中美AI競爭的勝負手在哪？_風聞

文 | 天書 土曹 北方朔風

自從去年chatgpt4出現以來，以大語言模型為主的AI和星艦一樣，在中文網絡上愈發被一些羣體當成美國對中國的某種決戰兵器而極盡吹捧。比如最近風頭正盛的某“經濟學家”一直在各種場合鼓吹AI將帶領美國實現產業升級。

無論這些人願不願意承認，對美國這樣的霸主來説，越被吹捧一兩樣“決戰兵器”，越意味着在總體性競爭優勢上已經乏善可陳。退一步説，我們先假設AI或許在未來能產生決定性作用，那麼鼓吹“AI決戰”，起碼也要先大概瞭解中美之間目前的AI差距現狀，以及未來的勝負手在哪。

實際上，今年OpenAI的進展就不如市場預期，年初高調宣傳的視頻生成模型sora遲遲無法落地，反而是國內的可靈，即夢等相繼實現對公眾開放。前兩天騰訊剛發佈的視頻生成模型混元Video參數量達到130億，據稱是當前最大的視頻開源模型。

混元”文生視頻“示例

一方面是國內AI模型們不斷追趕和商業落地，一方面是gpt遭遇瓶頸。就在上個月，OpenAI內部下一代gpt模型“獵户座”被曝提升不及預期，已進入收益遞減階段。一位OpenAI的工程師表示，“接下來的工作中科學創新將會變少，將由多年的艱苦工程代替。”

從算法創新到大力飛磚

什麼叫科學創新將由艱苦工程代替呢？意思就是説大模型這個路線未來的性能提升會越來越依賴於工程實現和物理條件本身，而不是算法工程師們的天才創新。

在AI突破的道路上，到底是算法重要還是算力本身重要，並非一開始就有個明確的答案。直到2018年以前，業內對算力的重要性還只有一個模糊的認識，**知道重要，但具體重要到什麼程度並沒有人真的去估算，**很多人還是寄希望於能夠出現更神奇的算法。不只在算法上，一種看起來非常有希望的方向是將人工智能與前沿哲學結合起來，通過哲學層面對語言，心靈和意識的研究指導人工智能更靠近“人類思維”。

不論東西方，在相當一段時間內都流行過“哲學能指導科學發展”的迷思。在歐洲來説，哲學和自然科學的分家早些，雖然哲學發展至現代階段後，從邏輯實證主義到現象學都聲稱要給科學大廈找到一個可靠的基礎，但科學家們對此往往並不予理會，大概就像楊振寧説的那句“哲學從來沒有影響過物理學”。在社會主義國家來説兩者的關係更復雜些，從恩格斯的《自然辯證法》到蘇聯官方唯物主義哲學再到我國的《矛盾論》，在歷史上都或多或少的參與進了科學研究的方向性規劃中。

在人工智能研究興起之後，哲學與科學之間的關係一度迎來轉機。人類是目前已知唯一有真正智慧的事物，研究人工智能自然首先離不開對人腦結構和思維模式的模仿，比如神經網絡就是模仿人腦的神經元。在人類思維模式，邏輯結構，意識、語言、智慧的本質為何等方面，就來到了現代哲學強相關的領域。20世紀西方哲學的幾個主要轉向——分析哲學，語言哲學和現象學中，對這些領域都有多方深入。

1956年的達特茅斯會議被視為人工智能作為一門學科的誕生。如羅素，喬姆斯基，查爾莫斯等哲學家的理論成果在人工智能研究的不同階段都產生過不小影響（當然，這種影響中也包含了一些誤導）。70年代之後，人工智能熱潮進入第一次低俗。後來經過專家系統，統計學習等階段性發展，人工智能進入了深度學習革命時代，從心靈哲學，具身現象學到更具體的人工智能哲學等等，哲學與人工智能相關研究的結合一度被寄予厚望。

達特茅斯會議上七位主要科學家合影

由於互聯網為代表的信息科技浪潮在新千年後處於極強勢的地位，這導致哲學對人工智能研究的參與對哲學界本身造成了反向影響——人工智能代表了人類社會的未來，既然一些哲學（看起來）能指導人工智能研究，但還有很多哲學不能，那麼是不是意味着那些不能的哲學已經落伍了？**由此，那些與人工智能無關的哲學一度在某種層面面臨被討伐的局面。**比如在我國，英美分析哲學的一些學者就借AI熱潮試圖對官方馬克思哲學提出挑戰。

