在北京舉行的2026世界機器人大會，成為近期全球業界關注的焦點。隨著人工智能（AI）及相關設備的使用越來越廣泛，人工智能競爭的重點正在發生根本變化。過去比的是誰能把大模型做得更強，今后更關鍵的是誰能把智能做成像水、電和網絡一樣，穩定供應、按需使用、普遍可及的“基礎設施”。

中國當前最大的潛在優勢，是有條件以較低的單位智能成本參與全球競爭。中國的人工智能大模型堅持開源和低價，主要源于模型效率、開放權重和充分競爭；能源優勢決定的，則是這種低價能否長期維持，并為國產芯片、系統軟件和模型追趕贏得時間。由此可以得出一個更為重要的判斷：誰能率先讓更多國家用得上、用得起、用得好人工智能，誰就能積累更多真實任務、開發者、工程經驗和技術標準，并在下一輪競爭中占據更大主動。

AI競爭進入基礎設施階段

人工智能正在由一種高端技術產品，逐步轉變為經濟社會運行的基礎能力。企業將其嵌入研發、制造、營銷和管理流程，政府利用其提升公共服務和治理效率，個人則把它作為獲取知識、處理信息和完成工作的日常工具。隨著調用頻率不斷提高，“智能”將像云計算和電力一樣被持續使用、按量計費。

基礎設施競爭有其自身規律。技術最先進固然重要，但決定普及速度的，往往是價格是否可承受、服務是否穩定、部署是否便利。一旦某一技術體系率先進入政府平臺、電信網絡、企業流程和大學課程，圍繞它形成的接口、人才、軟件工具和合規制度就會不斷沉淀，后來者即使技術更強，也要付出很高的替換成本。

這場競爭不只發生在中美之間。全球近八成人口生活在中美兩國之外。對東南亞、南亞、中東、非洲和拉美地區的許多政府、運營商和企業而言，最迫切需求的并不是在所有基準測試中排名第一的模型，而是價格可承受、能力足夠強、能夠本地部署并適應本國語言和產業需求的模型。

市場信號已經出現。AI模型聚合平臺OpenRouter公布的數據顯示，2025年美國模型約占該平臺詞元（Token）流量的3/4；到2026年6月初，中國模型的詞元份額已經反超。其分析覆蓋2026年上半年超過450萬億詞元，DeepSeek等中國模型的增長主要來自編程和智能體等真實工作負載，而不只是一般聊天。OpenRouter不能代表整個市場，也不包含大量企業直簽和私有部署，但它清楚反映了價格敏感型市場的變化方向：當模型能力逐步接近，成本就會越來越直接地影響采用。

市場需要的是可負擔的智能

人工智能走向普及后，市場衡量的就不再只是模型智能的程度，而是完成一項任務需要付出多少成本。尤其是在編程和智能體場景中，模型需要反復規劃、調用工具、檢查結果和修正錯誤，一項任務可能產生數百乃至數千次調用。單次調用看似很小的價差，放到大規模業務中就會被成倍放大。

中國開源模型的擴散速度說明了這一點。全球最大的人工智能開源社區Hugging Face發布的2026年春季報告稱，中國開源模型已占平臺下載量的41%，成為最大的國家來源。下載量不等于商業收入，也不等于實際部署，但它說明全球開發者正在選擇什么、學習什么，又在什么基礎上開發下一代應用。

開放權重在這里發揮了關鍵作用。它降低了模型獲取、二次開發和本地部署的門檻，也使多家云服務商和模型托管平臺能夠圍繞同一模型展開競爭。對許多發展中國家而言，開放權重意味著不必完全依賴少數海外平臺，可以在本地服務器上部署模型，進行語言適配和行業微調，并把數據留在本國。價格、開放性和可控性由此形成合力。

要理解中國模型為什么具有價格競爭力，可以從能源、算力和模型三個層面來分析。能源位于底層，為數據中心提供電力；芯片位于中層，把電力轉化為計算；模型位于上層，把計算轉化為可使用的智能。三者共同決定單位智能成本，此外還包括服務器、網絡、散熱、建設和資本開支。

需要看到的是，中國并非在三個層面都領先。在算力層和模型層，美國仍占據一些優勢。中國模型當前的低價，主要形成于模型層和商業層。開放權重降低許可成本，激烈的托管競爭又壓低了服務價格。中國模型的價格優勢首先來自模型效率、工程優化、開放生態和市場競爭。能源的作用更為深遠：它決定這種優勢能否在調用量持續增長后仍然維持。

能源優勢轉化為算力成本優勢

在當前階段，電費還不是模型推理成本中占比最高的部分。根據相關測算，大模型應用一次文本請求的中位耗電量約為0.24瓦時。然而，當人工智能由偶爾問答轉向智能體、工業流程和社會基礎設施，能源約束會越來越突出。過去，行業關注的是有沒有足夠多的芯片；未來，隨著億級用戶和海量企業持續調用模型，問題將逐步變成能否長期穩定地提供吉瓦級電力。芯片決定算力效率，電力決定算力規模，兩者缺一不可。

中國的優勢首先體現在能源設施建設和基礎設施投入使用速度上。2025年，全國新增風電和太陽能發電裝機超過4.3億千瓦，其中太陽能發電新增3.18億千瓦。美國同樣擁有龐大的擬建電力源，中國需要解決的是如何更高效地配置和消納能源，美國則面臨較為突出的并網和電網擴容瓶頸。

在“東數西算”樞紐，能源優勢已經開始轉化為算力成本優勢。寧夏中衛數據中心集群依托綠電園區機制，到戶電價穩定在每千瓦時0.36元左右，約為東部地區的45%。國家層面也在推進算電協同、綠電直供和數據中心可再生能源消費比例提升，目的就是把能源資源、算力設施和實際任務更有效地匹配起來。

低價電力不能改變芯片性能，但可以部分緩解芯片能效不足帶來的運行成本壓力，使中國企業在技術尚未全面領先時，仍有條件擴大推理規模，并為芯片、系統軟件和模型持續迭代爭取時間。更準確地說，一個國家向全球供應智能的實際成本，由電價、芯片能效和模型效率共同決定。電價越低，大模型產生的單位智能成本就越有競爭力。

今天我們的優勢，是模型效率、開放生態和充分競爭形成的低價；未來更持久的優勢，則是能源與基礎設施為這種低價提供規模空間。下一階段，我們的重點工作不能僅停留在給數據中心便宜的電力，而應轉向以更低成本生產更多有效智能。一是加快算電協同，使訓練、批處理和可延遲推理任務能夠隨低價綠電在時間和空間上調度；二是建立長期、穩定、可預期的綠電供應機制，為高利用率算力設施提供長期投資和全球定價依據；三是改變只看機架數量、峰值算力和耗電規模的評價方式，更加重視每千瓦時完成多少真實任務、產生多少有效智能；四是把政策支持與能效提升、國產軟硬件適配、實際利用率和海外服務能力掛鉤，防止低水平重復建設和算力空置。

必須清醒地看到，在一段時間里美國仍會擁有最先進的芯片、最強的前沿模型、成熟的基礎軟件和高價值企業市場。中國人工智能的機遇在于把足夠先進的大模型和智能體做得更加可靠、開放和普遍可得，并通過全球部署反過來推動技術進步。（作者是深圳市人工智能與機器人研究院具身智能中心主任）