文 | 啸天的 AI Lab最近这一年，只要聊到 AI，很多人最后都会绕回同一个问题：中国和美国，到底差在哪里？这个问题太容易被讲成一个技术问题。GPT-5 比国产模型强多少，Claude Code 比国内工具顺手多少，H100 禁售会不会卡住训练，DeepSeek 和 Qwen 到底追到了哪一步。这些当然重要，但我越来越觉得，如果只这样聊，中美 AI 的差距会被讲浅。前阵子，我有一次比较特殊的机会，和一位做内部调研的朋友聊了将近一个小时。对方想了解的不是某个产品、某家公司，而是一个更大的问题：站在一线使用者和从业者的角度，怎么看中美 AI 的真实差距。我当时把它拆成了很多层：工具、模型、生态、文化、基建、信息、人才。讲到最后，我自己反而越来越清楚一件事：中国 AI 真正缺的，不是另一个 Claude 或 GPT模型当然要追，工具当然要追，算力当然要补。但这些都不是最难的部分。真正难的是，当一个普通人、一个工程师、一个产品经理、一个被大厂裁掉的中年老兵，真的想用 AI 做点什么的时候，这个社会有没有一条路，让他把东西做出来、发出去、卖出去、活下来。美国 AI 的核心优势，不只是 OpenAI 和 Anthropic。它更深的优势是：一个人有了想法，下午就能开工，晚上就能上线，第二天就能收钱，第三天就能被全世界看见。中国 AI 的核心问题，也不只是模型差一代。它更深的问题是：很多人明明有能力、有经验、有想法，却卡在一堆看起来不属于 AI 的地方。收款、备案、网络、合规、社保、年龄、舆论、家庭期待。这些东西叠加在一起，才是真正的差距。第一层：模型和工具，其实不是最可怕的差距先说最显眼的那层。如果只看模型和工具，中美当然有差距。但这层差距，我反而没那么焦虑。我自己每天重度使用 Claude Code。写代码、改项目、读仓库、整理文档，很多时候它已经不是一个聊天机器人，而像一个坐在终端里的工程同事。它能理解一个复杂项目的上下文，能跨文件修改，能跑命令，能在我没说完整的时候补上意图。这类体验，国内产品确实还差一点。国内也有 Trae、通义灵码、豆包、Kimi、DeepSeek、Qwen。日常写作、问答、代码补全、简单工具开发，已经能做很多事。尤其是 DeepSeek 和 Qwen 这一轮开源，是真的打进了全球开发者社区，不是国内自嗨。很多海外开发者开始主动用中国模型，这件事放在上一轮技术浪潮里很少见。所以我对模型层的判断反而比较克制：闭源前沿模型，我们很难追上 OpenAI 和 Anthropic；但开源模型，中国已经有世界级选手。真正的短板，不在“能不能回答问题”，而在两个更细的地方。一个是 Agent 能力，也就是模型能不能稳定地规划多步任务、调用工具、读写文件、自己修错。另一个是长上下文一致性，也就是当上下文超过几十万字之后，它还能不能保持判断不跑偏。这两个能力，正好是 AI 从“聊天工具”变成“生产力系统”的关键。但即便如此，这层还是能追的。因为它可量化、可对比、可训练、可迭代。今天差 1 代，明年可能差 0.5 代。今天 Agent 不稳定，明年工具调用可能就成熟一大截。技术差距最残酷的地方，是它很显眼；但技术差距最不残酷的地方，也恰恰是它很显眼。显眼，就意味着有人盯着，有资本砸，有团队追，有榜单比较，有用户天天骂。它会形成压力，也会形成进步。真正让我担心的，反而是那些没有榜单、没有 benchmark、没有发布会的差距。那些差距不显眼。但它们更硬第二层：美国在养 Builder，中国在养 Talker再往下走一层，差距就不只是产品体验了。它变成了一种生态和文化的差别。我有时候会想象这样一个画面：一个硅谷工程师，下午突然想到一个小工具，晚上用 Cursor 和 Claude 写出来，部署到 Vercel，发到 Product Hunt 或 Hacker News，第二天有人试用，第三天接上 Stripe 开始收钱这个路径在美国并不浪漫。它甚至有点普通。但在中国，同样一个人、同样一个想法、同样一个 AI 工具，脑子里很可能先冒出来的不是“我今晚试试”，而是：公司竞业会不会有问题？域名要不要备案？收海外款怎么处理？会不会涉及内容合规？小程序审核要多久？别人会不会觉得我不务正业？做出来以后发到哪里？如果火了，会不会反而惹麻烦？差距，就在这种下意识的反应里。美国独立开发者默认自己可以做一个小产品。中国开发者默认自己要先判断一圈风险。这不是中国人不聪明，也不是中国人不勤奋。恰恰相反，我看到的大量中国开发者、产品经理、创作者，动手能力很强，执行力也很强。问题是，他们做出来以后，经常没有一个顺畅的地方可以被看见，也没有一个稳定的地方可以变现。所以一个很奇怪的现象出现了：硅谷最受尊重的是 Builder，中国最容易赚钱的是讲 Builder 的人美国有 Pieter Levels 这样的独立开发者，一个人做多个产品，公开收入，公开失败，公开迭代。