导语：当前，中美竞争的内涵与外延正在发生深刻变化。美国仍凭借前沿算力、基础模型和资本投入等优势，占据人工智能技术高地；中国则在外部约束下，通过模型效率提升、开源生态扩散、国产软硬件协同适配，以及AI与实体经济的深度融合，加快形成具有自身特点的追赶路径。由此看，中美AI竞争已不再是简单的“追赶—被追赶”式线性竞赛，而是围绕技术路线选择、产业组织能力和创新生态韧性展开的系统性比拼。
文章指出，在后摩尔时代，先进封装和超节点正在成为AI算力从“单芯片性能驱动”迈向“系统级集成与规模化扩展”的关键支撑。美国路径更强调少数头部企业的断层式领先与构筑技术壁垒；中国路径则在外部技术约束和庞大市场需求下，依托工程化集成、规模化部署和多主体协同弥补制程短板。随着AI进入原始创新主导、方向高度不确定的“无人区”，决定长期竞争力的，或将是更丰富的技术路线、更充分的试错空间和更具韧性的产业生态。对于中国而言，这也是在“用中学”中跨越“中等技术陷阱”、推动AI格局从“单极主导”走向“多极并存”的关键路径。
孙占卿
广州市社会科学院城市文化研究所副所长、IPP特约研究员蒋余浩
华南理工大学公共政策研究院（IPP）资深研究员、教授
广东新质生产力政策研究中心主任
王逸群
湖北江城实验室副主任，湖北省半导体行业协会秘书长
随着智能体引发的广泛关注，中美人工智能（AI）先进技术的发展，迈入新的阶段。兰德公司2026年3月发布报告指出：中美AI竞争，已经从产品竞赛，迈向对全球人工智能生态系统的影响力争夺。[1] 4月24日DeepSeek V4发布并全面适配国产生态，验证了黄仁勋的预言：中国AI走出一条与美国不同的技术路线。
人工智能发展新阶段对于中美而言都意义重大。
一方面，中国正处于从追赶型经济迈向技术前沿经济的关键时期。AI创新生态的建设，是跨越“中等技术陷阱”、实现科技自立自强的必然选择。习近平总书记在加强基础研究座谈会上提出“推动企业主导的产学研用深度融合，打通基础研究、应用开发、成果转化的创新链条”，深刻指明了我国产业生态优势和创新发展路径。
另一方面，少数科技巨头打造的AI创新生态已开始逐步显现出僵化趋势。动辄上千亿美元的融资和投入规模，使任何关于推进中小型企业、初创企业灵活性和流动性，以及促进市场力量去中心化的话语，都面临失效的风险。
总之，在AI发展新阶段，真正需要大众关心的，不再只是大国之间的科技博弈故事，更是如何推动全球AI从“单极主导”向“多极并存”转型，为更多元的发展可能性创造空间。
Alphabet、Amazon、Meta、Microsoft四家科技巨头2026年用于AI相关基础设施的投资预计约6500亿美元,高于2025年的4100亿美元。图源：路透社
一、两条赛道背后的动力机制：技术霸权与多元需求
在中美AI竞赛中，先进封装、超节点作为AI产业发展的两大关键系统级创新技术，在中美演进出完全不同的产业生态：在美国，它们进一步强化了少数头部企业的绝对主导地位，形成“少而精尖”的高集中业态；在中国，则催生出数量更多的本土厂商，形成“落后一肩，却更为丰富”的产业生态。这两种赛道背后的动力是什么，发展前景又将如何？
（一）AI发展新阶段的技术底座：先进封装和超节点技术
从技术发展状况来看，在后摩尔时代，芯片制程微缩面临物理极限的背景下，先进封装和超节点共同支撑了AI算力从“单芯片性能驱动”向“系统级集成与规模化扩展”的转型。
先进封装技术通过2.5D/3D集成、Chiplet异构集成及硅中介层等手段，实现芯片间高密度、低延迟互连。广为人知的苹果M系列芯片Ultra版，就是通过封装技术将两颗独立的Max版芯片“融合”为单一逻辑芯片。就技术本身而言，目前在先进封装领域，处于领先地位的企业主要仍是台积电、英特尔、三星、日月光等巨型企业，中国的盛合晶微、长电科技、通富微电等封装企业和中芯国际、华虹宏力等制造企业也正在布局先进封装并加速追赶。
在图示这一先进封装技术中，GPU和存储芯片粒（HBM）并排放置在晶圆上，随后晶圆被切割成芯片，并封装到高密度基板上。
