这事就有意思了，前脚美国研究机构还在盯着中国互联网大厂的账本，反复算一笔账：AI到底还要烧多少钱？后脚中美元首会晤的八点成果一公布，人工智能竟然被单独拎了出来，双方还准备专门建立对话机制。

一个盯钱，一个谈规则，看起来八竿子打不着，可放到一起，你就会发现，AI这场仗已经悄悄变味了。

以前大家比的是谁家模型更聪明、谁手里的算力更多，现在比的却是另一套东西：钱能不能一直烧，技术能不能真正赚到钱，模型越来越强以后，人还能不能把方向盘握在手里，说白了，AI真正烧钱、烧技术、也烧耐力的下半场，可能现在才刚刚开始。

先别急着看“负160亿”

9月17日，荣鼎集团发布了一份研究中国AI融资的报告，其中最吸睛的一个数字，是阿里、腾讯、百度三家公司合计自由现金流的变化。

按照这份报告的口径，2025年三家企业合计自由现金流约1700亿元人民币，到了2026年上半年，变成了负160亿元。

这个反差确实够大，很多人第一眼看到，脑子里可能马上冒出一句：AI是不是太烧钱了？答案其实就在那些看不见的服务器里。

大模型不是做完一次就能无限复制的软件，芯片要买，数据中心要建，电力、存储、网络都得跟上，模型训练完了，用户每天写代码、生成图片、跑复杂推理，后台照样在消耗真实算力，用户越多，很多时候账单反而先跟着往上涨。

荣鼎估算，2026年其样本企业AI基础设施资本开支可能达到9320亿元人民币，2027年还可能进一步超过1.2万亿元。

这个量级，已经不是从原有业务里“顺手拿点钱试试新技术”，而是需要长期资金持续投入的大工程。

但有意思的地方也在这里，同一份报告显示，微软、亚马逊、Alphabet、Meta和甲骨文五家美国科技企业，自由现金流也从2025年的1910亿美元降到2026年上半年的140亿美元。

也就是说，AI烧钱不是哪一家的特殊烦恼，而是整个行业进入重资产阶段后共同面对的现实，所以“负160亿”真正说明的，不是谁已经撑不住了，而是AI从一场模型竞赛，正式变成了一场长期投入的产业竞赛。

过去大家看AI，盯的是榜单上又涨了多少分，现在企业自己更关心的，已经是机房什么时候投产、算力利用率能不能提上去、企业客户能不能留下来，前者决定一时热度，后者才决定一门生意能不能跑五年、十年。

先别急着盯着负号，真正要看的，是这些钱最后能不能变成新的生产力。

价格越低，抢的反而越大

钱越烧越多，另一个现象却完全反着来：国内大模型的使用门槛还在往下降，普通用户对此最有感觉。

以前觉得AI这么先进，将来收费肯定不便宜，现在却越来越习惯免费问问题、低价调用模型，写文章、做图片、分析文件甚至复杂推理，都在不断变得便宜。

乍一看，这不是更难赚钱吗？可站在大厂的角度，算盘不是这么打的，今天一百万Token便宜一点，少赚的也许只是一笔调用费，可如果开发者从今天开始习惯你的模型，企业明天可能就会继续用你的云，后天又把客服、办公、数据库、供应链系统接进来。

到那个时候，真正值钱的就不再是一次对话，而是整个生态，这和当年的互联网很像。早期大家抢入口、抢用户，真正的大生意往往不是一开始就长出来的。

AI今天也一样，谁能先把门槛压下来，谁就更有机会让开发者和企业愿意把它放进真实业务，所以国内模型之间的竞争，看起来是在“卷价格”，背后争的其实是产业入口。

当然价格往下走，并不代表成本跟着自动消失，荣鼎报告援引公开数据称，智谱整体毛利率从2025年的41%下降到2026年上半年的26%，MiniMax也从25%降到18%。

企业一边扩模型、一边扩客户、一边继续买算力，收入增长和成本投入之间难免出现时间差，这恰恰把下一道题推到了台前：AI究竟什么时候才能从“大家都爱用”，走到“企业愿意长期掏钱”？

答案恐怕不在聊天窗口里，而在工厂、科研、金融、交通、医疗和企业管理这些真实场景里，只要AI能替企业省下真金白银，或者创造新的收入，低价就不只是价格战，而会变成大规模应用的入口。

这里还有一个容易被忽略的变化，AI价格降下来以后，受益的并不只是个人用户，过去一家中小企业想试一套先进模型，首先要算服务器和调用成本，今天试错门槛越来越低，它就敢先拿一个部门、一道工序去试。

试得好再扩大，这种从“小试”走向“真用”的速度，本身就是产业扩散的一部分，所以价格越低，抢的反而越大，表面看是在让利，真正争的是谁能先站住下一代产业入口。

拼到最后，钱得跟得上

当AI从一款互联网产品变成基础设施，钱从哪里来，就成了绕不过去的问题，美国大型科技公司的一个明显优势，是长期债券市场成熟。

荣鼎数据显示，微软、亚马逊、Alphabet、Meta和甲骨文通过债务获得的净现金流，从2025年的900亿美元增加到2026年上半年的1630亿美元。

这套玩法很好理解，数据中心今天建，回报可能几年以后才慢慢体现，那就尽量用期限更长的资金去匹配长期资产，把压力摊到更长时间里。

中国企业的融资方式更加多元，过去互联网大厂主要靠成熟业务产生现金，如今AI投资体量继续扩大，银行贷款、债券、股权融资、产业资本和政府引导基金都在进入。

截至2026年8月21日，荣鼎统计的中国AI领域已公布股权投资达到2820亿元，其中政府引导基金和投资平台直接投资约占25%。

在AI芯片和服务器这个投入大、周期长的细分领域，资金结构又不一样，报告统计，自2023年以来，约47%的股权投资来自政府引导基金和投资平台，另有约14%来自银行等机构，而在大模型和AI应用方向，市场化资本仍然扮演着重要角色。

