一个在造软件，一个在造机器：兰德 1181 家企业数据集，照出中美 AI 的真实分野

2026 年 8 月 17 日，兰德公司发布了一份 64 页的报告：《中美两国的 AI 发展：来自一个新的 AI 开发者企业数据集的证据》。

它做的事听起来很笨，但正是这个领域最缺的：不再引用政策文件和高管访谈，而是老老实实把中美两国的商业 AI 开发企业一家一家数出来。

最终数据集是 1,181 家企业——美国 743 家（62.9%），中国 438 家（37.1%），全部来自公开来源，按 4 个商业维度加 5 个技术维度共 9 项逐家标注，取的是 2026 年 1–2 月的快照。

报告的价值不在于它下了多大结论，而在于它用数据否掉了好几个流行判断。而当我们把它和一个月后高盛那份出海报告（《从边缘到核心》）放在一起读时，一个两份报告都没单独说出口的结论浮了出来。

一、为什么两国生态比想象中像得多？

几乎所有关于中美 AI 的讨论，都默认两边走的是完全不同的路。兰德的数据说：没那么夸张。

维度	美国	中国
模型架构	Transformer 主导	Transformer 主导
基础模型开发商占比	约 19%	约 19%
主要商业形态	应用型 AI 产品为主	应用型 AI 产品为主
纯软件形态占比	61%	26%

两国绝大多数企业都在做应用型 AI 产品，而不是卖模型访问（MaaS）或推理服务（IaaS）；两边的基础模型开发商都只占约两成——真正的模型层是少数人的游戏，绝大多数公司在上面做应用。

更值得注意的是一个被推翻的流行判断：很多人担忧"美国死磕单一扩展范式，中国在多条技术路线上分散下注，长期会吃亏"。兰德的数据不支持这个说法的最强版本——中国企业在神经形态计算、后 Transformer 架构上的投入，并没有比美国同行更高。

洞察 1：把中美 AI 想象成"两条截然不同的技术路线"，本身就是错的。在架构、商业定位、学习范式这些维度上，两边是同一套工业逻辑。差异不在技术路线，在物理形态。

二、61% 对 26% 这道分野意味着什么？

报告最重要的一句话是：两国 AI 生态正在为不同的环境构建 AI。

• 美国：61% 的 AI 企业是纯软件形态，集中在医疗、科研、网络安全等知识密集型、以软件交付的垂直领域。
• 中国：只有 26% 是纯软件。剩下的重仓在具身形态——人形机器人、地面机器人、自动驾驶——以及制造、交通、能源这些实体经济垂直领域。

其中一个数字很有冲击力：中国的人形机器人企业比例是美国的六倍。

换句话说，美国 AI 的主战场在屏幕里和文档里，中国 AI 的主战场在车间里、路上和电网里。

三、开源为什么能用更低成本敲门？

价格侧也有一条清晰曲线。在 OpenRouter 平台上，中国开源模型的使用量从 2024 年末的接近零，涨到 2026 年 4 月与美国模型持平。

原因是性价比：在每百万 token 约 1–2 美元的价格带上，中国开源模型提供了与美国专有模型相当的基准智能水平，成本约为其四分之一到五分之一。前九大流量提供商中，六家是中国企业。

报告自己给这条发现加了限定：这应被理解为对开源权重开发者的方向性信号，而不是全球市场份额的度量。开发者换模型的成本极低，用脚投票快，离开也快。

四、兰德和高盛的数据能交叉验证出什么？

单独看，这是两份毫不相干的报告——一份讲 AI 产业生态，一份讲出海竞争格局。放在一起，出现了三个互相印证的结论。

交叉 1：中国最强的那部分能力，恰好是最难出海的

高盛在出海报告里留下一个没深究的观察：六轴工业机器人的海外份额年均只提升 0.3 个百分点，中国企业在暖通空调、国际快递这类领域被归为"受阻者"，原因是"客户买的不是设备，而是一整套长期系统"。

兰德给出了更深一层的解释：这不是中国企业在工业品上做得不够好，而是中国企业做得最重的地方，本来就是全球最难交付的地方。

中国 AI 生态的重仓是具身形态和制造、交通、能源——这些领域每一单都带着安装、维护、调度、备件、认证、数据安全。软件可以跨境下载，机器必须有人上门。结构性优势，同时也是结构性负担。

洞察 2：出海慢的行业，往往不是竞争力弱的行业，而是交付半径最短的行业。判断一个产品能不能快速出海，先问它能不能远程交付。

交叉 2：便宜是敲门砖，但从来不是护城河

两份报告在价格上给出了几乎同构的结论：

高盛（出海产品）	兰德（AI 模型）
进入时平均折价 30%	成本约为美国模型的 1/4–1/5
11 个行业中 7 个随后涨价	使用量 18 个月内从近零追平
份额涨了，市值未必跟着涨	方向性信号，非市场份额度量

