DeepSeek创始人梁文峰再次语出惊人！他说：“我们经常说中国AI和美国有一两

DeepSeek创始人梁文峰再次语出惊人！他说：“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。” 其实DeepSeek的成长轨迹本身就藏着对这个问题的回应，这家2023年4月才由幻方量化牵头成立的公司，成立之初就撞上美国芯片禁运的高墙。当时主流观点认为，没有顶尖芯片支撑，根本练不出能对标国际的大模型。 OpenAI的GPT-4用了1.8万亿参数，训练数据堆到13万亿token，背后是巨量算力的支撑。 可DeepSeek偏没走寻常路，2024年1月发布的首个大模型DeepSeek LLM，670亿参数规模远不及GPT-4，却在2万亿token的数据集上练出了硬实力。到5月开源第二代MoE大模型时，直接打出了比肩GPT-4 Turbo的性能，价格却压到对方的百分之一，硬生生靠架构算法创新撕开了口子。 梁文峰说的“探索逃不掉”，在自家产品上体现得淋漓尽致，《全球人工智能科研态势报告（2015-2024）》里藏着更本质的答案。这份报告清晰勾勒出中美“双强并立”的格局，却也点破了实力构成的差异。 美国头部企业的科研产出效率透着积累的厚度，谷歌、微软、Meta三大巨头的总发文量达到5896篇，是腾讯、阿里、华为这三家中国企业的1.8倍。 基础研究的差距更刺眼。 美国企业在机器学习、自然语言处理等核心领域的论文，平均每篇能收获63.3次引用，比中国企业同类论文的55次高出15个百分点。这意味着美国在底层理论上的探索，更能引发全球学界的共鸣和跟进，而中国不少研究还停留在对现有理论的应用优化上。 人才结构的差异同样值得深思，全球AI领域Top100人才里，中美占了75个，中国机构就职的学者有55人，数量上占优。但美国那20位学者大多深耕基础理论，而国内不少人才扎堆在应用落地领域。 这种差异不是一天形成的，美国在AI基础研究上几十年的沉淀，不是短期投入就能追平的。 梁文峰那句“过去三十多年IT浪潮里，我们基本没有参与到真正的技术创新里”，戳中了行业痛点。ChatGPT问世后，国内掀起大模型热潮，但很多产品都跳不出美国设定的框架。 规模法则被奉为圭臬，大家一门心思堆参数、扩数据，却很少有人像DeepSeek这样死磕架构创新。 美国的技术封锁反而成了倒逼创新的催化剂。拜登政府2022年开始收紧芯片出口管制，本想卡住中国AI的脖子。可DeepSeek团队硬是在性能稍逊的H800 GPU上练出了好模型，靠的就是算法优化和工程创新。这种“降维”环境下的突破，恰恰印证了原创探索的价值。 2024年11月DeepSeek推出推理模型R1-Lite，12月又上线并开源V3版本，每一步都在摆脱对既有路径的依赖。开源策略更显格局，要知道美国科技巨头正忙着构建技术壁垒，中国企业却在主动开放成果。这种差异背后，是从“跟跑”到“领跑”的心态转变。 行业里总有人盯着短期收益，觉得模仿现成技术来得快、风险小。可梁文峰看得明白，没有原创就没有话语权。美国能制定AI行业标准，靠的就是Transformer架构这类底层创新。中国要是一直停留在模仿阶段，永远只能跟着别人的规则走。 现在的变化正在悄然发生，越来越多企业开始像DeepSeek一样投入基础研究，科技部的“人工智能基础理论专项”也在持续加码。《全球人工智能科研态势报告》显示，中国在AI顶会的原创论文占比正逐年提升，虽然距离美国还有差距，但追赶的脚步从未停歇。 梁文峰的话不是危言耸听，是给行业敲了警钟。AI竞争拼到最后，拼的不是参数规模，不是训练数据量，而是原创能力。那些看似“逃不掉”的探索，恰恰是中国AI摆脱追随者身份的必经之路。DeepSeek的实践已经证明，只要肯沉下心做原创，中国AI完全能走出自己的路。