一、这不是冷战
冷战那套：军事需求牵引，国家工程，美苏经济互不往来，各自长科技树。
现在呢？OpenAI、英伟达、DeepSeek、阿里、字节，争的是产品、用户、利润，政府更多在跟进。论文、开源代码、模型权重，传播成本极低。中美AI竞争嵌在同一张全球供应网络里。

摩根士丹利测算过，特斯拉Optimus约63%到70%的核心零部件来自中国供应商。完全移除中国零件，单台成本从4.6万美元飙到13.1万美元。中国在减速器、伺服系统、控制器三大核心零部件的国产化率已达75%到90%。2025年上半年中国出货人形机器人超4万台，占全球97%。

冷战类比最大的问题：把商业生态、全球供应链、知识扩散，全压成了军事竞赛的附属变量。

二、台阶绕不开，但能翻
后发者能不能跳过技术台阶？跃迁需要三个条件：技术栈静止、基础设施可绕开、单点突破改写格局。AI三条都不满足。

规模定律还在起作用，EUV光刻、先进制程、HBM、数据中心供电，每一环都要十年以上投入，隐性工程经验在做过项目的团队手里，不写在论文里。

有人反驳：中国应用层跳过台阶啊。移动支付跳过信用卡，短视频跳过门户，无人机跳过航模。
对，但这些全发生在部署端，没有一次在能力端。部署端可以跃迁，能力端的关键瓶颈不能简单绕过。

华为没EUV，昇腾单芯片算力约为国际旗舰三分之一，制程卡在7nm。但它把问题从单芯片改写成集群：超节点架构把大量中等芯片组织成准超级计算机，2026年9月上线PyTorch官网，成为官方支持的第一个中国算力底座。

代价同构：单芯片三倍差距、更低互联效率，这就是“翻过去”的票价。

三、落地：必要条件和放大器
数据×需求是必要条件，失败不可逆。2025年停运的国产AI应用，死因高度集中在商业化失败。需求被高估的死亡是渗漏式的，换模型、换流程、换人都救不活一个需求不存在的场景。

组织消化是放大条件。麦肯锡2025年调研：至少在一个职能常态化用AI的企业从78%升到88%，但仅约三分之一推进规模化落地，约三分之二停在“试点炼狱”，仅39%认为AI对利润有影响。

高绩效组织的三个实践全在组织侧：55%对工作流做根本性重新设计，48%高层真正承诺，超三分之一把数字预算20%以上投AI。技术能力一项都不是。

中国位置：83%企业常态化使用生成式AI，领先全球；45%已规模化或全面部署，高于全球38%。模型全球共享，规模化进度却分化，出口在组织侧。

再深一层：国内智算中心GPU平均利用率不足30%，部分企业级中心低于10%。停试点和GPU空转，现象同类，机制不同。停试点是需求不存在，空转是需求未成熟。

判据：首年利用率是否达设计值30%，第二年爬升率是否为正。首年低于30%且第二年无爬升，需求不存在；首年20%到30%但第二年爬升超10个百分点，超前投资。