刊於《經濟日報》，2026年5月1日
中美AI伯仲競爭 突圍取決應用落地
李家濤
科大商學院利國偉商學教授、商業戰略與創新中心主任
史丹福大學人類中心人工智能研究所（HAI）近日發布《2026年人工智能指數報告》（Artificial Intelligence Index Report 2026‧下簡稱《報告》），揭示全球人工智能（AI）產業的最新發展格局。報告在開篇的「重點總結」中首先指出，AI現正加速發展，到2025年，業界開發超過90%的顯要前沿模型（notable frontier models），其中一些模型在博士級科學問題、多模態推理和數學競賽方面，已達到或超越人類基準水平、機構採用率達88%、五分之四的大學生現在都在使用生成式人工智能等，展示AI當下急速奔馳發展之勢。
中美AI 模型效能不相伯仲
《報告》一項受到關注結論，是中美AI模型效能差距已基本縮小（《報告》以「有效閉合」（effectively closed）字眼來形容），截至2026年3月，美國最佳模型Claude Opus 4.6以1503得分，領先中國最佳模型Dola-Seed-2.0-Preview（得分1464），但差距僅2.7%。
無可否認，目前全球AI發展主要格局，以中美在多維度的競爭所貫穿，報告認為美國仍擁有更多頂尖AI模型和高影響力專利，而中國在論文發表量、引用量、專利產出和工業機器人裝置量方面領先；韓國則以創新密度脫穎而出，人均人工智能專利數量位居世界第一，反映各國政府都積極擁抱AI發展。
從整體發展格局看，AI如今已轉變成為基礎性生產要素。在資本投入和商業化方面高速前進。據《報告》資料，2025年，全球企業AI投資額達到5,817億美元，較前一年增長129.9%；私人AI投資達到3,446.6億美元，增長127.5%；預計到2026年初，生成式人工智能工具對美國消費者的年化價值將達到1,720 億美元，於2025至2026一年內，每名用戶的中位數價值估計將成長3倍。
「鋸齒狀智能」短板
儘管AI 在技術上取得可觀成就，例如臨床AI工具在2025年應用於自動生成病患就診紀錄，減少了醫生撰寫病歷83%時間；頂級模型Gemini Deep Think在2025年國際數學奧林匹克競賽中贏得金牌，不過在Clock Bench測試中，正確讀取模擬時鐘（Analog Clock‧「指針式鐘面」）的準確率僅為50.1%，而人類的準確率為90.1%，反映AI呈現一種「鋸齒狀智能」（jagged intelligence），即有高有低，在高端邏輯推理中表現出色，但在「基礎視覺感知」的能力低落，顯著失衡。此外，機器人在受控環境中表現優秀，但在大多數家務任務中仍會失敗，能夠成功完成真實家務任務只得12%，凸顯人工智能從數字世界有效進入物理世界，仍有一段長路要走，不過也意味在發展過程中，蘊含不少有待開發的潛在實際應用商機。
資源約朿基礎設施擴張
值得關注的是，資源對基礎設施擴張的顯著約朿。據《報告》資料，AI數據中心的電力容量已增加至29.6吉瓦（Gigawatt），相當於紐約州高峰期的用電量；另外，僅GPT-4o推理的年用水量，就可能超過1,200萬人的飲用水需求；而Grok 4的訓練排放量在 2025年估計達到了72,816噸二氧化碳當量（中國DeepSeek-V3的訓練碳排放僅597噸二氧化碳當量，兩者相差逾120倍）。因此，AI發展除了技術本身外，顯然需要能源結構等有效配合，為其發展注入更多制度性外部影響因素。
事實上，頂級模型性能正在趨於一致。在Arena排行榜和基準測試中，經人類投票評定，前4家公司的Elo積分相差不到25分。截至2026年3月，Anthropic（1,503）、xAI（1,495）、Google（1,494）、OpenAI（1,481）、阿里巴巴（1,449）和DeepSeek（1,424）均位列Arena Elo積分榜前列，整體差距並不大，而競爭壓力正轉向成本、可靠性和特定領域（第二章技術表現，頁71），而成本領域往往受到更多包括效率形成的制度性因素影響。
模型能力轉化成企業價值
在AI管治體系上，確保AI技術應用符合倫理、安全、透明且造福社會的「負責任AI」（Responsible AI）發展速度並不理想，安全基準滯後，有記錄事故數量急劇上升，從 2024 年233 起上升至2025年 362 起。更棘手的是，最近研究發現，提高負責任人工智能的某個維度（例如安全性），可能會降低另一個維度（例如準確性）。
因此，從長遠視閾看，AI發展料從單純依賴算力與數據擴張，轉向以優化數據質量、基礎設施安全，以及制度能力優化為核心的效率提升路徑，未來競爭將不再只是模型能力的提升，而取決於突破資源約束、提升治理AI能力、技術應用加速落地、產業結構重構，把模型能力轉化為產業及企業價值及社會效用。事實上，中國在「十五五」規劃中，以「AI＋」作為人工智能產業的發展路徑，正好體現了這個發展方向。
競爭突圍取決加速應用落地
很顯然，以模型能力峰值來凸顯競爭優勢有很大局限性。在應用方面，中國清晣地朝技術應用落地到產品部署的全鏈條構建方向發展。據報告資料，自動駕駛汽車在2025年實現了大規模部署。在中國，百度的Apollo Go（蘿蔔快跑）完成了1,100萬次完全無人駕駛的出行，年增175%。在工業機器人安裝方面，2024年，中國以29.5萬台裝量位居世界第一，是日本（4.45萬台）的6倍，是美國（3.42萬台）的8.6倍（頁 229），呈現了中國於當前發展AI方面的實力和應用潛在競爭優勢。
對香港來說，特區政府表明積極推動「AI+」發展，將人工智能技術與各行各業深度融合，實現「AI產業化、產業AI化」，促進香港成為全球 AI 發展樞紐。與此同時，興建數據中心作為為數碼經濟的關鍵基礎建設，透過土地供應、優惠措施及數據治理三大支柱，致力構建香港作為亞太區數據中心，以配合國家人工智能產業的發展 。筆者相信，背靠中國逐步強化的全球競爭優勢，香港建構數據中心和全球AI發展樞紐，是融入國家發展大局的重要組成部分，既可以給香港經濟注入新活力；同時也對國家的AI產業發展作出積極性貢獻。