DeepSeek创始人梁文峰再次语出惊人！他说：“我们经常说中国AI和美国有一两年差距，但真实的差距是原创和模仿之差。如果这个不改变，中国永远只能是追随者，所以有些探索也是逃不掉的。” 先说最核心的底层技术，美国那边早已跳出“做个模型”的层面，开始往产业链最上游钻了。就拿 OpenAI 来说，这公司现在根本不满足于当英伟达的“大客户”，前段时间直接宣布和博通联手搞自研芯片，要在2029年前搞出10GW级的专用芯片系统，等于自己动手定义硬件规则了。 反观咱们这边，不少大模型看着参数唬人，动辄千亿级，但掀开技术盖子一看，底层的核心架构还是绕不开人家先搞出来的那套基础框架，所谓的“创新”更多是在上面修修补补，比如优化训练速度、适配国内场景，本质上还是“在别人的地基上盖房子”。 百度的文心大模型算国内顶尖的了，2024年搞出的高效训练框架把吞吐速度提了4.1倍，还能降低成本，但这些都是工程层面的优化，没跳出既有技术路径，跟 OpenAI 从硬件到软件全链条原创的玩法根本不是一个量级。 再看算力这个硬骨头，这更是把“模仿型发展”的短板暴露得淋漓尽致。现在全球 AI 圈都得给英伟达交“芯片税”，这家公司掌控着超过 70% 的 AI 芯片市场，一块顶级芯片卖6万美元，咱们想买还得排队。 OpenAI虽然也用英伟达芯片，但人家早就开始布局后路，一边跟甲骨文签3000亿美元的算力协议锁定基础资源，一边又给AMD投钱绑定供应，甚至还拿到了AMD10%的股份，等于把供应链的主动权抓在了手里。 咱们这边直到2025年，头部企业采购还在盯着英伟达的H800不放，DeepSeek 训练V3模型用的就是这种针对中国市场的低配版 GPU，不是不想搞自研，是真没人家那种从上游布局的原创底气。全球 AI 领域一年总支出都快到 1.5 万亿美元了，美国一家就占了 55% 的市场份额，靠的就是这种从芯片到模型的全链条掌控力，咱们光靠买硬件、调模型，根本没法真正追平。 更关键的是基础研究的投入差距，这才是原创能力的根源。2024 年咱们的基础研究经费花了2497亿元，看着不少，但占整个研发经费的比例才6.91%，连7%都没到。美国那边光是OpenAI 一家，两年内就把投资额从几十亿砸到了千亿甚至万亿级别，目标很明确，就是啃算力、底层算法这些硬骨头。 这种投入差异直接体现在成果上，OpenAI 的GPT系列每一代都能开辟新赛道，从对话到多模态再到智能体，每一步都是行业标杆；而咱们这边，拿得出手的成果大多是应用层面的，比如百度的智能体技术用在商家营销、代码生成上，确实落地快、效果好，百度文库的智能 PPT 市场份额都占到八成了，但这些都是把现有技术变现，不是从零到一的突破。 梁文峰自己团队倒是搞出了点原创动静，DeepSeek-R1 成了首个经过同行评审的主流大模型，还登上了《自然》封面，V3 模型用 557.6 万美元就训练出来，成本只是 GPT-4o 的十分之一，但这更像个例，整个团队才139人，跟OpenAI的1200人根本没法比，能突围全靠极致优化，可这种“小而美”的创新，很难支撑起整个行业的原创转型。 行业里其实早就有感觉，咱们的AI发展有点“偏科”，应用落地快得惊人，金融、工业、交通这些领域到处都是 AI 的影子，但一碰到底层架构、核心算法这种需要长期啃硬骨头的地方，就显得力不从心。 就像梁文峰说的，不是差一两年的追赶时间，是路径上的根本区别，人家在造路，咱们在路边开店，店开得再大，路的控制权还在别人手里。以前靠模仿能快速跟上节奏，毕竟把别人的成熟技术拿来适配国内市场，省时省力见效快，但现在到了行业深水区，再这么下去就真成追随者了，美国已经开始自研芯片、定义新的技术范式，咱们要是还停留在优化模型、拓展应用的层面，迟早会被卡在关键环节。 DeepSeek自己的经历其实就是个缩影，靠架构优化和成本控制打出了名气，还逼得大厂跟着降价，但梁文峰比谁都清楚，这种“性价比优势”只是阶段性的，真要站稳脚跟还得靠原创。这也是他为啥反复强调“探索逃不掉”，毕竟AI这行跟别的不一样，没有原创的底层技术，再花哨的应用都是空中楼阁，人家一旦卡脖子，再好的落地场景也没用。 现在全球 AI 竞争早就不是比谁应用广、谁落地快，而是比谁能先搞出下一个“Transformer”、下一个“GPT”，这才是梁文峰这话里藏的真章，不搞原创，永远只能跟在别人后面跑。
