梁文峰，再次直击中国AI行业痛点！ 他指出，中国与美国的AI差距并非时间，而是“原创与模仿”的本质差异。 现在人工智能技术正呈现爆发式增长，国内 AI 圈看着挺热闹，大厂小厂都在做模型、谈落地，好像遍地都是机会。 可梁文峰偏偏把这层热闹的窗户纸捅破了：美国那边的 AI 发展，靠的是自己琢磨出的新算法打基础。 我们这边很多时候，是把别人现成的技术拿过来，改改适配国内的实际场景，然后靠这个赚钱。 两者看着都在往前走，可底层的逻辑完全不一样。 就拿他提的 DeepSeek 来说，这公司没什么大厂撑腰，既没有某腾某阿里那样的海量资源，也没有砸不完的钱，却硬生生做出了个 670B 参数的大模型。 你知道现在 AI 圈的 “潜规则” 吗？之前很多公司做模型，都爱拼参数，参数堆得越大，好像就越厉害。 比如有大厂之前搞的模型，参数直接堆到 1.2 万亿，训练一次光算力成本就花了快 5000 万美元，烧钱跟烧纸似的。 但 DeepSeek 反着来，人家没走 “堆参数” 的老路，而是在架构设计上动了脑筋。 结果呢？他们的 670B 模型不仅性能没掉队，算力还省了一半多，训练一次成本也就 2200 万左右。 这一下就把 “靠原创设计赢过靠资源堆砌” 的道理说透了 ——AI 不是比谁的钱更多，是比谁的脑子更活。 再往深了说，美国的 AI 发展，是从根上往下长。 就像 OpenAI，从 GPT-1 到 GPT-4，每一代模型都有算法上的突破，比如注意力机制的优化、上下文理解能力的升级，都是自己琢磨出来的新东西。 2023 年全球 AI 核心专利统计里，美国占了 38%，其中 45% 都是原创性的专利，要么是新算法，要么是新架构，都是能撑起整个行业往前走的 “硬东西”。 咱们这边呢？2023 年 AI 核心专利占比也有 29%，看着不算少，但里面只有 15% 是真正的原创性专利。 剩下的大多是什么？是把别人的算法改改，适配到电商推荐、安防人脸识别这些场景里的应用专利。 不是说场景落地不好，毕竟能赚钱、能解决实际问题也是本事，比如国内电商的 AI 推荐，现在能做到精准推送用户喜欢的商品，转化率能到 3.2%，这在全球来看都不算低。 可问题是，一旦别人的底层算法卡了脖子，或者场景里的需求到了瓶颈，我们就容易陷入 “改无可改” 的困境。 但梁文峰说这话，不是为了唱衰中国 AI，而是想提醒行业 —— 热闹的场景终有挖透的一天，只有原创才能走得远。 梁文峰的话，更像是给行业敲了个警钟。 中国 AI 要想真正跟美国站在同一水平线上，甚至超过去，不能只靠 “把别人的技术用好”，更要靠 “做出自己的新技术”。 现在 DeepSeek 已经开了个好头，证明了小公司也能靠原创做出好模型。 如果更多的资本、更多的人才，能往底层研发上倾斜，用个三五年时间，中国 AI 肯定能跳出 “模仿” 的圈子，走出一条自己的原创路。 到那时候，我们再谈 AI 发展，就不用再提 “跟美国差几年”，而是能说 “我们有自己的东西，而且比他们的更好”。