大家羡慕的是“他做出了什么”。国内也有很多优秀的 AI Builder。但如果你看热闹的地方，会发现最容易被看见的往往不是做产品的人，而是讲方法论的人、卖课程的人、做社群的人、解读趋势的人。这不是道德批评。因为在一个做产品不容易变现、发产品不容易被看见、合规成本又很高的环境里，讲“怎么做”当然比真的“做一个产品”更稳。聪明人会顺着激励结构流动。如果一个生态长期奖励 Talker，而不是 Builder，最后就会慢慢形成一种反向选择：最会表达的人去卖课，最会做东西的人沉默，最有潜力的产品要么死在朋友圈，要么干脆出海。所以我越来越觉得，中国 AI 生态最深的差距，不是“有没有聪明人”，而是：聪明人最终被引导去做什么。美国的路径是：做出来，发出去，卖给全球用户。中国的路径常常变成：学会了，总结成课，卖给想学的人。前者长出产品。后者长出内容。内容当然也有价值。我自己也在写公众号，也在做个人表达。但一个国家的 AI 产业不能只靠解释 AI 的人，它终究要靠真正用 AI 做出新东西的人。如果 Builder 只是亚文化，AI 就很难长成主流生产力。第三层：最该改的，不是口号，是基础设施但我不想把问题都推给文化。文化很慢，十年都未必改得过来。可有些东西，其实今天就能改。比如基础设施。一个美国独立开发者想做一个 SaaS，他可以用 Stripe 收款，用 Vercel 部署，用 GitHub 协作，用 Gumroad 卖数字产品，用 Product Hunt 获取第一波流量。这些东西听起来不像 AI，但它们决定了 AI 能不能变成产品。因为 AI 只是把“做出来”的成本降低了。可一个东西要真正成为生意，还要经过上线、访问、收款、纳税、客服、分发、合规。美国这套基础设施，是围绕小团队和独立开发者长出来的。中国并非缺乏基础设施。我们有强大的平台、云厂商、支付系统、小程序生态和企业服务能力。但这些设施大多是为大公司、成熟业务、强组织设计的，很难适配一个人从零到一搭一个轻量产品的需要。最典型的是备案如果你只是想用 AI 做一个小网站，验证一个想法，在中国你很快会遇到域名备案、服务器备案、内容审核、平台规则、小程序审核。每一个环节单独看都有道理，但叠在一起，就会把一个轻量实验变成一个重型项目。我自己做网站、做小程序的时候，对这件事感受很深。AI 让我一天能写出一个原型，但现实流程能让我一个月都上不了线。这个错位特别荒诞。前沿模型在按周迭代，基础流程还在按月消耗人。所以我想把这句话说得重一点：美国基建是给 Builder 加速的，中国基建经常是在给 Builder 做压力测试还有信息访问。今天一个 AI 开发者真正需要的，远不只是中文公众号和二手解读。他需要 GitHub、Hugging Face、arXiv、官方文档、Discord 社区、X 上的一线讨论。他需要看到源头，而不是等别人转述。但现实是，很多最重要的技术信息，在国内访问都不稳定。GitHub 大文件慢，Hugging Face 模型下载不稳，Discord 技术社区打不开，很多官方文档加载困难。于是中国开发者常常不是站在同一条起跑线上，而是先花一部分精力去“找入口”。这个差别会被低估。一天没什么，一周没什么，但一年下来就是代差。美国开发者的信息是自动流到他面前的。中国开发者的信息是他主动翻回来的。这不是姿势差异，这是摩擦差异。而创新最怕的就是摩擦。我并不觉得这些问题都需要靠“大政策”解决。很多事情其实可以很具体：给独立开发者更轻的备案机制，给小团队合规的海外收款通道，给科研和开发者群体稳定访问技术资源的白名单，把 AI 开发者当成一种基础生产力人群，而不是一群偶尔折腾副业的人。这类改动没有那么宏大，但它可能比多喊一百句“鼓励 AI 创新”更有用。第四层：被浪费的 35 岁，可能是中国 AI 最大的金矿最后一层，是我这次对谈之后最想写下来的。谈 AI 人才的时候，大家很容易盯着两类人。一类是顶级科学家、清北博士、海归研究员、OpenAI 和 Anthropic 里的华人。另一类是年轻工程师，应届生，算法新人，未来十年的 AI 原生一代。这两类当然重要。但我觉得我们漏掉了中间一层人：30 到 45 岁，被大厂训练过、也正在被大厂淘汰的那批中高级老兵这批人很尴尬。他们在过去十几年里做过产品、做过运营、做过增长、做过商业化、做过供应链、做过私域、做过项目管理。他们懂业务，懂组织，懂客户，懂流程，懂一个东西从 PPT 到真实落地之间到底会死在哪些地方。但在传统就业市场里，他们又越来越不被欢迎。年龄贵，包袱重，不够“年轻有冲劲”，简历上只要有一段 gap，就会被问“这半年你干嘛去了”。很多人 35 岁之后突然发现，自己过去十几年的经验，在招聘系统里没有想象中那么值钱。