戳破中美AI差距真相！记者提问中美 AI 差距到底有多大？”梁文锋毫不避讳、一针见血地表示，表面上中国 AI 与美国可能仅有一两年的技术代差，但真实的差距是原创和模仿之差。如果这个差距不改变，中国永远只能是追随者，所以有些探索是逃不掉的。 这番话没有丝毫委婉，却道出了很多人不愿正视的现实，这些年咱们在AI领域的发展速度有目共睹，不管是大模型数量还是应用场景丰富度，都拿出了不错的成绩。 可热闹背后藏着一个核心问题，很多时候咱们还是在走别人铺好的路，没真正走出自己的原创赛道。 现在AI领域最核心的基础理论，全是美国研究机构或科技公司率先提出的。 就像让大语言模型能读懂、说准人类语言的Transformer架构，还有能生成逼真图片的Diffusion模型，都是人家搭建的核心框架。 咱们后续做的很多工作，更像是在别人建好的房子里搞装修，装修再精致、再贴合需求，房子的根基和框架还是别人的，主动权始终不在自己手里。 这种原创力的差距，在科研领域体现得格外明显，有数据显示，全球引用率最高的10项AGI相关研究成果里，美国占了4项，咱们只占1项。 学术影响力的差距直接反映了基础研究的话语权，人家是制定规则的一方，咱们很多时候还得遵守别人定下的标准。 更直观的对比在科研论文和专利数据上，根据相关报告，咱们的AI科研论文总量已经冲到全球第一，近10年增长率高达696%，2024年单年发表量就有13.3万篇，远超美国的36.8万篇总量和390%增长率。 专利数量上咱们也占优，以52.96万件位居全球首位，美国以46.57万件紧随其后，可数量的优势掩盖不了质量的差距。 咱们的AI专利虽然多，但能在国内授权后再获得其他国家认可的比例只有4%，而美国这个比例高达32%。 这意味着咱们的创新成果在国际上的认可度还远远不够，很多专利只能在国内发挥作用，难以形成全球竞争力，研究方向上也有短板，咱们在医学相关领域、自动化控制系统等AI研究的占比，明显落后于美国。 核心技术被卡脖子的问题更现实，现在训练顶级大模型，还离不开美国英伟达的H100芯片。 人家围绕这款芯片已经搭建起成熟的开发者生态，不管是常用的训练框架还是各类软件工具，都和这个生态深度绑定，咱们不是没有国产芯片，像华为昇腾这样的产品已经能缓解部分压力，但想全面替代进口芯片没那么容易。 这就像咱们有了不错的汽车底盘，却没有匹配的核心发动机，就算硬把国产芯片凑上去用，配套的软件、工具和技术支持都得从零开始搭建。 开发者早就习惯了现有生态的操作逻辑，重新适应新的国产生态需要大量时间和精力，短期内很难追上现有水平。 梁文锋敢说这个话，是因为他的团队真真切切走了原创路线，早年间他就提前布局算力储备，拿下了一万块英伟达GPU。 后来遇到芯片受限的情况，团队没有走优化别人技术的捷径，而是沉下心自主优化算法，最终做出了能比肩国际顶尖水平的模型。 更难得的是他们坚持开源理念，把模型权重和训练细节全公开，这一举动打破了美国企业靠闭源技术垄断市场的局面，也证明了只要咱们愿意投入原创，就能突破技术封锁。 只是这样的原创案例目前还是少数，更多企业更愿意走捷径，把别人的技术拿来做应用变现，缺乏长期投入基础研究的耐心。 现在全球AI竞争越来越激烈，美国一边加紧技术封锁，一边加大基础研究投入，就是想牢牢守住领先优势，咱们不能再被“只差一两年”的表面代差麻痹，更不能觉得靠模仿就能一直跟上节奏。 短期来看，靠丰富的应用场景和低成本优势，咱们能占据一定市场份额，长期下去，核心技术被别人攥在手里，迟早会被卡住关键环节，永远成不了行业引领者。 原创从来不是一蹴而就的事，需要企业舍得把钱投到看不到即时回报的基础研究上，需要科研人员沉下心远离短期功利的诱惑，更需要打通研究和应用之间的壁垒，让实验室里的原创成果，能顺利落地变成有竞争力的产品。 咱们现在不缺AI人才，不缺庞大的市场需求，也不缺资金支持，缺的是敢于跳出舒适区的勇气，缺的是长期坚持原创的定力。 梁文锋说“有些探索是逃不掉的”，这话特别实在，真正的技术赶超，从来不是靠模仿缩短表面代差，而是靠原创搭建自己的核心框架。 评价中美AI差距，不能只盯着表面的技术参数和市场规模，那些看得见的差距容易追赶，看不见的原创能力鸿沟才是最该警惕的。 咱们既要肯定这些年的发展成绩，更要正视原创力不足的问题，别再满足于做别人技术的“加工者”，要下决心做自己技术的“创造者”。 只要咱们把原创放在核心位置，耐下心打磨基础研究，打通从理论到应用的全链条，就一定能把核心技术握在自己手里，到那时，咱们才能在全球AI竞争中真正站稳脚跟，不用再看别人的脸色，走出属于中国AI的原创之路。 信息来源： 市场资讯——2025-02-10 DeepSeek创始人梁文锋的独家采访
