過去兩三年，AI成了全球城市競爭力的生死籌碼。我們團隊從 和三個維度研究分析了全球主要城市的AI競爭力。

研究結果顯示， 在AI頭部創新和AI人才資源方面，中美處于絕對壟斷地位。其中舊金山灣區一騎絕塵，遙遙領先。北京、杭州等少數中國城市尾隨其后。

一個有意思的地方是，隨著技術逐漸成熟、應用成本降低后，中國AI能力會從核心城市向周邊地區擴散。比如廣州和廈門的AI APP應用做得有聲有色，合肥和成都也在承接數據標注產業，隱約呈現出多點開花的局面。但這個“外溢效應”的美國沒有那么明顯，除了灣區外，只有西雅圖、紐約和波士頓表現不錯。

01

AI產業競爭

我們從三個角度來評價AI產業競爭，大模型，AI應用，和獨角獸企業。

首先，當前AI產業內，最靚的仔就是大語言模型，我們發現，頭部大模型高度集中于舊金山灣區、杭州等少數城市。

雖然國內的DeepSeek、通義千問風頭正勁，但截止 2025年3月，全球大語言模型排行榜（Chatbot Arena）前30名中半數以上都來自舊金山灣區，三分之一來自中國城市，中美兩國之外的城市幾乎沒有存在感，只有來自多倫多的大模型Command A占據了一席之地。總體來看，Chatbot Arena排行榜覆蓋了170多個大模型，舊金山灣區占據79個，領先優勢非常明顯，其次是杭州（25個），而北京有11個，落后于舊金山灣區、杭州、西雅圖和巴黎。

國內最優秀的大模型都來自杭州，DeepSeek和阿里的Qwen2.5-Max擠進了全球排行TOP 100，此外來自北京的智譜、Yi-Lightning（零一萬物），來自深圳的騰訊混元，來自上海的Step-2-16K-Exp都具備一定的國際競爭力。而國內用戶熟知的豆包和Kimi均采用閉源技術路線，而且更加傾向于本土化、中文場景，因此國際影響力較弱，沒有登上全球榜單。

需要注意的是，大語言模型聽起來高大上，但是競爭非常激烈，這個榜單排名更新迭代非常快。尤其是DeepSeek之后，這個領域群雄并起，亂成一鍋粥了：

2月18日，馬斯克的xAI發布了更新版Grok 3大模型。在直播的現場演示中，Grok 3在數學、科學和編程基準測試中，擊敗了包括DeepSeek的V3模型和GPT-4o在內的多個模型。

3月6日，阿里Qwen團隊發布了QwQ-32B大語言模型，這款模型擁有320億參數，在性能上能夠與參數量高達6710億的DeepSeek-R1相媲美。

3月13日，加拿大創業公司Cohere發布Command A大模型，宣稱在保持與GPT-4o、DeepSeek-V3等頂尖模型相當或更優性能的前提下，實現了硬件資源需求的大幅優化。

最近，OpenAI創始人在訪談中表示，GPT-5即將向免費用戶推出。

我們再來看AI應用，未來可能會涌現更多的創業和投資機會。

在下一場數字生態的進化中，大語言模型是土壤。任何一片土地都需要有千萬棵松樹參天立地，才能讓女蘿、菟絲托付，才能吸引蟲鳥，“纏綿成一家”。所以生態要形成，必須有大量垂直領域的應用開發涌入。

在AI應用層面，（可能與大眾認知相反），與大語言模型相比，AI應用產品雖然競爭也很激烈，但版圖更迭速度要慢一些，但護城河相對高一點點。 隨著大模型門檻下降的浪潮席卷而來，真正持久的競爭優勢正從算法參數的軍備競賽，轉向對行業Know-How的深度理解。

因此，在城市層面，AI應用的分布相對分散。在2024年12月的全球下載量TOP 100 AI APP 排行榜中，舊金山灣區和北京仍然占據頭兩名，分別有17、16個APP。例如，在北京，字節跳動開發的豆包、剪映等APP也已經有比較好的用戶基礎。深圳、廈門、西雅圖、新加坡等城市也能夠從AI APP生態中分一杯羹。

在數字獨角獸企業培育方面，仍然是舊金山和北京領先。過去一年AI創業熱潮之下，舊金山灣區的AI獨角獸企業個數增加了5個，總估值上漲接近100%。而我國城市的隱憂是AI獨角獸企業的增長速度偏慢。從2023年到2024年，北京市AI獨角獸企業增加了2個，總估值也僅上漲了9%。深圳市的AI獨角獸數量和估值甚至出現了縮水現象。這也許與近年來萎靡的創投市場有關。