可 AI 出现以后，这件事有了一个反转。因为 AI 把“做出来”的门槛降下来了。过去，一个产品经理有想法，但不会写代码，想做一个小工具，需要找前端、后端、设计、测试。现在，一个有业务经验的人，加上 Claude Code、Cursor、现成 API 和云服务，就能把很多想法先做成一个能跑的版本。这意味着，AI 时代最稀缺的能力，未必是从零写代码，而是判断什么值得做。这恰恰是那批 30 到 45 岁老兵最有价值的地方。他们知道一个企业真实的工作流是什么样，知道客户嘴上说的需求和真正愿意付钱的需求差在哪，知道一个流程看起来简单但为什么在组织里推不动，知道哪些自动化是锦上添花，哪些自动化能真的救命。这些不是学校里教出来的。这是在一线被需求、老板、客户、预算、KPI、协作反复捶出来的。我自己对这件事感受很强。我不是程序员。我是一个做了十几年 B 端产品的人。没有 AI 的时候，我的很多想法都停在文档里。因为我要做出来，需要一个团队。但过去半年，AI coding 工具让我一个人做了很多以前不敢想的事：小程序、自动化流程、视频混剪系统、个人 AI 助理、内容生产系统。这些东西不一定都成功。但它们让我第一次很清楚地感觉到：过去那些看起来“只能写进方案”的经验，开始可以被我亲手变成工具。所以我在那次对谈里脱口而出一句话：Claude 和 GPT 治好了我的 35 岁焦虑。因为我真的有事干这句话听起来有点私人，但我觉得它背后是一个公共问题。如果 AI 真的能把一批有经验的人重新激活，让他们从“被优化的中年人”变成“能独立做事的小团队”，那这可能是中国和美国完全不同的一条路。美国有全球顶级 AI 科学家，有湾区工程师，有资本和创业生态。中国有什么？中国有过去二十年互联网、制造业、电商、游戏、供应链、私域、线下零售、企业服务里沉淀出来的一大批经验型人才。这些人未必会训练大模型。但他们知道 AI 应该落到哪里。这才是中国 AI 最可能形成差异化的地方。不是再造一个 OpenAI，而是让一大批懂业务的人，借助 AI 变成能动手的 Builder。但前提是，社会要接得住他们。社保、医保、税务、贷款、子女教育、创业过渡期、个体工商户、灵活就业保障，这些东西听起来都不性感，和 AI 发布会没有关系。但它们决定了一个 38 岁的人敢不敢离开公司，敢不敢试半年，敢不敢把自己十几年的经验拿出来重新组合。如果一个社会只会用 offer 判断一个人的价值，那它就很难看见 AI 时代真正有价值的那批人。模型追上以后，问题才会真正显形写到这里，回头看中美 AI 差距，我会把它压缩成四层。第一层是模型和工具。这一层能追，也正在追。中国的开源模型已经打出了一张很硬的牌。第二层是生态和文化。美国在养 Builder，中国还在让太多聪明人变成 Talker。这一层最慢，也最难。第三层是基础设施和信息。这一层不是不能改，而是还没有被当成核心问题来改。第四层是人才。中国真正的机会，可能不是培养更多“从零开始的 AI 新人”，而是激活那批已经懂业务、懂组织、懂客户、但被传统系统低估的中年老兵。这四层叠在一起，你会看到一个有点反直觉的结论：模型差距可能是最容易被解决的差距。因为它最显眼，最被讨论，最容易被投入资源。真正决定中国 AI 命运的，反而是那些不太像 AI 的东西：一个人能不能访问世界前沿信息，能不能快速上线一个产品，能不能合规收到第一笔钱，能不能在没有稳定 offer 的半年里不被生活压垮，能不能在 35 岁之后还有机会重新下场。这也是为什么我说，中国 AI 真正缺的，不是另一个 Claude 或 GPT。我们当然需要更强的模型，但更需要的是一条让 Builder 活下来的路。如果没有这条路，再强的模型也只会变成少数大厂的生产工具，变成一批课程和社群的销售话术，变成很多人朋友圈里又一次“看起来很热闹”的时代背景。如果有这条路，事情会完全不一样。一个产品经理可以变成半个工程师，一个剪辑师可以变成一个视频工厂，一个中年运营可以把十年的业务经验变成一套自动化系统，一个小团队可以服务过去只有大公司才能服务的客户，一个普通人也许不再只是等待下一次组织分配机会，而是可以自己造出一个入口。我越来越相信，AI 时代真正的国家竞争，最后拼的不是谁有最多会用 AI 的人，而是谁有最多敢用 AI 去做事的人。会用，是技能。敢做，是生态。所以这篇文章如果非要收束成一句话，我会选这一句：中国 AI 不缺能力，缺的是让能力被看见、被连接、被交易、被长期养活的通道模型会继续追。工具会继续追但那条通道，不能等模型追上以后才修。因为等到模型真的追上的那一天，我们才会发现，真正的差距，早就不在模型里了。更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App