下一代AI列为优先事项，完成了50亿美元融资。

这是企业的公开规划与融资目标，不等于已经产生现实风险。另一个事实同样要摆出来，国内模型上线有完整的评估与备案流程，截至8月底已有1112款生成式AI服务完成备案。

所以真正值得注意的，不是谁在冒险，而是同一个技术方向被两套不同的流程管理着。一边靠公开辩论形成压力，一边靠上线前的评估与备案约束。

回到成本这一侧。据行业测算，今年中国本土AI芯片产量约相当于美国的1%到2%。国内最先进的7nm级产线年产能约260万颗AI芯片，而国内需求约420万颗。

这个缺口不是最难的。真正卡得更紧的，是贴在芯片旁边的那摞内存。

一块AI芯片算得再快，数据喂不上就是空转。就像后厨灶台再好，配菜的只有一个人，出菜就卡在配菜上。这东西叫高带宽内存。

中国AI芯片的两道瓶颈（可支撑芯片数量测算）数据来源：行业测算

全球能大规模做这个的只有三家，合计控制着约96%的产能。有行业测算认为，国产产能只够支撑60万颗AI芯片。

这就是为什么说光刻机不是唯一的那道门，门后面还有一道门。很多人讨论算力卡脖子，更靠眼前的其实是给芯片配不上记忆。

进展也是真实的。据媒体报道，国内首台浸没式深紫外光刻设备已由上海一家国资企业开始有限量产。黄仁勋给的时间点是2030年前后，理由是中国擅长大规模工业化量产。

把这两句话放在一起看，结论更清醒。时间是按年算的，应用侧的需求是按季度涨的。这两条线的斜率不一样，这才是真正的压力所在。

务实本身没错，错的是以为务实可以跳过最难的那一段。

图源网络 英伟达H100 AI服务器算力芯片

计分板正在换

这场竞赛的裁判权，正从实验室转到车间。

9月4日，一家美国公司发布新一代旗舰模型。当天，A股AI应用方向走强，而同属科技板块的半导体、算力硬件则回落。

本文仅描述市场现象，不构成任何投资建议。

硬件牛了两年，那天市场把票投给了软件。这个动作本身，比任何一家公司的涨跌都更值得琢磨。

收费方式也在变。企业级软件正在从按使用人数收费，转向按完成的工作量收费。它意味着AI的价值计量单位，从多少人用变成了干完了多少活。

招聘市场是同一个方向。今年1至7月的新发AI岗位里，应用开发占了60%以上，技术底座不到25%，业务效能只有14%左右。

新经济行业新发AI岗位结构（2026年1至7月）数据来源：公开招聘平台人才流动报告

中国这一侧的观察变量也清楚了。一条链条正在成形：用得多，数据就多；数据多，迭代就快；迭代快，成本就降；成本降，用的人更多。

9月10日，国产模型厂商Deepseek发布新版本，把缓存命中的输入价格下调了60%。这条链转得起来，每转一圈都在给应用侧积累真实数据。

中国能不能赢，不取决于模型榜单上的名次，取决于这条循环能不能一直转下去。

黄仁勋说这场竞赛比的是谁能最好地利用技术。这是给中国的一句赞美，也是给美国的一句提醒。同一句话，两个听众，听出来的意思完全相反。

叙事可以随时切换，但车间里的渗透率、账本上的单位成本、产线上流片的良率，不会因为任何人说了什么而改变。

谁能让AI变得像电一样便宜、像水一样随处可用，谁才算真正赢了这场竞赛。到那一天，大概没有人会再讨论末日论，因为所有人都在忙着用它。