中美AI的差距到底有多大？上周在清華舉辦的一場(chǎng)內(nèi)部研討會(huì)上，國(guó)內(nèi)一些核心AI參與者給出了明顯不同于公開(kāi)輿論場(chǎng)的判斷。

過(guò)去一年來(lái)，國(guó)內(nèi)大模型追得很快、差距只剩半年的聲音，頻繁出現(xiàn)在行業(yè)討論與公眾輿論中。從榜單、跑分、Demo 演示來(lái)看，似乎構(gòu)成了一套高度可見(jiàn)的比較體系，也在無(wú)形中影響著大家對(duì)中美 AI 實(shí)力的整體認(rèn)知。

但這場(chǎng)聚集了國(guó)內(nèi)大模型全明星陣容的討論，顯然給出了更接近真實(shí)情況的判斷。從參會(huì)嘉賓的組成，大家就能感受到這個(gè)判斷的分量：智譜唐杰、Kimi楊植麟、阿里林俊旸，還有回國(guó)后首次公開(kāi)亮相的姚順雨。

這不是一場(chǎng)商業(yè)峰會(huì)，而是定位于高規(guī)格的學(xué)術(shù)交流，所以大家在相對(duì)封閉、坦誠(chéng)的語(yǔ)境里，更能直視中美AI的真實(shí)差距：我們現(xiàn)實(shí)中看到的中美差距，可能只是“卷面分?jǐn)?shù)”，而真實(shí)的差距恰恰隱藏在榜單數(shù)據(jù)背后。

一、為什么說(shuō)這場(chǎng)討論“有分量”

關(guān)于中美AI的差距，可以說(shuō)是一個(gè)非常有分歧的話題，為什么這場(chǎng)會(huì)上的觀點(diǎn)更有分量。從會(huì)議的組織和參與方來(lái)看，這是由清華大學(xué)基礎(chǔ)模型北京市重點(diǎn)實(shí)驗(yàn)室發(fā)起，面向未來(lái)的AGI-Next前沿峰會(huì)，來(lái)參會(huì)的要么是創(chuàng)始人、要么是技術(shù)大拿，以及長(zhǎng)期處在一線的學(xué)界研究者。

參會(huì)者的分享，也不是普通意義上的PR自家的產(chǎn)品或技術(shù)，而是真真實(shí)實(shí)的聚焦在技術(shù)和前沿趨勢(shì)的討論上。前面的分享環(huán)節(jié)，智譜唐杰、Kimi楊植麟、阿里林俊旸分別分享了過(guò)去一年，在大模型上的探索以及對(duì)未來(lái)的展望。

而在隨后的圓桌環(huán)節(jié)，三位來(lái)自一線的唐杰、林俊旸、姚順雨和來(lái)自學(xué)界的楊強(qiáng)，才真正把“中美 AI 差距”這個(gè)話題推向了它應(yīng)有的深度。如果說(shuō)前面的主題分享，更像是在系統(tǒng)性展示各家在模型、Agent、多模態(tài)等方向上的階段性判斷，那么圓桌討論的價(jià)值，則在于這些判斷開(kāi)始彼此對(duì)照、相互校驗(yàn)。

討論不再停留在“我們做了什么”，而是自然滑向了“為什么我們會(huì)走到這里”“哪些地方已經(jīng)出現(xiàn)結(jié)構(gòu)性分叉”。這種討論方式，在公開(kāi)場(chǎng)合并不多見(jiàn)。尤其值得注意的是，這幾位來(lái)自一線的嘉賓在公司內(nèi)部，都是對(duì)技術(shù)路徑、組織選擇和長(zhǎng)期投入結(jié)果承擔(dān)責(zé)任的人。所以他們關(guān)于中美差距的判斷，不再是情緒化的“追上了 / 被甩開(kāi)了”結(jié)果式判斷，而是不斷回到一些更底層的問(wèn)題上：什么樣的智能才算真正有價(jià)值？什么樣的能力差距會(huì)在未來(lái)被放大？

