DeepSeek创始人梁文峰语出惊人，他表示人们经常说中国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！ 中国AI界正上演着一出，速度与迷惘交织的大戏，以“全华班”著称的DeepSeek团队，成员平均年龄仅28岁，他们用惊人的效率，追赶着世界顶尖水平。 然而其创始人梁文峰，却一针见血地指出，中美AI的根本差距不在于时间，而在于原创与模仿的模式之别，这种高效的追赶，究竟是通往桂冠的捷径，还是一条摆脱不了追随者宿命的循环路径？ 这场关于效率的讨论，根源直指我们的人才结构与研发文化，我们每年培养的AI人才，占据全球“半壁江山”。 但一个微妙的细节是，DeepSeek团队的平均年龄，比美OpenAI团队年轻了不少，这群年轻的工程师在工程优化上能力超群，但在需要长期积淀的理论创新上，经验或许尚浅。 更深层的问题在于，最顶尖的头脑流向了何方，在美国顶尖AI机构里，华裔研究员的比例之高，甚至超过了美国本土研究员。 我们擅长优化现有方案，却如《经济学人》所言，缺乏定义一个全新问题的魄力，这就像19世纪我们可以仿造蒸汽机，却没能发明内燃机一样，个别团队的冲刺，并未能掩盖住，整个产业生态的“效率赤字”。 中国AI产业规模已超9000亿，年增长率连续多年超20%，表面一片繁荣，但现实是我们企业的研发投入强度，仅仅是美国同行的三分之一，这种研发上的“内虚”，让个体的高效努力，难以汇聚成系统性的优势。 真正的差距体现在生态上，一边是斯坦福的实验室，每年能从企业界获得超过4亿美元的资金，并能优先拿到最新的芯片，另一边我们的许多团队，还在为算力发愁，硬件的鸿沟更是难以逾越。 今年国产寒武纪思元590芯片的实测推理效率，大约只有英伟达H100的37%，这种根本性的技术代差，不是靠优化就能轻易抹平的，那么出路何在？ 或许应该重新定义“效率”，梁文峰的那句话点醒了很多人，既然我们可能永远也造不出最顶级的“发动机”（底层核心技术），那能不能另辟蹊径，去打造最智能的“汽车”（应用产品）？ DeepSeek的开源行动，就是对这种新效率的探索，他们公开价值600万美元的模型权重，短短三个月，全球开发者就衍生出132个垂直应用，其GitHub代码贡献量甚至超越了Meta的Llama3。 这种用开放去高效构建生态的模式，与美国多部门下令禁用DeepSeek的封锁，形成了鲜明对比，凸显了另一种力量，就像国产芯片，虽然通用性能有差距，但针对边缘计算优化后。 能将智能摄像头的识别准确率做到98%，还与中国汽车产业的历程颇为相似，早期靠模仿日系车占领市场，但在新能源转型中，必须在电池管理等核心应用技术上，拿出原创东西。 要造出“智能汽车”，需要全新的“司机”，麦肯锡预测，到2030年中国AI人才缺口将达到400万，360创始人周鸿祎也直言，市场最缺的是既懂AI又懂行业的复合型人才。 当我们的中学还在开设AI竞赛班时，已有美国中学生在GitHub上，发布开源框架，这提醒我们，教育的变革迫在眉睫。 中国的破局，不应是一场单纯追赶参数的竞赛，而应是一场从芯片设计，到应用落地的全链条生态重构。
