2026年，全球AI竞争正经历从“技术比拼”到“能源支撑”的维度转变。面对应用层即将爆发的趋势，中俄两国如何通过产业链协同避开“重复开发”的误区？如何将能源优势转化为人工智能产业动力？

在近日举行的2026年“瓦尔代”国际辩论俱乐部中俄论坛上，开域集团董事长施侃先生以中国科技工作者的身份对以上问题进行了回答。观察者网根据现场速记整理，未经作者审核，供读者参考。

施侃：非常荣幸能在这里与大家进行分享，在座很多都是国际关系领域的专家学者，而我作为开域集团的董事长，主要从事数字科技、人工智能方面的产业，因此我想以中国科技工作者的身份，从产业视角与在座各位进行分享与交流。

首先，我想与大家分享一下最近我对包括人工智能在内的行业发展的看法。斯坦福大学在两周前发布了2026年人工智能指数报告，我发现了一些很有意思的角度，与我们从业者的切身体会非常接近。

报告里面第一点指出——其实我们自己也这么认为，就是现在至少在人工智能领域，基本上形成了中国和美国两个主要巨头进行行业竞争的格局。报告同时谈到，中美也是世界上有比较健全的人工智能产业链的两个国家。其中还提到一点很有意思，虽然美国早在2020年就优先发布了GPT的早期版本，但中国已经在最近三年高速赶上人工智能的发展浪潮。现在中美在模型智能的发展上已经消除差距，尤其是中国在相关领域论文发表数量、被引用频次、专利数量以及工业机器人人工智能装机数量上都处于比较领先的地位。美国在人工智能有先发优势，在高影响力的专利上还保持一定优势，但我觉得整体来看，中美几乎在同一量级上。

如果分析中美的竞争和差异，美国的人工智能过去之所以跑得这么快，非常重要的一点是其投融资环境好。在创投领域，仅2025年，美国的AI投资额就达到2859亿美元，中国仅投资124亿美元，投资金额的差距是巨大的。当然这个报告里面，中国的投资金额没有算上中国的产业投资者和中国政府的引导基金，所以中国的投资额可能是被低估的。

同时，可以看到美国在另外一些方面显现出发展变缓的趋势。2017年以来，AI方面的专家人才、研发人员、专家教授向美国移民的数量骤减90%。过去一年我们可以看到，大量相关领域的人才其实正在从美国往外面走，其中很大一部分来到了中国。在3月份英伟达（NVIDIA）GTC全球人工智能大会上，黄仁勋提出了一个新的人工智能产业链模型，分成五层：模型最底层的基石是能源，第二层是芯片，第三层是基础设施，第四层是模型，第五层是相关应用。芯片上面是IDC基础架构，基础架构之上是模型算法，再上面是数据和应用，以及具体的解决方案。

黄仁勋谈AI的五层架构

如果从产业链模型来分析，中美各自的优劣势非常明显。我去年在“瓦尔代”论坛上提出过，其实人工智能产业发展的尽头可能是能源，这和今天的主题非常契合，能源与科技其实高度混同。因为人工智能最后是用芯片、硅基计算来模拟智能表现，所以能源的消耗可能是未来人工智能发展的巨大需求和巨大瓶颈。从能源角度看，中国2025年的发电量是10万亿度，美国是4万亿度，由此可见中国在人工智能产业的优势还是比较明显的。

更大的优势在于，美国4万亿度的发电量已经保持大概12年。过去十几年，美国的发电量没有增加，美国的工业体系在过去15年没有得到太多锻炼。所以美国现在如果因为人工智能的需求要增加发电，可能会有一个相对漫长和痛苦的过程。中国2025年的10万亿度发电量是在过去十多年保持高速增长的基础上形成的，中国在2015年的发电量大概是5.8万亿度，这说明中国不仅在发电总量上比较超前，而且在整个支撑科技发展的能源基础架构上，包括能够新增的发电量上，有较大领先优势。观察中国的能源结构，还可以发现其中30%来自纯绿能，如风电、太阳能和水电，我认为这是中国产业链发展的一大优势。

