孫占卿、蔣余浩、王逸群：中美AI分野，“中等技術生態”如何超越硅谷霸權？

IPP評論是國家高端智庫華南理工大學公共政策研究院（IPP）官方微信平臺

導語：當前，中美競爭的內涵與外延正在發生深刻變化。美國仍憑借前沿算力、基礎模型和資本投入等優勢，占據人工智能技術高地；中國則在外部約束下，通過模型效率提升、開源生態擴散、國產軟硬件協同適配，以及AI與實體經濟的深度融合，加快形成具有自身特點的追趕路徑。由此看，中美AI競爭已不再是簡單的“追趕—被追趕”式線性競賽，而是圍繞技術路線選擇、產業組織能力和創新生態韌性展開的系統性比拼。

文章指出，在后摩爾時代，先進封裝和超節點正在成為AI算力從“單芯片性能驅動”邁向“系統級集成與規模化擴展”的關鍵支撐。美國路徑更強調少數頭部企業的斷層式領先與構筑技術壁壘；中國路徑則在外部技術約束和龐大市場需求下，依托工程化集成、規模化部署和多主體協同彌補制程短板。隨著AI進入原始創新主導、方向高度不確定的“無人區”，決定長期競爭力的，或將是更豐富的技術路線、更充分的試錯空間和更具韌性的產業生態。對于中國而言，這也是在“用中學”中跨越“中等技術陷阱”、推動AI格局從“單極主導”走向“多極并存”的關鍵路徑。

本文作者

孫占卿

廣州市社會科學院城市文化研究所副所長、IPP特約研究員

蔣余浩

華南理工大學公共政策研究院（IPP）資深研究員、教授

廣東新質生產力政策研究中心主任

王逸群

湖北江城實驗室副主任，湖北省半導體行業協會秘書長

隨著智能體引發的廣泛關注，中美人工智能（AI）先進技術的發展，邁入新的階段。蘭德公司2026年3月發布報告指出：中美AI競爭，已經從產品競賽，邁向對全球人工智能生態系統的影響力爭奪。[1] 4月24日DeepSeek V4發布并全面適配國產生態，驗證了黃仁勛的預言：中國AI走出一條與美國不同的技術路線。

人工智能發展新階段對于中美而言都意義重大。

一方面，中國正處于從追趕型經濟邁向技術前沿經濟的關鍵時期。AI創新生態的建設，是跨越“中等技術陷阱”、實現科技自立自強的必然選擇。習近平總書記在加強基礎研究座談會上提出“推動企業主導的產學研用深度融合，打通基礎研究、應用開發、成果轉化的創新鏈條”，深刻指明了我國產業生態優勢和創新發展路徑。

另一方面，少數科技巨頭打造的AI創新生態已開始逐步顯現出僵化趨勢。動輒上千億美元的融資和投入規模，使任何關于推進中小型企業、初創企業靈活性和流動性，以及促進市場力量去中心化的話語，都面臨失效的風險。

總之，在AI發展新階段，真正需要大眾關心的，不再只是大國之間的科技博弈故事，更是如何推動全球AI從“單極主導”向“多極并存”轉型，為更多元的發展可能性創造空間。

Alphabet、Amazon、Meta、Microsoft四家科技巨頭2026年用于AI相關基礎設施的投資預計約6500億美元,高于2025年的4100億美元。圖源：路透社

一、兩條賽道背后的動力機制：技術霸權與多元需求

在中美AI競賽中，先進封裝、超節點作為AI產業發展的兩大關鍵系統級創新技術，在中美演進出完全不同的產業生態：在美國，它們進一步強化了少數頭部企業的絕對主導地位，形成“少而精尖”的高集中業態；在中國，則催生出數量更多的本土廠商，形成“落后一肩，卻更為豐富”的產業生態。這兩種賽道背后的動力是什么，發展前景又將如何？

（一）AI發展新階段的技術底座：先進封裝和超節點技術

從技術發展狀況來看，在后摩爾時代，芯片制程微縮面臨物理極限的背景下，先進封裝和超節點共同支撐了AI算力從“單芯片性能驅動”向“系統級集成與規模化擴展”的轉型。

先進封裝技術通過2.5D/3D集成、Chiplet異構集成及硅中介層等手段，實現芯片間高密度、低延遲互連。廣為人知的蘋果M系列芯片Ultra版，就是通過封裝技術將兩顆獨立的Max版芯片“融合”為單一邏輯芯片。就技術本身而言，目前在先進封裝領域，處于領先地位的企業主要仍是臺積電、英特爾、三星、日月光等巨型企業，中國的盛合晶微、長電科技、通富微電等封裝企業和中芯國際、華虹宏力等制造企業也正在布局先進封裝并加速追趕。

