观星小仙:美国AI造神，中国AI灭神|2026-04-12

4月6日，一则“中国AI大模型调用量连续五周超美国”的消息在中文互联网疯传。

每日经济新闻报道，根据OpenRouter最新数据，今年2月中国AI大模型Token调用量首次超过美国后，已经连续五周领先，而且双方差距越来越大，1月初美国的Token调用量还是中国的3.6倍，现在变成中国Token调用量是美国的4.2倍了。

啥是Token呢？Token是大模型的最小信息单元，国内将Token译为词元，咱普通人就记一个结论，Token调用量越高，代表模型被用得越多。

中国网友还没来得及开心，就有人“辟谣”，说OpenRouter数据不完整，《联合早报》还酸溜溜地说“Token调用量不反映创新能力”。

奇怪，跪舔美国大模型的时候Token调用量还是核心依据，怎么中国反超就变得不重要了？第一名需要不断“说服”别人相信自己是第一名，这件事本身不就很可疑？

客观来说，OpenRouter的统计数据来自自身转发的API请求日志，不包括厂商直调、C端App、私有化部署等场景数据，确实有一定局限性，但数据本身是真实的，它反映了中国AI大模型暴涨的客观趋势。

即便采用摩根大通的最新估算，全球周均Token调用量2400-2600万亿，中国占比40%-45%，美国占比30%-35%，仍然是中国领先。

实际上，在过去的两年里，中美AI大模型已经在视频生成领域，发生过一场腥风血雨的交锋，并且在这个过程中，“永远领先一代”的美国AI大模型已经开始掉队。

这次交锋的源头，还得从清华大学2022年的一篇论文说起。

一

2022年9月，清华大学的研究团队发表了一篇题为《All Are Worth Words: A ViT Backbone for Diffusion Models》论文，首次把扩散模型的卷积U-Net换成Transformer。

就是这个新脑洞，一下子打通了AI视频生成的任督二脉。

在此之前，人类对计算机生成视觉图像的探索，已走过了半个多世纪，产生了Transformer、扩散模型等技术路线。

那个叫Transformer的哥们，是一个逻辑性很强但手很笨的编剧，它能写出完美的剧本，但当它打算把这个剧本变成视频时，只能生成一张张图片再强行拼起来，所以画面会卡顿。

那个叫扩散模型的哥们，是一个脑子不大好但手很巧的画师，它能画出一只栩栩如生的卢胖子，但如果你下的指令是卢胖子吃蛋烘糕，它可能画出来的蛋烘糕长在卢胖子的肚子上，甚至直接把卢胖子变成蛋烘糕。

过去，这两位哥们一直是各玩各的，井水不犯河水，直到清华大学的理论创新，将它俩撮合到了一起。就在三个月后，Facebook的研发团队也发布了一篇论文，和清华大学的点子如出一辙。

中美两国不但几乎同时实现理论突破，也同时开始推动应用突破。

2023年4月，字节跳动的AI技术老将王长虎，在北京创立了爱诗科技，打算进军AI视频生成赛道。

王长虎是纯技术出身，博士毕业于中国科学技术大学，主要研究方向正是计算机视觉。

博士毕业后，王长虎先是在微软当研究员，后跳槽到字节跳动任AI Lab总监，完整参与了抖音和TikTok从0到1的建设，2021年从字节离职后，开始折腾自己的事业。

王长虎的野心，是面向全球C端用户做出一款较为先进，又能让大家用得起的AI视频生成软件，这款软件就叫PixVerse。

但是对中国公司来说，做AI视频生成实在过于超前。

因为AI视频生成所需的模型技术，和ChatGPT这种语言模型完全不是一码事。

语言模型的局限性，在于它会忽略掉真实世界的大部分信息，比如当我们输入“卢胖子狂炫工作室的小饼干”这行字时，文本模型“看不到”卢胖子的表情、饼干的质感、工作室的光照等等。

如果换成多模态模型来干这事儿，效果就完全不一样，它会“看到”卢胖子嚼第一口时瞪大的眼睛，饼干碎屑掉在衣服上的轨迹，还能听到嘎嘣脆的嚼饼干声，甚至助理小姐姐那声“差不多得了”的叹气。

