<p>在全球範圍內的討論中，人工智能（AI）霸權的競爭被框定為美國與中國之間的二元對抗。華盛頓的設想是，勝利取決於前沿模型和計算規模，這場戰鬥由少數美國實驗室主導。中國被視為挑戰者，受到出口管制的限制，並依賴於追趕。\n 這種敍述正變得越來越過時。中國並沒有追求單一的人工智能戰略。它正在並行進行三個大規模實驗，每個實驗由不同的公司羣體主導，這些公司受到不同的約束，並指向對人工智能領導力的不同理解。\n 第一個陣營是計算最大化派，以阿里巴巴和字節跳動為先鋒。他們的賭注是規模和性能仍然是最重要的。阿里巴巴在過去一年中在雲計算和人工智能基礎設施上投入巨大，推動自由現金流降至負 218 億元人民幣（31 億美元），儘管雲收入增長了 34%。管理層現在聲稱佔據了中國人工智能雲市場的 35% 以上，其 Qwen 模型家族衍生出了超過 18 萬個開源模型。\n 字節跳動是這一戰略的消費者優先版本。其核心產品運行在世界上最複雜的推薦系統之一上。為了驅動這些引擎，字節跳動訓練大型專有模型，並整合生成工具，塑造從自動視頻編輯到個性化信息流的所有內容。\n 它是唯一一家其應用人工智能已經在國際範圍內運營的中國公司。這種曝光促使它在複雜的地緣政治環境中更加積極地投資於性能。\n 第二個陣營由騰訊代表，其最新的財報顯示出明顯不同的重心。儘管同行提高了資本支出，騰訊的支出同比下降了 24%，降至 130 億元人民幣，儘管收入增長了 15%，淨利潤上升了 19%。人工智能已被融入騰訊的成熟業務，而不是用於追求前沿訓練。營銷服務收入增長了 21%，而金融科技和企業服務增長了 10%，得益於人工智能增強工具的支持。\n\n\n 在微信和 Weixin 上擁有超過十億用户，即使是小幅的參與和貨幣化增長也能帶來超額回報。這是效率貨幣化的路徑：中國的優勢不僅在於構建最先進的模型，還在於在龐大且一體化的消費者和企業基礎上分發有能力的模型。騰訊的剋制是否會成為持久的優勢，或者是否擴大性能差距最終會迫使其進行更重的投資，仍然是一個懸而未決的問題。\n 第三種戰略是基礎設施主權，最明顯地由百度和華為主導。在百度最新的季度財報中，人工智能相關業務同比增長了 50%。人工智能基礎設施和訂閲服務的增長速度超過了傳統廣告業務，而其自動駕駛出行部門 Apollo Go 在 22 個城市的無駕駛乘車次數超過了 1700 萬次。\n 百度並沒有試圖匹配阿里巴巴的雲規模或騰訊的消費者覆蓋，而是在構建鐵路——企業人工智能平台、訂閲服務、出行網絡和模型訓練基礎設施——這些基礎設施將支撐中國的人工智能經濟。與此同時，華為的 Ascend 芯片生態系統則是對 Nvidia 圖形處理單元（GPU）的本土替代方案，驅動這一替代方案的既有必要性也有雄心。\n 這三種方法不僅僅是企業戰略。它們是對中國結構性現實的回應：對先進 GPU 的不均衡獲取、龐大而多樣的國內市場，以及重視韌性與原始性能的產業政策環境。\n\n\n 計算最大化派試圖通過建立國內規模來克服稀缺性。效率貨幣化利用中國龐大的平台來提取價值，而不在前沿競爭。基礎設施主權旨在構建一個完整的人工智能堆棧，以抵禦地緣政治波動。\n 這些戰略共存的部分原因是，中國面臨着獨特的不確定技術和地緣政治環境。出口管制可能會收緊。全球市場對中國平台仍然政治脆弱。基礎科學仍在發展：前沿模型繼續增長，但以效率為導向的架構最終可能證明更為實用。\n 從這個意義上説，同時運行多種戰略是一種國家對沖。這是確保至少一條路徑在全球格局演變時仍然可行的嘗試。\n 即便如此，這三者都源於中國人工智能能力的共同基礎，其中許多是開源的。Qwen、DeepSeek、Kimi 和其他模型家族在公司之間被分叉、微調和重新部署。這些戰略不是僵化的孤島，而是不斷變化的重心：在約束下定價風險和回報的三種不同方式。\n\n\n\n\n 這種內部分歧與美國形成對比，在美國，經濟和監管力量推動行業走向整合。一個小圈子的實驗室主導着前沿模型的訓練，政策制定者越來越將集中視為治理資產。相比之下，中國似乎正在推動一系列平行實驗，每個實驗都在探索不同的技術和商業前沿。\n 從國外來看，很容易將人工智能競爭簡化為基準結果或芯片數量的記分板。然而，更具啓發性的競爭正在中國內部展開。一組公司正在押注於領導權屬於建立最大集羣的公司。另一組則相信優勢將來自將人工智能嵌入龐大的消費者網絡。第三組正在構建其他公司最終將依賴的公用事業和基礎設施。\n 這場三方實驗的結果將不僅塑造中國的數字經濟，也將影響世界上大多數國家將使用的人工智能系統。世界可能會看到國家之間的單一競爭。在中國內部，三場不同的競爭已經展開。</p>

