目 录
1. 一个被误读了十年的结论
2. AI时代的创新地图
3. 布鲁金斯只回答了一半
4. 超级明星城市怎么更新
5. 科技创新区的两种更新路径
作者 | 1/6图片工作室
上周，DeepSeek V4 Pro正式版上线，各项基准测试再次追平美国头部闭源大模型，而调用价格只有后者的2%。这条新闻刷了很多人的屏。但我翻数据的时候，被另一组对比震住了——
2025年，美国私人领域对AI的投资是2859亿美元，同一时期中国的数字大约是124亿美元。23：1——美国在AI上砸的钱，是我们的23倍。但斯坦福大学《AI Index 2026》的数据显示：中美最强模型之间的性能差距，从2023年的十几个百分点，收窄到了2.7%。
23倍的钱砸下去，差距只剩2.7%。
不止于此。上周全球大模型调用量排行榜前四名，全部出自中国。
你可能认为，这还不简单？价格战嘛，中国大模型低价抢市场。
一开始我也这么想。但翻的资料越多，越觉得事情没这么简单。价格只是表象，真正的差异藏在更深的地方——要看谁的模型，能更快地走进真实的需求场景里。国家这段时间反复提的「新新三样」（人工智能、机器人、创新药），听起来是三种产业，其实是一件事：AI驱动的「虚实结合」，正在重新定义整个创新产业的结构。
对城市来说，一个更紧迫的问题也随之浮出水面：互联网时代建的那些科技创新区，该更新了。过去「盖园区、引企业、给政策」的打法，在AI时代已经跟不上。
更扎心的是，最早提出「创新区」这个概念的布鲁金斯学会，最新一份研究给出了一个听起来不太妙的结论：AI相关的资源和人才，正在进一步向少数「超级明星」城市集聚。
▼
布鲁金斯学会研究给出的美国AI大都市区域分布
（来源：布鲁金斯学会）
那是不是意味着，只有北上广深这样的头部城市能「赢者通吃」，其他城市就没机会了？答案可能跟你想的不太一样。
01
一个被误读了十年的结论
MEASURE THE WORLD
十多年前，布鲁金斯学会出了一份报告，叫《创新区的崛起》。里面有一个判断，后来几乎成了全世界科创区的「标准答案」——
创新活动正在从远离市中心、靠公路连接的郊区园区，回流到都市中心，尤其是那些有生活气息的老城区。纽约的「硅巷」、伦敦的「硅环岛」、洛杉矶的「硅滩」，都是这个回流浪潮的产物。你现在去上海的西岸、北京的中关村创业大街，也是同理。
▼
纽约硅巷
为什么会这样？
互联网时代的创新，靠的是人和人的碰撞。新一代的工程师、设计师、产品经理们，不再满足于「上班在园区、下班回宿舍」的两点一线。他们要咖啡馆、要livehouse、要画廊、要能在步行十分钟的范围内解决工作、社交和生活。
于是，老厂房改造成共享办公，老码头变成创业社区，老商务区塞进了实验室和文化街区。科技重新回到了城市中心，「科技创新区」就这么火了。
▼
伦敦硅环岛
过去十几年，国内几乎每个想抓创新的城市，都在做这件事——找一片需要更新的区域，搞一个「创新区」，建一些孵化器，引进一批科技公司，配套一些商业和公寓，逐渐培育出创新。
但大多城市可能没注意到，布鲁金斯当年那份报告里，其实藏着一条暗线。这条暗线，在互联网时代还不明显，到了AI时代，就变得至关重要。
科技从来不是简单地「回到」城区，它是在整个都市圈里，重新分工。
▍波士顿就是最好的例子
说起波士顿，第一反应就是「科技回归都市」的成功典范——肯德尔广场嘛，MIT旁边，号称「全球最具创新力的一平方英里」。
▼
更新后的肯德尔广场区域
但这只是故事的一半。
故事的前半段，是128公路的衰落。128公路曾经是美国郊区科技走廊的代名词，上世纪70年代末，沿线企业超过1200家。到了80年代，随着大公司解体、产业更迭，128公路逐渐衰落，很多产业园闲置了。
