中美AI融资差距为何越来越大？ | 袁岚峰

中国在很多领域，都在快速追赶美国。然而最近我听说，有一个重要的领域，中国却是在被美国甩得越来越远。（本视频制作于DeepSeek爆火之前）

这个领域就是人工智能的一级市场融资。我的前辈朋友、中国可持续发展研究会理事长、全国政协委员、曾任科技部副部长的李萌老师，2024年12月15日在首届深圳香蜜湖金融峰会主题论坛“智能金融：创新、挑战与展望”上做了一个演讲《人工智能持续健康发展需要金融业的大力加持 | 李萌》，里边提到了这个重要信息。

当前，金融业在深入赋能人工智能技术研发与产业发展过程中面临三个难题。

一是资金供给增长乏力的难题。中美人工智能技术水平差距在缩小，社会投资规模差距却在扩大。2021年以前中国人工智能产业从风投中获得的支持与美国相差不是太大，有一段时间我们的独角兽数量和估值都是超过美国的。2018年美国一级市场人工智能融资额为2615亿元人民币，中国是568亿人民币，美国是我国的约5倍。2021年相差近7倍，美国5046亿元，中国644亿元。2024年差距拉大到17倍，美国5425亿元，中国仅有318亿元。大模型走到前台以后两国AI获得的金融资金支持差距越来越大，这是一个令人担忧的现象。问题主要出在技术领域、产业领域、金融领域，还是其它领域，值得讨论，机制需要完善。

二是大模型价值快速缩水的难题。目前大模型的能力在快速提升之中，变化以季度甚至月度为计。一个新模型刚出现，还没来得及落地，就被功能更强大的模型超越翻篇了，更遑论拓展产品和产业发展的空间。大模型本身、模型即服务、“具身智能体”的大模型 + 本体，这些不同类型的应用中，价值缩水时间不同。比如人形机器人缩水得不那么快，而服务类产品往往后一个出来完全颠覆前一个。面对这种情况，资金方如何在快速迭代的技术升级过程中准确识别出具备跨代创新力的千里马团队，难度比其它领域更大。

三是技术路线换道阶段智能产品沉淀不稳定的难题。大量智能含量高和技术复杂的产品难以沉淀成熟稳定，基础大模型和垂直大模型均是如此。这给金融业评价评估其价值带来了挑战，如将大模型视作何种资产、如何估价、能否抵押等问题。

面对这些难题，有什么办法呢？李萌老师提出三点建议。

一是金融业加强产品创新和业态创新。金融业应适应人工智能发展形势，拓宽金融支持渠道，确保智能产业资金持续供给，推动产业健康发展。“耐心资本”需有财富效应预期才能落地，这依赖资本市场和科技界共同努力，同时需关注“退出”和“硬资产”约束等问题。例如算力、算法、数据等要素中，算力相对“硬”，数据兼具软硬属性，算法偏“软”，但软的要素是否不属于硬科技、硬资产值得思考，大模型和模型体系、算法软件、数据集等的资产属性也需进一步明确。

二是人工智能界与金融界深度融合，支持金融业超前介入并持续跟踪人工智能技术发展。鼓励专业人才跨界交流，促进资本与技术的深度融合，要让有资本的人和有技术的人坐在一起，甚至让有资本的人坐在技术那边，有技术的人坐在资本那边。总结科技金融经验，构建支撑智能技术研发和产业发展的金融体系，完善和创新金融产品，培育金融业新的增长点。如人形机器人在未大规模量产、技术快速迭代阶段，金融支持产品的引入时机和方式需深入研究。

三是完善和创新金融工具在人工智能新产品上的应用。中国是世界最大的文化共识单体市场，规模形成快，这是我国的优势和国内市场的重要依托。过去美国汽车业凭借文化共识单体市场实现产品普及，我国的“新三样”、智能手机、智能穿戴产品等亦是如此。未来人形机器人、自动驾驶汽车、低空智能载运工具等具身智能实体产品也契合中国市场特点，发展空间巨大，这需要金融业的大力加持。