OpenAI于2022年11月推出的ChatGPT打了中国科技公司一个措手不及。一夜之间，曾与谷歌、微软等全球玩家齐头并进的阿里巴巴、腾讯和百度等公司落在了后面。但不到三年时间，中国公司不仅赶上了美国竞争对手，更在生成式AI领域形成了并行的发展路径。成立于2023年的DeepSeek（深度求索）称得上是中国AI领域最耀眼的一颗新星。在不到一年的时间里，在算力和数据投入远低于美方的条件下，DeepSeek-R1模型的表现已可与OpenAI的GPT-4o和Anthropic的Claude 3.5 Sonnet相媲美。另一家初创公司零一万物（01.AI）推出了Yi-Lightning模型，在价格、性能和准确性方面迅速攀升至排行榜前列。但中国正在涌现的AI生态系统并非西方的翻版，而是一种在战略上截然不同的发展模式，一套在不同约束与优先级下的生成式AI路线。诸如DeepSeek这样的公司正在充分利用基础技术领域的进步，构建以成本效率、快速部署和场景针对性为目标的差异化系统。
这样的发展现状建立在地缘政治压力不断增大，以半导体可得性为代表的美国对华出口管制日益收紧的背景下。美国的管制措施本意是阻碍中国生成式AI的发展，然而却事与愿违，成了中国AI的催化剂。如今，已有超过300项生成式AI服务在中国国家互联网信息办公室完成了备案。华为加速了其昇腾系列芯片的研发，打造英伟达芯片的国产替代方案。昇腾芯片现在能为国家级数据中心提供算力支持。
许多跨国公司正在将生成式AI整合到其业务中，并且大多数使用的是来自OpenAI、谷歌和Anthropic等西方公司的工具。但它们也必须面对另一套快速成长、运行逻辑不同的生态系统。中国AI发展势头迅猛，主要是因为国家致力于建设模块化与韧性兼备的AI基础设施，从而能够快速适应中国国内需求。中国企业正在以迥异于西方同行的策略应对诸如幻觉控制、模型成本（经济和环境方面）以及监管合规等挑战。它们所构建的生态系统不仅适应性强，而且高效，从AI芯片到存储解决方案的每一层级都适合国情。这种策略与西方生态系统更重视通用化、广覆盖的研究取向形成鲜明对比。
中美关税领域持续存在的不确定性使情况更加复杂。在中国，获取包括大语言模型（LLMs）和基础设施在内的西方技术已较为困难，而如今美国可能会对中国AI模型实施限制，供应商被要求进行更加严格的尽职调查，涵盖芯片来源、网络安全，以及地方法规监管等。
在两国皆有运营的跨国公司必须应对不断变化的局势。高管们在考虑中国AI合作伙伴时，必须权衡政治风险、供应链韧性、治理兼容性以及性能基准等多种因素。
西方企业高管面临着一个特殊的挑战。他们不能再假定最好的生成式AI工具都来自同一个生态系统。无论是在部署客服平台、物流优化工具、医疗或金融领域的垂直应用，还是通用AI智能体，都需要同时适配中西技术栈。接入中国云服务提供商、遵守不断演变的AI治理规范、与中国大语言模型保持兼容，正从技术问题转变为核心业务议题。企业如果不能让自己的生成式AI战略与时俱进，就可能被行动更快、成本更低、合规支持的竞争对手所超越。应对上述挑战不仅是技术集成问题，更需要战略思维。
基于对高管的访谈、性能基准测试和案例研究，我们提出了一个框架，帮助跨国企业领导者理解中国独特的生成式AI架构。作为洛桑国际管理学院（IMD）的研究人员和教职人员，我们拥有为跨大洲组织实施AI战略的丰富经验，并与中国和西方公司密切合作，以了解生成式AI在中西两地的开发和部署情况。我们还对中国服装、制药和科技等行业的创新度和与时俱进能力进行了基于数据的研究。
在本文中，我们提出了一条采用“双轨策略”的路线图，结合利用中国和西方的生成式AI，来实现卓越战略成果和运营效率。跨国公司高管必须牢记三个关键问题：首先，中国的生态系统在硬件供应链和监管方面与西方有所不同；其次，使用中国技术存在现实的合规约束；最后，企业如果忽视中国模型的成本效率优势，就将在竞争中落于下风。这无关东西方对抗，世界上有着不止一种AI技术路线，企业必须因地制宜，找到行之有效的策略。
