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。” 先说说为什么表面上的技术代差看起来这么小。现在我们身边能接触到很多AI应用，比如手机里的语音助手、购物平台的推荐功能、医院里的影像诊断辅助工具，这些应用层面的东西，中国和美国的差距确实不大。从数据来看，国产的推理大模型和美国同类产品的差距已经非常小，在垂直行业比如金融、政务领域的大模型发布数量甚至超过了美国。 2025年中国AI产业规模快要突破7000亿元，很多工厂里用AI做质检，效率提升很明显，这些实际应用让大家觉得中美AI水平差不多，甚至有些地方我们还更强。但这些都是应用层面的表现，不是核心技术的原创突破。 真正的差距在原创能力上，这一点从基础层和技术层就能看得很清楚。原创就是从无到有搭建技术体系，比如核心的算法、AI开发框架、高端芯片这些底层技术，美国在这些方面一直占据主导地位。全球大部分AI大模型的原始创新都来自美国，像主流的AI开发框架，全球90%的社区模型都集中在美方框架下，国产框架的模型数量还不到前者的二十分之一。 高端芯片领域的差距更明显，美国英伟达的高端芯片算力是国产同类芯片的数倍，显存带宽也领先很多，在训练千亿参数大模型时，国产芯片需要花费更多的时间和电费，目前国产训练芯片的替代率只有15%，而推理芯片的替代率能达到42%，核心的训练环节还是依赖进口芯片。 原创能力的差距还体现在人才和基础研究上。全球50%以上的顶尖AI人才都集中在美国，这些人才主导了大部分核心技术的突破，美国的顶级科研机构在AI基础研究领域的投入和成果也远超其他国家。 中国的AI人才总量虽然多，专利申请数量也超过美国，但高质量专利和顶级人才的数量都有明显差距，尤其是在基础理论研究方面，很多时候还是跟着美国的研究方向走，缺乏自己的原创性探索。比如在AI训练数据湖格式的标准制定上，目前全部由美方主导，中国企业只能被动适应这些标准，这就是模仿者的被动之处。 可能有人会问，既然应用层面差距不大，为什么一定要搞原创。这是因为如果核心技术都是别人的，我们的发展就会被别人卡住脖子。美国已经多次通过出口管制的方式，限制向中国出口高端AI芯片和相关技术，试图压缩中国AI产业的发展空间。 之前美国把高端芯片的出口限制扩展到120个国家，连盟友都包括在内，就是想切断中国获取核心技术的渠道。虽然这种限制反而让中国本土产业加速自立，比如2024年国产AI芯片的采购率同比提升了47%，国家也持续加大对半导体产业的投入，2024年投入的资金规模相当于美国相关法案一年的预算，但这些都是被动应对的举措，如果没有原创能力，始终还是会受制于人。 中国AI产业的优势在应用层面，拥有海量的数据资源、多元的应用场景和完整的产业链，这让我们在模仿和应用创新上进展很快。但这些优势如果没有原创技术作为支撑，就很难实现真正的超越。比如现在国内的AI应用虽然广泛，但很多底层的操作系统、开发工具还是依赖国外的技术，这些技术的核心部分掌握在别人手里，一旦出现断供风险，很多应用都会受到影响。 目前国产操作系统在政务市场的装机率虽然超过60%，但在民用市场还不到5%，生态缺口很大，可用的应用数量远远少于国外系统，这就是原创生态不足带来的问题。 原创和模仿的差距，还体现在发展的可持续性上。美国的AI发展靠的是长期的基础研究积累和原始创新驱动，从算法、框架到开源生态都形成了完整的体系，这种体系能持续催生新的技术突破。而中国的AI发展更多靠场景驱动，把现有的技术应用到不同领域，虽然见效快，但很难有颠覆性的突破。比如在生物医药、高端制造等需要深度AI技术支撑的领域，美国仍然处于引领地位，中国的应用还停留在相对浅显的层面，这就是因为核心技术的原创能力不足，限制了应用的深度和广度。 现在中国已经意识到了这个问题，开始在原创领域加大投入和探索。比如国家通过大基金持续投资半导体全产业链，覆盖设备、材料、制造等关键环节，这种投资不追求短期盈利，而是着眼于长期的技术突破。一些企业也开始推动大模型开源，带动行业创新活力，还有企业推出AI计算开放架构，试图打破技术壁垒，构建自主的产业生态。这些探索虽然难度大、周期长，但却是摆脱追随者身份的必经之路。