ChinaTalk｜中国AI的“泡沫”，真的是一种产业政策吗？【智库观察】
点击蓝字 关注我们 8月18日，ChinaTalk刊发文章《Why China’s AI Bubble Is Also Industrial Policy》。
文章主要基于公开资料，以及作者对中国VC、国企从业者、财务顾问和AI创业公司员工的访谈。
文章提出了一个颇具传播效果的判断：中国AI产业眼下出现的高估值、资本扎堆、重复建设和激烈价格竞争，看起来像金融泡沫，却可能同时承担着一种产业政策功能。大量企业最终会失败，资本回报也未必理想，但竞争过程中留下的供应链、工程能力、人才和少数头部企业，可能转化为中国在全球市场上的产业优势。
编者按：这篇文章虽然抓住了一些真实问题，比如地方投资趋同、政府引导基金的期限错配和部分行业的低价竞争。不过，文章也存在几处比较明显的理解偏差：它把产业政策执行过程中出现的“泡沫化副作用”，进一步解释成了产业政策发挥作用的机制；对国有资本在AI产业中的角色有所放大；同时把新能源汽车的发展路径移植到了AI行业。
前三部分可以我们先沿着作者的逻辑来看，最后再从中国视角统一回应这些问题。本文内容仅为编译总结，不代表研究院立场 01 中国AI为什么越来越像一场“击鼓传花”？文章用中国人熟悉的“击鼓传花”来描述今天的AI一级市场。
一些投资者明知部分AI企业估值已经明显跑在收入前面，却仍然愿意参与融资，因为大家都希望在下一轮融资、IPO或者并购之前，把资产交给下一位投资者。文章援引数据称，过去两年中国大约有8万家AI相关企业注销或退出，一些热门赛道的资本投入速度远远超过了实际商业需求。作者认为，要理解这种现象，首先要看过去几年中国科技融资结构发生的变化。
2018年，有外国投资者参与的中国VC交易金额占比约为54.8%，到2023年已经降至20%左右。美元基金在中国VC募资中的占比，也从2021年的接近14%下降到2025年初的约1%。与此同时，中国国内创投市场也进入调整期，到2024年，VC募资已经降至近十年来的低点。
市场化和美元资本退潮以后，政府背景资金的重要性迅速上升。文章援引数据称，2024年国有资本占中国新增LP出资的82%。过去20年，各类政府引导基金累计承诺资本达到约7.7万亿元人民币，2000年至2023年，接近四分之一相关资本流向AI关联企业。
2025年，中国又先后设立600亿元国家人工智能产业投资基金，并推出国家创业投资引导基金。这形成了文章最核心的一条判断：过去中国科技创业更多依赖美元基金和市场化VC，现在政府引导基金正在承担越来越重要的角色。政策确定人工智能、半导体、机器人等战略方向后，地方政府、产业基金、市场化投资机构和创业者会快速向同一批赛道集中。
于是，一个政策信号可以在很短时间内转化成大量资金、企业和项目。AI成为战略技术以后，中国迅速出现“百模大战”；具身智能进入政策视野以后，各地机器人基金、产业园和创业公司也随之增加。作者认为，这种资金配置方式提高了产业扩张的速度，同时也增加了估值过高、重复投资和资源浪费的可能性。
02 名义上的“耐心资本”，为什么到了企业手里又变急了？文章分析得比较深入的一点，是中国政府引导基金内部存在一种“时间压缩”。基础模型、半导体和机器人本身都属于研发周期很长的行业。
一家公司可能需要持续投入五年甚至十年，才能真正建立成熟的商业模式。所以政策层一直强调“耐心资本”，部分国家级基金设计的存续周期达到15年至20年。问题出在钱从国家基金走到创业公司，中间还有很长一条链。
国家级引导基金一般不会直接投资每一家AI企业。资金可能先进入区域基金，再进入子基金，最后由市场化VC投资具体项目。文章以2025年国家创业投资引导基金为例，其基本结构就是“国家引导基金—区域基金—子基金”。
