AI谁会赢 · 7
要我看，中国赢：若撑过漫长的投入期
2026 年 6 月，美团发布 LongCat-2.0。新闻里醒目的，是国产算力、五万张用于计算的加速卡、万亿参数。比这些数字更值得留意的，也许是技术说明中的一段回顾：团队对国产算力的探索始于 2023 年，从千卡起步，经过三年磨合，才走到这次发布。
三年里究竟在忙什么？
按团队公布的工程说明，要解决的包括卡与卡之间怎样通信、设备出故障后怎样恢复，以及计算结果怎样保持正确。几万张卡一起干活，有的算得快，有的在等数据，有的突然出了毛病，不能只把它们的标称性能加起来，就当作已经取得的本事。团队为此调整通信、调度和计算方法，加入自动故障恢复与一致性验证，并报告已经在五万卡国产集群上完成模型的全流程训练与推理。
这些是企业披露的工程成果，尚不足以证明它比别的平台便宜，更不等于整条供应链已经不受外部制约。但它至少把“国产算力能不能承担这项工作”，推进到了有具体系统和方法可讨论的阶段。发布会用一天，学会怎样把机器用起来，可能要用几年。
对中国而言，这几年有特别的分量。美国在 2022 年推出针对特定先进计算芯片及半导体制造等领域的出口限制，使技术选择还要受供给条件约束。一套眼下较贵、较难用的替代平台，如果能逐步成熟，就可能降低某条采购渠道受阻时的损失。今天买得划算，与明天仍然买得到，是两道题。
这一篇，我替中国说的理由，便落在这里：有些能力长成以前，需要先经过一段昂贵、麻烦，而且不大好看的投入期。中国若能撑住这段时间，让工程经验一轮轮留下来，便有机会把眼下的限制，变成日后多一条可走的路。
不过，标题中的“若”，恐怕比“中国赢”三个字更费斟酌。
谁付前面几年的学费
上一篇谈异端能不能取得试验的机会。试验开起来以后，问题还没完：今年没有做好，明年还让不让做？下一批机器谁买，工程师的工资谁发，反复调试占去的时间和资源，谁来承担？
如果只愿意在技术成熟之后购买成果，前面那段学习期就得有人代付。别处已经有好用的东西时，自己再做一遍，账面尤其难看。现成平台跑得顺，替代平台问题多，短期比较很容易得到一个结论：何必折腾。
然而，其中有些差距，恰恰只有折腾才可能缩小。没人使用，就遇不到真实的毛病；毛病不被解决，就永远不好用。愿意承担早期的不便和成本，才有机会走出这个循环。
中国并非只有这样的愿望。华为在 2018 年就发布了 AI 战略与昇腾系列芯片，把芯片、软件工具和应用放在同一套方案中。其 2025 年全公司研发投入达到 1,923 亿元，这是所有业务合计，不能全记在 AI 或昇腾账上；但它说明，国内确有企业能够持续承担大规模研发。企业的长期经营，为那些不能立即回本的工作提供了一种支撑。
公共资金也在尝试把期限拉长。2025 年底公布的国家创业投资引导基金安排，设置二十年存续期，分为十年投资期和十年退出期。它面向战略性新兴产业和未来产业，并非 AI 专项，更不是给每个项目一张二十年不断供的支票。这项安排所承认的问题是：有些技术长成所需的时间，比投资者通常愿意等待的时间更久。
企业的研发与基金的设计，是两种不同的支撑，不能据此说上面的企业成果就是这个基金资助出来的。值得进一步问的，是纸面上的长周期，能不能落到具体的人身上。
基金可以活二十年，做投资的人若仍被要求今年就交出漂亮成绩，他会怎样选项目？发改委网站刊出的研究人员分析，仍把降低短期考核指标权重、完善尽职免责列为需要推进的机制。这些是建议，还不能当成问题已经解决的证明。年限写长了，耐心不会自动跟着长出来。
这就是中国值得认真看待的基础：已有企业能承担多年的研发，政策也在尝试延长资金的等待期。不过，资金安排还得真正变成具体团队得到的支持，才有可能让上一轮发现的问题，在下一轮得到解决。如果每次遇到暂时的难看，就连人带工具一并散掉，重新开始时要补回的，恐怕不只是那笔钱。
还在烧钱，凭什么继续
成功之后讲坚持，谁都会。真正困难的是，结果尚未出来，下一笔钱已经等着批了。
这时候，“我们已经投了很多”算不得充分理由。过去的钱已经花掉，不能因为舍不得，就让未来的钱陪着进去。继续投入，得有关于未来的新理由。
