AI城市竞争力报告：湾区一枝独秀，京杭紧随其后

过去两三年，AI成了全球城市竞争力的生死筹码。我们团队从【AI产业】【AI人才储备】和【AI基础设施】三个维度研究分析了全球主要城市的AI竞争力。

研究结果显示，在AI头部创新和AI人才资源方面，中美处于绝对垄断地位。其中旧金山湾区一骑绝尘，遥遥领先。北京、杭州等少数中国城市尾随其后。

一个有意思的地方是，随着技术逐渐成熟、应用成本降低后，中国AI能力会从核心城市向周边地区扩散。比如广州和厦门的AI APP应用做得有声有色，合肥和成都也在承接数据标注产业，隐约呈现出多点开花的局面。但这个“外溢效应”的美国没有那么明显，除了湾区外，只有西雅图、纽约和波士顿表现不错。

01

AI产业竞争

我们从三个角度来评价AI产业竞争，大模型，AI应用，和独角兽企业。

首先，当前AI产业内，最靓的仔就是大语言模型，我们发现，头部大模型高度集中于旧金山湾区、杭州等少数城市。

虽然国内的DeepSeek、通义千问风头正劲，但截止2025年3月，全球大语言模型排行榜（Chatbot Arena）前30名中半数以上都来自旧金山湾区，三分之一来自中国城市，中美两国之外的城市几乎没有存在感，只有来自多伦多的大模型Command A占据了一席之地。总体来看，Chatbot Arena排行榜覆盖了170多个大模型，旧金山湾区占据79个，领先优势非常明显，其次是杭州（25个），而北京有11个，落后于旧金山湾区、杭州、西雅图和巴黎。

国内最优秀的大模型都来自杭州，DeepSeek和阿里的Qwen2.5-Max挤进了全球排行TOP 100，此外来自北京的智谱、Yi-Lightning（零一万物），来自深圳的腾讯混元，来自上海的Step-2-16K-Exp都具备一定的国际竞争力。而国内用户熟知的豆包和Kimi均采用闭源技术路线，而且更加倾向于本土化、中文场景，因此国际影响力较弱，没有登上全球榜单。

需要注意的是，大语言模型听起来高大上，但是竞争非常激烈，这个榜单排名更新迭代非常快。尤其是DeepSeek之后，这个领域群雄并起，乱成一锅粥了：

• 2月18日，马斯克的xAI发布了更新版Grok 3大模型。在直播的现场演示中，Grok 3在数学、科学和编程基准测试中，击败了包括DeepSeek的V3模型和GPT-4o在内的多个模型。

• 3月6日，阿里Qwen团队发布了QwQ-32B大语言模型，这款模型拥有320亿参数，在性能上能够与参数量高达6710亿的DeepSeek-R1相媲美。

• 3月13日，加拿大创业公司Cohere发布Command A大模型，宣称在保持与GPT-4o、DeepSeek-V3等顶尖模型相当或更优性能的前提下，实现了硬件资源需求的大幅优化。

• 最近，OpenAI创始人在访谈中表示，GPT-5即将向免费用户推出。

我们再来看AI应用，未来可能会涌现更多的创业和投资机会。

在下一场数字生态的进化中，大语言模型是土壤。任何一片土地都需要有千万棵松树参天立地，才能让女萝、菟丝托付，才能吸引虫鸟，“缠绵成一家”。所以生态要形成，必须有大量垂直领域的应用开发涌入。

在AI应用层面，（可能与大众认知相反），与大语言模型相比，AI应用产品虽然竞争也很激烈，但版图更迭速度要慢一些，但护城河相对高一点点。随着大模型门槛下降的浪潮席卷而来，真正持久的竞争优势正从算法参数的军备竞赛，转向对行业Know-How的深度理解。

因此，在城市层面，AI应用的分布相对分散。在2024年12月的全球下载量TOP 100 AI APP 排行榜中，旧金山湾区和北京仍然占据头两名，分别有17、16个APP。例如，在北京，字节跳动开发的豆包、剪映等APP也已经有比较好的用户基础。深圳、厦门、西雅图、新加坡等城市也能够从AI APP生态中分一杯羹。

在数字独角兽企业培育方面，仍然是旧金山和北京领先。过去一年AI创业热潮之下，旧金山湾区的AI独角兽企业个数增加了5个，总估值上涨接近100%。而我国城市的隐忧是AI独角兽企业的增长速度偏慢。从2023年到2024年，北京市AI独角兽企业增加了2个，总估值也仅上涨了9%。深圳市的AI独角兽数量和估值甚至出现了缩水现象。这也许与近年来萎靡的创投市场有关。