在圖示這一先進封裝技術中，GPU和存儲芯片粒（HBM）并排放置在晶圓上，隨后晶圓被切割成芯片，并封裝到高密度基板上。

先進封裝的市場規模正在不斷擴大。《財富》2026年4月20日發布的報告指出，2025年全球先進封裝市場規模為451.3億美元，預計2026年將達到487.5億美元，2034年將達到943.3億美元，年復合增長率為8.60%。[2]

據 Fortune Business Insights 預測，全球先進封裝市場規模2026—2034年年均復合增長率為8.60%。

超節點技術則是通過高速光電互連協議（如NVLink、華為靈衢）將數千至萬卡級AI加速器（NPU/GPU）集群化部署，形成邏輯上“單一超級計算機”，解決大規模AI模型訓練中面臨的互聯帶寬瓶頸、通信開銷、擴展非線性以及單節點算力密度不足等問題。超節點領域的主要領導企業有英偉達、華為、谷歌等。

（二）硅谷范式：寡頭壟斷下的技術霸權閉環

美國AI戰略（以英偉達、英特爾等為代表）以“絕對性能領先”為首要目標，秉持“封閉生態+高溢價”理念，強調IP保護與開發者鎖定（CUDA壟斷。CUDA是英偉達推出的一套GPU通用計算平臺和編程模型），追求高端技術壁壘與全球生態壟斷。在這一戰略定位下，先進封裝、超節點等新技術的應用，主要目標在于進一步強化巨型企業的壟斷地位：

（1）先進封裝放大先進芯片優勢。美國AI半導體產業高度集中于少數頭部企業，其中英偉達占據絕對主導地位，在全球AI加速器市場（GPU/NPU）的營收份額約為75%—80%（數據中心營收達1937億美元）。隨著封裝產能成為主要瓶頸，英偉達優先鎖定臺積電大部分高端產能，進一步拉大了與競爭者的差距。

（2）超節點強化英偉達的芯片效能護城河。英偉達通過NVLink高速互連實現單機柜極致算力與能效，軟件生態（CUDA）則形成開發者鎖定。高毛利率（75%—80%）與封閉生態壁壘共同鞏固了英偉達的“護城河”。

英偉達不只是提供GPU，還圍繞GPU構建了包括NVLink/NVSwitch高速互聯、InfiniBand與Ethernet網絡、服務器參考架構、AI軟件庫和集群管理工具在內的全棧式基礎設施方案。圖源：路透社

（三）中國路徑：以規模集成滿足多元需求

在先進芯片制程受限的國際貿易環境下，中國企業無法接入美國少數巨頭打造的生態，一條可行的選擇路徑是“以量取勝”：通過工程化方法以及相應的工藝創新，突破傳統單芯片性能瓶頸，提升系統整體性能和集成度，從而通過降低芯片制造成本來實現先進芯片生產的規模經濟；同時，壓縮“設計—制造—封測”相對分離的模式，從而通過滿足定制化需求來實現先進芯片生產的范圍經濟。由此，先進封裝和超節點成為中國AI克服制程和技術劣勢的“放大器”，國內充沛的新能源電力也為這一技術路線提供了支撐。

（1）以先進封裝彌補制程差距。隨著AI應用場景不斷豐富，對芯片功能的多樣化需求日益增加，小型化、輕薄化、高密度、低能耗成為支撐AI與HPC應用的重要硬件基礎條件。[3] 政策鼓勵和強烈的市場需求，推動企業通過系統級集成，將成熟制程芯片組合為高性能單元，實現單卡算力與集群效能的跨越。

華為Ascend 950PR（昇騰950PR芯片）系列即依托此類技術，在推理性能上接近或超過英偉達對華特供H20。先進封裝與超節點打造的補償機制，顯著降低了全棧AI算力部署的門檻。

華為通過“超節點”技術——將大量單顆算力稍弱的芯片通過高速互聯組成大規模集群——在萬卡級集群層面實現了系統級性能追趕。圖源：華為公司

在國家“自主可控”的政策鼓勵和強烈市場需求推動下，芯片領域除華為外，阿里巴巴平頭哥、百度昆侖芯、寒武紀、摩爾線程、燧原科技、壁仞科技等多家廠商均實現量產與規模出貨，形成多元競爭格局。豐富的超節點企業和封裝產能，也為中小芯片設計、制造、集成企業創造了生存空間，以至于網上有人笑稱，先進封裝推動了礦卡企業在AI浪潮中轉型重生。

（2）超節點以“萬卡集成”實現“以量補質”。除華為外，曙光、浪潮、中興等企業也發布了成熟的超節點技術，將算力系統集群擴展到數十萬卡，并通過高速光電互連與液冷優化等技術，實現“以量補質”的集群級對標。華為Ascend超節點就是一個典型：盡管單卡算力仍低于英偉達先進芯片，但集群級總算力與帶寬通過封裝與互連得到加強。DeepSeek V4等模型在國產系統上的高效部署，進一步驗證了系統級路徑的可行性。

