DeepSeek创始人梁文峰说：“我们经常说中国AI和美国有一两年差距，但真实的

DeepSeek创始人梁文峰说：“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。” 梁文峰点破的“数字幻觉”确实戳中了行业痛点，大家总爱盯着参数表算来算去，比谁的模型参数量破了万亿，谁的训练算力堆到了E级，好像数字越大就越牛，却忘了AI的核心竞争力从来不是账本上的数字。 全球1328个大模型里，美国占了44%，中国占36%，看着数量差距不大，但骨子里的东西不一样。 现在全世界广泛使用的 Transformer 架构，其原创研发来自美国公司。我们目前的很多工作，大多是在这个已有的架构基础上做后续优化和调整，即便这些优化调整做得再完善，架构最核心的底层技术依然掌握在别人手中。 《全球人工智能创新指数报告2025》里的分数更直白，美国77.97分，中国58.01分，近20分的差距不是差在“堆料”上，而是差在没人敢先跳进未知的技术荒野。 但这并不意味着中国AI全是模仿，只是我们的发力点太偏向应用端，反而绕开了最核心的原创突破。 早几年行业里流行“造大模型”，不管有没有场景，先整个百亿参数的模型出来再说，结果就是很多模型除了在测试集上刷分，落地时连个像样的应用都没有。 这种跟风式的玩法，本质上就是把别人的原创成果当模板，换点数据再包装一下，看似热闹却没摸到根本。 不过有意思的是，中国的应用场景实在太多，反倒逼着这些“模仿品”长出了新本事，这就是“应用反推创新”的门道。 上海交大的团队搞出的AI超材料设计就是个典型例子，以前科学家找热辐射超材料，全靠瞎猜瞎试，几十年也未必能找到一个能用的。 他们直接让AI当“设计师”，输入“能降温、低成本”的需求，AI三个月就给出五万种方案，挑出来的几种做成涂料刷在屋顶，夏天能比普通涂料降温5到20度，每平米一年还能省20度电。 这不是照着别人的模型改改参数，而是因为建筑节能、航天器散热这些真实需求太迫切，倒逼AI走出了“只做语言交互”的舒适区，硬生生开辟出材料设计的新路子。 还有智子引擎的Awaker2.5-R1，参数量才70亿，连OpenAI o1的零头都不到，却在数学推理测试上追得很近，参数效率翻了几千倍，靠的就是针对实际推理场景优化算法。 这种应用驱动的优势在硬件端更明显，硅谷的巨头们总想靠原创定义新赛道，OpenAI拉着苹果前设计师搞无屏幕AI设备，想摆脱手机电脑的限制，结果研发半天卡在了生产上，最后还是得找立讯精密、歌尔股份这些中国厂商合作。不是美国不想自己造，是他们的产业链接不住这种需要高精度组装和成本控制的活儿。 中国厂商可不只是简单组装，智能眼镜里的碳化硅光波导技术，现在中美是同步攻关，以前是美国设计中国代工，现在变成了中国在制造中优化技术，再反哺给美国的设计团队。 斯坦福去年还闹过个笑话，有团队发布个视觉大模型，说能花很少钱达到GPT-4V的效果，结果被扒出来抄了清华的模型，连识别战国竹简的能力都一模一样，甚至错的地方都没改，最后只能删库道歉，这说明中国在细分场景的原创积累，已经到了能被别人“惦记”的程度。 而谷歌和斯坦福联合搞的CheXNeXt v3诊断准确率能到98.7%，确实厉害，但这东西要落地到中国基层医院，还得适配五花八门的CT设备。 中国的AI团队就在这些应用细节里找突破，把大模型做小，优化到能在边缘设备上3秒出结果，不用联网也能用，这不是模仿，是把别人的原创技术掰碎了，再按中国的场景重新拼起来，拼着拼着就有了自己的专利和技术逻辑。 就像现在全球AI硬件都绕不开中国供应链，不是因为中国只会造壳子，是因为我们在千万次的组装和调试里，摸透了AI硬件该怎么和用户需求结合，这种经验积累，早晚能变成原创的底气。 美国靠Transformer、ChatGPT这些原创定义了AI的上半场，他们敢在没人验证的领域砸钱试错，哪怕十年看不到回报。 中国的玩法是把别人验证过的技术拿到应用场景里打磨，在支付风控、工业质检、农业病虫害识别这些“接地气”的领域里练本事，练着练着就练出了AI设计超材料、小参数模型高效推理的新能力。 《全球人工智能创新指数报告》里中美分差在缩小，不是因为我们的参数追上来了，是因为这些应用驱动的创新开始形成合力。 追随者永远只能看着前人的背影，而中国正在用“应用反推创新”的方式，慢慢走出自己的路。这种从实际需求里长出来的创新，或许比从零开始的原创更有韧性，也更能经得起市场的考验，毕竟能解决真问题的技术，才是能定义未来的技术。 信息来源： 梁文峰：“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！” 海峡导报2025-09-05 08:36福建