???雖然，我國搞AI大模型的公司遙遙領先于美國，據(jù)統(tǒng)計有上萬家之多，但這并不能掩蓋我們在AI上落后落后于美國的事實，有專家稱，至少落后兩年，差距還在快速拉大。

雖然，我們國內(nèi)只要一有大模型的發(fā)布會，都愿意對標GPT4，宣稱各種指標秒殺GPT4，但如果真的深度多方位地使用比對過，你就會體會到這些模型跟GPT 的差距，它不是一星半點，其實，這些大模型公司也心知肚明。

尤其是從Sora火爆出場到現(xiàn)在，幾乎沒有能（或敢）與之對標的中國版Sora問世，這更讓人感覺到差距之大。

1 、應用有差距，人工智能要“+場景+行業(yè)”

我們與美國的差距不僅體現(xiàn)在大模型技術成熟度方面，更體現(xiàn)到應用落地上。美國的大模型已經(jīng)有了很廣泛的應用，涉及醫(yī)療、金融、教育、辦公等多個領域。

如在金融領域AI大模型應用上，美國開發(fā)較早，應用趨于成熟。如2023年3月彭博社發(fā)布的專門為金融領域打造的大模型BloombergGPT，已得到深入應用金融領域。再如，微軟基于GPT-4推出的Office 365 Copilot，將傳統(tǒng)的辦公軟件升級成OFFICE+AI，開啟了辦公生產(chǎn)力革命。

而我國大模型在去年開啟了百模爭秀、也有人稱為百模大戰(zhàn)或千模大戰(zhàn)，但是，“爭秀”和“大戰(zhàn)”的結果，并沒有產(chǎn)生什么實際價值。我國基于大模型應用還主要在互聯(lián)網(wǎng)等少數(shù)領域，如寫書作畫等，幾乎沒有什么爆款或殺手級商業(yè)化應用。

為此，如百度的李彥宏、360的周鴻祎等都在不同場合呼吁，大家不要去卷大模型了，應該去卷AI應用，讓大模型發(fā)揮賦能行業(yè)的價值。特斯拉的馬斯克，亞馬遜的貝索斯等也表達過類似的觀點。

也有人判斷，去年是AI大模型元年，今年應該是大模型落地應用之年——大模型卷不動了，該卷應用了！

的確，大模型作為新型的智能生產(chǎn)力工具，只有用起來了，商業(yè)化了，才能實現(xiàn)它的價值。而且，也只有這些有能力把大模型商業(yè)化落地應用的企業(yè)，才能笑到最后。

好消息是，這輪由大模型引發(fā)的AI浪潮，已引起了政府的高度重視。今年兩會政府工作報告提出：要深化人工智能研發(fā)應用，開展“人工智能+”行動?！叭斯ぶ悄?”行動的提出，可以說恰逢其時，將加速推動AI落地應用。

“人工智能+”的提出，讓人聯(lián)想到2015年政府提出的“互聯(lián)網(wǎng)+”。如果說“互聯(lián)網(wǎng)+”加速了各行各業(yè)向互聯(lián)網(wǎng)轉型，那么，“人工智能+”將推動“人工智能+行業(yè)+場景”，加速百行千業(yè)的智能化轉型。

“人工智能+”提出后，各地方已經(jīng)動起來了。

北京市近日印發(fā)的《海淀區(qū)“兩區(qū)”建設深化改革創(chuàng)新實施方案》指出，要以“兩區(qū)”開放平臺賦能中關村人工智能大模型產(chǎn)業(yè)集聚區(qū)發(fā)展，對技術創(chuàng)新性強、應用生態(tài)豐富的大模型，給予相關創(chuàng)新主體最高1000萬元算力補貼，已首批發(fā)布“大模型+接訴即辦”“大模型+教育”“大模型+醫(yī)療”“大模型+醫(yī)?！薄按竽Ｐ?產(chǎn)業(yè)空間”“大模型+辦公應用”“大模型+政務服務”等7個標桿場景。

上海市經(jīng)濟信息化委近日表示，人工智能領域，支持在智能化教育教學、設計創(chuàng)意、自動駕駛、機器人等領域構建示范應用場景，提供更多標桿性大模型產(chǎn)品和服務。

深圳市強調(diào)“打造全域全時場景應用”，推進AI+公共服務、AI+城市治理以及AI+千行百業(yè)的發(fā)展。

如今，“人工智能+”成為國策，政策層面將加碼推動AI與各行各業(yè)、實體經(jīng)濟全面融合，同時，中國擁有龐大的市場和多樣化的應用場景，為AI大模型的商業(yè)化應用提供了廣闊的空間。誰順應了政策大勢，誰率先找到最佳落地場景，開發(fā)了創(chuàng)新應用，誰就能率先享受到人工智能的紅利。