中美AI技術路線差異表明，盡管兩國都將AI看作引領新一輪科技革命和產業變革的戰略性通用技術，但美國主要通過精英AI企業的斷層領先，為其他行業賦能；而中國則通過倡導“開放協同+韌性優先”理念，推動協議開放（如華為靈衢部分開源），實現全棧自主的供應鏈安全與多元生態構建。

The Information于5月8-9日披露，DeepSeek正尋求完成一輪規模最高達500億元人民幣（約73.5億美元）的融資，投后估值有望突破3500億元（約515億美元），這或將創下中國AI公司單輪融資紀錄。圖源：路透社

二、闖蕩“無人區”：不確定性下的創新生態博弈

隨著AI發展進入“無人區”——即由原始創新主導、風險極高、結果高度不確定的探索階段，競爭將超越“跟隨—追趕”模式，轉向無路標探索。前沿模型范式、具身智能、物理世界融合等領域不僅尚無成熟解決方案，其技術的長期演進空間甚至也無法在一兩個周期內得到確認。

面對高變異、高風險的探索環境，中國AI生態的多樣性很可能成為應對不確定性的重要優勢，并通過滿足中小型企業和各類初創企業的多元需求，形成對少數巨頭主導的創新生態的革新。

（一）美國的單極困境：巨頭領跑的結構性脆弱

盡管以英偉達為首的美國AI企業仍然占據著領先地位，但是“單一路徑”特征已暴露出多重結構性風險。

一是外部約束下的脆弱性。黃仁勛指出，DeepSeek新一代模型在華為芯片上優化并發布，將對美國構成災難性結果。現實中，美國制程封鎖未能阻斷中國AI進步，反而推動本土平行棧形成，出口管制政策客觀上加速了CUDA在中國的“脫鉤”。隨著英偉達在中國市場份額從2022年的95%降至2025年的約55%，并持續下滑，CUDA的技術統治性也被地緣分割削弱。

二是抑制多樣性創新。熊彼特“創造性破壞”理論指出，壟斷生態容易抑制新技術創新，使其陷入路徑依賴；而更多的路線和層次，則意味著更多可能性和更強的試錯能力。英偉達主導的CUDA生態盡管目前保障了高效收斂，但過度集中的技術路線也限制了開發者對替代架構的探索。一旦前沿范式需要突破當前互連/內存墻，不僅CUDA的鎖定成本將成為發展瓶頸，儲備技術不足的風險也將隨之顯現。

三是系統性試錯能力不足。技術變異需要足夠多樣，才能通過“選擇—保留”機制適應不確定環境。有些技術可能會沉睡多年，才被新的關聯技術隔代“喚醒”并繼續發展；也有些技術甚至會演進出全新的技術體系，如19世紀法國雅卡爾織布機啟發了IBM打孔卡的發明，成為現代計算機的先驅。[4]英偉達等企業的“單兵突進”雖在峰值訓練上高效，但面對“無人區”中的未知應用，如物理世界AI、跨模態Agent等，缺乏并行實驗的冗余，抗風險能力相對較弱。

赫爾曼·霍列瑞斯于19世紀80年代初發明的打孔卡計算機，受到雅卡爾織布機的啟發。圖源：Getty Images

（二）中國的多元韌性：多重試錯的創新空間

相較之下，中國“多路線、多主體、多層次”生態在“無人區”中可能展現出更強的適應性。

一是更多可能性與試錯空間。

羅伯特·昂格爾指出，知識經濟最基礎、最重要的一種潛力，在于將創新從階段性轉變為持續性，并將其深度嵌入生產體系內部，使生產活動不再只是偶爾受益于外部的技術突破，而是自身成為創新的源泉。[5] 廣泛的參與主體和多元的技術路線，意味著中國AI廠商不僅可以同時探索先進封裝的異構集成、萬卡級集群優化、CANN（華為面向昇騰AI芯片推出的AI異構計算架構和軟件棧）全棧重構等多條路徑，顯著提升試錯效率，還能在多個技術環節形成更多交互觸動，生成“網絡化”的知識創新，遠超單一路徑下的線性試錯。

二是更好的系統韌性與冗余機制。

技術路線可能失敗，任何企業都不太可能同時探索多條技術路線。美國依托少數精英企業的模式，必然需要加強技術路線篩選的強度，形成技術演進路徑不斷收縮、集中的局面。一旦出現斷頭路，再回頭的成本極高。多主體協同形成“分布式韌性”，當一條路線受阻（如工藝無法突破）時，其他路線可快速補償；多層次設計（硬件補償+軟件優化+應用落地）則降低了單一失效點的影響。這種冗余在“無人區”的高不確定性中轉化為戰略資產，確保AI基礎設施的連續性與供應鏈安全。