根據清科研究中心統計，2024年前三季度我國股權投資市場共發生投資案例數5494起，同比下降28.3%，投資金額如同退潮般蒸發近三成。后疫情時代的信心重建比想象中艱難。消費者攥緊錢包，企業收縮戰線，風投機構更是難融資、難投資。尤其是，中美摩擦背景下，美元基金加速退出中國市場。新進入市場的玩家是國資，國資背景投資機構占比從10%升至22%。但是這類機構風險偏好低，往往要返投、要兜底，更傾向投資成熟期項目，對早期科技企業支持不足。

02

AI人才競爭

在頂尖人才方面，AI人才也是高度集聚的。人工智能領域TOP 100 學者中有44位都在舊金山灣區，5位在北京。北京也很有后勁，清華大學、北京大學等頂尖高校構建了高密度的智力網絡，人工智能領域TOP 200 研究機構中，北京市擁有12所，位居全球第一名。

我們也挖掘了國內上市公司的招聘大數據， 發現前沿研發類職業——大數據工程師、算法工程師、云計算工程師等都集中在北上廣深杭。但是，數字技術衍生的勞動密集型職業——數據標注師、內容審核員正在蔓延到二三線城市。

隨著人工智能產業需求量越來越大，數據標注這一細分行業也在不斷升級，對數據采集、審核、標注的專業性要求也越來越高。比如，審核語音文本轉化或圖片的專業要求較低，但審核自動駕駛、醫療等領域的數據，就要求審核者具備一定的專業知識。另一方面，數據標注的軟件工具不斷發展成熟，大量簡單的標注工作也被交給了軟件工具來完成。

03

AI基礎設施競爭

根據IDC（國際數據公司）、浪潮信息和清華大學發布的《2022-2023全球計算力指數評估報告》顯示，美國和中國分列全球算力前兩位，處于領跑者位置；而在國內，北京市的算力指數位于全國“第一梯隊”，為數字經濟發展提供強大的基礎設施底座。但是，我國的算力水平還落后于美國。主要原因在于算力發展都依賴于各類芯片——比如手機里的處理器（CPU）、圖像處理芯片（GPU），以及專門負責人工智能計算的芯片（NPU）。而目前全球算力芯片市場主要由美國企業壟斷，占據了90%的市場份額，而且高端算力芯片出口至我國存在諸多限制。未來我國城市算力基礎設施的發展，仍需努力實現 “卡脖子”技術突破，推動本土產業鏈升級。

國內的AI基礎設施也出現了一擁而上，但效率偏低的問題。最近，國內掀起了一股建設AI基礎設施的風潮。僅僅看2024年上半年，國內已經建設和正在建設的智算中心超過250個，2024年上半年智算中心招投標相關事件791起，同比增長高達407.1%。但是，也有媒體報道，國內已上線智算中心的利用率只有32%。而且，“由于智算技術更新迭代很快，智算中心的生命周期一般只有5至10年，如果沒有強大的技術儲備和升級能力，就可能陷入不斷投入卻無法跟上技術發展步伐的困境。”（出自中科院計算所研究員張云泉的文章《智算中心建設不可盲目跟風》）

各地AI競爭也應該量力而行，尊重技術進步的客觀規律，避免大干快上的沖動，避免同質化競爭。

數據清華大學全球產業研究院

《2022-2023全球計算力指數評估報告》

2022-2023年各國計算力指數

在新技術發展的初期，創新集聚在核心城市是非常符合經濟規律的，也是更有效率的選擇——根據馬歇爾外部性理論，創新集群能加速隱性知識傳播；根據雅各布斯多樣化理論，大城市也能提供更完備的創新要素組合。在北京，一個AI 初創企業可以快速完成算法人才招聘、芯片采購、測試場景的配置，而在大多數城市，每個步驟都會耗時頗多。

當技術逐漸成熟、應用成本降低后，會從核心城市向周邊地區擴散。最先擴散的是基礎設施，接著是市場應用，最終，全國大部分地區都能應用這項技術，區域間的技術鴻溝逐步縮小。這種"先聚集后擴散"的模式周而復始，直到出現全新的顛覆性技術，重新開啟新一輪地域競爭。

技術的集中與擴散如同潮汐般永恒交替，這場AI競賽關乎城市的未來，從舊金山灣區的先發優勢，到杭州的異軍突起，從北京頂尖學者構建的智力網絡，到合肥承接的數據標注產業——每個城市都在技術擴散的浪潮中會找到自己的獨特生態位。