Anthropic CEO：中国AI技术″从未真正赶上″，商业落地差距明显

6月9日，Anthropic发布Claude Fable 5，登顶Artificial Analysis智能指数榜首。6月27日，OpenAI跟进发布GPT-5.6，两家美国AI巨头的竞争进入白热化。

差不多同一时间，Anthropic CEO达里奥·阿西莫迪亚（Dario Amodei）在Bloomberg的采访镜头前，对中国AI现状抛出了一组相当尖锐的判断。

阿西莫迪亚几个观察：中国AI"从未真正赶上"

采访核心可以归纳为三个观察。

51

第一个，技术差距从未真正消失。阿西莫迪亚的原话是，中国AI"从未真正赶上"美国（never really caught up）。他认为DeepSeek引发的那波热潮，更多是表象，不是实质性的追平。

这话听着刺耳，但它针对的其实是"大模型测评"这个层面。斯坦福大学《2026年AI指数报告》的数据确实显示，中美AI模型性能差距缩小到了2.7%，几乎为零。

富瑞的报告也说，中国开源模型只落后美国闭源领先模型3到6个月。在全球最大的AI流量聚合平台上，2025年5月排名前五的模型有三个来自中国，中国模型的使用占比从2024年的1%涨到了今年的40%以上。

这些数据都是真的。但它们说的是"测评分数"层面的差距，不是"产品竞争力"层面的差距。

第二个，测评优化存在局限。阿西莫迪亚提到，中国模型普遍针对特定测评指标做了极致优化。用他的原话，"针对有限测评列表优化模型其实很容易"（it's relatively easy to optimize for a limited list of benchmarks）。

这不是在质疑测评机构的专业性，而是封闭测试和真实商业环境之间有一道鸿沟。在封闭测试中表现好，不代表在开放环境中同样出色。测评分数反映的是模型在特定条件下的表现，市场竞争力取决于用户在真实场景中的体验。

第三个，商业战场上几乎碰不到中国对手。阿西莫迪亚说，在企业级市场竞争中，实际遇到的竞争对手只有谷歌和OpenAI，"几乎从未因中国模型而丢失任何商业合同"（almost never lost a commercial contract because of a Chinese model）。偶尔遇到的竞争者也全是美国厂商。

注意这里的前提：排除价格因素。也就是说，即便不考虑成本优势，在真实的企业级采购决策中，中国模型也没有对Anthropic构成实质性的竞争压力。

这说明什么？测评分数和用户买单之间，是两个完全不同的游戏。

Fable 5与GPT-5.6：Agent能力差距正在具象化

Fable 5的发布，恰恰把这个差距具象化了。它的核心突破不在聊天能力，而在Agent能力——长时、多步任务的可交付性。

几个硬数字：SWE-Bench Pro（智能体编码基准测试）上，Fable 5得分80.3%，比Anthropic自家前代旗舰Opus 4.8的69.2%高出11个百分点，比GPT-5.5的58.6%大幅领先。

在Cognition的FrontierCode Diamond评估中，Fable 5得分29.3%，是Opus 4.8的13.4%的两倍多。在Hebbia金融基准测试中，Fable 5在所有参测模型中排第一。贸易公司IMC的报告说，Fable 5在他们的评估套件上表现接近完美，覆盖事实查找、根本原因分析和期望值计算。

一个更有说服力的实战案例来自Stripe。Fable 5早期测试中，Stripe用它完成了一个5000万行Ruby代码库的全库迁移，只用了一天。工程团队原本预估这个任务要两个月以上。

这不仅仅是"变快了"。Fable 5真正的突破在于，它能处理复杂的、需要连续推理和行动的、跨多个系统的真实工作任务。它不只是"能聊天"，而是"能干活"。

6月27日OpenAI发布的GPT-5.6 Sol也聚焦这个方向。在Terminal-Bench 2.1测试中，Sol的ultra模式得分91.91%，协调并行子智能体完成复杂任务的能力领先。OpenAI还推出了Sol、Terra、Luna三款产品分层，满足不同场景需求。

大模型的核心能力是"推理"——给定输入后产生优质输出。Agent的核心能力是"行动"——在开放环境中自主分解任务、调用工具、处理异常、持续推进直到完成目标。这两者之间的差距，远比"模型参数大小"或"测评分数高低"更难以量化，也更难以追赶。

这场竞争已经从"人工智能"演变为"没有人工的智能"。在前一个阶段，中国模型已经达到或接近美国顶尖水平；在后一个阶段，差距仍然很明显。

"硅和平"联盟半年扩容：全球AI版图加速分化

与此同时，一个值得关注的产业信号正在浮现。由美国国务院主导推动的"硅和平"联盟（Pax Silica）正在快速扩容。

2025年12月12日，联盟在华盛顿正式启动，首批成员只有7个国家：美国、以色列、日本、韩国、新加坡、英国、澳大利亚。但六个月后的2026年6月25日至26日第二届峰会上，欧盟、荷兰、德国、希腊正式加入，阿根廷、智利、哈萨克斯坦等10个国家宣布即将完成签署，成员总数将达到24个。印度在2026年2月20日新德里的AI Impact Summit上签署加入。

中国台湾虽未以正式成员身份签署《硅和平宣言》，却以特殊参与方形式出现在联盟舞台上。

2025年12月11日，在硅和平峰会前一天，美国国务院主管经济事务副国务卿雅各布·赫尔伯格(右)和来自日本的代表签署了联合序言

从7国到24国，只用了半年。这个速度超过很多人预期。

"硅和平"由美国国务院主管经济事务的副国务卿雅各布·赫尔伯格（Jacob Helberg）主导推动，表面聚焦半导体和AI基础设施的供应链安全合作，实质上正在以"可信技术"之名重塑全球科技版图。

它覆盖的不是单一环节，而是从矿产资源到技术创新、再到生产制造和市场销售的全产业链。这种全产业链的系统性封堵，比单一的芯片出口管制更难绕过。

更值得警惕的是，"硅和平"目前机制虚、约束弱，但未来可能通过技术标准、采购规范和合规体系逐步固化为排华性的技术壁垒。一旦形成相对成熟的运转机制，中国在未来的全球AI竞争中，连"入场券"都可能受到威胁。

从"测评导向"到"应用导向"：中国AI的下一步

阿西莫迪亚的采访，真正想表达的其实是一个技术层面的清醒判断。

测评高分不等于市场认可，模型接近不等于产品竞争力。真正决定胜负的，不是某个Benchmark上的分数，而是Agent能力——也就是在真实商业环境中解决复杂问题的能力。

大模型层面的差距正在收窄，这是真的。Agent层面的差距正在拉大，这也是真的。两件事同时为真，因为它们描述的是两场不同的竞争。

对中国AI产业来说，接下来的关键课题很明确：在保持大模型能力持续提升的同时，如何把技术能力转化为真实商业场景中的产品竞争力。这不是一朝一夕能解决的问题，但方向必须清晰——从做"会考试的模型"，转向做"会干活的智能体"。