三是持續的技術互動提高長期適應潛力。

豐富生態不僅培養了更開放的開發者社區與聯盟機制，加速從“可用”到“普適”的演化，還帶來上下游技術與產業鏈的滲透融合。我們在湖北江城實驗室調研時了解到，先進封裝并不是孤立的技術環節，而是系統層面的集成優化。

在應用中，集成服務商在為下游廠商定制產品過程中，會推動下游企業將封裝思維納入芯片設計，使得封裝從后端環節，滲透到設計端，芯片商也會將單一芯片設計、制造難以解決的熱、力、電、磁等問題，交給集成環節解決，這就將原先相對孤立的芯片設計、制造與封裝環節在層面完成融合。在這種互動中，技術創新鏈被顯著拉長且不斷分解重組。這種系統性協同提升了技術鏈、供應鏈的韌性，也可以為“無人區”問題提供更加豐富的解決方案。

湖北江城實驗室。

三、展望前路：多元生態如何定義AI下半場？

美國AI生態最顯著的特征就是“大樹之下寸草不生”，爭搶的是取得斷層式領先優勢后的贏者通吃；但如同半導體行業人士反復強調的，“海外半導體產業已經顯露出僵化性的夕陽產業特征，而中國則處于方興未艾時期”。

當中國AI企業找到技術突破路徑、成功克服制程劣勢時，不僅能夠滿足當前的多元市場需求，還能在“用中學”（Learning by Using）中推進“產業與科研互促”，孕育出平行的技術發展路徑和豐富的產業生態。盡管仍然面臨生態碎片化風險，但戰略機遇已經開始偏向中國。

鄭永年教授提出，跨越“中等技術陷阱”是中國目前面臨的關鍵發展問題。[6] 從AI領域的實踐看，中等技術生態既意味著與尖端技術之間的差距，也意味著相比高、孤、絕的尖端技術，保留著更多豐富性和參與者。因此，中等技術狀況在當前并非“陷阱”的終點，而是跨越的起點。關鍵在于如何提升企業創新能力，推動企業作為創新主體，探索跨越“中等技術陷阱”的路徑。

2025年我國人工智能核心產業規模超1.2萬億元，企業數量超6200家，專精特新“小巨人”企業超630家，規上制造業企業人工智能技術應用普及率超30%。圖源：新華社

在下一步的產業集聚階段要保護技術生態多樣性，形成持久競爭力。在即將到來的芯片行業兼并重組階段，必須加強反壟斷審查與知識產權保護。防止少數企業形成壟斷，同時通過嚴格IP保護激勵中小創新主體參與，避免資源過度向單一路徑傾斜。

要堅決摒棄“單一賭注”思維，轉向“多點開花”的并行創新戰略。政府、企業、高校協同，推動基礎科研（“0到1”）與應用轉化深度融合，同時在AI全鏈路（模型、算子、集群、場景）鼓勵多元路徑探索。

參考文獻：

[1]《Open Models, Soft Power, and the Spectrum of U.S.-China Artificial Intelligence Competition》。

[2]https://www.fortunebusinessinsights.com/methodology/advanced-packaging-market-110848。

[3]《從技術工藝到系統集成：先進封裝正引領后摩爾時代集成電路的產業邏輯重塑》，https://mp.weixin.qq.com/s/4ZFIZf4xTkF9q1pXhgijnw。

[4]崔之元：1848年的馬克思、托克維爾和蒲魯東，原載《二十一世紀》雙月刊（香港中文大學中國文化研究所）2018年6月號（總第167期），轉載于“實驗主義治理”微信公眾號233期。

[5]羅貝托·昂格爾：《知識經濟：對主流觀點的批評》，高隆緒譯，發表在“實驗主義治理”公眾號第557期。

[6]鄭永年：《中等技術陷阱：經濟持續增長的關鍵挑戰》，北京：中信出版社，2024年；鄭永年等：《經濟的躍遷：跨越中等技術陷阱》，北京：中信出版社，2026年。

本文作者

孫占卿，廣州市社會科學院城市文化研究所副所長、IPP特約研究員

蔣余浩，華南理工大學公共政策研究院（IPP）資深研究員、教授，廣東新質生產力政策研究中心主任

王逸群，湖北江城實驗室副主任，湖北省半導體行業協會秘書長，正高級工程師

IPP評論熱門文章

關于IPP

華南理工大學公共政策研究院（IPP）是一個獨立、非營利性的知識創新與公共政策研究平臺。IPP圍繞中國的體制改革、社會政策、中國話語權與國際關系等開展一系列的研究工作，并在此基礎上形成知識創新和政策咨詢協調發展的良好格局。IPP的愿景是打造開放式的知識創新和政策研究平臺，成為領先世界的中國智庫。