中国的GDP是美国的65%左右，但中美前十大科技企业市值相差10多倍

为什么经济总量已经追赶到美国的六成以上，科技公司的市值差距却依然如此悬殊？这背后折射出的中美科技实力差距，究竟有多大？

要回答这个问题，可以回看2025年初人工智能领域备受关注的事件——中国公司DeepSeek发布R1模型。此前发布的V3版本也曾引发行业讨论。

而上周R1一经推出，立刻在全球范围内引起巨大震动。R1具备思维链和推理能力，类似于ChatGPT的o1模型，而之前的对标产品则是ChatGPT-4。

2025年1月27日，美国科技股大幅波动，英伟达单日市值减少约5890亿美元，跌幅约17%。这场波动受到DeepSeek消息、市场估值和投资者预期等多重因素影响，不能只归结为单一原因。

DeepSeek披露的约557.6万美元主要是V3一次预训练所需算力成本估算，不等于R1或整个模型研发、数据、人员及基础设施的全部成本；它也不能与口径不明的GPT-4总成本直接比较。

目前存在的争议是：未来是否还需要那些所谓的大型前沿模型？事实上，这些蒸馏模型已经可以作为新的基础继续发展。

其降低推理成本和提高效率的技术路线具有重要意义，也为边缘设备部署提供可能。不过，“降低十倍、二十倍甚至五十倍”需要明确具体任务、硬件和测评口径，不能笼统概括。

中国能取得这样的突破当然令人振奋，但是否完全出乎意料？谭新强认为并非如此。此前的机器学习或者所谓的推理学习，相比人类效率要低得多。

人类是模拟式的思维，而机器是数字化的，两者存在诸多差异。机器擅长的领域人类未必擅长，而人类擅长的地方机器更加未必擅长。

换句话说，人类学习的效率要高得多，用电量也低得多。举例来说，一个小朋友可能只需要看五只或十只猫，就能记住猫的样子，甚至看到狮子、老虎也能联想到"大猫"。

而过去的机器学习可能需要看几十万甚至一百万张猫的照片才能识别。现在虽然已进步到一万张甚至可能未来只需一千张，但效率仍然不算高。

因此即便DeepSeek属于比较高效的学习模式，仍有很大的进步空间，比如再提升五到十倍。另外一个明显的方向是学习与应用的融合。

最初的ChatGPT，其训练与应用是截然分开的，是离散的，会以V3、V4、V5的方式陆续推出。但人类学习并非如此，人类学习是连续的、实时的，是边学边用。

因此可以预见，未来的AI至少能做到实时学习。现在有些AI已经会利用即时信息更新处理，但基础模型仍然相对分离，无论是OpenAI、Anthropic还是DeepSeek都是这样。

这一进步之所以令人震撼，是因为它让人们开始犹豫：美国动辄投入几百亿、几千亿在基建或能源上是否还有必要？如果未来学习效率能大幅提高，那就未必需要这么多投入了，相关股票也因此下跌。

令美国乃至全世界震惊的另一层原因，是这并非孤立事件。过去两三年，中国在硬件方面进步显著，如今软件领域也开始快速追赶。

中国企业在光伏组件、动力电池和电动车产业链中占据重要份额，但不同环节的全球份额并不都等于90%。美国也没有停止有人驾驶第六代战斗机项目，相关项目仍在推进。

谭新强此前曾提过，无人机与AI机器人的应用越来越多，中国在民用无人机领域绝不落后。军事领域某种程度上并非民间可推动，但美国在这方面转变也很快。

虽然美国依然拥有大量航母和战斗机，但可以看到，由马斯克的SpaceX，或者彼得·蒂尔投资的Anduril、Palantir等公司正引领一场军事革命。中国在过去十余年发展了高铁，游戏领域也推出了《黑神话：悟空》。

全球大型民航客机交付和订单仍主要由空客、波音占据，C919尚处于扩大商业运营和交付规模阶段，不能称为上一年全球销量最高的民航客机。

2025年初的一些短期榜单中，多款中国应用曾进入美国应用商店前列，但榜单随时间和分类快速变化，不能把某一时点的“前十有六款”当作长期格局。

宇树科技的机器人也越来越有名，今年春晚就有机器人跳舞，手帕掉落后还能接住，表现相当出色。这全面展现了中国科技的进步。

不过要更深入地看，这仍然遵循一个规律：以美国为首的西方擅长零到一的突破。以电动车为例，虽然一百多年前就有电动车，但特斯拉显然是一次全新且成功的大规模民用尝试。

中国随后追赶，如今比亚迪、小鹏、小米等品牌百花齐放，某些产品的性价比甚至优于特斯拉。同样，当前的LLM类AI也是如此：先有ChatGPT，然后才有中国的DeepSeek、Kimi、豆包，以及阿里巴巴、百度等相关产品。

美国推出推理模型如o1，中国更快追上，性能达到其九成以上，某些功能甚至更好，价格却低十倍甚至二十倍。这就是一到N的成功。

当然，DeepSeek也推出了图像生成的Janus-Pro。OpenAI推出的Operator这类代理型AI，可以帮用户订机票、做决定，DeepSeek及其他中国公司无疑也会很快跟进。

