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。” 很多人不知道，说出这句话的梁文锋，本身就是中国AI原创探索的亲历者。他是广东吴川人，浙大信息与电子工程系的学士和硕士，早在2008年就带着团队研究机器学习在量化交易中的应用。2015年创立幻方量化，2019年主导研发“萤火一号”AI超级计算机，2023年再创办DeepSeek，一头扎进通用人工智能领域，十几年没离开过技术一线。据《自然》官网2025年12月发布名单，他入选《自然》年度十大科学人物，被评为“科技颠覆者”，这份认可，正是源于他对原创的死磕。 行业里有个普遍现象，不少企业拿着开源代码稍作修改，就包装成“自研产品”。浙江大学孔德兴教授曾直言，中国AI产业过度依赖现有数学模型和开源代码，真正属于自己的核心算法少得可怜。就像医学影像识别，开源代码能识别人脸，却很难精准判断肝脏病灶——边界模糊、器官黏连这些临床难题，没有原创算法支撑，根本解决不了，甚至可能误导诊疗。你平时用AI时，有没有感觉到某些功能只是“换皮”而非真创新？ 美国的AI发展，一直盯着“从0到1”的原创突破。他们聚焦算力基建和闭源大模型，掌握着底层核心技术。而中国过去很长一段时间，更擅长“从1到N”的产业化应用，靠着庞大市场把技术落地，但原创算法的缺位，让我们在关键领域容易被“卡脖子”。据2023年全球AI研究机构影响力报告，全球被引用最多的生成式AI研究机构前10名里，中国只占1席，这就是最直接的体现。 梁文锋的探索，恰恰戳中了这个痛点。2025年1月，他带领团队发布DeepSeek-R1模型。这款模型没有走“算力堆料”的老路，而是靠并行线程执行、混合专家模型等四大原创技术，性能直接比肩OpenAI o1正式版。更惊人的是，它的训练成本只有GPT-4o的二十分之一，推理成本更是低至后者的七十分之一。9月，这份完整的训练技术细节，成功登上《自然》杂志封面，成为全球首个经同行评审的主流大语言模型，彻底打破了行业空白。 他没把技术藏着掖着，反而选择开源。截至2025年9月，DeepSeek-R1在全球开源平台的下载量突破1090万次，国内北大团队用它开发“AI数学教练”，让学生解题速度提升40%；非洲开发者靠它搭建农业病害诊断系统，惠及数百万农民。这种“开放共赢”的模式，让中国AI原创技术第一次真正走向全球，也倒逼更多企业放弃“拿来主义”。 原创不足的根源，不只是技术积累。数据获取机制不健全、专业化标注人才短缺，尤其是医疗、自动驾驶这些高需求领域，高质量数据供给跟不上。更关键的是，过去对基础研究的重视不够，数学家、算法科学家参与产业创新的积极性不高。梁文锋的成功证明，只有把底层算法、训练框架的原创主动权握在手里，才能摆脱对他人的依赖。 你觉得国内哪些AI领域最有可能率先实现“从0到1”的原创突破？ 中国AI的优势从未消失。我们有全球最大的应用市场，79座“灯塔工厂”提供了丰富的工业场景，物理AI赛道上，中国企业在复杂场景落地能力上已经实现局部超越，比如工业质检场景，AI识别精度已经达到99.8%，远超同类海外方案。现在缺的，就是更多像梁文锋这样“死磕原创”的探索者，把应用优势转化为技术优势。 原创不是一蹴而就的事，也没有捷径可走。它需要企业愿意投入长期成本，需要科研人员沉下心钻研，更需要整个行业摆脱“急功近利”的模仿心态。梁文锋和DeepSeek的故事已经说明，中国AI不是不能原创，而是必须坚持原创。 核心技术买不来、讨不来，只能自己闯出来。中美AI的差距，从来不是简单的技术代差，而是原创意识和探索勇气的差距。当越来越多的中国企业从“追随者”变成“探索者”，我们才能真正在全球AI竞争中站稳脚跟。 各位读者你们怎么看？欢迎在评论区讨论。
