夜深時(shí)，有時(shí)會(huì)有人突然發(fā)問：中國的AI是不是快趕上美國了？看起來，國產(chǎn)大模型熱火朝天，數(shù)據(jù)、專利、應(yīng)用層面都不缺亮點(diǎn)�？梢禽^起真賬，那就像桌面上堆滿籌碼、唯獨(dú)沒有底牌那種心虛。梁文鋒說得直白，如果只是靠模仿和優(yōu)化去推新，技術(shù)成本再省，核心創(chuàng)新還是離原點(diǎn)遠(yuǎn)。ChatGPT-4o燒掉了7800萬美元訓(xùn)練成本，而國內(nèi)旗艦DeepSeek-V3不過花了557萬美元，這成本能省是好事，卻也像用羅盤去追火箭。美國新模型早在跨模態(tài)、通用智能領(lǐng)域下重注，中國主流廠牌還在Transformer這架老骨架上做局部修修補(bǔ)補(bǔ)。

類似困境，芯片斷供那一刻再明顯不過。2025年年初，英偉達(dá)在CES亮出“物理AI的ChatGPT時(shí)刻已到”，全棧平臺(tái)、自動(dòng)駕駛AI開源合作奔馳并規(guī)劃量產(chǎn)落地。對比國內(nèi)，高端GPU進(jìn)口年增62%，卻仍不到5%的自主供給率，美方出臺(tái)的“全面禁運(yùn)”，連模型權(quán)重都不給碰，短板被卡得又深又痛。再往開源生態(tài)里瞧，百度當(dāng)年推出PaddlePaddle，但貢獻(xiàn)者數(shù)量在Github上被TensorFlow和Pytorch遠(yuǎn)遠(yuǎn)甩開。京東、美團(tuán)以及多數(shù)中小AI公司，都還在依賴美國的主流框架，仿佛買車就只能挑世界頭部品牌，小眾貨自己也沒有多少維護(hù)保障。

專利榜單上中國風(fēng)頭不算弱，2025年全球生成式AI專利中國占了70%。年增速高達(dá)50%，騰訊、百度屢登全球十強(qiáng)。但同樣，專利集中在應(yīng)用層，比如AI更懂中文或者行業(yè)適配這些“術(shù)層”創(chuàng)新，深度算法和芯片架構(gòu)之類定義行業(yè)規(guī)則的硬通貨還是美國一家獨(dú)大。2025年二季度，美國Mag 7公司AI相關(guān)資本支出接近1000億美元，中國核心領(lǐng)域政府投入折算美元230億美元，頭部企業(yè)最高年度研發(fā)不到50億美元，這數(shù)字還不到英特爾一家的六成，基礎(chǔ)研究的真金白銀投得遠(yuǎn)遠(yuǎn)不夠。

有人慣性樂觀，說中國速度快，落地能力強(qiáng)。確實(shí)，2025年國內(nèi)L2級(jí)自動(dòng)駕駛滲透率飆至50%以上；小鵬的VLA在復(fù)雜路況博弈里表現(xiàn)可圈可點(diǎn)；工業(yè)視覺與醫(yī)療AI市場普及率都不低。但這些優(yōu)勢建立在外部技術(shù)底座上，就像在別人造的輪子上裝飾花環(huán)。特斯拉FSD V14早已能重構(gòu)路面，自主AI物理理解能力無可比擬；英偉達(dá)把物理AI延展到機(jī)器人和工業(yè)制造，直接構(gòu)建出百萬億美元的產(chǎn)業(yè)生態(tài)；國內(nèi)不少團(tuán)隊(duì)還在擔(dān)心哪天開源框架會(huì)被斷供。

再看看人才流動(dòng)。過去兩年，美國深化“虹吸效應(yīng)”，全球頂尖AI人才被吸過去，回頭中國基礎(chǔ)架構(gòu)和原始算法領(lǐng)域留不下多少核心大牛。高校原創(chuàng)成果著急變現(xiàn)難，缺乏企業(yè)深度合作，易被束之高閣。而美國實(shí)驗(yàn)室新技術(shù)很快就被企業(yè)落地，兩三年成行業(yè)新標(biāo)桿。即便中國在醫(yī)療、金融、工業(yè)應(yīng)用上數(shù)據(jù)訓(xùn)練和迭代很快，但離原創(chuàng)突破仍有距離。前幾年印度在AI基礎(chǔ)算法上也有突圍嘗試，不過受限于人才儲(chǔ)備和硬件生態(tài)，終究沒能成為規(guī)則制定者。

一味追求規(guī)模和效率，忽視了基礎(chǔ)創(chuàng)新的積累，快錢和短平快項(xiàng)目叫好卻難長久。獨(dú)立原創(chuàng)做基礎(chǔ)研究面臨資金和人力的雙重壓力，與其在應(yīng)用層“刷存在感”倒不如啃下底層技術(shù)的硬骨頭。哪天外部平臺(tái)不再開放，中國AI行業(yè)就得重新思考如何利用有限資源內(nèi)生突破。未來，只有不斷打破自我認(rèn)知，將真金白銀投入到底層架構(gòu)和基礎(chǔ)算法的創(chuàng)新，才能讓中國AI從模仿者變成規(guī)則制定者。

