文：王智遠(yuǎn) | ID:Z201440

聽(tīng)到 DeepMind CEO 聊中國(guó) AI，有一句話特別刺耳：中國(guó) AI 毫無(wú)創(chuàng)新，只不過(guò)是跟進(jìn)速度可怕。

這話，聽(tīng)著是不是很熟悉？

前兩年敘事里，這幾乎成了西方對(duì)我們的思維定勢(shì)，他們負(fù)責(zé)「從 0 到 1」的發(fā)明，我們負(fù)責(zé)「從 1 到 100」的內(nèi)卷。

哪怕我們跑得再快，在他們眼里，充其量也就是個(gè)「勤奮的跟隨者」。

說(shuō)實(shí)話，這種論調(diào)過(guò)去我們很難反駁。因?yàn)槟愦蜷_(kāi)任何一個(gè)國(guó)際主流榜單，放眼望去，清一色的美國(guó)產(chǎn)品；比如：OpenAI、Google、Anthropic。但偏見(jiàn)這東西，最怕硬數(shù)據(jù)。

01

今天（12月23日），全球公認(rèn)最難刷榜、最講究「盲測(cè)體驗(yàn)」的大模型競(jìng)技場(chǎng) LMArena ，更新了排名；在眾多美國(guó)模型的重重包圍里，百度文心 ERNIE-5.0-Preview-1203 殺了出來(lái)，以 1451 分拿下了國(guó)內(nèi)第一。

這個(gè)分?jǐn)?shù)意味著什么？

國(guó)際舞臺(tái)上，文心已成為國(guó)產(chǎn) AI 的優(yōu)秀代表，在 LMArena 排名前 10，超過(guò)了 Claude Sonnet4.5、GPT-5.2 等前沿模型，是前 20 里唯一的非美國(guó)模型，打破了美國(guó)壟斷。

當(dāng)唯一的中國(guó)名字出現(xiàn)在榜單前列，當(dāng)我們的 AI 已經(jīng)不再滿足于「跟跑」時(shí)，中美 AI 的這盤(pán)棋，邏輯是不是已經(jīng)變了？

智遠(yuǎn)分析認(rèn)為，跑贏這事兒，不能光靠運(yùn)氣，也不能全靠「堆顯卡」，我特意翻了一下文心 5.0 Preview 背后的技術(shù)文檔，發(fā)現(xiàn)百度在練幾門(mén)很刁鉆的「內(nèi)功」，這也是它能突圍的核心原因。

第一，最核心底座是一個(gè)「原生」的生命體。

注意這個(gè)詞：原生全模態(tài)（Native Omni-modal）；以前很多所謂「多模態(tài)」模型是「拼湊」出來(lái)的，給大模型外掛一個(gè)看圖的眼睛、外掛一個(gè)聽(tīng)聲音的耳朵。

這種后期融合雖然能用，但各感官之間是割裂的；文心 5.0 不一樣。它采用了「原生全模態(tài)統(tǒng)一建?！辜夹g(shù)。

打個(gè)比方：

它像一個(gè)天生具備視、聽(tīng)、說(shuō)能力的生命體；從訓(xùn)練的第一天起，文本、圖像、音頻、視頻就是融合在一起學(xué)習(xí)的。

所以，它能直接理解視頻里的情緒，直接看懂圖片里的邏輯，這種“出廠設(shè)置”級(jí)別的差異，讓它的理解和生成能力，直接上了一個(gè)臺(tái)階。

圖釋：LMArena 最新榜單，文心 5.0 Preview 以 1451 分殺入全球前十，超越 GPT-5.2，成為前 20 名中唯一的非美國(guó)模型。

第二招，是「大塊頭」也有「大智慧」。

文心 5.0 參數(shù)量達(dá)到了驚人的 2.4 萬(wàn)億。這是目前業(yè)界已公開(kāi)參數(shù)模型里的「巨無(wú)霸」。

通常我們認(rèn)為，模型越大越笨重、越燒錢；百度用了一種「超大規(guī)?；旌蠈＜夷Ｐ停∕oE）架構(gòu)」，解決了個(gè)悖論。

簡(jiǎn)單說(shuō)，這 2.4 萬(wàn)億參數(shù)像一個(gè)龐大的專家?guī)?，在處理具體問(wèn)題時(shí)，只激活其中不到 3% 的相關(guān)專家來(lái)干活；在 LMArena 這種拼反應(yīng)、拼邏輯的盲測(cè)里，這種架構(gòu)優(yōu)勢(shì)非常明顯。