然后就是大家熟悉的部分：肯德尔广场和波士顿南湾的老城区更新，承接了MIT外溢的创业需求。老厂房改造成孵化器，旧仓库变成联合办公空间，科学家和创业者步行就能从实验室走到公司，再走到酒吧聊一会儿——科技回到了市中心。
肯德尔广场一平方英里的土地上，聚集了全球TOP20生物医药公司里的18家，还有众多初创企业和风投机构。这里负责的，是「从0到1」的创新。
▼
位于肯德尔广场的MIT创新总部
但如果你以为波士顿的故事到这里就结束了，那就错过了最关键的部分。
128公路并没有真的死掉，它只是换了个角色。
那些肯德尔广场装不下的实验室空间，那些进不来的科研仪器生产厂，那些需要更大场地的成长型公司——它们再次来到128公路沿线，开始「从1到10」的研发制造。再往外，是495州际公路沿线，承接更大规模的制造、测试和供应链配套。
所以你看，波士顿根本不是简单的「科技回归都市」。它是一套系统——由核心创新区、产业走廊和制造节点共同组成的都市圈协同创新系统。
肯德尔广场负责「想」，128公路负责「做」，495公路负责「造」。三者之间有清晰的分工，又在一个小时车程内彼此连接。
这个判断，在互联网时代就成立。但到了AI时代，它被推向了一个新的极端。
02
AI时代的创新地图
MEASURE THE WORLD
直觉上，AI应该比互联网更容易让创新分散。
你想啊，互联网时代，你至少还得把一群工程师放在一间办公室里写代码。到了AI时代，模型训练在千里之外的智算中心完成，团队可以远程协作，代码可以异地提交，算力可以按需调用——还有什么理由非要挤在同一个地方？
但布鲁金斯学会的新研究《Mapping the AI Economy》中，给出了完全相反的答案。
他们用人才、创新、企业采用这三项能力，评估了美国387个都市圈的AI实力。结果很直白——
「超级明星」只有2个：旧金山和圣何塞。三项能力全面领先，优势是断层式的。
「明星型枢纽」28个：波士顿、西雅图、奥斯汀、纽约都在这一档。
「新兴中心」14个：匹兹堡、纳什维尔在某两项上有优势，但短板明显。
剩下的三百多个都市圈，要么只在某一项上尚可，要么整体落后。
▼
美国两大AI超级明星大都市区域
——旧金山和圣何塞
（来源：布鲁金斯学会）
互联网时代，美国这些大城市基本都有一个自己的「硅巷」。到了AI时代，387个都市圈里能被称为「全面领先」的，只剩2个。前30个都市圈加起来，占了美国近七成的AI岗位需求。也就是说，AI没有让创新更分散。它反而比互联网时代，更极端地聚集了。
为什么？
因为模型研发这件事，跟写App、做网站，根本不是一个量级的挑战。
它需要的不是几个会写代码的工程师。它需要语言学家、数据科学家、算法工程师、芯片设计师、系统工程专家——跨领域的顶尖人才，要高频地、面对面地协作。它需要成熟的风投网络，能在几个月内砸下几亿美元支持一个还没产品的团队。它需要能快速招聘、融资、并购的企业服务生态。
▼
美国传统互联网巨头在AI时代开始掉队
大模型之间的竞赛，已经是以「天」为单位在计算了。你晚一周发布，可能就错过了一个窗口期。
在这种节奏下，人才越密集，知识碰撞就越频繁；资本越集中，试错半径就越大。这是一个正向循环——越聚集，越强；越强，越聚集。
旧金山就是这种集中效应的极致。
前几年，旧金山的商务区、「脑谷」等区域，还面临着挺高的写字楼空置率，很多互联网公司缩减了办公面积。但这两年，OpenAI、Anthropic这些AI公司进来之后，情况完全变了。
▼
旧金山AI头部企业分布示意
原本的互联网总部大楼，变成了基础模型的实验室。原本的生物科技商务区，挤进了AI创业公司、风投机构和各种专业服务商。整个区域的产业角色，从「总部办公区」变成了「基础模型实验室—AI创业公司—风投—专业服务」高度压缩的研发区。
超级明星创新区的核心资产，已变为让最贵的协作，在最短的距离内发生。
▼
旧金山脑谷区域
03
布鲁金斯只回答了一半