先进封装的市场规模正在不断扩大。《财富》2026年4月20日发布的报告指出，2025年全球先进封装市场规模为451.3亿美元，预计2026年将达到487.5亿美元，2034年将达到943.3亿美元，年复合增长率为8.60%。[2]
据 Fortune Business Insights 预测，全球先进封装市场规模2026—2034年年均复合增长率为8.60%。
超节点技术则是通过高速光电互连协议（如NVLink、华为灵衢）将数千至万卡级AI加速器（NPU/GPU）集群化部署，形成逻辑上“单一超级计算机”，解决大规模AI模型训练中面临的互联带宽瓶颈、通信开销、扩展非线性以及单节点算力密度不足等问题。超节点领域的主要领导企业有英伟达、华为、谷歌等。
（二）硅谷范式：寡头垄断下的技术霸权闭环
美国AI战略（以英伟达、英特尔等为代表）以“绝对性能领先”为首要目标，秉持“封闭生态+高溢价”理念，强调IP保护与开发者锁定（CUDA垄断。CUDA是英伟达推出的一套GPU通用计算平台和编程模型），追求高端技术壁垒与全球生态垄断。在这一战略定位下，先进封装、超节点等新技术的应用，主要目标在于进一步强化巨型企业的垄断地位：
（1）先进封装放大先进芯片优势。美国AI半导体产业高度集中于少数头部企业，其中英伟达占据绝对主导地位，在全球AI加速器市场（GPU/NPU）的营收份额约为75%—80%（数据中心营收达1937亿美元）。随着封装产能成为主要瓶颈，英伟达优先锁定台积电大部分高端产能，进一步拉大了与竞争者的差距。
（2）超节点强化英伟达的芯片效能护城河。英伟达通过NVLink高速互连实现单机柜极致算力与能效，软件生态（CUDA）则形成开发者锁定。高毛利率（75%—80%）与封闭生态壁垒共同巩固了英伟达的“护城河”。
英伟达不只是提供GPU，还围绕GPU构建了包括NVLink/NVSwitch高速互联、InfiniBand与Ethernet网络、服务器参考架构、AI软件库和集群管理工具在内的全栈式基础设施方案。图源：路透社
（三）中国路径：以规模集成满足多元需求
在先进芯片制程受限的国际贸易环境下，中国企业无法接入美国少数巨头打造的生态，一条可行的选择路径是“以量取胜”：通过工程化方法以及相应的工艺创新，突破传统单芯片性能瓶颈，提升系统整体性能和集成度，从而通过降低芯片制造成本来实现先进芯片生产的规模经济；同时，压缩“设计—制造—封测”相对分离的模式，从而通过满足定制化需求来实现先进芯片生产的范围经济。由此，先进封装和超节点成为中国AI克服制程和技术劣势的“放大器”，国内充沛的新能源电力也为这一技术路线提供了支撑。
（1）以先进封装弥补制程差距。随着AI应用场景不断丰富，对芯片功能的多样化需求日益增加，小型化、轻薄化、高密度、低能耗成为支撑AI与HPC应用的重要硬件基础条件。[3] 政策鼓励和强烈的市场需求，推动企业通过系统级集成，将成熟制程芯片组合为高性能单元，实现单卡算力与集群效能的跨越。
华为Ascend 950PR（昇腾950PR芯片）系列即依托此类技术，在推理性能上接近或超过英伟达对华特供H20。先进封装与超节点打造的补偿机制，显著降低了全栈AI算力部署的门槛。
华为通过“超节点”技术——将大量单颗算力稍弱的芯片通过高速互联组成大规模集群——在万卡级集群层面实现了系统级性能追赶。图源：华为公司
在国家“自主可控”的政策鼓励和强烈市场需求推动下，芯片领域除华为外，阿里巴巴平头哥、百度昆仑芯、寒武纪、摩尔线程、燧原科技、壁仞科技等多家厂商均实现量产与规模出货，形成多元竞争格局。丰富的超节点企业和封装产能，也为中小芯片设计、制造、集成企业创造了生存空间，以至于网上有人笑称，先进封装推动了矿卡企业在AI浪潮中转型重生。
（2）超节点以“万卡集成”实现“以量补质”。除华为外，曙光、浪潮、中兴等企业也发布了成熟的超节点技术，将算力系统集群扩展到数十万卡，并通过高速光电互连与液冷优化等技术，实现“以量补质”的集群级对标。华为Ascend超节点就是一个典型：尽管单卡算力仍低于英伟达先进芯片，但集群级总算力与带宽通过封装与互连得到加强。DeepSeek V4等模型在国产系统上的高效部署，进一步验证了系统级路径的可行性。