每经过一层，资金就可能增加一套新的考核目标。地方政府关心投资、产业集聚、税收和就业；基金管理人需要考虑LP退出；创业公司还要准备下一轮融资。文章认为，部分地方干部三到五年的任职和考核周期，也可能影响地方产业基金的决策，使一些项目更倾向于追求短期可见的投资成果。
私人资本同样存在时间压力。文章特别提到，中国超过80%的VC和PE交易中存在某种形式的回购条款。如果企业没有按期完成IPO、估值或者收入目标，投资者可能要求回购股份，一些情况下责任还会延伸到创业者本人。随着IPO退出难度上升，这些条款给基金和企业带来的压力更加明显。
于是就出现了一个很有意思的错位： 最上面的资金可以规划20年，真正到企业手里时，部分资本却希望三到五年看到结果。作者认为，这种制度结构会让资金更容易向短期热门方向聚集。某一个产业得到明确政策支持以后，地方政府希望迅速落地项目，基金希望拿到明星企业，创业者也会快速进入热门赛道。
久而久之，产业政策中的“集中力量”，就可能逐渐表现为资本市场上的“集体追热点”。03 泡沫会浪费钱，却也可能把产业“卷”出来 Summary and Review 接下来是文章最有争议的部分。作者并不否认这种资本配置会造成浪费。
她举了几个例子：除了当时的百模大战，还有2023年以来，中国智算中心建设快速扩张。公开行业数据称，截至2024年11月，全国投产及在建智算中心已超过500个。路透社2025年的调查则显示，部分新建算力设施需求不足，4名行业消息人士估计相关项目利用率约为20%—30%； 机器人领域也出现类似景象。
2025年前9个月，中国具身智能创业公司发生610轮融资，金额约500亿元人民币；两年时间里，进入人形机器人市场的厂商超过150家。宇树科技也被作者作为资本迅速向头部企业集中的案例。这些数字确实带有明显的过热特征。
但作者进一步提出，过度竞争同时会产生另一种结果：价格迅速下降、企业加快迭代、供应链越来越成熟，最后大量公司被淘汰，少数幸存者拥有非常强的成本优势。她把这种模式和新能源汽车进行了类比。2015年至2019年，中国一度出现约500家新能源汽车企业，后来大约400家退出市场。
但经过长期价格竞争和供应链扩张，中国最终形成了一批具有全球竞争力的新能源汽车和动力电池企业。到2025年，比亚迪纯电动车销量已经超过特斯拉。作者认为，AI正在出现类似迹象。
“百模大战”之后，中国大模型API价格下降超过90%。2025年上半年，中国公有云模型调用量达到536.7万亿Token，接近2024年全年的五倍。到2026年2月，中国模型在OpenRouter上的Token处理量首次超过美国模型；一个月以后，中国开放权重模型在Hugging Face下载量中的占比达到约41%。
在机器人、自动驾驶等“物理AI”领域，中国制造业基础又进一步放大了这种成本优势。因此，文章形成了一个完整逻辑： 大量资本进入战略产业，造成企业拥挤和价格竞争；一批企业失败退出；价格和成本被持续压低；供应链在竞争中成熟；最终少数企业开始进入全球市场。按照作者的说法，这种机制从投资回报角度看可能效率不高，从“把一项技术迅速产业化”的角度看，却可能非常有效。
她进一步判断，美国限制资本流向中国，只能在边际上减慢这一过程。因为中国AI当前真正的约束可能已经不在资金供给端。未来其他国家如果希望限制中国AI企业扩张，政策重点可能转向海外市场准入和需求端。
X 文章看到了现象，但几条因果关系需要重新校准 如果站在中国视角看，编者认为这篇文章提出的问题很有价值，但最终形成的解释框架有几处需要修正。首先需要区分一个基本概念：产业政策带来了泡沫风险，并不等于“泡沫就是产业政策”。政府通过引导基金进入AI、半导体和机器人领域，主要解决的是前沿技术投资周期长、失败率高、社会资本风险偏好不足的问题。