第三招，是「思考」與「行動(dòng)」的合體。

文心4.5開(kāi)始就致力于「知行合一」，突破了僅基于思維鏈優(yōu)化的范式，在思考路徑中結(jié)合工具調(diào)用，構(gòu)建了融合思考和行動(dòng)的復(fù)合思維鏈，模型解決問(wèn)題能力得到顯著提升。

同時(shí)，結(jié)合多元統(tǒng)一的獎(jiǎng)勵(lì)機(jī)制，實(shí)現(xiàn)了長(zhǎng)距離思維和行動(dòng)鏈的端到端優(yōu)化，顯著提升了跨領(lǐng)域問(wèn)題解決能力。

所以，不能把它簡(jiǎn)單歸納為彎道超車。

從「拼接」走向「原生」，從「堆參數(shù)」走向「MoE」，從「單點(diǎn)問(wèn)答」走向「智能體思考」，這 1451 分的背后，是技術(shù)路線的質(zhì)變。

當(dāng)不再盲目堆算力，開(kāi)始在架構(gòu)、思考能力上找突破口時(shí)，打贏 GPT-5.2，也就不是什么不可思議的事了。

不可思議，不是我隨意能說(shuō)了算。畢竟，刷榜這事兒，中國(guó)不愛(ài)干，干了也沒(méi)用，能把技術(shù)用到應(yīng)用中，才是真本事。

DeepMind 覺(jué)得中國(guó) AI 缺乏創(chuàng)新，理由是我們太熱衷于「應(yīng)用」，但智遠(yuǎn)看來(lái)，這恰恰是中西方視角的錯(cuò)位。

硅谷創(chuàng)新往往在實(shí)驗(yàn)室的白板上，追求算法“從 0 到 1”；而中國(guó)創(chuàng)新，長(zhǎng)在泥土里，長(zhǎng)在車間里，長(zhǎng)在代碼行里，追求產(chǎn)業(yè)的“從 1 到 100”。

我認(rèn)為，反駁「無(wú)創(chuàng)新論」最有力的武器，是看能不能解決美國(guó) AI 根本沒(méi)碰到過(guò)、甚至想象不到的復(fù)雜難題。比如說(shuō)：在大國(guó)重器里，解決「物理世界」的硬傷。

02

來(lái)看看文心大模型在各行各業(yè)的應(yīng)用：

中車集團(tuán)聽(tīng)說(shuō)過(guò)嗎？造高鐵的那個(gè)。以前做高鐵的氣動(dòng)外形設(shè)計(jì)，那是純物理活兒，更是個(gè)「苦力活」。

因?yàn)榭諝饪床灰?jiàn)摸不著的，設(shè)計(jì)師設(shè)計(jì)一個(gè)車頭，好不好用，必須得扔進(jìn)風(fēng)洞實(shí)驗(yàn)室里吹。

跑一次數(shù)據(jù)，涉及海量的流體力學(xué)計(jì)算，可能要耗時(shí)好幾個(gè)月，而且風(fēng)洞實(shí)驗(yàn)的成本極高，可以說(shuō)是“燒錢又燒時(shí)間”。

現(xiàn)在呢？一切變了。

他們把文心大模型用在了空氣動(dòng)力學(xué)仿真上?；诎俣蕊w槳的科學(xué)計(jì)算能力，大模型學(xué)習(xí)了海量的歷史實(shí)驗(yàn)數(shù)據(jù)，它已經(jīng)「懂」了風(fēng)的規(guī)律。

有了這個(gè)「外掛」，過(guò)去幾個(gè)月的實(shí)驗(yàn)周期，現(xiàn)在最快幾分鐘就能算出結(jié)果。設(shè)計(jì)師有一個(gè)新想法，立刻就能跑出數(shù)據(jù)驗(yàn)證，創(chuàng)新的迭代速度快了成百上千倍。

更科幻的是，他們還搞了個(gè)「虛擬傳感器」。

這又是什么黑科技呢？這么說(shuō)吧，高鐵上有很多精密部件沒(méi)法安裝實(shí)體傳感器的（比如空間太小，或者環(huán)境太惡劣）。

以前這些地方出了問(wèn)題，只能靠猜或者靠檢修。但現(xiàn)在，利用大模型強(qiáng)大的推演能力，能憑現(xiàn)有的電流、電壓等外圍數(shù)據(jù)，AI 就能在虛擬世界里“推算”出核心部件的實(shí)時(shí)狀態(tài)。

這好比給列車裝了一雙透視的“天眼”，把故障檢測(cè)的準(zhǔn)確率硬生生在現(xiàn)有傳感器檢測(cè)的基礎(chǔ)上再提升了 10%；這 10%，關(guān)乎中國(guó)高鐵的安全，關(guān)乎的是億萬(wàn)乘客的生命。

