中美AI融資差距為何越來越大？ | 袁嵐峯_風聞

中國在很多領域，都在快速追趕美國。然而最近我聽説，有一個重要的領域，中國卻是在被美國甩得越來越遠。（本視頻製作於DeepSeek爆火之前）

這個領域就是人工智能的一級市場融資。我的前輩朋友、中國可持續發展研究會理事長、全國政協委員、曾任科技部副部長的李萌老師，2024年12月15日在首屆深圳香蜜湖金融峯會主題論壇“智能金融：創新、挑戰與展望”上做了一個演講《人工智能持續健康發展需要金融業的大力加持 | 李萌》，裏邊提到了這個重要信息。

當前，金融業在深入賦能人工智能技術研發與產業發展過程中面臨三個難題。

一是資金供給增長乏力的難題。中美人工智能技術水平差距在縮小，社會投資規模差距卻在擴大。2021年以前中國人工智能產業從風投中獲得的支持與美國相差不是太大，有一段時間我們的獨角獸數量和估值都是超過美國的。2018年美國一級市場人工智能融資額為2615億元人民幣，中國是568億人民幣，美國是我國的約5倍。2021年相差近7倍，美國5046億元，中國644億元。2024年差距拉大到17倍，美國5425億元，中國僅有318億元。大模型走到前台以後兩國AI獲得的金融資金支持差距越來越大，這是一個令人擔憂的現象。問題主要出在技術領域、產業領域、金融領域，還是其它領域，值得討論，機制需要完善。

二是大模型價值快速縮水的難題。目前大模型的能力在快速提升之中，變化以季度甚至月度為計。一個新模型剛出現，還沒來得及落地，就被功能更強大的模型超越翻篇了，更遑論拓展產品和產業發展的空間。大模型本身、模型即服務、“具身智能體”的大模型 + 本體，這些不同類型的應用中，價值縮水時間不同。比如人形機器人縮水得不那麼快，而服務類產品往往後一個出來完全顛覆前一個。面對這種情況，資金方如何在快速迭代的技術升級過程中準確識別出具備跨代創新力的千里馬團隊，難度比其它領域更大。

三是技術路線換道階段智能產品沉澱不穩定的難題。大量智能含量高和技術複雜的產品難以沉澱成熟穩定，基礎大模型和垂直大模型均是如此。這給金融業評價評估其價值帶來了挑戰，如將大模型視作何種資產、如何估價、能否抵押等問題。

面對這些難題，有什麼辦法呢？李萌老師提出三點建議。

一是金融業加強產品創新和業態創新。金融業應適應人工智能發展形勢，拓寬金融支持渠道，確保智能產業資金持續供給，推動產業健康發展。“耐心資本”需有財富效應預期才能落地，這依賴資本市場和科技界共同努力，同時需關注“退出”和“硬資產”約束等問題。例如算力、算法、數據等要素中，算力相對“硬”，數據兼具軟硬屬性，算法偏“軟”，但軟的要素是否不屬於硬科技、硬資產值得思考，大模型和模型體系、算法軟件、數據集等的資產屬性也需進一步明確。

二是人工智能界與金融界深度融合，支持金融業超前介入並持續跟蹤人工智能技術發展。鼓勵專業人才跨界交流，促進資本與技術的深度融合，要讓有資本的人和有技術的人坐在一起，甚至讓有資本的人坐在技術那邊，有技術的人坐在資本那邊。總結科技金融經驗，構建支撐智能技術研發和產業發展的金融體系，完善和創新金融產品，培育金融業新的增長點。如人形機器人在未大規模量產、技術快速迭代階段，金融支持產品的引入時機和方式需深入研究。

三是完善和創新金融工具在人工智能新產品上的應用。中國是世界最大的文化共識單體市場，規模形成快，這是我國的優勢和國內市場的重要依託。過去美國汽車業憑藉文化共識單體市場實現產品普及，我國的“新三樣”、智能手機、智能穿戴產品等亦是如此。未來人形機器人、自動駕駛汽車、低空智能載運工具等具身智能實體產品也契合中國市場特點，發展空間巨大，這需要金融業的大力加持。