K3SD

<p>中國的人工智能競賽涉及三種策略：由阿里巴巴和字節跳動主導的計算極大化、騰訊的效率變現，以及百度和華為的基礎設施主權。這些方法反映了中國的結構現實和地緣政治不確定性，旨在確保至少有一條可行的人工智能領導路徑。與美國的集中式方法不同，中國允許並行實驗，利用開源人工智能能力</p>

<p>For much of the global debate, the race for artificial intelligence (AI) supremacy has been framed as a binary contest between the United States and China. As Washington envisions it, victory hinges on frontier models and compute scale, a battle dominated by a handful of American labs. China is cast as the challenger, constrained by export controls and dependent on catching up.\nThat narrative is increasingly outdated. China is not pursuing a single AI strategy. It is running three large-scale experiments in parallel, each led by different clusters of firms which are shaped by distinct constraints and pointing towards a different vision of what AI leadership might mean.\nThe first camp is the compute maximalists, with Alibaba and ByteDance at the forefront. Their wager is that scale and performance still matter most. Alibaba has spent heavily on cloud and AI infrastructure in the past year, pushing free cash flow to negative 21.8 billion yuan (US$3.1 billion), even as cloud revenue grew 34 per cent. Management now claims more than 35 per cent of China’s AI cloud market, and its Qwen model family has spawned more than 180,000 derivative open-source models.\nByteDance is the consumer-first version of this strategy. Its core products run on some of the most sophisticated recommendation systems in the world. To power these engines, ByteDance trains large proprietary models and integrates generative tools that shape everything from automated video editing to personalised feeds.\nIt is the only Chinese firm whose applied AI already operates at an international scale. This exposure pushes it to invest even more aggressively in performance despite a complex geopolitical environment.\nA second camp is represented by Tencent, whose latest earnings reveal a markedly different centre of gravity. While peers raised capital expenditure, Tencent’s spending fell 24 per cent year on year to 13 billion yuan, even as revenue grew 15 per cent and net profit rose 19 per cent. AI has been woven into Tencent’s mature businesses rather than used to pursue frontier training. Marketing services revenue grew 21 per cent, while fintech and enterprise services rose 10 per cent, supported by AI-enhanced tools.\n\n\nWith more than a billion users across WeChat and Weixin, even small gains in engagement and monetisation produce outsize returns. This is the efficiency-monetisation path: China’s advantage lies not only in building the most advanced model, but in distributing capable ones across a massive, integrated consumer and enterprise footprint. Whether Tencent’s restraint becomes an enduring advantage – or whether widening performance gaps eventually force it into heavier investment – remains an open question.