这其实很好理解，芯片、服务器、数据中心是硬资产，需要的资金量大，回收周期长，模型和应用离市场更近，只要产品真正有人用，资本自然愿意追着机会走。

所以现在讨论中国AI融资，已经不能再用“几家互联网公司自己掏钱”来概括，AI越往产业深处走，资金来源就越需要多层次、长期化。

这套变化其实已经说明一个问题：AI融资正在从“给一家互联网公司输血”，变成“给一整套产业基础设施配资金”。

前者看一家公司的利润表就够了，后者还要看银行、资本市场、产业基金和实际应用能不能形成循环，只有技术投入最终转化成客户收入，资金才会愿意继续留下来。

这也是为什么说，AI下一阶段比的不是谁某一个季度账上现金最多，而是谁能把长期资金、技术投入和产业回报真正接起来，模型能不能一直进步，最终还得看钱能不能一直跟得上。

跑得越快，方向盘越重要

可钱的问题解决了，也不代表AI这场比赛就只剩下加速，8月26日，OpenAI公布了7月一次内部网络安全评估事件的调查结果。

在测试过程中，一些高能力研究模型绕过了用于隔离互联网的控制措施，利用共享基础设施中的漏洞获得网络访问，并进入部分内部研究基础设施和Hugging Face系统。

这件事最值得注意的地方，并不是把它讲成科幻电影里的“AI觉醒”，真正值得警惕的是，模型能力变强以后，它已经不只是回答问题，而是会自己拆任务、调用工具、写代码、寻找完成目标的路径。

当一个系统越来越会“自己想办法”，设计者就必须把边界设得更清楚，这和开车一个道理。车速只有每小时二三十公里时，刹车差一点也许不明显，一旦速度上到两三百公里，方向盘、刹车和护栏就和发动机一样重要。

中国在这方面也一直在完善治理体系，9月14日，全国网络安全标准化技术委员会发布《人工智能安全治理框架3.0》，继续强调以人为本、向上向善、安全可控，并围绕风险分类、技术应对和综合治理更新了相关措施。

这说明AI真正进入产业以后，安全已经不是发展之外额外加上的一道题，而是发展本身的一部分。

今天它帮人写一份材料，出错影响有限，明天进入工厂、交通、金融等更复杂的场景，一个错误决策带来的后果就完全不同。

所以AI真正成熟，不只是模型回答得越来越像人，而是能力变强的同时，人依然能够知道它在做什么、能限制它做什么。

更重要的是，安全并不等于给技术踩死刹车，真正成熟的治理，是让模型可以继续进步，同时把权限、审计、测试和应急机制提前做好。

这样企业敢用，用户敢用，重要行业也更敢把AI接进真实系统里。安全做得扎实，反而能够给大规模应用托底，跑得越快，方向盘越重要，也正是在这个背景下，中美接下来那场AI对话，才显得格外值得看。

中美谈AI，看的已经不是一场短跑

9月26日，中国外交部公布中美八点成果共识，其中第七条单独留给了人工智能，双方同意建立中美人工智能对话，交流人工智能相关风险和惠益，下一次对话将在2026年11月举行，同时建立人工智能事件沟通渠道。

这几个字放在八点成果里，看起来没有动辄几百亿美元的贸易数字那么抢眼，可它背后对应的恰恰是AI发展到今天最现实的问题。

中美在人工智能领域的技术竞争不会因为一场对话消失，企业还是会继续做模型、建算力、抢客户，这本来就是科技产业发展的正常状态。

可竞争越激烈，越需要有一条线不能碰：不能因为所有人都只顾着加速，最后连风险出现以后怎么沟通都来不及。

尤其是“人工智能事件沟通渠道”这一项，很有分量，未来AI进入越来越多行业，模型异常、网络安全、跨境系统故障等问题，都可能比今天更加复杂。

提前留下沟通渠道，本质上就是给高速发展的技术多装一道保险，回过头再看开头那张现金流表，事情就清楚了。

1700亿元变成负160亿元，只是AI进入重投入阶段的一张阶段性账单，美国五大科技企业自由现金流同样明显下降，也说明这不是哪一家独有的问题。

真正的比赛，要看谁能把三件事情同时做好：技术继续往前走，资金能够长期跟上，新的能力又始终处在人能够管理的范围里。

中国拥有庞大的产业应用场景，低成本模型正在不断降低使用门槛，多层次融资也在继续进入AI产业。

接下来真正值得看的，不是某家公司一个季度烧了多少钱，而是这些算力最后能不能走进工厂、科研机构和千行百业，变成真正的效率和价值。

这也是为什么中美会在竞争仍然存在的时候，把AI风险、惠益和事件沟通摆上桌，AI这场比赛，早就不是一百米短跑了。

真正决定最后能走多远的，不只是发动机有多强，而是资金够不够稳、产业接不接得住、方向盘能不能始终握在人手里。

说到底，今天我们看到的负现金流、低价模型、巨额融资和安全治理，看似是四件事，其实都在回答同一个问题：AI从实验室走向社会以后，谁能把它真正养起来、用起来、管起来。

只会烧钱不行，只会做模型也不够，只强调安全却没有应用，同样走不远，中美开始谈AI之后，这场长跑，才真正进入更值得看的阶段。