虽然听起来很爽，但多模态大模型比以烧钱著称的语言模型，还要烧钱十倍不止。

王长虎拉融资的时候，投资人一个个把头摆成了拨浪鼓，咱们连ChatGPT都还没赶上，怎么敢做多模态的？这种烧钱又不产生生产力的事情，让美国去做就行，我们中国人还是老老实实做应用端。

当时金沙江创投合伙人朱啸虎就直接给王长虎浇了一盆冷水，说你们还是回去上班吧，这个事情可能在中国没有什么机会。

王长虎不死心，一定要在多模态上杀出一条血路。

因为融不到太多钱，PixVerse不得不在缺钱少芯的情况下，勒紧裤腰带研发。可能是为了避开和字节正面竞争，PixVerse早期主要是发展海外市场。

2024年初，PixVerse开发至第二代架构时，突然杀出来一个BUG级选手，Sora。

Sora是OpenAI的多模态大模型，如果按时间倒推，Sora和PixVerse可能是在差不多同一时间立项，只是OpenAI此前并未公布任何消息。

2024年2月，Sora发布了一段预览片，片中的流体、光影、人物表情和动作极其逼真，被业界公认为是多模态大模型的顶级水准。

昂撒精神领袖欣喜若狂，宣布中国公司已彻底输掉AI竞赛，你看！人家美国还是碾压我们！好像美国碾压我们，能给他们涨工资似的。

当时国内财经媒体最喜欢写的一句话是：中美的差距不但没缩小，反而越来越大。

有个专家接受媒体采访时说：Sora发布后国内没有跟进，因为我们跟进不了，我们没有人才储备，没有架构准备，未来两三年都没法拿出像样的产品……

社交平台流传一张梗图，巨大的Sora神像跟话事人一样坐在王座上，下面跪着Runway、Pika、SVD、PixVerse等软件，“跪”在第一排的PixVerse，还是唯一一家中国公司。

王长虎看到这张图时，心情十分复杂。他有些遗憾，更有些不服气，甚至有些质疑。

当时媒体采访他时，他说：“如果我们过去一年有更多的投资和算力资源，有可能最先做出Sora的不是美国人，有可能是我们。”

王长虎还委婉地表示，他很想知道，Sora的正式版本到底好到什么程度。但是Sora有OpenAI背书，所以他宁愿相信Sora是真的这么强，并打算在3-6个月之内追平Sora。

除了PixVerse，阿里、字节跳动、快手、Minimax等一众中国公司，在短短数月内推出AI视频生成工具，引爆了多模态模型混战。

为了追赶Sora，中国公司在紧迫而逼仄的氛围中卷生卷死。

早在2024年底，可灵就能生成接近2分钟的视频，并且在人体骨骼一致性、物理拟真等方面超越了Sora。

虽然中国公司干得热火朝天，但当时专家和大V的普遍情绪，就是别自取其辱了，快投降吧，追平？能追平吗？你以为Sora会站在原地等你？

呃，事实证明会，甚至……还倒退了好几步。

被传得神乎其神的Sora，整整一年半都没拿出成品，直到2025年9月才迟迟上线。

爱诗科技联合创始人谢旭璋看到成品后，淡淡地评价，这和预览片差距非常大，“前后差了十个PixVerse”。

有种网恋奔现大型翻车现场的感觉，有种遇到了诈骗犯只想报警的感觉！

国内媒体发文称，用户吐槽Sora如同人工智障，但狂热的Sora信徒淹没了评论区，清一色都在讽刺“愚蠢的人不去追赶，却在别人的成果里挑小毛病”。

你质疑的对象可是OpenAI啊，How dare you？

结果Sora又辜负了它的信徒。2026年3月26日，Open AI宣布将正式关停Sora。

这个“只有一点小毛病”的Sora，以一周留存率2%，月留存跌破1%，75%用户生成一次后永久卸载的负分战绩，只活了半年，就彻底退出AI视频生成赛道。

Sora溃不成军时，中国AI视频军团正以惊人的速度狂飙。

全球AI视频生成赛道，现在几乎被字节跳动即梦（Seedance2.0）、快手可灵和爱诗科技PixVerse等几家中国公司瓜分，其中PixVerse的全球用户规模突破1亿，可灵用户突破6000万，今年2月Seedance2.0出圈后，下游应用一夜爆发，中国AI模型拉爆了Token调用量。