\nA third strategy is infrastructure sovereignty, led most clearly by Baidu and Huawei. In Baidu’s latest quarterly earnings, AI-related businesses grew 50 per cent year on year. AI infrastructure and subscription services are expanding faster than the legacy ad business, while its autonomous mobility arm, Apollo Go, surpassed 17 million driverless rides across 22 cities.\nRather than matching Alibaba’s cloud scale or Tencent’s consumer reach, Baidu is building the rails – enterprise AI platforms, subscription services, mobility networks and model-training infrastructure – on which much of China’s AI economy could run. Huawei’s Ascend chip ecosystem, meanwhile, anchors a home-grown alternative to Nvidia’s graphics processing units (GPUs), driven by necessity as much as ambition.\nThese three approaches are more than corporate strategies. They are responses to China’s structural realities: uneven access to advanced GPUs, an enormous and varied domestic market and an industrial policy environment that prizes resilience alongside raw performance.\n\n\nCompute maximalism tries to overcome scarcity by building domestic scale. Efficiency monetisation leverages China’s colossal platforms to extract value without competing at the frontier. Infrastructure sovereignty aims to build a complete AI stack able to withstand geopolitical volatility.\nPart of the reason these strategies coexist is that China faces a uniquely uncertain technological and geopolitical environment. Export controls might tighten. Global markets remain politically fragile for Chinese platforms. The underlying science is still in motion: frontier models continue to grow, yet efficiency-oriented architecture could eventually prove more practical.\nIn this sense, running multiple strategies in parallel is a form of national hedging. It is an attempt to ensure that at least one pathway remains viable regardless of how the global landscape evolves.\nEven so, all three draw from a shared backbone of Chinese AI capability, much of it open source. Qwen, DeepSeek, Kimi and other model families are forked, fine-tuned and redeployed across companies. These strategies are not rigid silos but shifting centres of gravity: three distinct ways to price risk and reward under constraint.\n\n\n\n\nThis internal divergence contrasts with the US, where economic and regulatory forces have pushed the industry towards consolidation. A small circle of labs dominates frontier-model training, and policymakers increasingly treat concentration as a governance asset. China, by contrast, appears to be enabling a portfolio of parallel experiments, each probing a different technological and commercial frontier.