中美差距到底有多大？ 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。” 先看最基础的研究层面，这是原创能力的根基。全球高质量AI研究论文的引用量能直接反映研究的影响力，2024年的数据显示，美国占比42.9%，中国占40.2%，看似差距不大，但关键在原创性贡献。 在生成式AI这个前沿领域，中美发表的论文数量差不多，中国约1.245万篇，美国约1.203万篇，但引用量最高的前10篇论文里，美国占了一半，前五名里有四名是美国的，中国只占了一个位置。这说明我们的研究更多是在现有框架内的延伸，而美国常能提出新的研究方向，这就是原创和跟随的区别。 人才结构也能看出这种差距，全球AI研究人才里，美国有6.3万余人，中国有5.2万人，中国以28.7%的年复合增长率追赶很快，看似数量接近，但人才分布模式完全不同。美国是高校和企业双引擎，斯坦福大学、麻省理工学院这样的顶尖高校，加上谷歌、微软这样的大公司，各自都有两千多名AI人才，研究和产业能无缝衔接。 而中国的顶尖AI人才主要集中在高校，中科院有3453人、清华大学2667人，企业里最多的腾讯也只有992人，高校的研究成果很难快速转化成原创性的产业技术，这就导致我们很多技术只能在别人的基础上做优化。 再看核心技术领域，最典型的就是AI芯片和生态。华为的昇腾芯片已经是中国的顶尖水平，其中昇腾910B的半精度算力能达到320TFLOPS，训练大模型时效率比英伟达A100提升80%，部分测试性能还超越了20%。 但即便如此，英伟达的先发优势依然明显，全球很多AI项目都依赖它的软件生态系统，华为的昇腾生态虽然发展快，但还是在追赶别人已经建立好的体系。简单说，我们能做出性能接近的芯片，但底层的生态架构还是跟着别人的规则走，这就是模仿和原创的差距。 专利领域的情况也类似，中国已经是全球AI专利最多的国家，2024年占比接近60%，在专利、政策文档里的引用量也占全球41.6%，遥遥领先。但这些专利大多集中在应用层面，比如AI配音、机器人应用这些场景化的技术。而美国的专利更多集中在底层算法、模型架构这些核心原创领域，这也是为什么我们能快速推出各种AI应用产品，却很难在基础理论上有突破性贡献。 梁文锋创办的DeepSeek就是个例子，他们的模型在数学、代码推理上能比肩OpenAI的o1，训练成本还只有对方的二十分之一，看似很厉害，但核心还是在现有模型框架下做优化创新，不是底层架构的原创。 当然，中国的追赶势头很明显，AI人才数量九年增长超4倍，华为这样的企业在极端打压下还能构建自己的技术生态，论文引用量也在快速接近美国。但要真正缩小差距，关键还是要从应用跟随转向基础原创，让高校的研究能更直接地服务于产业原创，这也是梁文锋说“有些探索逃不掉”的原因。毕竟，只有掌握了底层原创技术，才能真正摆脱追随者的身份，在AI竞争中掌握主动权。