3C框架
正如亚马逊、谷歌和脸书一样，中国科技巨头阿里巴巴、百度、腾讯、字节跳动和华为也起家于电子商务、搜索和社交媒体等领域，现已将世界一流的AI纳入其技术版图。现在，中国的中型先驱企业如商汤科技和科大讯飞正在生成式AI领域迎头赶上。此外，号称中国“六小虎”（零一万物、智谱AI、月之暗面、MiniMax、百川智能和阶跃星辰）的新兴挑战者也很快成长起来，正在重塑国内生成式AI格局。同期，DeepSeek和面壁智能等公司也正在形成各自的路线（面壁智能因其专注于轻量级、高性能模型而受到关注）。
生成式AI技术栈分为三层：基础设施层（存储和芯片）、智能层（大语言模型）和输出层（应用）。西方和中国企业对这些层级的处理方式有所不同。中国的生成式AI企业正致力于通过定制化（customization）、成本领先（cost leadership）和校准（calibration）这三大支柱来构建系统，既要最大程度提高效率，也要优先考虑现实相关性并接纳差异性。
与常依赖多家软件供应商的美国去中心化生态不同，中国公司构建了端到端的一体化工作流。华为开发了自己的深度学习框架昇思，可在其昇腾AI芯片上运行。使用垂直集成解决方案（包括硬件、软件和优化工具）的公司，相比采用去中心化生态系统的AI，可以用更低的成本来自定义其基础设施并调校模型。这一点对行业意义深远。对AI供应商而言，垂直集成生态系统的兴起凸显了全栈自研的战略价值。对企业而言，这强调了在开放、去中心化架构与封闭、集中化替代方案之间做出明智选择的必要性。企业领导者必须根据发展大局来制定AI使用策略，决定究竟是要极致的灵活和规模，还是优先考虑成本效益、合规性和系统内聚性。
接下来让我们仔细考察第一个支柱：基础设施的定制化。中国公司在这一领域的创新已有数年之久。我们反复听到初创公司创始人和高管们表示，中国的AI战略并非追求通用解决方案。相反，正如我们已指出的，AI解决方案供应商正在构建具有很强适应性的模块化基础设施，这些设施经过精细调整，以适应本地的技术、监管和运营需求。中国的订阅式AI服务提供易于安装的AI解决方案，为小型企业提供助力。这些解决方案针对本地环境做了性能优化，在金融和医疗这样失之毫厘，谬以千里的行业，体现得尤为明显。蚂蚁集团打造了一套AI医生助手，可通过支付宝使用。这些助手由医疗行业基础模型驱动，该模型由蚂蚁集团与一流医院团队合作开发。该应用与众不同之处不仅在于数据，更在于系统经过训练，能够反映中国医生的思维和推理方式。蚂蚁集团结合临床文献、结构化诊断数据和顶尖医生的决策逻辑，创建了一个不仅智能，而且符合医疗行业实际情况的系统。这种情境深度是ChatGPT这样的通用模型难以比肩的。
中国企业相信，定制化的基础设施对于实现运营敏捷性和响应能力至关重要。例如，阿里云的存储解决方案提高了读写速度且更加灵活，这对生成式AI应用至关重要。相比之下，ChatGPT 3.5依赖微软的Azure云服务并使用英伟达芯片——这两项技术的出现均早于生成式AI，且并未针对AI进行优化。
第二个支柱，即模型开发中的成本领先，也为中国带来了优势。在西方，巨额资源（经费规模从数十亿到数百亿美元不等）被投入生成式AI模型的开发中。但中国的生成式AI公司把成本效率作为设计原则来构建模型。尽管许多西方企业通过创新和规模经济来推动效率，但中国的创业者认为，真正的成本效率不仅仅在于削减开支，更在于复用成熟的AI解决方案，而非从零开始造模型，这在拥有集中式AI解决方案提供商的庞大中国市场是可行的。因此，西方公司专注于构建最前沿的基础设施和模型，期待其最终转化为业务成果。而中国公司则直接以商业成果为目标，模型和基础设施只是其实现手段。这种思维方式推动了腾讯和百度等公司采用投入相对较少却能产出实效的技术路径。中国垂直集成的平台提供国产芯片、云基础设施和模型即服务（MaaS）产品，降低了训练成本，同时支持多语言和多模态应用。当然，中国企业也在吸取西方竞争对手（如OpenAI、谷歌和Meta）的经验教训并从中受益。