由此产生的地方跟风、重复建设、估值过快上涨，属于执行过程中的资源配置问题。如果这些副作用本身就是政策希望保留的机制，中国近两年也没有必要持续治理“内卷式”竞争。2026年政府工作报告已经明确提出，要规范地方政府经济促进行为、规范税收优惠和财政补贴，并通过产能调控、标准引领、价格执法和质量监管等方式深入整治“内卷式”竞争。
换句话说，中国政策正在主动纠正地方重复投资和恶性价格竞争。第二，文章对“政府决定资本流向”的描述，也容易让外部读者形成一种过于简单的印象：中国政府决定发展AI，国有基金出钱，地方政府跟进，企业按照政策信号选择技术路线。现实中的资本配置链条要复杂得多。
中国最新设立的国家创业投资引导基金本身就在尝试调整过去政府基金的一些问题。基金设置20年存续期，其中10年投资、10年退出；政府层面不直接参与日常投资管理，不设置地域返投要求，具体基金由专业团队市场化运作。区域基金投入子基金后，国家资金也不会成为子基金的第一大出资人。
政策重点明确放在“投早、投小、投长期、投硬科技”。这套制度能不能完全解决过去的问题，还需要时间观察。但至少说明政府层面本身已经认识到：政府可以确定战略方向，却不能替市场逐个挑选赢家。
第三，新能源汽车和AI之间的类比，也不能推得太远。汽车、电池、光伏的成本优势很大程度来自制造规模、供应链密度和工艺学习。产量越大，很多环节的单位成本越容易下降。
AI产业的竞争机制更加复杂，除了算力成本，还有算法创新、芯片、数据质量、人才、开发者生态和持续研发能力。模型API价格下降90%，当然意味着AI使用门槛降低，却不能直接等同于产业竞争力提高90%。Token调用量增加，同样不能直接换算成经济价值。
一家制造企业用了多少Token并不重要，重要的是良品率有没有提高、设计周期有没有缩短、设备故障率有没有降低、企业最终有没有因此赚到更多钱。这一点从中国自身的政策方向也能看出来。
2026年《“人工智能+制造”专项行动实施意见》已经把目标从“有多少模型”进一步推向产业应用：到2027年推动3—5个通用大模型在制造业深度应用，推出1000个高水平工业智能体、100个工业领域高质量数据集、500个典型应用场景，并培育1000家标杆企业。文件还明确强调“场景牵引、市场主导”。
这也涉及文章最后一个容易忽略的问题：它比较强调中国国内过剩以后，企业必须到海外寻找客户，因此认为美国及其他国家可以从需求端限制中国AI。海外市场当然非常重要，但中国AI与新能源汽车还有一个明显差别——中国自身拥有一个巨大的产业应用市场。制造、能源、矿山、港口、物流、汽车、钢铁、石化、工业母机，这些都是AI可以直接进入的真实生产环节。
中国拥有完整的制造业体系，这既是需求市场，也是模型和机器人的训练场。中国AI能不能形成长期竞争力，很大程度上取决于技术能否进入这些场景，而不只是能否把低价模型出口到海外。中国最新的“人工智能+制造”政策也已经把研发设计、生产制造、运维管理等具体环节纳入量化评估体系。
所以，如果从中国视角重新概括这篇文章，更准确的判断可能是： 中国AI产业确实存在资本扎堆、投资趋同、估值过热和部分重复建设。这些问题需要正视，文章对中国政府引导基金内部激励机制的观察也有参考价值。但把这些现象进一步概括为一种依靠“击鼓传花”推动产业升级的中国模式，会高估泡沫本身的作用，也低估中国政策体系正在进行的调整。
中国真正需要保留下来的，是长期资本承担早期创新风险的能力，是企业之间充分竞争形成的工程效率，是完整制造业提供的大规模应用场景。需要逐渐减少的，则是地方重复投资、短期考核、低水平价格战和依靠下一轮融资维持估值的增长模式。这篇文章虽然看到了中国AI产业高速扩张背后的成本。
但如果只用“泡沫”和“击鼓传花”来解释这种发展，又会漏掉更重要的一部分：中国现在同样在尝试把这场资本热潮，逐步转换成真实的产业能力。编辑｜肖易 终审｜梁正 王净宇 内容中包含的图片若涉及版权问题，请及时与我们联系删除