中美AI技术路线差异表明，尽管两国都将AI看作引领新一轮科技革命和产业变革的战略性通用技术，但美国主要通过精英AI企业的断层领先，为其他行业赋能；而中国则通过倡导“开放协同+韧性优先”理念，推动协议开放（如华为灵衢部分开源），实现全栈自主的供应链安全与多元生态构建。
The Information于5月8-9日披露，DeepSeek正寻求完成一轮规模最高达500亿元人民币（约73.5亿美元）的融资，投后估值有望突破3500亿元（约515亿美元），这或将创下中国AI公司单轮融资纪录。图源：路透社
二、闯荡“无人区”：不确定性下的创新生态博弈
随着AI发展进入“无人区”——即由原始创新主导、风险极高、结果高度不确定的探索阶段，竞争将超越“跟随—追赶”模式，转向无路标探索。前沿模型范式、具身智能、物理世界融合等领域不仅尚无成熟解决方案，其技术的长期演进空间甚至也无法在一两个周期内得到确认。
面对高变异、高风险的探索环境，中国AI生态的多样性很可能成为应对不确定性的重要优势，并通过满足中小型企业和各类初创企业的多元需求，形成对少数巨头主导的创新生态的革新。
（一）美国的单极困境：巨头领跑的结构性脆弱
尽管以英伟达为首的美国AI企业仍然占据着领先地位，但是“单一路径”特征已暴露出多重结构性风险。
一是外部约束下的脆弱性。黄仁勋指出，DeepSeek新一代模型在华为芯片上优化并发布，将对美国构成灾难性结果。现实中，美国制程封锁未能阻断中国AI进步，反而推动本土平行栈形成，出口管制政策客观上加速了CUDA在中国的“脱钩”。随着英伟达在中国市场份额从2022年的95%降至2025年的约55%，并持续下滑，CUDA的技术统治性也被地缘分割削弱。
二是抑制多样性创新。熊彼特“创造性破坏”理论指出，垄断生态容易抑制新技术创新，使其陷入路径依赖；而更多的路线和层次，则意味着更多可能性和更强的试错能力。英伟达主导的CUDA生态尽管目前保障了高效收敛，但过度集中的技术路线也限制了开发者对替代架构的探索。一旦前沿范式需要突破当前互连/内存墙，不仅CUDA的锁定成本将成为发展瓶颈，储备技术不足的风险也将随之显现。
三是系统性试错能力不足。技术变异需要足够多样，才能通过“选择—保留”机制适应不确定环境。有些技术可能会沉睡多年，才被新的关联技术隔代“唤醒”并继续发展；也有些技术甚至会演进出全新的技术体系，如19世纪法国雅卡尔织布机启发了IBM打孔卡的发明，成为现代计算机的先驱。[4] 英伟达等企业的“单兵突进”虽在峰值训练上高效，但面对“无人区”中的未知应用，如物理世界AI、跨模态Agent等，缺乏并行实验的冗余，抗风险能力相对较弱。
赫尔曼·霍列瑞斯于19世纪80年代初发明的打孔卡计算机，受到雅卡尔织布机的启发。图源：Getty Images
（二）中国的多元韧性：多重试错的创新空间
相较之下，中国“多路线、多主体、多层次”生态在“无人区”中可能展现出更强的适应性。
一是更多可能性与试错空间。
罗伯特·昂格尔指出，知识经济最基础、最重要的一种潜力，在于将创新从阶段性转变为持续性，并将其深度嵌入生产体系内部，使生产活动不再只是偶尔受益于外部的技术突破，而是自身成为创新的源泉。[5] 广泛的参与主体和多元的技术路线，意味着中国AI厂商不仅可以同时探索先进封装的异构集成、万卡级集群优化、CANN（华为面向昇腾AI芯片推出的 AI异构计算架构和软件栈）全栈重构等多条路径，显著提升试错效率，还能在多个技术环节形成更多交互触动，生成“网络化”的知识创新，远超单一路径下的线性试错。
二是更好的系统韧性与冗余机制。
