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

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。   打开手机APP，智能客服随叫随到；走进商场，人脸识别支付秒完成；工厂里，AI质检机器人比人工精准百倍，这些看得见摸得着的应用场景，让不少人觉得中国AI已经赶上甚至超过美国了。   可这些光鲜背后，全是别人的技术地基：Transformer架构、Diffusion模型这些AI底层核心技术，全是美国搞出来的，全球高引用的AGI研究成果里美国占4项，咱们才1项。   就像盖房子，别人打好了钢筋混凝土的地基，我们只是在上面盖了漂亮的房子，看起来富丽堂皇，可地基的控制权在别人手里，人家要是稍微动一动，我们的房子就可能摇摇欲坠。   国内不少企业做AI，就是拿美国的开源框架改一改、调一调，在别人画好的圈子里做优化，看似跑得挺快，实则根本没掌握核心话语权。比如很多国内的大模型，本质上都是在Transformer架构的基础上做参数调整和数据训练，换汤不换药，根本没有跳出人家设定的技术框架。   梁文锋说的“原创和模仿之差”，戳中了中国AI产业的痛点。模仿能让我们快速跟上节奏，抢占应用市场，但永远没法掌握主动权。就像当年手机行业，我们曾靠组装和贴牌占据全球市场份额，但核心芯片和操作系统被国外垄断，人家一卡脖子，整个产业就陷入被动。   现在AI领域也是同样的道理，美国要是限制开源框架的使用，或者封锁核心算法的交流，国内很多AI企业可能就得停摆。更关键的是，模仿只能在现有技术路径上迭代，没法开辟新的赛道，美国始终掌握着技术发展的方向权，我们只能被动追随，人家往前走一步，我们才能跟着往前挪一步。   这种差距不是靠堆数据、堆算力就能弥补的。现在国内很多企业比拼的是模型参数大小、训练数据多少，却很少有人沉下心来做基础研究。可AI的核心突破，从来都不是靠参数堆砌出来的。   当年Transformer架构的提出，颠覆了传统的神经网络模型，这才开启了大模型时代；Diffusion模型的出现，让AI生成内容成为可能，这些都是从0到1的原创突破。   而我们现在大多是在做从1到100的优化，再怎么优化，也没法实现从0到1的跨越。更让人担忧的是，长期的模仿思维会固化行业的创新认知，很多企业形成了“拿来主义”的惰性，不愿投入时间和资金做基础研究，毕竟模仿的成本低、见效快，原创则需要长期投入且风险极高。   不过值得庆幸的是，这种原创短板已经被重视起来，我们正在补基础研究的课。现在中国AI基础研究经费占总投入的比例已经达到28%，远超美国的16%，政府通过举国体制整合资源，推进算力网络全国一体化建设，20个算力枢纽节点互联互通后，算力调度效率提升了40%，为基础研究提供了坚实的算力支撑。   同时，国家还开放了2.3万个AI应用场景，带动民营企业投入AI研发的资金超5800亿元，形成了政府托底基础研究、市场驱动应用创新的良性循环。   在芯片领域，通过“芯片攻坚联盟”的协同发力，我们仅用两年就实现28nm芯片规模化量产，国产化率从15%提升至42%，慢慢摆脱对国外芯片的依赖。   梁文锋说“有些探索是逃不掉的”，这话太实在了。原创之路虽然难走，但却是中国AI产业必须跨过去的坎。   现在我们已经有了一些积极的探索，比如在特定领域的基础算法研究上取得突破，部分自主研发的框架开始在市场上应用。但这还不够，基础研究需要长期的耐心和投入，不能急于求成。   美国AI企业在基础研究上的积累不是一天两天形成的，我们也需要沉下心来，培养更多顶尖的科研人才，营造鼓励创新、宽容失败的环境。   其实中美AI差距的本质，是创新生态的差距。美国有完善的基础研究体系、充足的科研资金和开放的交流环境，能吸引全球顶尖人才，形成良性的创新循环。   而我们正在构建自己的创新生态，从基础研究到应用落地，从人才培养到资金支持，一步步补全短板。现在的28%基础研究投入占比、民营企业31%的研发投入增速，都是好的信号，说明我们正在从“模仿者”向“原创者”转变。   未来几年，将是中国AI突破原创瓶颈的关键时期。我们不能再满足于应用层面的领先，必须在底层技术上掌握话语权。只有打破对国外技术的依赖，走出自己的原创之路，中国AI才能真正摆脱追随者的身份，成为全球AI技术发展的引领者。   梁文锋的话既是警示，也是鞭策，提醒我们不要被眼前的应用繁荣所迷惑，要看到背后的核心差距，坚定地走原创探索之路。