连续五周。

不是某一周数据抖了一下，不是某个平台搞活动冲了一波量，是连续五周，中国AI大模型的调用量超过美国，而且差距还在拉大。

最新的倍数是4.27。

我第一反应其实跟很多人一样——靠，真的假的。

---

因为你想嘛，过去两年我们听到的叙事基本都是“美国领先、中国追赶”，OpenAI发一个模型全世界跟着跑，Google放一个Gemini大家研究半天，好像主角一直在那边。

然后突然有人告诉你，调用量这个指标上，中国已经是美国的四倍多了。

这个反差感是很强的。

但你得先搞清楚一件事——调用量到底在衡量什么。

---

调用量，说白了就是有多少次请求打到了大模型的API上。一个用户问了一句话，算一次；一个企业的客服系统自动回了一条消息，也算一次；一个内容平台批量生成了500条商品描述，那就是500次。

它衡量的是使用强度。

不是模型聪不聪明，不是参数多不多，不是论文发了几篇，不是芯片用的什么。就是一个很朴素的问题——有多少人、多少系统、多少场景，在真的用这个东西。

所以4.27倍这个数字，它能说明的事情和不能说明的事情，得分开讲。

它能说明中国AI的落地速度、渗透密度、用户规模，已经到了一个相当夸张的量级。它不能说明中国的基础模型能力已经全面超越美国，也不能说明芯片和底层算力的差距消失了。

这两件事不矛盾。

---

那为什么调用量能拉这么大？

我自己想了想，大概几个原因吧。

第一个最直接的——人多。中国移动互联网用户的基数摆在那，十几亿人的市场，哪怕渗透率只比美国高几个百分点，绝对量就是碾压级的。而且中国用户对新工具的尝鲜意愿其实挺强的，你看豆包、Kimi、通义千问这些产品，装机量涨得都挺猛。

第二个是应用场景确实铺开了。不是那种实验室demo级别的铺开，是真的嵌进业务了。我这段时间接触到的情况，做电商的在用大模型批量写详情页，做教育的在用它生成题目和讲解，做客服的早就接上了，甚至一些政务系统也在往里塞。这些场景有个共同特点——高频、碎片、对模型能力要求没那么极端，但量大得离谱。

美国那边当然也有这些场景，但中国的企业数字化在过去几年被推得很猛，很多公司本来就有现成的系统和数据流，接一个大模型API的成本其实没那么高。再加上国内模型的调用价格一直在打价格战，好几家都在卷免费额度和低价套餐。。。

成本低、场景多、用户基数大，量自然就上去了。

---

第三个原因可能不太好听，但我觉得得说。

中国AI行业现在处在一个很强的“兑现焦虑”阶段。

什么意思呢，就是过去一两年大家融了很多钱、讲了很多故事，现在投资人要看数据了。调用量、日活、收入，这些东西得拿出来。所以你能看到很多公司在拼命做用户增长、拼命做企业接入、拼命把数字做上去。

这不是坏事，商业化本来就该往前推。但你得知道这个背景，才能更冷静地看待4.27倍这个数字——它里面有真实需求的爆发，也有行业竞争催熟的成分。

具体各占多少？说实话我也不好判断。

---

不过有一件事我是比较确信的。

调用量这个指标，虽然不等于全面实力，但它有一个很强的正循环效应。

用的人越多，反馈数据就越多，模型迭代就越快，产品体验就越好，然后又有更多人用。这个飞轮一旦转起来，差距是会自我强化的。

连续五周超越，差距从三点几倍拉到4.27倍，这个趋势本身就是飞轮在加速的信号。

对投资来说，这意味着什么？我觉得应用层的公司会继续受益，特别是那些真的把大模型嵌进了业务流、有真实调用量支撑的公司。模型层的竞争还在继续，但纯靠“我参数比你多”来讲故事的阶段大概过去了，接下来比的是谁能把调用量转化成收入。

短板也明摆着。高端芯片的供应、前沿基础研究的深度、一些需要极强推理能力的场景（比如科学发现、复杂代码架构），美国那边的模型可能还是更强。调用量大不代表每一次调用的质量都高，这个区别不能忽略。

---

所以你问我怎么看。

我觉得这组数据是真实的，趋势也是真实的。中国AI确实从“能不能用”跨到了“大量在用”，这一步很多人没意识到它已经发生了。

但“大量在用”到“用得最好”之间，还有距离。

---

以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