对于预算和基础设施规模有限的公司而言，这一支柱可以转化为实际优势：更快的部署速度、更低的训练和推理成本，以及更容易集成到本地化、特定领域的应用中。
尽管中国企业受益于西方开发的基础模型，但它们以较低成本（尤其是在难以接入西方高端基础设施的环境中）适应、改进和交付高性能模型的能力，提供了一个极具吸引力的价值主张。中国企业戴着枷锁起舞的能力促进了快速、务实的创新，因为成本约束不仅是一种战略选择，更是一种生存必需。
第三个支柱，即面向实际应用的校准，确保AI模型不仅在理论上可行，而且在实践中有效。中国企业一以贯之地追求“模型要真能用”，而且不能仅仅是在理论上可行，更要在零售、金融、医院、政府等真实、动态的环境中有效。中国AI公司正在不断测试和迭代。月之暗面的Kimi就是一个值得注意的创新实例，它于2024年3月成为首个能在单次对话中处理多达200万个汉字的AI模型。这一进展使Kimi位列单次交互处理大量文本的AI技术前沿。Kimi的长上下文能力不仅仅是一个技术里程碑，更是为医疗、教育和客户服务等文档密集型行业进行针对性校准的实际用例。月之暗面正在将技术雄心与战略部署二者有机结合。
定制化、成本领先和校准这三个支柱，正是中国生成式AI与西方同类产品的区别所在。中国的创新者并没有复制西方模式。他们正从自身独特的市场需求和约束出发，构建一个目标驱动的生态系统。“3C框架”可以帮助我们理解中国AI的发展路线不仅仅是技术差异，更是战略上的替代方案。“3C框架”也能帮助各国企业领导者思考自身应如何与一个碎片化但又相互连接的AI世界互动。
中国正涌现一个涵盖模型、基础设施、部署平台和垂直应用的差异化全栈生态系统，并基于其自身逻辑不断增强竞争力。对于大大小小的公司而言，其战略问题不再是是否与中国AI生态系统接触，而是如何有效接触，是建立合作伙伴关系、开展试点项目，还是从一个优先考虑速度、规模和实际效用的系统中汲取经验。
中国生成式AI应用的未来
随着中国生成式AI迅速赶上西方同类产品，其应用生态也随之全面启动，迅速涌现出各类创新应用和用例。生成式AI应用可大致分为三类：效率提升工具、通用软件，以及面向行业的垂直应用。中国公司目前在第三类中表现出色，在客户互动和企业平台等广泛场景中部署AI，他们开发的工具已经走出实验室，进入了真实业务一线。
一些中国AI公司已推出可即刻落地的产品，如百度的文心一言。由于其训练融合了结构化知识，文心一言在需要深度上下文理解的任务中展现出强大性能。在客户服务场景中，文心一言能够利用公司特定的知识图谱和监管框架，生成高度准确且符合政策要求的回复——这种企业级的适配度，通常不是通用模型“开箱即用”就能实现的。文心一言的例子表明：如果将重心放在与真实业务的深度集成，而非一味追求规模的模型设计，就能做出高性能、低成本的模型，这对于AI预算不宽裕的跨国公司尤其有用。
阿里巴巴也已将其生成式AI工具开放给淘宝等电子商务平台上的卖家。阿里巴巴平台上有超过20万家供应商，提供超过2亿种商品。借助阿里巴巴的AI工具，这些供应商能够为每款产品创建高质量、专业水准的展示页面。若在几年前，小型供应商只能为少数畅销商品制作此类页面，根本无力铺开到全部商品。