正是在這種多重視角的交叉中，中美 AI 差距的問(wèn)題，開(kāi)始顯露出它真正復(fù)雜的一面。它不再只是“模型能力對(duì)齊到哪一步”，而是涉及資本耐心、真實(shí)場(chǎng)景密度等一整套系統(tǒng)性條件。

二、領(lǐng)先概率只有 20%

論壇上，林俊旸給出的一個(gè)數(shù)字，在會(huì)后被媒體反復(fù)提及：未來(lái)三年，中國(guó)大模型處于領(lǐng)先位置的概率，只有20%。這句話之所以引發(fā)關(guān)注，是因?yàn)樗c過(guò)去一年輿論場(chǎng)中不斷強(qiáng)化的樂(lè)觀預(yù)期形成了強(qiáng)烈反差。

需要強(qiáng)調(diào)的是，這并不是一個(gè)針對(duì)單項(xiàng)能力的判斷。無(wú)論是在代碼能力、Agent、還是部分評(píng)測(cè)榜單上，中國(guó)模型都已經(jīng)非常接近，甚至在某些維度上實(shí)現(xiàn)了階段性超越。林俊旸的判斷，更像是一種系統(tǒng)級(jí)概率評(píng)估：在模型能力、算力投入、資本耐心、真實(shí)使用生態(tài)同時(shí)拉開(kāi)時(shí)間維度后，領(lǐng)先只是一個(gè)小概率事件。

在討論中，OpenAI多次被作為隱性參照對(duì)象出現(xiàn)。并不是因?yàn)樗谀骋粋€(gè)榜單上分?jǐn)?shù)更高，而是因?yàn)樗诙鄠€(gè)關(guān)鍵維度上，形成了高度耦合的正反饋結(jié)構(gòu)：強(qiáng)模型 → 高付費(fèi)意愿 → 更大規(guī)模的算力投入→ 更長(zhǎng)時(shí)間的前沿探索。

與之相比，中國(guó)大模型在開(kāi)源領(lǐng)域“看起來(lái)很亮眼”，但正如唐杰所反復(fù)提醒的那樣，真正決定前沿走向的能力，往往集中在閉源體系之中。而閉源模型所依賴的，不只是技術(shù)判斷本身，還包括長(zhǎng)期資本、穩(wěn)定現(xiàn)金流，以及一個(gè)愿意為“最強(qiáng)能力”持續(xù)付費(fèi)的市場(chǎng)環(huán)境。

這也是為什么，“領(lǐng)先概率只有 20%”這句話，并不是在否定努力，而是在戳破一種常見(jiàn)的誤解：榜單上的接近，并不等同于整體競(jìng)爭(zhēng)態(tài)勢(shì)的對(duì)等。

三、差距從何而來(lái)

如果把論壇上的零散觀點(diǎn)重新梳理，會(huì)發(fā)現(xiàn)一個(gè)高度一致的結(jié)論：中美AI的差距，并非來(lái)自某一個(gè)技術(shù)點(diǎn)，而是一整套系統(tǒng)性差異的疊加。

1、投資與基礎(chǔ)設(shè)施

從表面看，中美都在建設(shè)數(shù)據(jù)中心、采購(gòu)算力、訓(xùn)練模型；但真正的差異在于資本規(guī)模與“耐心”。美國(guó)擁有更成熟的耐心資本體系，以及更健康的云服務(wù)付費(fèi)環(huán)境。云計(jì)算的高付費(fèi)率，使模型公司能夠通過(guò)持續(xù)商業(yè)化獲得“回血能力”，從而支撐長(zhǎng)期、非線性的技術(shù)投入。

相比之下，國(guó)內(nèi)云生態(tài)的付費(fèi)能力偏弱，決定了模型公司在商業(yè)化尚未成熟之前，很難承受長(zhǎng)期高強(qiáng)度投入。這不是短期問(wèn)題，而是一種結(jié)構(gòu)性約束。

2、算力現(xiàn)實(shí)

