中美AI竞争越往后走，一个问题反而越来越突出：芯片可以买、算力中心可以建，真正需要十几年才能培养出来的，是人。9月18日，白宫延续H-1B相关限制，部分境外申请需要附带10万美元支付，政策延续到2027年9月。美国政府的理由是打击低价外包和制度滥用，可摆在AI竞争背景下看，这里面有一个很现实的问题：美国最缺的高端人才，相当大一部分恰恰依赖国际输入。美国科技体系过去真正让世界羡慕的，并不只是硅谷有钱。一个印度本科生、一个中国工程师、一个欧洲博士，只要进入美国顶尖大学，就可能继续进入实验室、创业公司和风险资本圈。可现在美国一面强调必须赢下对华AI竞争，一面又不断重新审视签证、安全审查和外国科研人员，这两个目标并不总能兼容。斯坦福最新数据已经把这种依赖写得很清楚。美国STEM硕士学位中，国际学生超过一半；研究型博士中，国际学生超过三分之一，中国和印度学生合计占美国国际研究生的61%。更值得注意的是，美国数学教育水平并没有同步保持压倒性优势，报告甚至把美国数学表现排在全球第34位。美国的高端科研机器，实际一直大量借助全球教育体系给自己输送燃料。这就把中美AI竞争引向了一个过去很少讨论的问题：如果全球人才流动发生变化，美国还能不能持续拥有过去那种“全世界替我培养、美国负责收割”的优势？美国仍是人才中心，但吸力已经不像过去那么稳定。

中国面临的是另一种考题。这里不能误读成全球近一半顶尖研究员都在中国工作，它真正说明的是：顶尖AI人才的“生产地”正在变化，中国教育体系开始成为全球最重要的人才源头之一。过去中国一个明显短板，是人培养出来以后，很多最优秀的人继续去了美国。现在问题正在变成：中国能不能把“培养人才”进一步升级成“使用人才”。只要国内有足够好的实验室、有稳定算力、有产业项目、有长期资金，海外顶尖平台对中国研究人员的吸引力就不会像十年前那么绝对。人才竞争的关键，也就从“谁毕业生更多”转向“谁能让最强的人干最重要的事”。这也是为什么2026年中国AI企业的资本动作值得放在人才问题里观察。9月9日，路透社报道DeepSeek已聘请中信证券筹备境内IPO；9月11日，北京AI企业Z.AI又启动约50亿美元的股票和可转债融资。钱不是人才本身，可顶级研究团队要训练模型、采购算力、招募工程师，没有稳定融资就很难形成长期科研能力。美国现在的资本优势仍然巨大，这一点不能回避。华盛顿依然拥有全球最强的资本动员能力。可资本能迅速堆起服务器，却不能让一个22岁的本科生三年后直接变成世界级算法负责人。更微妙的是，钱越多，对人的需求反而越大。10月3日路透社已经在讨论全球AI基础设施投资能否获得足够回报，预测到2050年全球数据中心支出可能超过30万亿美元。如此巨大的机器投资，如果没有足够优秀的人把算力变成模型、产品和生产率，服务器本身不会创造战略优势。所以中国真正不能犯的错误，是把AI竞争理解成“等国产芯片追上就赢了”。芯片只是门票。模型训练需要算法工程师，芯片需要架构师，机器人需要控制、视觉、材料和机械团队，工业AI又需要懂制造工艺的人。任何一个环节出现人才断层，再大的算力都可能变成低效率消耗。未来竞争会越来越考验一个国家的人才厚度，而不是几个明星团队。斯坦福另一组数据已经很说明这种结构变化。过去十年，美国在高被引新兴技术论文中的份额从14.2%降到8.4%，中国则从11.5%升到20.8%。这不能直接推出谁马上取得技术领先，却意味着知识生产的重心正在移动。一个国家只要长期拥有更多科研人员、更密集的产业问题和足够大的工程群体，技术突破出现在哪里，概率就会慢慢变化。模型排行榜本身反倒越来越像短周期指标。斯坦福《AI Index 2026》显示，截至2026年3月，美国头部模型只领先中国头部模型约2.7%，从2025年初以来双方曾多次交替占据领先位置。今天领先的模型，几个月后完全可能被下一代替代。拿一次跑分判断AI国力，越来越像拿一次战术演习判断一场长期战争。