中国最大的在线旅游服务平台携程正通过其自研的大语言模型“问道”推动个性化旅游产品的发展。问道基于200亿个高质量旅行数据点训练，并依托实时信息和专有算法，使该平台能够根据个人偏好定制行程，并随着出行条件的变化进行动态调整。如今，AI已触及携程业务的几乎每个角落。工程师使用AI将代码编写时间缩短了15%～30%，内容创作时间从8.5分钟降至15秒，且质量通过率达到98.9%，营销内容仅需3分钟即可生成。在服务方面，超过60%的用户咨询通过AI驱动的自助服务得到解决，降低成本的同时提升了响应能力。所有这些改进都是携程以智能自动化促增长战略的一部分。
在物流领域，顺丰科技为供应链决策定制基础模型。其“丰智”模型融合了大语言模型的对话能力与特定领域小模型的精确性，解决了决策中的幻觉和不准确等常见挑战，造就了一个专精物流运营的高效智能体。另一个模型“丰语”已部署在营销、客户支持、调度运营和清关等20余个业务场景中。顺丰的训练数据80%来自通用领域，20%为物流行业特定资料（而西方模型往往使用100%的通用内容），以构建更小型，专注于特定领域的模型，从而在保持性能的同时降低推理成本。这是一个典型的应用驱动型AI案例，其优化目标不是扩大规模，而是增加行业深度。
在医疗领域，迈聆科技的AI医生应用MedGPT已展现出与医院环境中人类医生相当的专业级诊断能力。在患者就诊期间，该模型能根据患者的症状描述快速推断病因。它提供预诊医疗支持，并提高了问诊和诊断的效率。这也说明了严格的真实世界测试可以推动性能的实质性提升。类似的“现实校准”实践也在医疗行业之外有所应用。例如，金山办公WPS的AI智能助手将AI部署于生产力应用中，而小米则将AI用于客户服务。
双轨策略
至此，我们已阐述了支撑中国生成式AI生态系统的3C框架，而我们的研究也发现，一种战略性整合中西AI方案的混合AI策略正在兴起。我们相信，我们正步入一个不再由任何单一生成式AI技术栈或工具主导的时代。
中美两国目前正运行着两个齐头并进的生态系统，它们各有优势、局限和重点：中国系统正在大规模快速生产高影响力的模型；西方系统在前沿研究和基础模型广度方面依旧不可小觑。企业利用双轨策略，可以兼采两家之长。
例如，雀巢公司一直与电子商务巨头京东、物流业创新者菜鸟、AI公司科大讯飞等中国企业合作，构建用于消费者洞察和产品创新的本地化AI解决方案。雀巢发现，西方大语言模型在物流和库存管理应用中更有效，而中国的AI驱动平台在客户分析方面给出了更高质量的结果。综合运用多种AI技术让雀巢最大限度地提高了运营效率，同时保持了在消费者洞察方面的竞争优势，还有助于应对复杂的监管环境和市场动态。
再以星巴克为例。虽然星巴克在中美两国都使用AI，但其应用分别做了本地化定制并嵌入各自生态。在美国，星巴克通过如Deep Brew这样的自研平台着重增强个性化及提高运营效率。而在中国，星巴克与阿里巴巴等科技巨头合作，将AI融入线上点单和配送服务，以契合中国消费者围绕手机的消费习惯。星巴克还在深圳设立了创新与技术中心来促进市场发展。
要跑通双轨策略，高管们应同时理解两国技术栈和监管要求，并且需要明确自己的战略方向。此外，他们还要解决网络安全和数据保护的问题。我们建议企业领导者从以下三个步骤开始。
1.研究两个AI生态系统。密切关注中国生成式AI生态系统的动态。中国市场已经涌现出独特的创新解决方案，未来必定会出现更多。西方商业领袖面临的挑战在于如何保持信息畅通：大多数国外媒体仅报道中国市场中最非凡的进展。因此，企业需要建设机制，持续追踪中国在技术、监管和应用方面的变化与发展。
大型组织应考虑寻求与中国AI公司建立合作伙伴关系，以便掌握关于最新发展和工具动态的先机。在这个过程中，要对中国模型的数据共享、治理实践，及其运营所依据的监管基础进行更深入的分析。
为此，企业要建设情报基础设施，追踪主要的中文和双语新闻媒体，如财新、36氪、动点科技和Rest of World等。还应与具备一线落地能力的专业智库合作，让他们帮助分析、解释和比较各种AI系统。