\nFrom abroad, it is easy to reduce the AI contest to a scoreboard of benchmark results or chip counts. The more revealing competition, however, is unfolding inside China itself. One group of firms is betting that leadership belongs to whomever builds the largest clusters. Another believes advantage will come from embedding AI into vast consumer networks. A third is constructing the utilities and infrastructure on which everyone else will eventually rely.\nHow this three-way experiment resolves will shape not only China’s digital economy, but also the AI systems that much of the world will use. The world might see a single race between nations. Inside China, three different races are already under way.\n</p>
<div class="lb-trans"><p>在全球範圍內的討論中，人工智能（AI）霸權的競爭被框定為美國與中國之間的二元對抗。華盛頓的設想是，勝利取決於前沿模型和計算規模，這場戰鬥由少數美國實驗室主導。中國被視為挑戰者，受到出口管制的限制，並依賴於追趕。\n 這種敍述正變得越來越過時。中國並沒有追求單一的人工智能戰略。它正在並行進行三個大規模實驗，每個實驗由不同的公司羣體主導，這些公司受到不同的約束，並指向對人工智能領導力的不同理解。\n 第一個陣營是計算最大化派，以阿里巴巴和字節跳動為先鋒。他們的賭注是規模和性能仍然是最重要的。阿里巴巴在過去一年中在雲計算和人工智能基礎設施上投入巨大，推動自由現金流降至負 218 億元人民幣（31 億美元），儘管雲收入增長了 34%。管理層現在聲稱佔據了中國人工智能雲市場的 35% 以上，其 Qwen 模型家族衍生出了超過 18 萬個開源模型。\n 字節跳動是這一戰略的消費者優先版本。其核心產品運行在世界上最複雜的推薦系統之一上。為了驅動這些引擎，字節跳動訓練大型專有模型，並整合生成工具，塑造從自動視頻編輯到個性化信息流的所有內容。\n 它是唯一一家其應用人工智能已經在國際範圍內運營的中國公司。這種曝光促使它在複雜的地緣政治環境中更加積極地投資於性能。\n 第二個陣營由騰訊代表，其最新的財報顯示出明顯不同的重心。儘管同行提高了資本支出，騰訊的支出同比下降了 24%，降至 130 億元人民幣，儘管收入增長了 15%，淨利潤上升了 19%。人工智能已被融入騰訊的成熟業務，而不是用於追求前沿訓練。營銷服務收入增長了 21%，而金融科技和企業服務增長了 10%，得益於人工智能增強工具的支持。\n\n\n 在微信和 Weixin 上擁有超過十億用户，即使是小幅的參與和貨幣化增長也能帶來超額回報。這是效率貨幣化的路徑：中國的優勢不僅在於構建最先進的模型，還在於在龐大且一體化的消費者和企業基礎上分發有能力的模型。騰訊的剋制是否會成為持久的優勢，或者是否擴大性能差距最終會迫使其進行更重的投資，仍然是一個懸而未決的問題。\n 第三種戰略是基礎設施主權，最明顯地由百度和華為主導。在百度最新的季度財報中，人工智能相關業務同比增長了 50%。人工智能基礎設施和訂閲服務的增長速度超過了傳統廣告業務，而其自動駕駛出行部門 Apollo Go 在 22 個城市的無駕駛乘車次數超過了 1700 萬次。\n 百度並沒有試圖匹配阿里巴巴的雲規模或騰訊的消費者覆蓋，而是在構建鐵路——企業人工智能平台、訂閲服務、出行網絡和模型訓練基礎設施——這些基礎設施將支撐中國的人工智能經濟。與此同時，華為的 Ascend 芯片生態系統則是對 Nvidia 圖形處理單元（GPU）的本土替代方案，驅動這一替代方案的既有必要性也有雄心。\n 這三種方法不僅僅是企業戰略。它們是對中國結構性現實的回應：對先進 GPU 的不均衡獲取、龐大而多樣的國內市場，以及重視韌性與原始性能的產業政策環境。\n\n\n 計算最大化派試圖通過建立國內規模來克服稀缺性。效率貨幣化利用中國龐大的平台來提取價值，而不在前沿競爭。基礎設施主權旨在構建一個完整的人工智能堆棧，以抵禦地緣政治波動。\n 這些戰略共存的部分原因是，中國面臨着獨特的不確定技術和地緣政治環境。出口管制可能會收緊。全球市場對中國平台仍然政治脆弱。基礎科學仍在發展：前沿模型繼續增長，但以效率為導向的架構最終可能證明更為實用。\n 從這個意義上説，同時運行多種戰略是一種國家對沖。這是確保至少一條路徑在全球格局演變時仍然可行的嘗試。\n 即便如此，這三者都源於中國人工智能能力的共同基礎，其中許多是開源的。Qwen、DeepSeek、Kimi 和其他模型家族在公司之間被分叉、微調和重新部署。這些戰略不是僵化的孤島，而是不斷變化的重心：在約束下定價風險和回報的三種不同方式。\n\n\n\n\n 這種內部分歧與美國形成對比，在美國，經濟和監管力量推動行業走向整合。一個小圈子的實驗室主導着前沿模型的訓練，政策制定者越來越將集中視為治理資產。相比之下，中國似乎正在推動一系列平行實驗，每個實驗都在探索不同的技術和商業前沿。\n 從國外來看，很容易將人工智能競爭簡化為基準結果或芯片數量的記分板。然而，更具啓發性的競爭正在中國內部展開。一組公司正在押注於領導權屬於建立最大集羣的公司。另一組則相信優勢將來自將人工智能嵌入龐大的消費者網絡。第三組正在構建其他公司最終將依賴的公用事業和基礎設施。\n 這場三方實驗的結果將不僅塑造中國的數字經濟，也將影響世界上大多數國家將使用的人工智能系統。世界可能會看到國家之間的單一競爭。在中國內部，三場不同的競爭已經展開。</p>
</div>

Why the real AI race is within China and not across the Pacific

南華早報

BIDU ADR US

為什麼真正的人工智能競賽是在中國內部進行，而不是跨越太平洋