大模型涌现能力驱动的算力竞赛，与各国政策监管之间，正在形成一种双向塑造的关系：监管既为AI发展划定安全边界，也间接影响算力投入、模型训练与应用落地的节奏。在约投顾看来，理解这一互动，是把握人工智能产业走向的关键。

涌现能力如何点燃算力竞赛

大模型的核心价值在于涌现能力——当模型规模达到某个阈值时，模型对某些问题的处理性能会突然呈现快速增长。这种“规模带来质变”的特性，直接推动了对算力的巨大需求。以ChatGPT为例，其发布后60日月活跃用户即破亿，成为史上增长最快的消费者应用，英伟达CEO黄仁勋更将其称为“AI的iPhone时刻”。应用爆发反过来又刺激了更大规模模型的训练，形成“模型越大—能力越强—应用越多—算力越紧”的循环。

政策监管如何影响AI发展

政策与监管对AI产业的影响体现在多个层面：

算力供给约束：部分高端GPU的出口限制，在一定程度上影响了模型训练速度。不过，这一约束也可以通过国产GPU或ASIC等替代方案来缓解。

发展差距与追赶：在这一轮技术革命中，国内大模型与海外的差距已缩小至1-3年。从全球超千亿参数大模型的贡献比例看，中国企业或机构贡献了约1/3，美国贡献了约1/2。差距主要源于原创模型的匮乏和算法见解的积累，而非数据或参数规模不足。

市场前景：综合各方预测，未来几年国内人工智能行业的复合增速将持续高于全球增速，总规模占全球市场的比重也将稳步提升。

常见问题

政策监管会阻碍AI创新吗？

不会简单阻碍，而是引导规范发展。 监管为AI应用划定安全边界，尤其在数据安全与内容合规方面。对合规企业而言，清晰规则反而有助于降低长期不确定性，更放心地投入算力与模型研发。

算力竞赛对投资者意味着什么？

算力产业链增长确定性较强。 AI应用的持续落地离不开庞大算力支撑，AI芯片与光模块（尤其是CPO技术）作为基础层环节，需求具备长期支撑。中游大模型与下游优质应用场景同样值得关注。

国内AI与国际领先水平的差距有多大？

整体差距已缩小至1-3年，但在原创算法与模型架构层面仍有追赶空间。随着持续投入与技术积累，叠加应用落地与产业升级带来的潜力，这一差距有望进一步收窄。