近日，Gartner数据分析与人工智能团队的费天褀在接受了包括DOIT在内的多家媒体采访，系统性地剖析了中国AI产业的独特发展路径与核心竞争力。他将中国AI的成功归纳为三大支柱：开放创新（Open Innovation）、资源效率（Resourceful Efficiency）以及数据飞轮（Data Flywheel）。这不仅是技术层面的优势，更是一种融合了市场、政策与生态的综合性战略。
一、引领开源浪潮：从追赶者到全球领导者
费天褀指出，中国AI的一个关键转折点，是在开源大模型领域实现了对全球的超越。“从2024年中到2025年初，一系列出色的中国开源模型，在准确度、性能等关键指标上，与闭源模型的差距迅速缩小，甚至在部分场景下实现了反超。”
这种追赶并非偶然。开源模式为中国企业提供了独特的价值：
- 极致的定制化：企业可以完全下载模型，根据自身业务进行深度微调，打造最契合的应用。
- 安全与隐私可控：将模型置于自有基础设施内，满足最严苛的行业安全标准，这在“To B”领域至关重要。
- 社区驱动的创新：开放的生态吸引了全球开发者共同迭代，形成了快速、多元的创新循环。
在全球知名的 LLM Arena 排行榜上，前十大模型中的所有开源模型均来自中国团队。费天褀引用了一份美国《科学人》杂志的调研，极具说服力地指出：“目前美国有80%的AI创新企业都在使用中国的开源模型，因为其性价比最高。” 这一数据印证了中国在全球开源生成式AI生态中的毋庸置疑的领导者地位。
二、效率为王：重新定义AI的投资回报
如果说开源是基础，那么效率就是中国AI实现商业价值的关键。费天褀观察到一个行业心态的转变：“前两年大家信奉‘规模效应’，认为算力堆砌得足够多，就能得到更智能的模型。但DeepSeek的出现证明了另一条路的可行性——通过卓越的工程化和优化，在有限的算力上也能输出顶尖结果。”
这种对效率的极致追求，直接体现在成本控制上：
- API成本优势：中国模型的API调用价格普遍低于国际主流闭源模型，对于Token消耗巨大的业务场景，能显著降低成本。
- “一体机”模式：为了降低部署门槛，中国市场出现了将硬件、软件、模型和集成服务打包的“AI一体机”。这为缺乏AI人才储备的传统企业提供了一条快速、可衡量ROI（投资回报率）的落地路径。
费天褀强调：“对于大多数传统企业而言，他们的目标是优化现有流程，而非进行前沿科研。因此，如何用更低的成本，实现可见的业务提升，即效率，才是他们最关心的。”
三、数据飞轮：构建无法复制的核心壁垒
在模型能力趋同、成本日益透明的未来，费天褀认为，数据将成为企业最独特的战略资产。“模型大家都可以获取，但你的数据是独有的。谁能构建起高效的数据飞轮，谁就能在AI竞争中建立长久的壁垒。”
数据飞轮的运作逻辑清晰而强大：一个基础良好的模型催生应用，应用吸引用户产生交互，交互反馈生成海量数据，这些数据再反过来优化模型，从而驱动更好的应用，形成正向循环。
费天褀举了两个典型案例：
- 新能源车企：尽管各家技术路线不同，但它们都极度依赖用户驾驶数据来反哺和优化智驾系统，这是一个完美的数据飞轮实例。
- 企业“数字员工”：以浪潮为例，其开发的“数字员工”在采购、营销、HR等岗位辅助人类工作。人类员工则转变为“监护人”，根据“数字员工”的月度表现数据进行迭代优化，这同样是一个在企业内部高效运转的数据飞轮。
数据飞轮的高效运转，也解释了为何中国在 Agentic AI（智能体AI）的落地率（15%）远超全球平均水平（6%）。
展望未来：挑战与机遇并存
当被问及未来挑战时，费天褀坦言，清晰的商业模式和盈利路径是所有AI厂商共同面临的难题。技术已相对成熟，但如何在“To C”和“To B”市场实现稳定盈利，仍需探索。
对于志在出海的中国模型，费天褀特别指出了两大挑战：
- 地缘政治与合规：这是最大的障碍。海外客户，尤其是政府或大型企业，会从政治和合规角度对中国模型进行审慎评估。
- 人才与文化差异：海外市场，特别是传统企业，普遍缺乏AI人才，且存在使用习惯和文化上的差异，这对中国厂商的本地化服务能力提出了高要求。
尽管前路有挑战，但费天褀对中国AI的未来充满信心，其总结道：“开放，让我们汇聚全球智慧；效率，让我们能将技术转化为商业价值；数据飞轮，则为我们构建了可持续的核心竞争力。这三点，是中国AI创新的关键所在。”