高盛的关键提醒在这里同样成立：低价的真实作用不是抢同行客户，而是把原本用不起的人变成新客户。 中国开源模型在 OpenRouter 上的爆发，正是这条机制的翻版。

但两份报告都指向同一个后续问题：用便宜进来的客户，会不会留下？ 高盛的答案是——要拿到估值重估，得证明海外业务"能赚钱、能持续、不是一次性铺货"。对 AI 产品，这句话可以换成：得证明开发者不是在薅羊毛，而是把你的模型写进了他的生产链路。

交叉 3：中国 AI 出海的"核心市场"，不在硅谷的软件栈里

高盛说中企出海正在"从边缘走向核心"，而越靠近核心，份额提升越慢——从年均 2.5 个百分点降到 1.4 个百分点，因为核心市场的护城河是品牌、渠道、服务网络、认证和信任。

兰德补上了关键一块：美国的"核心"，和中国的"核心"，不在同一个地方。

美国 AI 的核心腹地是医疗、科研、网络安全——知识密集、软件交付、靠专业资质和数据合规筑墙。中国 AI 的核心腹地是制造、交通、能源——物理世界、系统交付、靠工程能力和运营记录筑墙。

这意味着一件容易被误判的事：中国 AI 企业出海，不该把"攻入美国软件腹地"当作主战场。 那是对方护城河最深、而自己比较优势最弱的战场。真正的机会在全球的物理世界——新兴市场的工厂、港口、电网、矿山、物流网络——那里既有高盛说的"需求未被满足"，也有兰德说的"中国生态真正擅长的具身能力"。

洞察 3：选战场时，"对手的核心"不等于"我的核心"。在别人的强项里打，份额再涨也是硬仗；在自己的结构性优势里打，才有复利。

五、为什么具身 AI 是一种对冲？

兰德还指出了一个对美国而言不太舒服的可能性。

如果通往通用人工智能的路径最终需要与机器人技术、世界模型和物理环境学习协同开发，那么中国企业在具身 AI 上的结构性重仓，就构成了美国生态所缺乏的一个对冲。

反过来看，这也是中国企业的机会成本所在：这条路径一旦成立，重仓具身的企业会获得巨大回报；如果不成立——AGI 主要在语言与软件空间里实现——那么这批投入的回报周期会被拉得很长。

报告没有替读者下这个注，它只是把不对称摆出来：两国正在 AI 开发的不同假设路径上竞争。

六、系统出海要做哪三件事？

两份报告合起来，对中国企业出海给出了一条相当具体的判断：中国出海的不是软件，是系统。

软件可以远程交付、靠低价快速渗透、用版本迭代解决问题；系统必须本地落地、靠服务网络维持、用运营记录建立信任。这正是份额年均提升从 2.5 降到 1.4 的根因——不是对手变强了，是交付变重了。

如果你的产品是装在机器里的，而不是装在浏览器里的，那么三件事会决定生死：

• 服务知识能不能跨市场复用。 一个市场踩过的坑，多久能变成另一个市场的标准动作？如果只能靠老师傅带新人，服务能力的扩张就是线性的，成本永远降不下来。
• 认证与合规能不能被系统维护。 跨市场的认证材料、本地含量要求、数据安全审查，是靠几个人的经验文件夹，还是有一套能随政策变化快速更新的底座？
• 运营记录能不能变成资产。 装了多少台、跑了多久、故障率是多少、为客户省了多少钱——这些能不能被结构化，成为下一个客户的信任凭证？

这三件事的共同点是：它们都不是"投入多少钱"的问题，而是信息与经验能否被组织、复用、随时取用的问题。而这恰恰是当前 AI 与 Agent 技术最能改变成本结构的地方——不是用 AI 写营销文案，而是把本地交付能力从靠人堆，变成靠系统复制。

七、这份数据有哪些边界？

兰德自己在报告里列出了限制条件，引用时应当一并带上：

• 这是 2026 年 1–2 月的快照，行业变化快，部分分类可能已经过时。
• 公开数据覆盖不均衡，中国企业的各分类计数应视为下界（中国企业数据缺漏率达 28%，可能掩盖更细部的差异）。
• 样本只覆盖商业 AI 开发者企业，大学、政府研究机构等非企业主体不在内。
• 报告明确提示：小幅度的国别差异应视为描述性和尝试性的，只有大跨度差异才对覆盖误差稳健。

最后一条尤其重要。61% 对 26% 是四分之三与四分之一的量级差，足够稳健；而那些几个百分点的差距，拿去当决策依据就危险了。

写在最后

这两份报告放在一起，最值得记住的不是任何一个数字，而是那个交叉点：

中国 AI 生态的结构性优势在物理世界，而物理世界恰恰是全球最难用低价攻下来的市场。

上半场靠供应链效率把产品卖向全球，这部分红利还在，但正在变薄。下半场要做的，是把"能把 AI 装进机器并让它持续运转"这件事，变成一种可本地交付、可跨市场复制、可被客户信任的服务能力。

软件出海靠下载，系统出海靠落地。这是两门完全不同的生意。