技术路线可能失败，任何企业都不太可能同时探索多条技术路线。美国依托少数精英企业的模式，必然需要加强技术路线筛选的强度，形成技术演进路径不断收缩、集中的局面。一旦出现断头路，再回头的成本极高。多主体协同形成“分布式韧性”，当一条路线受阻（如工艺无法突破）时，其他路线可快速补偿；多层次设计（硬件补偿+软件优化+应用落地）则降低了单一失效点的影响。这种冗余在“无人区”的高不确定性中转化为战略资产，确保AI基础设施的连续性与供应链安全。
三是持续的技术互动提高长期适应潜力。
丰富生态不仅培养了更开放的开发者社区与联盟机制，加速从“可用”到“普适”的演化，还带来上下游技术与产业链的渗透融合。我们在湖北江城实验室调研时了解到，先进封装并不是孤立的技术环节，而是系统层面的集成优化。
在应用中，集成服务商在为下游厂商定制产品过程中，会推动下游企业将封装思维纳入芯片设计，使得封装从后端环节，渗透到设计端，芯片商也会将单一芯片设计、制造难以解决的热、力、电、磁等问题，交给集成环节解决，这就将原先相对孤立的芯片设计、制造与封装环节在层面完成融合。在这种互动中，技术创新链被显著拉长且不断分解重组。这种系统性协同提升了技术链、供应链的韧性，也可以为“无人区”问题提供更加丰富的解决方案。
湖北江城实验室。
三、展望前路：多元生态如何定义 AI 下半场？
美国AI生态最显著的特征就是“大树之下寸草不生”，争抢的是取得断层式领先优势后的赢者通吃；但如同半导体行业人士反复强调的，“海外半导体产业已经显露出僵化性的夕阳产业特征，而中国则处于方兴未艾时期”。
当中国AI企业找到技术突破路径、成功克服制程劣势时，不仅能够满足当前的多元市场需求，还能在“用中学”（Learning by Using）中推进“产业与科研互促”，孕育出平行的技术发展路径和丰富的产业生态。尽管仍然面临生态碎片化风险，但战略机遇已经开始偏向中国。
郑永年教授提出，跨越“中等技术陷阱”是中国目前面临的关键发展问题。[6] 从AI领域的实践看，中等技术生态既意味着与尖端技术之间的差距，也意味着相比高、孤、绝的尖端技术，保留着更多丰富性和参与者。因此，中等技术状况在当前并非“陷阱”的终点，而是跨越的起点。关键在于如何提升企业创新能力，推动企业作为创新主体，探索跨越“中等技术陷阱”的路径。
2025年我国人工智能核心产业规模超1.2万亿元，企业数量超6200家，专精特新“小巨人”企业超630家，规上制造业企业人工智能技术应用普及率超30%。图源：新华社
在下一步的产业集聚阶段要保护技术生态多样性，形成持久竞争力。在即将到来的芯片行业兼并重组阶段，必须加强反垄断审查与知识产权保护。防止少数企业形成垄断，同时通过严格IP保护激励中小创新主体参与，避免资源过度向单一路径倾斜。
要坚决摒弃“单一赌注”思维，转向“多点开花”的并行创新战略。政府、企业、高校协同，推动基础科研（“0到1”）与应用转化深度融合，同时在AI全链路（模型、算子、集群、场景）鼓励多元路径探索。
参考文献：
[1]《Open Models, Soft Power, and the Spectrum of U.S.-China Artificial Intelligence Competition》。
[2]https://www.fortunebusinessinsights.com/methodology/advanced-packaging-market-110848。
[3]《从技术工艺到系统集成：先进封装正引领后摩尔时代集成电路的产业逻辑重塑》，https://mp.weixin.qq.com/s/4ZFIZf4xTkF9q1pXhgijnw。
[4]崔之元：1848年的马克思、托克维尔和蒲鲁东，原载《二十一世纪》双月刊（香港中文大学中国文化研究所）2018年6月号（总第167期），转载于“实验主义治理”微信公众号233期。
[5]罗贝托·昂格尔：《知识经济：对主流观点的批评》，高隆绪译，发表在“实验主义治理”公众号第557期。
[6]郑永年：《中等技术陷阱：经济持续增长的关键挑战》，北京：中信出版社，2024年；郑永年等：《经济的跃迁：跨越中等技术陷阱》，北京：中信出版社，2026年。