根据清科研究中心统计，2024年前三季度我国股权投资市场共发生投资案例数5494起，同比下降28.3%，投资金额如同退潮般蒸发近三成。后疫情时代的信心重建比想象中艰难。消费者攥紧钱包，企业收缩战线，风投机构更是难融资、难投资。尤其是，中美摩擦背景下，美元基金加速退出中国市场。新进入市场的玩家是国资，国资背景投资机构占比从10%升至22%。但是这类机构风险偏好低，往往要返投、要兜底，更倾向投资成熟期项目，对早期科技企业支持不足。

02

AI人才竞争

在顶尖人才方面，AI人才也是高度集聚的。人工智能领域TOP 100 学者中有44位都在旧金山湾区，5位在北京。北京也很有后劲，清华大学、北京大学等顶尖高校构建了高密度的智力网络，人工智能领域TOP 200 研究机构中，北京市拥有12所，位居全球第一名。

我们也挖掘了国内上市公司的招聘大数据，发现前沿研发类职业——大数据工程师、算法工程师、云计算工程师等都集中在北上广深杭。但是，数字技术衍生的劳动密集型职业——数据标注师、内容审核员正在蔓延到二三线城市。

随着人工智能产业需求量越来越大，数据标注这一细分行业也在不断升级，对数据采集、审核、标注的专业性要求也越来越高。比如，审核语音文本转化或图片的专业要求较低，但审核自动驾驶、医疗等领域的数据，就要求审核者具备一定的专业知识。另一方面，数据标注的软件工具不断发展成熟，大量简单的标注工作也被交给了软件工具来完成。

但数据标注师还是一个劳动密集的行业，BAT、字节跳动这些大厂都偏好把数据标注的工作外包，而且二三线的人力成本较低，这个职业开始在二三线城市集聚。据媒体报道，截至2021年3月，百度山西人工智能数据产业基地中，就拥有超过3000位标注师，主要涉及自动驾驶、人脸识别等内容标注，其中86%的员工为90后。

03

AI基础设施竞争

根据IDC（国际数据公司）、浪潮信息和清华大学发布的《2022-2023全球计算力指数评估报告》显示，美国和中国分列全球算力前两位，处于领跑者位置；而在国内，北京市的算力指数位于全国“第一梯队”，为数字经济发展提供强大的基础设施底座。但是，我国的算力水平还落后于美国。主要原因在于算力发展都依赖于各类芯片——比如手机里的处理器（CPU）、图像处理芯片（GPU），以及专门负责人工智能计算的芯片（NPU）。而目前全球算力芯片市场主要由美国企业垄断，占据了90%的市场份额，而且高端算力芯片出口至我国存在诸多限制。未来我国城市算力基础设施的发展，仍需努力实现 “卡脖子”技术突破，推动本土产业链升级。

国内的AI基础设施也出现了一拥而上，但效率偏低的问题。最近，国内掀起了一股建设AI基础设施的风潮。仅仅看2024年上半年，国内已经建设和正在建设的智算中心超过250个，2024年上半年智算中心招投标相关事件791起，同比增长高达407.1%。但是，也有媒体报道，国内已上线智算中心的利用率只有32%。而且，“由于智算技术更新迭代很快，智算中心的生命周期一般只有5至10年，如果没有强大的技术储备和升级能力，就可能陷入不断投入却无法跟上技术发展步伐的困境。”（出自中科院计算所研究员张云泉的文章《智算中心建设不可盲目跟风》）

各地AI竞争也应该量力而行，尊重技术进步的客观规律，避免大干快上的冲动，避免同质化竞争。

数据来源：清华大学全球产业研究院

《2022-2023全球计算力指数评估报告》

2022-2023年各国计算力指数

在新技术发展的初期，创新集聚在核心城市是非常符合经济规律的，也是更有效率的选择——根据马歇尔外部性理论，创新集群能加速隐性知识传播；根据雅各布斯多样化理论，大城市也能提供更完备的创新要素组合。在北京，一个AI 初创企业可以快速完成算法人才招聘、芯片采购、测试场景的配置，而在大多数城市，每个步骤都会耗时颇多。

当技术逐渐成熟、应用成本降低后，会从核心城市向周边地区扩散。最先扩散的是基础设施，接着是市场应用，最终，全国大部分地区都能应用这项技术，区域间的技术鸿沟逐步缩小。这种"先聚集后扩散"的模式周而复始，直到出现全新的颠覆性技术，重新开启新一轮地域竞争。

技术的集中与扩散如同潮汐般永恒交替，这场AI竞赛关乎城市的未来，从旧金山湾区的先发优势，到杭州的异军突起，从北京顶尖学者构建的智力网络，到合肥承接的数据标注产业——每个城市都在技术扩散的浪潮中会找到自己的独特生态位。

点个在看支持一下❤️