Sora被中国AI视频军团击溃的原因很简单，死贵还不好用。

一位影视动画行业技术人员告诉我，AI视频还没出现时，团队是用一款叫Midjourney的国外软件来生成图片，现在都换成了可灵和即梦，“Sora用来玩玩还行，但抽卡太贵了”。

所谓抽卡，就是当前的视频生成技术，都很难一次生成目标效果，得像抽卡一样多抽几次，运气好几块钱搞定一个视频，运气差要几十上百块，如果制作需求量大，就得开会员才比较划算。

但Sora的定价，比国内软件高太多了。

Sora最高版本折合人民币每月约1400元、最低版本约每月140元，即梦最高版本每月499元、最低版本每月69元，可灵最高版本每月1314元、最低版本每月58元。

我问过几位从业者，可灵最高版本也挺贵的，为什么用户那么多？

他们回答，可灵偏B端，在画质清晰度上优势明显，能制作高质量商业片，即梦偏C端，适合生产对画质要求不那么高的AI漫剧，二者的定位非常清晰，就是Sora，找不出任何长板，一副不知道自己要干嘛的样子。

这种完败，对于Open AI来说是奇耻大辱——你可以死于便宜但难用，也可以死于好用但太贵，但你居然死于又贵又难用！

而且真正的问题在于，当房间里出现一只蟑螂，就不可能只有一只蟑螂。

在Sora神话崩塌的前一年，F119发动机也发生了类似的翻车“事故”。

2025年2月，马斯克应特朗普指示，去查美国国防部的账，随后公布了一份震惊世界的资料，显示美国五代机F22使用的F119发动机疑似数据造假。

这份资料显示，F119的推重比并不是此前宣称的10.5，而是7，整整缩水了50%。F135发动机更夸张，宣称的推重比是11.47，实际推重比只有6.7，缩水了71.2%！

对中国航空人来说，F119也曾是BUG般的存在。

中国从1997年就开始苦苦追赶F119，花了近30年，才将涡扇发动机的推重比从3.82提高到10。

曾有中国技术人员曾指出F119的数据不对劲，还有人指出美国没有把散热器之类的器件重量计算在内，但我们一是没有铁证，二是我们认为，即便美国虚标数据，也不是我们故步自封的借口，美国指不定藏着掖着什么吊炸天的技术，咱们要料敌从宽，当成真的来追赶。

马厂公曝出真实数据时，中国看着手中的涡扇发动机陷入了沉思：那我造的是个啥玩意儿？

F119和Sora的翻车绝非偶然，它揭示了中美科技竞争的本质区别。那么，美国造神、中国灭神的规律，是否将在未来中美AI竞争中再次应验？

二

首先，我们需要回答一个问题，不缺钱、不缺芯片、不缺技术人才的Sora，为啥把一手好牌打稀烂？

Open AI作为一家全球知名的公司，故意吹牛打自己脸的可能性不大，实际上，Sora死在它无法解决工程化难题。

什么叫工程化难题呢？

我们在《固态电池全球大战》中，写过一家叫QuantumScape的美国初创公司，这家公司2020年发布了一份震惊全球的测试数据，说它研发的固态电池性能逆天，仅凭这份样品，这家公司就在没有半个产品、半毛钱收入的情况下，拥有近500亿美元市值，但后来这家公司长期未公布车规级关键数据，样品越做越差，市值较最高点蒸发了95%。

QuantumScape，就是死于工程化难题。

一家公司从画PPT到真正实现量产，中间还有个实验室阶段，公司需要披露阶段性样品，不然资本故事就讲不下去了，公司也拿不到融资了。

以美国在基础科研方面的优势，搞出一个完美的实验室样品，并不太难，难就难在，实验室样品不需要考虑成本，但商业化量产必须兼顾性能、成本、供应链等种种因素。