“中美差距究竟有多大？”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。”
截至2025年3月，公开数据显示，美国占据了全球这类计算机总性能的四分之三，中国仅占15%，xAI的Colossus超级计算机搭载20万个高端芯片，硬件成本高达70亿美元，电力需求相当于25万户家庭的用量。
这样的规模和投入，让所谓“一两年差距”的说法显得有些轻飘飘，人工智能的竞争从来不是简单的时间追赶，而是底层能力的较量。
北大朱松纯教授曾提出AI创新的五层模型，从哲学层到工程部署层层层递进，现在的情况是，中国AI在应用落地和算法优化层面热闹非凡，可到了理论框架和基础架构这些更深的层次，就显得后劲不足。
大家熟悉的大模型大多跑在Transformer架构上，这个由谷歌提出的底层框架，至今仍是多数中国企业绕不开的技术基础。
并非没有例外，传神语联的任度大模型通过“五无认证”，实现了从底层算法到应用的全栈原创，但这样的案例目前还是少数，2023年全球AI软硬件投资数据更能说明问题，美国投入506亿美元，中国则为112亿美元，资金流向的差异直接影响着创新的深度。
人才流动的趋势同样值得关注，保尔森基金会的报告显示，2022年全球前20%的AI研究人员中，47%的本科教育来自中国，这个数字比2019年翻了近一倍。
可现实是，顶尖AI人才依然更倾向留在北美发展，xAI的12位创始人里有5位华裔科学家，这种“在美中国人”与“在华中国人”的智力比拼，折射出人才生态的深层问题。
国内高校近年进步明显，清华北大在全球AI机构排名中持续上升，但企业研发的重心仍更多放在应用层面，微软每年将营收的15%投入基础研究，这样的耐心在国内企业中还不常见。
产业生态的差异也在拉大距离，美国企业从理论提出到商业落地形成了完整闭环，Transformer架构从论文到成为行业标准只用了几年时间。
中国企业则擅长在现有技术框架下做优化，比如让大模型更好地理解中文语境，或是适配特定行业需求，这种路径选择带来了快速的市场回报，但也让底层技术依赖成为隐患。
好在政策层面已开始发力，基础研究计划的持续推进正在改变投入结构，传神语联坚持二十年深耕原创技术的案例证明，只要愿意沉下心来，突破并非不可能。
梁文峰说有些探索逃不掉，这话点出了关键，人工智能的竞争归根结底是原创能力的比拼，不是简单追赶就能完成的跨越，从超级计算机的算力差距到基础理论的原创不足，从人才流动的失衡到产业生态的待完善，这些问题都不是短时间能解决的。
但看到越来越多像任度大模型这样的技术突破，以及顶尖人才开始回流的趋势，就能明白转型已经开始，原创之路注定漫长，可只有走在这条路上，才能真正摆脱追随者的身份。
毕竟，在技术领域，从来没有捷径可走，该有的探索一步都少不了。
