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。” 最近这段时间，DeepSeek这个名字被反复提起，说得直白点，就是火得有点夸张了，大家讨论最多的，不是它“聪不聪明”，而是它“花钱少”，557.6万美元的训练成本。 可就在这股情绪越炒越热的时候，DeepSeek的创始人梁文锋却主动踩了刹车，他没有顺着夸，也没自我吹捧，而是点破了一个很多人不愿意听的事实，真正的差距，不是一两年的技术时间差，而是“会不会原创”，这话听着不刺耳，但分量很重，因为它戳中的，是国产AI最容易自我麻痹的地方。 必须承认，现在很多国产AI确实好用，写报告、做表格、处理政务、适配中文场景，比起国外模型往往更顺手，这也是事实，但问题就在这儿，好用，不等于领先。 当下情形，恰似他人已筑好地基、搭就框架，我们仅负责装修，虽能展现高超技艺、提升装修效率，然而房屋设计之妙、承重逻辑之秘，都不是我们所能掌控。 差距最明显的地方，其实在底层路线选择上，国内大量资源都投向“怎么用AI赚钱”“怎么快速落地”，而美国那边更多精力花在“AI能不能自己创造”。 比如让AI自动设计新模型、让AI自己规划科研方案，这已经不是“提高效率”，而是在抢未来规则的制定权，一个是在用工具，一个是在造工具，层级完全不同。 更现实的问题，是基础条件本身就不对等，算力、芯片、数据，这三样是AI的命根子，美国巨头一年砸几百亿美元建数据中心，GPU集群规模是百万级，而我们整体算力大概只有他们的十分之一。 高端训练芯片，九成还受制于人，就算不谈芯片，数据积累也差着量级，人家是百年工业数据沉淀，我们很多训练数据，主要还是封闭的中文互联网内容。 在这种情况下，如果只是依赖开源、依赖别人的算法积木，一旦对方收紧权限，应用层再热闹，也可能瞬间断粮，这也是为什么梁文锋反复强调，光靠“追着跑”，永远摆脱不了被卡脖子的风险。 还有一个容易被忽略的因素，是资本耐心，美国的钱，敢长期砸在基础研究上，哪怕十年不赚钱，而我们这边，更多资金盯着短期回报，七成以上投向应用层，这种环境下，很难自然长出真正的原创技术。 DeepSeek真正不一样的地方，也恰恰在这儿，它之所以被看见，不是因为抄得快，而是因为在底层架构上确实下了狠功夫，比如通过原创设计去压缩算力消耗、降低显存成本，这种东西短期看不出多大声量，但它是真正往根上挖。 说到底，这不是一条轻松的路，从“会用”到“会造”，一定慢、一定贵、一定孤独，但如果不走，哪怕榜单再亮眼，也只是阶段性繁荣，梁文锋这番话，是在提醒，真正决定未来的，不是谁红得快，而是谁在没有外部依赖时，还能自己点亮那盏灯。