MEASURE THE WORLD
布鲁金斯的研究，数据很扎实，结论也清晰。但我翻来覆去看了好几遍，总觉得它只说了一半——它清楚解释了大模型为什么会越来越集中，却没回答一个我们更关心的问题：中国AI，也会像美国一样，向少数头部城市集中吗？
分两层看。
如果说的是基础模型、顶尖人才和创业资本——会。北京、上海，正在形成中国的「造脑」高地。
但如果问的是AI产业能不能只属于少数城市——不会。
因为AI一旦从「会说话」走向「会干活」，就必须进入工厂、医院、街区、工地这些真实场景；而场景、供应链和制造能力，是由一群城市组成的。
中国还有美国当下难以复制的优势：我们是全球唯一拥有联合国产业分类中，全部工业门类的国家，制造业增加值占全球约30%，拥有全球规模最大、门类最完整的产业链。
▼
三年来，中央企业累计投入7.4万亿元在战略性新兴产业上，进一步扩大新产业优势
（来源：图虫创意）
比产业链更重要的，是场景。中国有高密度的都市圈，有从零部件、整机、中试到大规模应用的海量真实需求场景。
比如，中国拥有全球最大的工业机器人市场，2024年在役保有量突破200万台，连续12年居全球首位，新增装机量占全球一半以上。数以百万计的工厂，正在等待智能化升级，这些工厂就是AI最好的训练场。
▼
美国波士顿动力数次易主，
原因在于「炫技」与「场景」之间的不匹配
（来源：网络开放平台）
所以，大模型确实只能在少数几个拥有顶尖算法人才的头部城市诞生，但AI的落地不行。每个城市都有自己的产业根基——有的擅长造零部件，有的擅长做整机，有的拥有丰富的数据资源。AI越是要从「会说话」走向「会干活」，就越需要下沉到这些具体的场景里去。
而这件事，恰恰给了不同的城市创新区，不同的更新机会。
04
超级明星城市怎么更新
MEASURE THE WORLD
在说非头部城市的机会之前，得先看看超级明星城市在如何更新自己的创新区。因为它们的选择，决定了产业链上哪些环节会被「分出来」，哪些机会会留给其他城市。
北京、上海、深圳——这几座AI时代最典型的超级明星城市，它们共同证明了一件事：AI来了以后，最强城市不再靠一个园区包打天下，而是率先把原有的研发区、商务区、开发区和制造区，重新拼成了一套从0到1的创新系统。
1.北京：「造脑—造身」的创新双核
先看海淀。这里是中国AI大脑最密集的地方。代表中国最高水平的几大模型——智谱、KIMI、DeepSeek（研发环节）——大本营全都在海淀。这里承担的是模型、算法、开源生态和成果转化，是名副其实的「造脑」高地。
▼
中关村聚集了全国最密集的AI企业集群，
超2500家AI核心企业
（来源：图虫创意）
但只有大脑不够，还得有身体。把目光往南移，亦庄的人工智能创新街区「模数世界」正在更新传统开发区的做法。它不再只是标准厂房和生产线，变为补上了从数据采集、中试打样、软硬件测试到产品展示、场景验证的全链条能力，把机器人从「会思考」推进到「能干活」。
一座城市，两个核心，一个负责想，一个负责做。
2.上海：三段式产业化走廊
上海的空间重组，更像一场接力赛。
第一棒是徐汇的模速空间。它更新的是西岸滨江的商务区——从办公楼宇变成模型企业的算力、数据、评测、融资和行业服务平台。38天建成，聚集了全市61%的大模型企业。这里负责的是模型的孵化和转化。
第二棒是张江的AI创新小镇与机器人谷。它更新的是传统科技园——一边承接端侧芯片、具身模型和应用，一边承接智能制造、系统集成和公共平台。这里负责的是中试和协同。
第三棒是临港。它承接更重的算力、智能终端和规模化产业空间。这里负责的是大规模产业化。
▼
上海临港
（来源：图虫创意）
上海把原来彼此分散的商务区、科技园和新城，串成了一条「模型转化—中试协同—规模化产业化」的三段式走廊。模型从实验室出来，不用出上海，就能走完从孵化到量产的全流程。
