中国在超千亿参数大模型数量上已占全球约三分之一，但行业的主要不确定性集中在三处：原创模型匮乏、对算法的见解有待提升，以及部分高端 GPU 出口受限对模型训练速度的影响。 这三者分别对应技术源头、方法能力与算力供给，是判断人工智能行业风险时最具体的落点。

数量领先，不等于原创领先

从数量看，中国大模型已具备相当的体量。根据 OpenBMB 开源社区统计，在全球超千亿参数大模型中，中国企业或机构贡献了 1/3，美国贡献了 1/2，世界其他国家或组织贡献了剩下的 1/6；在拥有大模型数量及参数量前十名的组织中，中美分别占据 4 席和 6 席。

但数量与原创能力是两件事。造成中美大模型技术差距的原因，并非中国缺乏大数据和参数量——百度文心大模型的参数量 2600 亿，甚至超过了 ChatGPT 的 1750 亿。真正的落点有两方面：一是中国的原创模型匮乏、对算法的见解有待提升；二是外部算力供给的约束。这构成了行业第一层不确定性：规模可以追赶，原创范式与方法论上的差距更难在短期内抹平。

算力约束如何传导至训练环节

2022 年 8 月之后，美国限制了部分高端 GPU 出口中国，在一定程度上影响了模型训练速度。这是行业第二层不确定性——它不改变方向，但改变节奏。

需要区分的是，算力约束并非无解。随着中国公司在 AI 算法的持续投入、巨头积极布局，底层技术正处于跟随和追赶的态势，部分算力约束也会通过国产 GPU 或 ASIC 替代来缓解。因此更准确的判断是：算力是阶段性变量，而非终局性障碍，但其对训练效率与迭代速度的影响，仍需持续观察。

需求侧：应用落地决定长期空间

技术侧的不确定性之外，行业长期空间取决于应用能否真正落地。人工智能被类比为数字经济时代的“蒸汽机”，将大幅提高全要素生产率，其价值最终要通过各行业的降本增效来兑现。

从市场规模看，中国人工智能市场规模占全球的比重，预计将从 2021 年的 13.8% 提升到 2025 年的 20.9%，国内复合增速持续高于全球增速。这一预期的前提，是大模型的应用落地与产业升级能够如期推进——而这恰恰是最大的不确定性所在。

常见问题

中国大模型数量占全球三分之一，为什么还说原创模型匮乏？

数量占比反映的是参与度，原创性反映的是技术源头。全球超千亿参数大模型中，中国贡献约 1/3，但在技术层面，美国领先国内公司大概 2—3 年，其中在 OpenAI 发布 GPT-3.0 之后，中美差距有所拉大。原创模型与算法见解的不足，是差距的核心成因之一。

高端 GPU 出口限制对人工智能行业的影响有多大？

美国自 2022 年 8 月后限制部分高端 GPU 出口中国，在一定程度上影响模型训练速度。这一约束的传导路径是训练效率与迭代节奏，而非行业方向的改变；部分算力约束可通过国产 GPU 或 ASIC 替代来缓解，实际影响程度建议以官方后续公布及第三方实测为准。

人工智能行业最值得关注的不确定性是什么？

可归纳为三点：原创模型与算法见解的不足、高端算力供给的阶段性约束、以及大模型应用落地与产业升级能否如期兑现。前两者影响技术追赶的速度，后者决定行业长期市场空间的实现程度。