中美差距到底有多大？ DeepSeek创始人梁文锋毫不避讳、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。” 现在打开手机，不管是用AI写文案、查资料，还是处理中文公文、解析古诗词，国内的文心一言、通义千问这些工具都很好用，甚至比美国的GPT-4还顺手。 斯坦福大学2025年的报告也显示，中美顶级AI模型的性能差距已经缩小到0.3%，梁文锋团队开发的DeepSeek-R1模型，在数学推理、代码编写这些关键任务上，已经能和美国OpenAI的o1模型比肩，从日常使用体验和性能数据上看，两国AI的差距确实不大，感觉就差一两年的发展时间。 但这只是表面现象。梁文锋提醒大家，不能被这些表面的便利迷了眼，要看到背后的核心问题，现在所有AI大模型赖以生存的基础技术，比如支撑语言处理的Transformer架构、生成图像的Diffusion模型，都是美国公司和科研机构最先提出来的。 这就意味着，美国先搭建了AI领域的核心框架，我们更多是在这个框架里做优化、做应用，全球引用率最高的10项AI基础研究，美国占了4项，中国只有1项，这就是原创和模仿的核心差距。 这种差距体现在很多实际层面。首先是专利的含金量，中国的AI专利申请量是美国的4倍，看起来数量很可观，但能得到其他国家认可、真正能在国际上形成技术壁垒的专利只有4%，而美国的这个比例是32%。 我们的很多创新都是在现有技术上做小改进，真正能改变行业格局的底层创新还是太少。 其次是硬件和投资的差距。训练大型AI模型需要大量高端芯片，美国OpenAI训练GPT-4用了2.5万块顶级的H100芯片，马斯克更是计划用20万张同类芯片搭建算力设施。 而中国企业受外部限制，只能用性能打折扣的H800芯片，梁文锋的团队训练DeepSeek模型时，也只用了2048张。 虽然他们凭着出色的技术优化，把训练成本降到了美国的二十分之一，这已经很了不起，但本质上还是在现有硬件条件下做的极限突破，硬件层面的差距是客观存在的。 投资方面的差距更明显，2024年美国私营企业在AI领域的投资达到1091亿美元，而中国只有93亿美元，还不到美国的十分之一。 美国四大科技巨头的AI投入，加起来是中国七大互联网公司总和的8.5倍，基础研究需要长期烧钱，见效慢、风险大，没有足够的资金支持，很难持续推进原创性探索。 还有人才和科研生态的差距，美国汇聚了全球50%以上的顶尖AI人才，很多诺贝尔奖、图灵奖得主都在AI基础研究领域深耕。 中国虽然培养了全球47%的顶级AI研究人员，论文发表数量也超过了美国，但论文的平均引用率还落后美国15%，而且很多研究和产业应用脱节，没能形成从理论到实践的良性循环。 不过我们也有自己的优势，2025年的数据显示，71%的中国企业都在使用生成式AI，比美国的67%还高，从移动支付的风控到医院挂号、红绿灯调度，再到工厂的智能质检、自动驾驶出行服务，AI已经渗透到我们生活和工作的方方面面，应用普及率很高。 百度的自动驾驶出行服务累计提供了超过900万次载客行程，超过了美国Waymo公司同期的规模。 更重要的是，像梁文锋这样的创业者已经开始发力原创，DeepSeek不仅推出了性能顶尖的模型，还主动开源了训练技术细节，让全球开发者都能使用和优化，截至2025年9月，他们的R1模型在全球开源平台的下载量已经突破1090万次。 国内的华为昇思、百度飞桨这些AI框架也在快速发展，昇思已经成为国内发展最快的开源框架，服务了上千家企业和科研机构，中国在AI论文发表量、专利数量上的领先，也说明我们的科研基础在不断夯实。 梁文锋说 “有些探索是逃不掉的”，这句话点透了关键，短期来看，我们在应用层面的优势很明显，但长期竞争拼的是原创能力。 如果一直依赖别人的基础理论和核心架构，就算应用做得再好在，也只能跟着别人的脚步走，遇到技术封锁就会陷入被动，只有沉下心来啃基础研究的 “硬骨头”，在核心技术上做出自己的原创突破，才能真正从追随者变成引领者。 现在的中美AI差距，不是简单的技术先进与否，而是发展路径的根本不同，美国靠原创搭建了行业基础，我们在应用和优化上快速追赶。 这种差距正在通过持续的探索慢慢缩小，只要我们坚持在原创领域投入，把核心技术攥在自己手里，未来中国AI一定能走出自己的新路，在全球竞争中占据主动。