中国人工智能产业的第二大优势，来自人才。我在3月份参加全球人工智能峰会时，有一个非常明显的感觉，就是虽然会场内有来自全球产业界的人士，包括做芯片的、做算法的、做应用的、做硬件的、做软件的等等，但很明显感受到会场里三分之二的人可以用中文沟通。他们可能来自中国大陆，可能来自中国台湾，也可能是美籍华裔，实际上中文已经成为人工智能产业里面相对比较通用的语言。

我前面提到，美国在人工智能产业有先发优势，发展比较早。人工智能突破性的节点，比如做Transformer的模型，做一些大模型演进，包括现在高端芯片，美国还是占据比较重要的地位。同时我们也看到，现在整个人工智能和数字科技的发展迭代速度越来越快，过去大模型一年发布一个版本，现在可能三个月发布一个版本。三个月以前还没有“小龙虾”这个东西，三个月以后，每个人都在尝试自己“养龙虾”，产业迭代速度越来越快。

人工智能突破使用者使用瓶颈的速度远远超过互联网时代。互联网时代从早期的应用到大规模使用大概用了五年时间，而人工智能系列技术达到53%的人口普及率只用了三年时间。下一步，人工智能领域肯定会产生越来越多的核心应用，应用层是未来爆发的非常重要的方向。

再回到今天论坛的主题，我想谈谈中俄的合作。对产业链有了深入理解和分析，中俄在这方面的合作空间是巨大的，我有以下几个观点：

第一，人工智能发展的基础是能源。俄罗斯在能源领域有非常大的优势，而且我们进入数字时代和人工智能时代以后，能源的利用和转化形式也可以发生变化。在中国，发一度电所获得的电费是0.3-0.5元，如果转换成人工智能算力的Token，一百万Token大概用15度电，相对成本就是15-20元。一百万Token以人工智能算力的形式卖出去，可以卖到60-150美元。而且我们发现，如果把能源转化成电力，再把电力转化成算力，算力的存储在基础架构建设方面不需要很大的投资。发电需要建设一系列电网的基础设施，但如果进行算力输出，其实可以在发电端直接运算完，传输一个运算结果可能只需要一些无线信号就可以了，不需要额外的电力投入。

能源和算力结合的另一大好处，是对整个发电量的稳定性没有太大要求，有电就计算，没电就下线。这解决了一个非常重要的问题，现在很多绿色发电存在明显的发电波峰波谷，导致我们需要用巨量的储能设备或是其他的技术填平发电量的波峰波谷，以保证电网的稳定性。如果把能源、电力与算力相结合，就可以很好地解决发电间歇性问题。俄罗斯地广人稀，但具备非常充沛的能源，过去没有得到很好的开发，可能在AI时代能够迎来更好的发展和演进。

当地时间2025年11月10日，俄罗斯发布首款国产人工智能人形机器人，亮相数秒后意外摔倒。

第二，虽然俄罗斯也一直在自主进行大模型研发，但我个人认为，就像刚才提到的产业链五层结构，实际上不管是芯片还是大模型算力，在这两个层面大家没必要做重复劳动。我国的科技公司在上周刚刚发布了最新版DeepSeek，DeepSeek下面有一行小字，是“使用华为昇腾GPU”，这意味着中国在人工智能产业链上已经具备了完全自主的能力。虽然昇腾的产能还没有完全上来，但已经形成了一个完全自主可控且完整的产业链。在这个前提下，中国正在努力营造一个更加开放的、人工智能共创共建的科技合作生态。俄罗斯如果能利用好中国已经投入的海量芯片和大模型的既有成果，我认为会是一种更好的方式。

第三，中俄的科技合作在接下来的人工智能应用领域，潜力是非常广泛的。下一步迎来的一定是应用领域的爆发，过去我们看到大模型，大多数是我们问它一些问题，它给你回答，但随着Agent智能体越来越多的迭代，其实可以更好地解决我们遇到的一些具体问题。这时候中俄一起合作，有机会创造出一些能够实际落地的AI应用解决方案。作为中国的科技厂商，我们非常感兴趣，也非常看好，希望能借着和在座学术界人士深入交流的机会，一起抓住人工智能应用发展的巨大浪潮。

本文系观察者网独家稿件，文章内容纯属作者个人观点，不代表平台观点，未经授权，不得转载，否则将追究法律责任。关注观察者网微信guanchacn，每日阅读趣味文章。