2026人工智能產業大會，將會喺十月十四至十六日喺山東濟南舉行，主會場係濟南黃河國際會展中心。山東省政府新聞辦九月十五日公布咗安排；今日十月十二日，距離開幕仲有兩日。今次主題係加快推進人工智能賦能新型工業化，講白啲，就係將AI用入工廠、能源同實體經濟。呢個大會正好反映，中國而家大力推廣人工智能，講新質生產力，講機械人入工廠。但宣傳聲勢大，係咪代表實際能力已經同樣大？我哋就借呢單新聞，比較中國同美國：兩邊投資幾多，技術強喺邊度，又卡喺邊度？

先睇投入，唔好只聽增加幾多個百分比。細基數翻一倍，同大基數翻一倍，係兩回事。我哋要計成套AI基建，包括晶片、伺服器、數據中心、供電、冷卻同網絡，唔係淨係買晶片。美國hyperscaler今年資本開支，市場估算約八千億美元，本身已經包咗部分伺服器同數據中心，亦包括海外投資同非AI用途。中國方面，Rhodium九月估算今年AI基建資本開支約九千三百二十億元人民幣，按年增加百分之一百零三，對照佢採用嘅美國估算，只有百分之十五至二十。中國掟嘅錢唔少，但美元同人民幣唔係同一回事。呢啲係研究估算，亦唔係兩國官方全國普查。其他企業同能源配套亦有投入，但工程同設備唔可以由買方、供應商各計一次，再加埋。美國全套投入係咪已經超過一萬億美元，要有同範圍、同年度嘅來源支持；唔應該靠加數就宣布。

而中國仲要同時付兩份成本：一份係發展AI，一份係補返自主供應鏈。晶片設計、製造設備、工藝、軟件工具，以至模型訓練，都要投資。所以同樣花一蚊，未必即時換到同等算力。晶片設計到，唔等於可以平而穩定咁大量造出嚟。TechInsights分析中芯N+3製程，仍然將佢歸類為七納米級技術嘅改良。唔係冇進步，但距離最先進製程仍有差距。冇EUV，要靠DUV多重曝光，工序更複雜，成本、良率同產量都要一齊睇。仲有HBM，即係高頻寬記憶體。處理器計得快，都要有足夠容量放模型，同足夠頻寬送資料入去；追唔上，就可能等資料。美國已將部分HBM列入出口管制。所以中國嘅限制係製程、HBM供應、封裝同互連一整套，唔係造到一粒晶片就解決晒。

你用更多晶片補性能差距，互連、供電、冷卻同維護負擔亦會增加。真正要比較嘅，係同一模型、同等服務要求下，每百萬token嘅成本。先進硬件有機會降低每token成本，但API賣幾錢，唔等於實際成本；更加唔可以話所有美國模型一定平過中國。不過，中國有啲算法確實做得聰明。DeepSeek嘅MoE只啟動部分參數，MLA壓縮記憶體快取，減少運算或者記憶體負擔。呢個唔一定係用少啲token，而係處理同一token可以用少啲資源。中國團隊喺硬件限制之下，做出咗值得重視嘅效率突破。影片生成亦要照實講。十月十二日查到嘅Artificial Analysis榜，Wan三點零排第一、Seedance二點五第三、MiniMax H三第四，中國模型喺呢個評測有領先表現。但另一個Arena榜由Google模型領先，唔應該將一張榜變成所有任務全面領先。硬件受限制，同個別應用做得好，可以同時成立。

再睇機械人。中國今年上半年具身智能融資，據報約九百三十五億元人民幣；小鵬機械人業務八月宣布融資超過九億美元。美國Figure去年C輪承諾資金超過十億美元；Tesla今年全公司資本開支預計超過二百五十億美元，但冇單列Optimus預算Boston Dynamics由韓國現代汽車集團控制，亦冇完整年度投入數字。融資、估值同實際支出，唔可以混埋計。Tesla可以借用汽車製造同AI研發能力，Boston Dynamics結合全身控制同DeepMind模型，Figure集中動作學習；中國有零件供應同量產配套。但而家急住局部放機械人入工廠，要問最後會唔會只做返固定工序。

傳統工業機械臂本身就可以精密裝配，亦有視覺、力覺微調，甚至可以裝喺移動底盤。人形機械人如果企定定搬同一種零件，經濟角色可能同舊設備差唔多。既然一隻機械臂做得到，點解要另外付錢買兩條腿？講工業機械人製造供應，日本亦係主要領先國，唔可以忽略。

真正突破，係換工序容易咗：少改夾具、少寫程式，用較少示範學識新工作，遇到異常唔使成日叫老師傅執尾。呢啲先係人形機械人要證明嘅額外價值。所以講新質生產力，唔可以停喺投資額、展覽同宣傳片。中國有算法同應用突破，但算力供應仍然有限制；美國投入規模大，亦要面對供電同投資回報壓力。最後兩邊都要交同一份功課：計埋訓練、耗電、停機、維修同人手善後，每一蚊究竟換到幾多合格產出？呢張成績表，先分得到宣傳同真正生產力。