然而在2018年之後，情況出現了變化。

在之前，也不是沒有人工智能學者像物理學家那樣質疑過哲學對人工智能的真正作用，由於兩波人對彼此總是存在着這樣那樣的不夠深入和誤解，讓這種爭論更像嘴仗，一直沒有一個明確的結論。2018年，OpenAI發表了一篇文章，估算自2012年以來，最大規模的AI訓練中所使用的計算量呈現出指數級增長的趨勢，其計算量每三四個月就要翻一番，並作出結論，認為現有的模型只要加大算力和數據，就一定會有更強的效果，loss（模型預測的準確度損失）會更低。想不想看到loss低到一定程度後，模型會出現什麼改變？那就大力飛磚吧。

正是清楚認識到這一點，並且堅決在算力投入上狂飆突進，OpenAI奠定了率先突破的基礎。在我們今天看來，算力越大模型效果越好彷彿理所當然（也並非都如此，那些將AI視為美國決戰兵器，認為美國AI水平不可超越的人很明顯對這方面沒什麼認識），但在當時來説，模糊的認識並不等同於清晰的決策和堅定的投入。畢竟在算力上大力飛磚，需要的投入是天文數字。

而且就像摩爾定律和安迪-比爾定律那樣，信息技術總是先出現明確趨勢，後被總結成規律。雖然從2012年開始計算量每三四個月就翻一番了，但總要有人明確歸納總結並進一步實踐，才能成為行業的金科玉律。還有一個重要因素現在大家也很清楚了，就是在人工智能計算方面GPU對CPU的取代引發了技術變革，讓大力飛磚得以有實現的基礎。

在推動人工智能進步的經典三要素中，算法創新和可用於訓練的數據質量往往很難被量化和客觀評估。算力大小簡單明瞭，其重要性一旦被直觀指出，那接下來的事情無非是軍備競賽。由此，這輪以大模型為代表的人工智能熱潮從科學創新更加走向工程實現。

中美AI的人才和軟件差距

通過上面對哲學與人工智能間的關係，以及從算法創新到大力飛磚的工程轉向過程的梳理，相信讀者會對某些羣體的“AI決戰兵器思維”的本質有更深入的認識。幾十年來，中國的生產力和工業水平越是發展，那些否定中國的理由就越來越虛無化玄學化。像這類“美國AI不可超越”的認知，**根據並不從科學，產業和現實中而來，而是因為那些人堅信不移“美國有某種迷之優越性”。**如果説，真是英美分析哲學的傳統促成了AI的突破，讓我國在這方面被甩開，那這些人的迷信還可能找到一些依據，然而現實結果並非如此。

還有一個美國AI迷信者們更不願意接受的事實，實際上從學術人才儲備和軟件上，中美差距並不大，比被卡脖子的GPU差距要小得多。

從這兩年各個AI方向的會議和期刊的發表上來看，不乏包含了中文名字和國內單位的文章發表。特別是在計算機視覺和自然語言處理等領域。很多頂級會議有近一半以上的文章都是出自國人或者華人的手中。也有不少的小領域，我國雄踞前沿。曾經有機構統計，全球人工智能研究論文數量排名前五的機構都是以中科院為首的中國機構。

一個老生常談的話題是，我們雖然發表的論文很多，但是綜合質量並不高。這種不高並不是指這些文章質量不行，相反，這些文章可能質量都並不差。只是缺乏那種足以影響整個領域或者小領域和研究趨勢的文章，很多學者還更像是在做題而不是在做學術。當前這種情況也在改變，整體研究和科研產出的質量也在逐年提高，國人產出的高引用率論文正在越來越多。中科院，清華的產出甚至可以和斯坦福，麻省理工，谷歌之類的一較高下。而且別忘了，就像美國吸收了全世界大量優秀人才那樣，人才這種東西是有流動性的。

的確，在AI領域從0到1的研究，美國還是當之無愧的佼佼者。我國緊隨其後，雖然在最前沿的技術上還比之有所不及，但是並非沒有自己的突破和閃光點。像今年年中斯坦福抄襲國內清華開源的大模型事件，也反向説明我們其實也做出了很多優秀成果。