3.深圳：具身智能的近场供应链
深圳跟前面两座城市都不一样，它是围绕AI,把已有的制造网络重新激活。
南山、宝安与东莞之间，原本就有一条非常成熟的电子信息制造链。AI和机器人来了之后，这条链被重新组织——算法、传感器、灵巧手、执行器、整机和打样工厂，正在被压进一个高频协作的半径里。
大湾区聚集了全球大约57%的人形机器人供应链企业。什么概念？你上午在深圳的实验室里改了一个设计，下午就能在东莞的工厂里打出样品，晚上就能测试迭代。从研发到打样到量产的距离，被压缩到了极致。
▼
深圳南山区
（来源：图虫创意）
看到这里你可能会问：它们连从研发到量产的全流程都有了，其他城市还有机会吗？
不但有，而且它们越强，机会越多。
原因有两层。
第一层，有链条不等于全最强。北京有亦庄的「造身」能力，但大批量的零部件制造，成本不可能比长三角、珠三角的专业工厂更低。
上海有三段式走廊，但某些细分领域的场景验证，未必比产业基础更深厚的城市做得更透。
深圳有近场供应链，但它的供应链本身就延伸到了东莞、佛山、惠州——大湾区本来就是一张网，不是一座城。
▼
东莞的华为终端总部基地
第二层，迭代越快，越需要最优解。大模型的竞赛是以「天」为单位的。头部企业要的不是「自己全做」，是「谁做得最快、最好、最便宜」。
芯片找最专业的厂，中试找条件最好的基地，量产找成本最低的供应链——它们越聚焦于「造脑」这件最核心的事，就越会把下游环节交给最擅长的城市。
05
科技创新区的两种更新路径
MEASURE THE WORLD
美国明星型枢纽和新兴中心的科创区更新，走的是同一条路：在超级明星城市之外，依托一个难以替代的本地强项，卡住产业链的一段——奥斯汀卡住半导体与硬件的交叉点，纳什维尔卡住医疗数据的入口，匹兹堡卡住机器人的研究基础设施。
▼
匹兹堡人工智能大道
（来源：网络开放平台）
这是一种「各守一段」的分工模式，特点是单一、清晰，但也相对被动。
中国城市不能照搬这条路。
原因很简单：中国的产业结构更复杂，产业集群化优势更明显。如果大家都去抢「人工智能产业园」这一段，都盯着通用大模型、都做一样的机器人产业园，只会陷入同质化竞争——你给补贴我也给，你建大楼我也建，最后比的是谁更能砸钱，而不是谁更有不可替代性。
中国城市的创新区更新，可以做一件美国城市很难做到的事：差异化补链。
什么叫差异化补链？
不是去抢已经被人占了的位置，是从自己已有的产业基础出发，找到那条跟你最相关的产业链上，别人没接住、或者接得不够好的环节。例如，同样是具身智能，做巡检的和做工业的，需要的材料、伺服、传感器、机械手就完全不一样；做医疗的和做物流的，场景验证的方式更是天差地别。
▼
不同的具身智能，对产业链的要求不同
中国有最完整的工业门类和最多样的应用场景，这意味着每条细分产业链上，都有可以补的位置——关键是你能不能把自己已有的产业基础和空间资源重新组织起来，拼成一条更短的「从实验室到产品」的验证链。
模型在这边研发，零件在那边制造，测试就在隔壁城市完成——距离越短，迭代越快，成本越低。你的存在让整条链更高效，你就是不可替代的。
杭州和合肥，正好代表了「差异化补链」的两种不同深度：从空间重组，到功能升级。
1.杭州：空间重组型补链——
不造大园区，织一张网络
杭州的差异化补链，是从它已有的多赛道布局出发的。
它的「造脑」实力不容小觑——DeepSeek、通义千问两大模型都诞生在这里，已经跻身中国大模型第一梯队。但杭州的家底不止于此：它还有云计算、物联网、数字内容、早期创业等多条成熟赛道，分别落在不同城区的专业小镇里。
▼
杭州AI、机器人、数字化领域领军企业分布示意
所以杭州没有选择再复制一个北京海淀，也没有把所有AI企业塞进同一片园区。它选了另一条补链的路：把模型能力、云计算、具身智能、数字内容、早期创业和中试验证，分别放进不同的专业小镇；再用算力、基金和公共平台，把这些散点空间织成一张协同网络。