此外，还要对中国模型和用例进行对标研究。持续跟踪主要的中国生成式AI平台发展情况，如百度文心一言、阿里通义千问、科大讯飞星火、腾讯混元、智谱GLM等。尝试在零售、制造、教育和公共服务等领域的实际应用中获得一手经验。与我们合作的若干组织正以此为目的，在中国组织沉浸式的市场调研。
最后，要在本地建立合作伙伴关系和技术追踪网络。可以任命一名懂中文的本地创新“侦查员”，追踪并汇报最新动态进展。这名“侦查员”应融入中国本地生态系统，积极参加上海世界人工智能大会和北京中关村论坛等重大活动。
2.评估中国系统。我们可以预期，中国生态系统将催生新的商业模式和变现策略。在移动互联网时期，中国的社交电商、移动支付系统等创新就超越了西方的同类产品。中国市场竞争白热化且规模巨大，使得一些在其他地方难以实现的商业模式成为可能。
因此，企业必须深入研究中国市场诞生的新商业模式，并准备好采纳那些最易迁移的模式（前提是吃透底层技术栈，因为Token成本、算力需求、碳足迹和扩展性都受其影响）。LVMH集团就已经在如此实践了。它与阿里巴巴合作，利用通义千问、百炼等生成式AI模型优化其线上零售业务以适应中国市场环境。了解并适配东道国的AI基础设施为LVMH带来了性能和成本优势。
宝洁是在中国利用AI实现超个性化营销的公司范例。宝洁与抖音合作，充分利用了中国的“兴趣电商”模式，这种模式结合了短视频、算法发现与站内直接购买。与专注于搜索和品牌忠诚度的西方电商工具不同，抖音做电商利用的是算法推荐、冲动消费和娱乐内容导向的分发机制，以此来实现消费转化。
宝洁通过直播反馈循环、测试新配方，与消费者共同创造产品。从直播中收集到的意见使其能够快速调整包装、定价和营销信息。该模式依赖抖音的AI基础设施进行分析、动态定价和定向投放，这就要求宝洁重构产品开发节奏，将数据架构和消费者触点本地化，以契合抖音的技术体系。
3.综合运用中西AI系统。企业最终很可能会同时运用两套并行的生成式AI模型和应用。跨国公司可能会选择在更易获取且熟悉（西方）的模型（如ChatGPT、Gemini或Llama）上运行需要高度准确性和透明度的应用。这些模型可能更适用于制药、银行和政府领域的应用，主要是因为这些行业对性能要求严苛、成本较高，且受制于严格的监管约束与透明度要求。
但对于零售、消费品和媒体等行业，以及摘要生成、基本编程和客户服务等常规任务，企业可能更倾向于使用来自中国的低成本模型。较低的监管要求使它们非常适合这类用例。例如，宝马计划于今年晚些时候在中国发布的新车型中整合来自中国初创公司DeepSeek的AI。此次合作是其强化车载AI集成合作伙伴关系战略的一部分，宝马目前正在升级智能个人助理等功能，以提供更直观、更贴合中国市场的用户体验。
2025年4月，德国汽车零部件供应商博世（Bosch）宣布了首笔来自中国的车载AI座舱高性能计算机订单。该系统提供语音识别、导航和驾驶辅助功能。博世计划量产超过10万套，这表明了其致力于满足中国对AI汽车技术的强劲需求。
长远来看，一个双轨的AI生态正逐渐成形，这两套AI生态系统之间或将出现连接的桥梁，便于企业兼采两家之长。
中国已经构建了一个并行的生成式AI技术栈，它运作方式不同，发展迅速，并服务于迥异的需求。结合中国模型敏捷、可即时部署的优点与西方在研究实力和基础设施上的长处，企业便能够开辟创新与增长的新途径。这并不是在选边站队，而是要为将来多极化的AI技术发展前景做好准备。现在正是评估、合作与融合的好时机。
阿米特·乔希是洛桑国际管理学院AI、分析和市场战略教授。
马克·J·格蕾芬是洛桑国际管理学院亚洲院院长、管理创新教授，通晓中文。
刘书是洛桑国际管理学院中国助理研究员。
李坤检是洛桑国际管理学院实习研究员、芝加哥大学研究生。
阿米特·乔希（Amit Joshi） 马克·J·格蕾芬（Mark J. Greeven） 刘书 李坤检 | 文
DeepSeek | 初译 高晓萌 李坤检 | 译校 廖琦菁 | 编辑