“美國(guó)是富人在搞大模型，中國(guó)是窮人在搞大模型。”這句話在論壇現(xiàn)場(chǎng)引發(fā)了不小的共鳴。大模型并不是一次性投入的工程，而是高度依賴長(zhǎng)期、穩(wěn)定、冗余算力的產(chǎn)業(yè)。即便是國(guó)內(nèi)頭部公司，在算力采購(gòu)與持續(xù)訓(xùn)練上的自由度，依然受限。

算力不足并不意味著“做不出來(lái)”，但意味著每一次嘗試都更謹(jǐn)慎、更功利，也更難承擔(dān)失敗成本。

3、創(chuàng)業(yè)文化與路徑選擇

路徑選擇的差異，同樣深刻影響著技術(shù)邊界。

美國(guó)更鼓勵(lì) 0 → 1 的高風(fēng)險(xiǎn)探索，即便成功率極低，也愿意為可能的范式突破持續(xù)下注；國(guó)內(nèi)創(chuàng)業(yè)環(huán)境則更偏好已被驗(yàn)證的路徑，在明確需求與回報(bào)的前提下快速推進(jìn)。

結(jié)果是在被驗(yàn)證領(lǐng)域進(jìn)展更快，但前沿探索的深度與廣度不足。

四、真正的差距在前沿布局

論壇中最有啟發(fā)性的部分，恰恰不在于當(dāng)下能力的對(duì)比，而在于對(duì)“時(shí)間”的重新理解。

以芯片為例，從架構(gòu)設(shè)計(jì)到流片，再到真正落地應(yīng)用，往往需要至少三年時(shí)間。這意味著：今天我們看到的算力與模型能力，本質(zhì)上是三年前戰(zhàn)略判斷的結(jié)果。

類似的邏輯同樣適用于大模型。當(dāng)前被廣泛討論的“長(zhǎng)期記憶”“復(fù)雜推理”等方向，并非突然出現(xiàn)。事實(shí)上，OpenAI 在三年前就已經(jīng)圍繞這些能力進(jìn)行系統(tǒng)性布局。

由此引出一個(gè)關(guān)鍵命題：我們看到的差距，是已經(jīng)顯現(xiàn)的差距；真正決定勝負(fù)的，是尚未顯現(xiàn)的差距。

為了幫大家理解這種差距，我們或許可以參照日常生活中一個(gè)極具解釋力的隱喻：85分vs 100分。你考85分，代表的是能力上限；而學(xué)霸考 100 分，往往只是卷面上限。

真正的差距不在分?jǐn)?shù)，而在于知識(shí)結(jié)構(gòu)是否完整；知識(shí)密度是否足夠高；能否持續(xù)擴(kuò)展新的能力邊界。中美 AI 的差距，本質(zhì)上更接近后者。中美的AI競(jìng)賽是一場(chǎng)涵蓋了：芯片、資本、生態(tài)、人才、教育、創(chuàng)業(yè)文化的全棧式競(jìng)賽。

前者容易被量化，也最容易被討論；后者決定長(zhǎng)期走向，卻往往被忽視。

當(dāng)然，討論中美AI差距，并不要唱衰中國(guó)AI。從現(xiàn)場(chǎng)的討論中，大家也一致認(rèn)可，中國(guó)AI在工程化能力、大規(guī)模落地、復(fù)雜場(chǎng)景適配方面，依然擁有確定性優(yōu)勢(shì)。

但共識(shí)同樣清晰：AI 是工業(yè)革命級(jí)別的長(zhǎng)期競(jìng)賽，而不是三年窗口期的沖刺。真正需要警惕的，也許并不是差距本身，而是我們不能用錯(cuò)誤的尺度，討論一個(gè)長(zhǎng)期問(wèn)題。

如果說(shuō)過(guò)去幾年，我們更多是在追趕“已經(jīng)看得見(jiàn)的能力”，那么這樣的討論至少在提醒我們：下一步該為“還看不見(jiàn)的能力”提前下注了。