仍以国产算力的工程磨合为例。过去一出故障就长时间停摆，现在能否较快恢复？上次换一批设备，软件就得大改，这次留下的工具能否继续用？模型终于训出来了，下一次能不能在相同质量要求下，少出错、少等待、少花一点资源？这些变化未必立刻变成利润，却能说明钱究竟买到了什么。
LongCat 的技术说明提供了这样的观察入口，但还没有给出完整的项目成本和多年可比账本。我们可以据它讨论学习的过程，不能替它算出一份尚未公开的投资回报。
判断也不必苛刻到每个季度都要领先。但投入带来的改善，要有结果可以核验；下一阶段可能取得的能力，也得值得它所需的新成本，并与其他可行办法比较。留下了一点经验，还不能直接成为接着花钱的理由。甚至原来的路线最终停了，只要关键工具、方法和经验留下，投入也未必全成了白费。长期发展一种能力，与永远保住某一个项目，并不是一回事。
反过来，机器摆在那里、公司还在经营，都不能自行算作进步。奥瑞德所披露的2025 年年报问询回复中，算力服务器当年合计计提减值约 3,070 万元。这家算力服务商调低了相关资产在账上的价值。一家公司的账不能替整个行业判成败，却提醒我们一件朴素的事：买来的机器，不会因为用途叫“未来产业”，就免于贬值。
钱可以换来经验，也可以换来一批越来越不值钱的设备。两件事还可能同时发生。财务回报不是唯一的价值，降低供给风险也有价值；然而，“战略”两个字不能使成本消失。企业的钱另有去处，公共资金背后还有其他需要等待的人。支持一个方向，便少了一份支持别处的余地。
这里最危险的，是把保护学习的时间，变成保护决策者的面子。认真做事的人，可能需要几年才拿出成果，也可能需要承认原来的办法走不通。权力若要求证明的始终是“当初的决策英明”，坏消息便会成为麻烦，提出坏消息的人也会成为麻烦。如此坚持下去，受到精心照顾的就未必是技术了。
耐心应当让人有时间处理问题。若连问题都不能承认，时间给得越多，未必越值得庆祝。
对手也有耐心
替中国把长期投入的理由讲足，还得面对一个不大讨喜的事实：美国并不缺这个本事。
英伟达在 2006 年就推出了 CUDA。它让开发者把 GPU 用于图形以外的计算；此后逐步积累的软件库和工具，使后来的人不必每次都从最基础的工作做起。今天中国团队为替代平台付出的磨合成本，恰好从另一个方向说明，这种多年积累有多值钱。CUDA 为全球开发者所用，但围绕它形成的平台能力，仍是英伟达的重要家底。
美国的公共研究也不只按季度算账。DARPA 在 2018 年宣布“AI Next”计划，安排跨多年、超过二十亿美元的投入，探索新的 AI 理论和应用。不能因为美国有追逐短期回报的资本，就把它全部的研究与投资都写成只看眼前三个月。
更麻烦的是，竞争对手不会站着等。中国解决了去年的问题，美国可能已经在解决下一轮的问题。自己比过去进步，与自己正在缩小差距，并不相同。
因此，到 2030 年检验这一票，不能只数还有多少项目活着、花了多少研发费。还要把可比较的任务拿出来：在相近质量和可靠性要求下，谁完成得更好，交付更快，代价更低；已经花过的钱，给后来的工作省下了多少重复摸索。这些才关系到竞争中的分量。
现有材料足以说明，中国有持续投入并形成能力的现实路径。它们还不足以说明，中国从这段投入中得到的有效进步，会超过美国。我替中国辩护，也不能把少了的这一步悄悄补成“必然”。
“若”之后，还要发生什么
所以，我仍愿意认真看待中国撑过投入期的可能：在外部供给受限、现有平台尚不顺手的时候，继续有人付账、有人做事，有些今天昂贵的尝试，才可能成为明天可用的选择。若一开始就把它们按眼下的表现判死，后来的选择也就不会出现。
但撑过几年之后，总得留下比几年前更多的本事。知道故障在哪里，知道哪种办法不行，换了模型、换了设备，也还有可以接着用的工具和经验。路线可以改，学习不能断。
这才是标题里的“若”所承载的希望。下一轮试验开始时，那支队伍不必从头再来，而且确实比上一轮更会做事。
至于怎样让难听的结果也能进入下一轮决策，下一篇接着说。