而人工智能要更好地+場景+行業(yè)，賦智百行千業(yè)，還需要在創(chuàng)新、人才和立法等方面加力度。

2 、技術和機制有差距：人工智能要“+創(chuàng)新”

眾所周知，人工智能的應用離不開算力、算法和數(shù)據(jù)三大驅動力，如果說算法是AI的“引擎”，那么數(shù)據(jù)是AI的“燃料”，算力則是AI的“底座”。我們在這三方面，相比美國都有差距，都需要“+創(chuàng)新”。

在算法層面，前面談到了我們在大模型方面相比GPT4和Sora的差距，就體現(xiàn)在算法上的差距。美國在人工智能核心算法和框架方面占據(jù)顯著優(yōu)勢，如TensorFlow、PyTorch等被廣泛應用的人工智能框架都是由美國公司開發(fā)的，當下所有的主流大模型的母體算法Transformer也源于美國。

相比之下，中國在人工智能框架和算法的研發(fā)上雖然取得了一些進展，但整體上仍與美國存在一定的差距，需要加大技術創(chuàng)新力度。

在數(shù)據(jù)層面，美國作為全球最大的數(shù)據(jù)生產(chǎn)國之一，擁有豐富的數(shù)據(jù)資源。美國的大型科技公司掌握著海量用戶數(shù)據(jù)，為人工智能算法的訓練和優(yōu)化提供了充足的數(shù)據(jù)支持。

相比之下，中國的數(shù)據(jù)資源相對較少，數(shù)據(jù)資源開放共享不夠，數(shù)據(jù)確權、交易和跨境流動等存在障礙，還需要建立數(shù)據(jù)開放流通機制，完善數(shù)據(jù)要素產(chǎn)業(yè)生態(tài)。

在算力層面，AI算力的核心是人工智能芯片GPU，被美國的英偉達公司所壟斷。我國在AI芯片方面雖然有所突破，如寒武紀等公司的芯片產(chǎn)品，但在市場占有率、性能優(yōu)化等方面仍有待提高。國產(chǎn)算力仍需要創(chuàng)新提升。

算力大模型時代，我們面臨算力供應跟不上的的挑戰(zhàn)。 由于美國對英偉達的H100、A100等高精度算力實施出口禁令，使得我們大模型的訓練算力跟不上，不僅如此，連精度低一些，用來運行大模型的算力，我們在數(shù)量上也差的很遠。

大力開展“人工智能+”行動，需要從算力、數(shù)據(jù)、模型訓練等方面加速技術和制度層面的創(chuàng)新，才能更快更好推動“人工智能+”落地，發(fā)揮AI賦能價值。

3 、人才有差距：人工智能要“+人才”

人 工智能要發(fā)展，要創(chuàng)新，AI人才是關鍵。 根據(jù)清華大學人工智能發(fā)展報告顯示，美國的高層次人工智能學者數(shù)量遠多于中國，這反映出美國在人工智能人才儲備方面的優(yōu)勢。 同時，美國的大學和研究機構在人工智能領域的教育和培訓方面也具有較高的水平。

中國雖然在近年來加大了對人工智能人才的培養(yǎng)力度，但整體上還需要進一步提高教育質(zhì)量和擴大人才規(guī)模。很認同任正非所說：中國如果缺數(shù)學家，人工智能不可能快速發(fā)展，需要從基礎教育并加大投入。

4 、法規(guī)有差距：人工智能要“+立法”

美國作為人工智能領域的先行者，已經(jīng)較早地認識到了人工智能對法律、倫理和社會的影響，已經(jīng)出臺了一系列針對人工智能的法律法規(guī)，涵蓋了數(shù)據(jù)隱私、算法透明度、人工智能責任等多個方面。 據(jù)悉，在過去一年，美國眾議院和參議院就有170多項法案提及人工智能。

相比之下，我國在人工智能立法方面起步較晚，去年7月份發(fā)布了《生成式人工智能服務管理辦法》，去年10月份發(fā)布了《全球人工智能治理倡議》。然而，我國現(xiàn)有法規(guī)對于人工智能的法律責任、數(shù)據(jù)隱私保護等問題的規(guī)定還不夠詳細和全面，需要進一步加強人工智能立法工作，完善相關法規(guī)體系。