中美兩大強權在人工智慧（AI）領域的競爭，正逐步從技術比拼，轉向「誰能撐得更久、用得更廣」的結構性較量。英國《金融時報》分析指出，若將這場AI競賽視為一場考驗創新能力與擴散速度的馬拉松，而非單點突破的短跑衝刺，那麼在產業部署、能源、供應鏈與國際市場等關鍵條件上，中國反而具備更強的後勁，最終可能在這場競賽中勝出。
報導指出，美國目前仍在尖端大型語言模型（LLM）領域領先，關鍵在於能夠廣泛取得由輝達（Nvidia）設計的最先進AI晶片，使OpenAI、Google與Anthropic等企業在模型訓練上具備明顯優勢。然而，這樣的領先並非牢不可破。
報導引述模型指標提供商Artificial Analysis的數據指出，包括DeepSeek、阿里巴巴與Moonshot AI在內的中國企業，正快速縮小與美國頂尖模型的效能差距。受限於美國出口管制，中國在高階算力上雖處劣勢，卻也因此被迫在演算法效率、資料品質與訓練方法上持續創新，以「低算力跑出高分數」。
凱投宏觀（Capital Economics）中國經濟學家Leah Fahy便指出，若能充分發揮演算法效率與系統級設計，即便在中國本土訓練、算力較低的模型，仍可能在表現上與美國最先進模型相抗衡。她並引述Google DeepMind與OpenAI的研究指出，小型模型若在資料訓練上更充分，甚至可能超越高算力支持的大型模型。
這一趨勢在開源模型競爭上尤為明顯。報導指出，中國目前在開源AI模型領域已取得領先地位，這些模型免費釋出，允許全球開發者自行修改與再訓練，不僅降低使用門檻，也有利於快速擴散。根據麻省理工學院與Hugging Face的研究，中國在全球「開放式AI模型」下載市占率已超越美國。
文章認為，這樣的開源策略，結合中國相對開放的對外科技與貿易政策，將使中國模型更容易在新興市場落地；反觀美國近年收緊貿易與科技政策，甚至波及盟友，反而削弱自身生態系的外溢能力。
在硬體層面，《金融時報》指出，北京正全力推動晶片自主化。雖然中國半導體製造仍落後西方，但中國企業已明確區隔應用場景，將國產晶片優先用於「推理」（運行模型），而非最耗算力的模型訓練。在此領域，中國晶片與輝達產品的差距已明顯縮小。投行伯恩斯坦預估，到2028年，中國可生產足夠的推理晶片以滿足國內需求。
此外，自2016年將AI列為國家戰略產業以來，北京已持續加大對科研、人才與基礎建設的投入。到2022年，中國授予的STEM博士數量比美國多出五成，AI相關專利數更達美國三倍。澳洲戰略政策研究所的關鍵技術追蹤報告也顯示，中國在多數高品質研究產出領域已超越美國。
《金融時報》特別強調，AI競賽的關鍵不僅在模型本身，而在於能否與實體經濟深度結合並實現規模化部署。在這一點上，中國長期由國家主導的產業政策，反而成為優勢。中國的資料中心建設，多由國有電信業者承擔，分攤了企業的資本壓力與投資風險。
能源條件亦被視為中國的重要籌碼。高盛預測，到2030年，中國的剩餘電力產能將是全球資料中心預期需求的三倍以上；反觀美國，多個區域電力市場已接近臨界水準。輝達執行長黃仁勳更曾直言，美國興建資料中心往往需時三年，但在中國，「一個週末就能蓋好一家醫院」。
在供應鏈方面，北京還掌握稀土等關鍵原料的開採與加工優勢，形成涵蓋晶片、資料中心、電網與製造端的完整AI生態鏈。報導認為，這種「全鏈布局」的重要性，遠高於單一大模型的技術得分。
報導最後指出，當前真正的問題已不再是「誰的模型最強」，而是「誰能建立並維持一個將AI嵌入日常產品與服務的生態系統」。在智慧製造、人形機器人、電動車、手機與穿戴裝置等領域，中國已具備先發優勢，並將「人形機器人」明確列為國家優先方向。