夜深時(shí)，有時(shí)會(huì)有人突然發(fā)問：中國的AI是不是快趕上美國了？看起來，國產(chǎn)大模型熱火朝天，數(shù)據(jù)、專利、應(yīng)用層面都不缺亮點(diǎn)。可要是較起真賬，那就像桌面上堆滿籌碼、唯獨(dú)沒有底牌那種心虛。梁文鋒說得直白，如果只是靠模仿和優(yōu)化去推新，技術(shù)成本再省，核心創(chuàng)新還是離原點(diǎn)遠(yuǎn)。ChatGPT-4o燒掉了7800萬美元訓(xùn)練成本，而國內(nèi)旗艦DeepSeek-V3不過花了557萬美元，這成本能省是好事，卻也像用羅盤去追火箭。美國新模型早在跨模態(tài)、通用智能領(lǐng)域下重注，中國主流廠牌還在Transformer這架老骨架上做局部修修補(bǔ)補(bǔ)。

類似困境，芯片斷供那一刻再明顯不過。2025年年初，英偉達(dá)在CES亮出“物理AI的ChatGPT時(shí)刻已到”，全棧平臺(tái)、自動(dòng)駕駛AI開源合作奔馳并規(guī)劃量產(chǎn)落地。對比國內(nèi)，高端GPU進(jìn)口年增62%，卻仍不到5%的自主供給率，美方出臺(tái)的“全面禁運(yùn)”，連模型權(quán)重都不給碰，短板被卡得又深又痛。再往開源生態(tài)里瞧，百度當(dāng)年推出PaddlePaddle，但貢獻(xiàn)者數(shù)量在Github上被TensorFlow和Pytorch遠(yuǎn)遠(yuǎn)甩開。京東、美團(tuán)以及多數(shù)中小AI公司，都還在依賴美國的主流框架，仿佛買車就只能挑世界頭部品牌，小眾貨自己也沒有多少維護(hù)保障。

專利榜單上中國風(fēng)頭不算弱，2025年全球生成式AI專利中國占了70%。年增速高達(dá)50%，騰訊、百度屢登全球十強(qiáng)。但同樣，專利集中在應(yīng)用層，比如AI更懂中文或者行業(yè)適配這些“術(shù)層”創(chuàng)新，深度算法和芯片架構(gòu)之類定義行業(yè)規(guī)則的硬通貨還是美國一家獨(dú)大。2025年二季度，美國Mag 7公司AI相關(guān)資本支出接近1000億美元，中國核心領(lǐng)域政府投入折算美元230億美元，頭部企業(yè)最高年度研發(fā)不到50億美元，這數(shù)字還不到英特爾一家的六成，基礎(chǔ)研究的真金白銀投得遠(yuǎn)遠(yuǎn)不夠。

有人慣性樂觀，說中國速度快，落地能力強(qiáng)。確實(shí)，2025年國內(nèi)L2級(jí)自動(dòng)駕駛滲透率飆至50%以上；小鵬的VLA在復(fù)雜路況博弈里表現(xiàn)可圈可點(diǎn)；工業(yè)視覺與醫(yī)療AI市場普及率都不低。但這些優(yōu)勢建立在外部技術(shù)底座上，就像在別人造的輪子上裝飾花環(huán)。特斯拉FSD V14早已能重構(gòu)路面，自主AI物理理解能力無可比擬；英偉達(dá)把物理AI延展到機(jī)器人和工業(yè)制造，直接構(gòu)建出百萬億美元的產(chǎn)業(yè)生態(tài)；國內(nèi)不少團(tuán)隊(duì)還在擔(dān)心哪天開源框架會(huì)被斷供。

再看看人才流動(dòng)。過去兩年，美國深化“虹吸效應(yīng)”，全球頂尖AI人才被吸過去，回頭中國基礎(chǔ)架構(gòu)和原始算法領(lǐng)域留不下多少核心大牛。高校原創(chuàng)成果著急變現(xiàn)難，缺乏企業(yè)深度合作，易被束之高閣。而美國實(shí)驗(yàn)室新技術(shù)很快就被企業(yè)落地，兩三年成行業(yè)新標(biāo)桿。即便中國在醫(yī)療、金融、工業(yè)應(yīng)用上數(shù)據(jù)訓(xùn)練和迭代很快，但離原創(chuàng)突破仍有距離。前幾年印度在AI基礎(chǔ)算法上也有突圍嘗試，不過受限于人才儲(chǔ)備和硬件生態(tài)，終究沒能成為規(guī)則制定者。

一味追求規(guī)模和效率，忽視了基礎(chǔ)創(chuàng)新的積累，快錢和短平快項(xiàng)目叫好卻難長久。獨(dú)立原創(chuàng)做基礎(chǔ)研究面臨資金和人力的雙重壓力，與其在應(yīng)用層“刷存在感”倒不如啃下底層技術(shù)的硬骨頭。哪天外部平臺(tái)不再開放，中國AI行業(yè)就得重新思考如何利用有限資源內(nèi)生突破。未來，只有不斷打破自我認(rèn)知，將真金白銀投入到底層架構(gòu)和基礎(chǔ)算法的創(chuàng)新，才能讓中國AI從模仿者變成規(guī)則制定者。