再比如：國(guó)家電網(wǎng)。以前巡檢電塔，那是工人拿命去爬，風(fēng)吹日曬?，F(xiàn)在靠無(wú)人機(jī) + 大模型，一年巡檢 500 萬(wàn)基桿塔，人工登塔次數(shù)直接減少了 40% 。

這種把 AI 塞進(jìn)高鐵和電網(wǎng)里，解決物理世界硬傷的能力，DeepMind 見(jiàn)過(guò)嗎？

如果說(shuō)工業(yè)是「硬度」，那代碼就是「速度」；我們都知道 AI 能寫(xiě)代碼，但能不能進(jìn)核心業(yè)務(wù)流？順豐科技給了一個(gè)很嚇人的答案 。

大家可能不知道順豐的業(yè)務(wù)系統(tǒng)有多復(fù)雜。它不僅有物流地圖，還有運(yùn)單流轉(zhuǎn)、倉(cāng)儲(chǔ)管理......

這些系統(tǒng)里，沉淀海量的、只有順豐人懂的「私有知識(shí)」。普通通用大模型，你問(wèn)它“如何優(yōu)化運(yùn)單路由”，它只能給你講一堆正確的廢話。

但順豐用的文心快碼（Baidu Comate），走了一條不同的路。

它通過(guò) RAG（檢索增強(qiáng)生成） 技術(shù)，像外掛硬盤(pán)一樣，無(wú)縫接入了順豐內(nèi)部龐大的私域代碼庫(kù)和文檔庫(kù)；當(dāng)程序員敲下一行代碼時(shí)，AI不用瞎猜了。

直接在順豐沉淀了十幾年的技術(shù)資產(chǎn)里瞬間檢索，找到最匹配的邏輯，生成代碼。效果怎么樣呢？現(xiàn)在順豐全公司，日均 20% 的代碼是由 AI 生成的 。

相當(dāng)于每五個(gè)字代碼里，就有一個(gè)是 AI 寫(xiě)的。解放了順豐 1000 多名開(kāi)發(fā)者的生產(chǎn)力，讓他們從枯燥的「搬磚」中解脫出來(lái)，去思考更復(fù)雜的物流算法 ；這是實(shí)打?qū)嵉男沦|(zhì)生產(chǎn)力。不炫技，在給企業(yè)省錢、增效。

03

智遠(yuǎn)再說(shuō)一個(gè)應(yīng)用場(chǎng)景最稀缺的例子：社會(huì)治理。

在美國(guó)，AI 處理標(biāo)準(zhǔn)英語(yǔ)也許很容易。但在中國(guó)，處理老百姓夾雜著方言、情緒激動(dòng)、邏輯混亂的投訴，是對(duì) AI 理解力的極致考驗(yàn)。

北京市海淀區(qū)的「接訴即辦」系統(tǒng)，每月受理量十幾萬(wàn)，以前靠人工聽(tīng)錄音、打標(biāo)簽，根本搞不過(guò)來(lái)。

因?yàn)閿?shù)據(jù)量太大了，而且是非結(jié)構(gòu)化的?，F(xiàn)在接入文心大模型后，它不僅能更懂人性，還能從一堆嘮叨里精準(zhǔn)提取訴求，自動(dòng)分類填單 。

數(shù)據(jù)反差極其強(qiáng)烈：

以前做簡(jiǎn)單指標(biāo)統(tǒng)計(jì)要 3 天，現(xiàn)在只要 1 分鐘；畫(huà)個(gè)圖表以前要 5 天，現(xiàn)在 30 分鐘搞定；這是給龐大的城市治理裝上了一個(gè)實(shí)時(shí)思考的“大腦”，讓管理者能聽(tīng)懂每一句人間煙火。

最后，如果非要說(shuō)我們不懂基礎(chǔ)科學(xué)，那就去上海交大看看。

傳統(tǒng)科學(xué)實(shí)驗(yàn)，其實(shí)很笨。就像愛(ài)迪生試燈絲一樣，要在實(shí)驗(yàn)室里進(jìn)行成千上萬(wàn)次的重復(fù)試錯(cuò)，耗時(shí)耗力 。

上海交大基于文心大模型搞了個(gè) AI for Science 平臺(tái) ?，F(xiàn)在，只要輸入分子 SMILES 序列，5 秒鐘之內(nèi)就能檢索出反應(yīng)過(guò)程、反應(yīng)條件和相關(guān)文獻(xiàn) 。