但令人期待的是，中国能否率先实现某些明显的原创突破，而不只是紧跟别人后再快速迭代或放大规模。谈到DeepSeek的成功，其创始人梁文锋是广东人，非常厉害。

梁文锋长期从事量化投资并持续投入人工智能研究，DeepSeek与幻方量化的AI研发积累有关。将其创业简单归因于量化受限或市场不佳后“被迫转行”，缺乏充分依据。

电动车行业曾出现大量品牌，经过多年竞争和整合，活跃品牌数量持续变化。“仍有二三百个品牌”需要明确统计时间和品牌口径。

如果训练前沿AI模型只需五六百万美元，中国可能会涌现几百甚至几千家类似的公司，因为中国人多、人才多。中国有14亿人口，是美国的四倍多，每年毕业生数量是美国的十倍。

中国对美国乃至全世界主导地位的挑战，是美国250年来前所未见的。这场龙争虎斗才刚刚开始，可能延续数十年乃至上百年，前提是不发生战争。

没有人希望开战，但也不能简单看待"修昔底德陷阱"，两边持续竞争之下，还有印度、东盟、欧洲等其他力量会介入，竞争会更加白热化。不过也要泼一点冷水。

十年前与今天的全球科技公司市值榜单会随日期、分类和上市地变化。不能在没有统一口径的情况下断言十年前前十中有五家中国公司、如今只剩一家。

美国大型科技公司市值增长更快，与盈利能力、全球市场、资本市场估值和AI周期等多种因素有关。中美平台监管政策也会影响估值，但阿里巴巴与亚马逊是否曾“规模相当”必须区分营收、交易额和市值。

科技企业的发展会受到监管、资本、市场和人才环境共同影响。把企业成败概括为“得到表扬后必被打压”，并不是可验证的普遍规律。

“海外科技公司创始人比国内更多”缺少可靠统计依据。讨论人才和创业环境时，应使用可核验的迁移、融资、企业注册和研发数据。

另一方面，如果只是开火锅店，凭借中国这么大的市场，做五六年或许就足以退休；但要与全球最顶尖的公司长期竞争，是远远不够的。

以科技AI为例，如今整个生态已经很像生物科技行业：许多创新来自小公司，但需要与大公司结合，借助其测试、生产、营销能力，才能将某种药物或产品发扬光大。AI也是如此，小公司开发出突破性模型，但依赖微软、亚马逊、谷歌等大公司提供的资源继续发展。

如果中国的小公司只能获得几年的表扬或支持，之后又变卦，即便说"我们变化更快"，从文明社会的角度看，个人或企业都应得到法律的全面保障，不应每隔几年就被打压。要与美国这些强大公司长期较量，必须给予企业更大的发展空间。

有关小米以千万年薪邀请“95后天才少女”的报道多来自市场传闻，相关薪酬并未获当事企业正式确认，不能作为中美工程师收入比较的事实依据。

中美工程师薪酬差异取决于岗位、经验、股权和生活成本，不能概括为普遍相差十倍至一百倍；“工程师较难出国”也不是有数据支持的统一结论。

中国的人才储备非常丰富，美国AI领域的人才中，大约一半是亚裔，其中华裔多于印度裔。希望中国能持续为创业者和工程师提供良好的发展环境，不要出现"表扬五六年后又打压"的循环。

回到市值结构的对比来看，全球财富到了这个阶段之后，正在发生剧烈的改变，财富的形式也在发生剧烈的改变。

全球GDP现在已经接近一百二十万亿美元，其中有形资产包括能源、矿产、厂房、公路等所占的比重越来越低，越来越多的财富表现为知识、科技、品牌、软件、算法、数据、知识产权等无形资产。

截至特定交易日，美国大型科技企业总市值可达到数十万亿美元，但该数字每天变化，必须说明日期、公司范围及是否把非科技业务集团计入。

中国大型上市公司中金融、能源企业占有较大比重。比较“前十大科技公司”市值时，需要统一行业定义、上市地和汇率，不能把不同榜单直接相加。

按某些时点和分类，美国头部科技企业总市值显著高于中国同行，英伟达市值也曾突破5万亿美元。但“相差十几倍”取决于所选公司、日期和汇率，应视为特定口径下的快照，而非固定结论。

到目前为止，中国前十大科技公司里面还没有一家市值突破一万亿美元，放眼亚洲市值最大的科技企业仍然是台积电，其次是三星电子、SK海力士等。

GDP反映的是今天创造了多少财富，而资本市场的市值更多反映的是未来能创造多少财富，因此科技公司市值的差距，某种程度上比GDP的差距更值得关注。

中国经济当前最大的问题不是经济总量，而是科技含量仍然不高、创新企业仍然不多、真正具有世界影响力的科技公司太少，绝大部分财富仍然集中在银行、能源等传统领域。

如果有一天中国前十大上市公司里绝大部分都是高科技公司，如果有一天中国财富里绝大部分都是无形资产带来的，那么中国经济在全球的竞争力才会真正不一样。