余杭人工智能小镇（2025年核心AI营收超1180亿元）、西湖云栖小镇（总产值955.76亿元）、滨江物联网小镇（2025年产值1923.4亿元）——三个小镇分处不同城区，专注不同赛道，却共享同一套底座：
▼
机器人小镇
全市智算供给57EFLOPS；滨江区对使用本地算力的企业补贴50%，年度「杭州算力券」2.5亿元；「3+N」基金集群总规模超3000亿元，政府注资240亿元撬动2600亿元民间资金。
更关键的是2026年5月在滨江启用的国家具身智能中试基地——全国唯一的国家级，140多台机器人入驻，近40个应用场景开放。三个小镇的机器人企业不用各自建测试平台，共享这一套验证环境。
网络的威力，看一家刚上市的企业就知道。
宇树科技在滨江物联网小镇，2025年营收17亿元，人形机器人全球出货量第一（份额32.4%），刚刚以约610亿元的估值登陆资本市场。从四足机器狗到人形机器人的全流程迭代，都在这张网络上完成——研发在一个小镇，测试在中试基地，供应链在周边，资金和人才通过整个网络流动。
▼
宇树Unitree H1
（来源：网络开放平台）
这就是杭州的差异化。别人补链是盯着某一个环节砸资源，杭州是把已有的多条赛道、多个小镇，用公共底座织成一张协同网。单个小镇可能不是最强的，但整张网的效率，比任何一个单一园区都高。
2.合肥：功能升级型补链——
让园区接上产业，让公园接上场景
合肥的差异化补链，是从它已有的龙头企业和制造基础出发的。
别的城市争的是「哪家大模型公司把总部落在我这里」。合肥不抢这个——它知道自己的优势不在基础模型，而在AI落地的中间环节。它争的是AI产品落地时最难跳过的两段工序：怎么从实验室走向产线？怎么从产线走向真实场景？
▼
合肥综合性国家科学中心大科学装置集中区
（来源：图虫创意）
第一段工序，靠中国声谷。
以科大讯飞为核心，中国声谷已经从一个智能语音园区，升级为覆盖基础层、技术层、应用层的AI产业先导区。企业从2020年的1024家增长到2025年的超过1500家，专利超过3万项。
讯飞开放平台汇聚了968万开发者，共享大约600项功能。龙头的能力，变成了所有企业都能调用的公共基础设施。从一个龙头企业，到一个产业集群，再到一个产业生态——中国声谷用了十余年完成三级跳。
▼
中国声谷位于合肥市高新区
（来源：图虫创意）
第二段工序，靠骆岗公园。
骆岗原本是合肥的老机场，12.7平方公里。更新之后，它不是普通意义上的城市公园，而是全国首个「海陆空全空间无人体系」城市级应用示范项目。
3公里的旧跑道被分成了三段——北段是智慧步道，中段是30万平方米的梦想大草坪，南段是露营区。30多个低空起降点，30多个应用场景覆盖外卖空投、急救用血运输、无人巡检等方向。
合翼航空在这里拿到了全球首张载人无人驾驶航空器运营合格证，以后别的城市想部署载人eVTOL，参考标准绕不开合肥。
▼
机场改造的骆岗公园
（来源：图虫创意）
而在这两者之外，合肥还有一张王牌——长鑫存储。作为国内领先的DRAM芯片企业，它恰好卡住了AI产业链最上游的一环：AI训练和推理都离不开高带宽内存。声谷做应用、长鑫做存储、骆岗做场景，三者各守一段，又彼此呼应。这就是合肥的差异化。
06
总结
MEASURE THE WORLD
创新区正在从一个点，变成一条链。造脑越集中，造身越分散。
最失败的更新，是千篇一律的「人工智能产业园」——牌子换了，赛道内卷。
最成功的更新，是从自己的产业基础出发，在这条被AI拉长的链条上，找到属于你的差异化位置。
你不用成为下一个硅谷，你只要成为AI进入真实世界时，绕不开的那道工序。
本文由华高莱斯团队创作
总策划：李忠
撰文：1/6图片工作室
文章每周一08:00更新