记者问：“中美AI差距到底有多大？”梁文锋毫不避讳、一针见血地回答：“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。” 现在中国AI应用搞得风生水起，刷视频的智能推荐、办公用的AI写作、马路上的安防监控，到处都能看到AI的影子，短视频AIGC渗透率高达70%，比美国的45%还高出一截，论落地能力咱们确实不弱。 但热闹背后得清醒，这些好用的 AI，核心的 “根技术” 大多不是咱们自己的。现在所有 AI 大模型，不管是聊天的、写东西的还是画画的，都离不开一个叫 Transformer 的核心架构。 这个架构是 2017 年谷歌团队提出来的，就像盖房子的设计图纸，咱们很多企业都是照着这个图纸施工，顶多在装修上做点改动，比如优化一下中文表达、适配国内的使用场景，但图纸本身不是咱们画的。 这就导致一个问题，别人一旦修改图纸或者不让咱们用，咱们的房子就可能盖不下去或者没法升级。 最明显的就是 AI 芯片，这可是 AI 的 “心脏”，没有强大的芯片，再聪明的算法也跑不起来。 咱们现在很多 AI 企业训练大模型，用的还是英伟达的 H200 芯片，虽然现在能买到，但性能最好的芯片人家还是限制出口。 专家说，咱们国产 GPU 在大模型训练效率上，比英伟达最先进的芯片要落后 3 年左右。就像汇纳科技这样的企业，靠运营英伟达芯片的服务器提供算力服务，芯片性能好不好直接决定了服务质量，这就是被别人掐着脖子。 反观美国，英伟达、AMD 这些企业自己就能造顶尖的 AI 芯片，从设计到生产都掌握在自己手里，不用看别人脸色。 再看专利和论文，咱们的 AI 专利数量占了全球 70%，是美国的 6 倍，生成式 AI 专利的年增速还高达 50%，腾讯、百度这些企业都排在全球前列，看着特别厉害。 但仔细一看就知道，这些专利大多集中在应用层面，比如怎么优化推荐算法、怎么让 AI 更好地做客服，而在 AI 芯片、基础算法这些核心领域，美国的专利质量和话语权还是领先。 论文方面，咱们的引用量已经追到全球 40.2%，快赶上美国的 42.9% 了，但在最顶尖的前沿研究领域，人家的论文被引用的次数还是更多，基础理论的沉淀比咱们深。 更让人担心的是，过度依赖模仿会让咱们失去创新的动力。现在很多 AI 应用看着花哨，但都是在别人的技术框架里做改进。 比如 AI 写作，不管是写报告还是写小说，确实能快速出稿，但写出来的内容总让人觉得 “似曾相识”，没有独特的思想和情感，就像流水线上的产品，好看但没灵魂。 不是说模仿不对，刚开始发展的时候，模仿是快速追赶的捷径，但不能一直停留在模仿阶段。美国为什么能一直领跑？ 就是因为他们敢做原创探索，从 Transformer 架构到 GPT 大模型，再到顶尖的 AI 芯片，都是从无到有的创新。 他们的前二十大 AI 实验室占了全球近一半，去年的 AI 投资高达 1090 亿美元，愿意花时间、砸钱在看不到即时回报的基础研究上。 而咱们过去更多关注应用落地，因为应用能快速赚钱、快速看到效果，对基础研究的投入和耐心就不够。 好在现在咱们已经意识到了这个问题。国家开始加大 AI 基础研究的投入，2025 年基础研究经费占 AI 总投入的比例已经达到 28%。 远超美国的 16%。企业也在抱团攻坚，比如芯片领域，200 多家企业组建了 “芯片攻坚联盟”，两年时间就把 28nm 芯片的国产化率从 15% 提升到 42%。 长三角的制造企业也在协同研发，让 AI 改造周期比美国短了不少，这些都是好迹象。 但这还不够，基础研究不是一朝一夕能出成果的，可能需要十年甚至二十年的坚持，需要更多数学家、科学家参与进来，从底层理论上寻求突破，而不是只在应用层面做文章。 咱们普通人能感受到 AI 带来的便利，这是好事，但也要明白，真正的强大不是跟着别人后面跑，而是能自己定方向、开新路。 就像当年的手机行业，刚开始咱们也是模仿国外品牌，后来华为、小米等企业加大研发，才有了自己的核心技术，现在在全球市场都有话语权。 AI 领域也是一样，只有把原创的 “根” 扎深了，才能长出参天大树，而不是永远做别人树荫下的追随者。 梁文锋说有些探索是逃不掉的，这话太实在了。原创之路可能会难、会慢，可能会遇到很多挫折，但这是必经之路。 咱们有全球最大的 AI 用户群体，有丰富的应用场景，有国家的支持和企业的努力，只要坚持做原创、攻核心，就一定能从 AI 应用的引领者，变成 AI 技术的引领者。到那时候，咱们的 AI 不仅好用，还能让全世界都跟着学，这才是真本事、真强大。