這個(gè)成果，直接登上了 Nature Computational Science 的封面 。

Nature Computational Science是什么？不懂行的認(rèn)為這只是一篇論文，但在學(xué)術(shù)圈，這本《自然》旗下的頂級(jí)子刊，代表著「計(jì)算+科學(xué)」交叉領(lǐng)域的最高門(mén)檻。

能上封面，意味著中國(guó) AI除了做應(yīng)用，還能定義基礎(chǔ)科學(xué)的未來(lái)范式。

所以，當(dāng)看到 AI 開(kāi)始指導(dǎo)化學(xué)反應(yīng)，開(kāi)始設(shè)計(jì)高鐵外形，開(kāi)始聽(tīng)懂老百姓方言，開(kāi)始替程序員寫(xiě)兩成的代碼時(shí)，還會(huì)覺(jué)得中國(guó)是跟隨者嗎？

04

最后，智遠(yuǎn)想說(shuō)一個(gè)細(xì)思極恐的細(xì)節(jié)。關(guān)注 LMArena 的朋友會(huì)知道，哪怕你看到了它排在國(guó)內(nèi)第一、全球前十，別忘了，它的名字后綴里還掛著一個(gè)詞：Preview（預(yù)覽版）。

什么意思？

也就說(shuō)，打敗GPT-5.2、把不少美國(guó)模型甩在身后的「文心 5.0」，還是一個(gè)「未完全體」；這就像武林高手過(guò)招，對(duì)方還沒(méi)拔劍，只是試探性地出了一掌。

智遠(yuǎn)看到榜單后，問(wèn)了下熟悉的人，他們說(shuō)：文心大模型 5.0 正式版，大概率會(huì)在 1 月份正式上線。

試想一下，一個(gè) Preview 版本已經(jīng)能在競(jìng)技場(chǎng)里撕開(kāi)鐵幕，那經(jīng)過(guò)一個(gè)月打磨后的正式版，又會(huì)拿出什么樣的性能呢？

如果只盯著分?jǐn)?shù)，可能又看走眼了，因?yàn)楝F(xiàn)在大模型上榜大家關(guān)注少了，智遠(yuǎn)覺(jué)得，這事兒還有更深的一層意味。我們不僅要問(wèn)文心 5.0 還能得多少分，更要問(wèn)一個(gè)終極問(wèn)題：

當(dāng)技術(shù)代差被抹平之后，中美 AI 的終局競(jìng)爭(zhēng)到底拼什么？拼誰(shuí)的模型多 10 分？還是拼誰(shuí)的參數(shù)大一倍？都不是。

拼誰(shuí)能把技術(shù)變成像水和電一樣，流進(jìn)每一個(gè)普通人的生活里。

這也是智遠(yuǎn)認(rèn)為，百度在模型上下功夫的地方；它不僅自己在進(jìn)化，它還帶著整個(gè)生態(tài)在進(jìn)化；以后要把它用到AI搜索里、百度文庫(kù)網(wǎng)盤(pán)里、以及企業(yè)服務(wù)場(chǎng)景里，豈不是成了降本提效的「日用品」？

所以，當(dāng) DeepMind 還在嘲笑我們「應(yīng)用快」的時(shí)候，他們可能沒(méi)意識(shí)到：應(yīng)用，本身就是一種巨大的技術(shù)壁壘。

因?yàn)閼?yīng)用會(huì)產(chǎn)生數(shù)據(jù)，數(shù)據(jù)會(huì)反哺模型，模型進(jìn)化了又帶來(lái)更好的應(yīng)用；這是一個(gè)正向滾動(dòng)的雪球。 而文心模型，是在雪球的中心。

所以，回到DeepMind 那句傲慢的評(píng)判。

當(dāng)中國(guó)名字出現(xiàn)在榜單前列，當(dāng)我們的 AI 深入到高鐵與政務(wù)的毛細(xì)血管，當(dāng)“預(yù)覽版”能同臺(tái)競(jìng)技時(shí)，不管硅谷還是 DeepMind，或許都該換一副眼鏡看中國(guó) AI 了。

承認(rèn)別人的優(yōu)秀，并不丟人。

在這個(gè)時(shí)代，創(chuàng)新沒(méi)有時(shí)間限制，沒(méi)有壟斷權(quán)；它可以發(fā)生在加州的實(shí)驗(yàn)室里，也可以發(fā)生在中國(guó)的高鐵車間里。

中美 AI 的故事，是「雙強(qiáng)并峙，各登山頂」。這，才是 AI 賽場(chǎng)上的真相。我也比較期待啥時(shí)候上線正式版。