開源之前一向被看作美國互聯網產業的優勢，事實也確實如此。目前訓練模型用的開源框架仍然由美國互聯網產業主導，如Pytorch，deepspeed，以及當下使用最多的，英偉達主導的megatron。

不過因為成本和商業壁壘的關係，美國頭部的人工智能公司開源並不積極，馬斯克罵完OpenAI不開源，自己的新版模型也放棄了開源。目前在開源和創新上，我國AI行業反而更展現出活力，不少人工智能公司都積極擁抱了開源，如騰訊混元，阿里通義千問，深度求索，智譜智能，面壁智能等。

在創新上，智譜智能的GLM系列就在構架上有所創新，我國個人開發者開發的RWKV模型，更是超出了Transformer模型的限制，甚至被微軟拿來使用。深度求索開發的deepseek系列模型，通過對MOE模型的優化，降低了大模型的使用成本。至於在具體商業和個人應用層面，我國這兩年也已經是遍地開花了。

就開源軟件的差距來説，目前國內AI整體還處於從1到100的階段，短時間目標只是追上美國與其並駕齊驅，這方面差距影響暫時不嚴重。等我國有一天要向美國發起科技潮流引領地位發起挑戰，進入從0到1的階段時，這方面的影響才需要更加重視。

勝負手：物理限制

就像前面所説，當前大模型的突破根本上是由算力而不是算法決定，且中美在AI人才和軟件上的差距並沒那麼大，不足以夠成中美AI競爭的勝負手。

算力推動大模型發展，算力本身由三者綜合決定，以GPU為主的芯片先進程度，更先進算力數據中心的工程實現和能源供應。目前在推高算力上，中國在眼下面臨物理限制，美國在未來面臨物理限制。

中國的限制

中國眼下面臨的限制人所盡知，就是在GPU上被美國卡脖子。從特朗普第一任期以來的科技封鎖就不回顧了。眼下，最高端的顯卡美國人是絕對不會賣給我們的。現在能買到的顯卡就只有L20和H20之類，單卡訓練上的性能只有A100的一半（可能還不到），粗略估計的話，多卡可能達到A100的80%的水平。但A100已經是英偉達兩代之前的東西，現在已經到了H200和GB200的階段。就在12月2日，美國又升級了對華半導體管制，140家企業被列入“實體清單”，這方面我們不能也不應該對美國有什麼幻想。

性能是一方面，數量是一方面。2021年前後，OpenAI就把同時啓動的訓練節點擴展到了7500個，到今天國內能同時啓動這個量級訓練的公司還不多。除了資本投入和工程經驗上的差距外，最直接的因素是顯卡數量，國內的萬卡集羣還是停留在少量頭部公司以及公立實驗室中。

本土GPU製造上，華為們雖然在努力追趕，但仍要時間。**當然要看到這方面我們有追趕的機會。**我國芯片製造業的持續突破是一方面，當下摩爾定律已經逼近失效，芯片性能的提升在相當時間內不會像從前那樣突飛猛進。另外從昇騰的發展軌跡來看，得益於我國龐大的產業規模，確實哪個領域被封鎖，哪個領域的國產替代化就會加速進行。基於我國在能源和基建水平上的絕對優勢，一旦在GPU方面突破了卡脖子，算力將迎來跨越式發展。

美國的限制

美國面臨的物理限制則是由去工業化造成的不斷衰退的基建能力，嚴重老化的電網，以及核能、清潔新能源方面的產能落後。這些問題對AI產業來説，在今天看來還不很嚴重，但趨勢已經明顯。

舉幾個基建影響的例子。隨着AI模型越來越大，相應算力產生的熱量消耗越來越高，數據中心需要實現良好散熱才能維持運轉。散熱本身也需要消耗大量的水和電，大型數據中心有近一半的運營成本就來自散熱。為了降低成本，將數據中心建在氣温較低的地方自然是理想選擇，像我國內蒙和貴州就有不少數據中心集羣建設。

對於我國來説，建在哪裏基建都不會有什麼大問題，但美國不是。像阿拉斯加的氣候無疑足夠涼爽，但當地的基礎設施支持數據中心建設麼？所以美國大量巨型數據中心不得不建設在居民區附近，以至於出現和當地居民爭水爭電的問題。

還有數據傳輸方面。百萬GPU級別的超級集羣是單體數據中心不能實現的，需要多數據中心的互聯，因為大語言模型訓練的特性，多中心互聯對延遲有着非常嚴苛的要求。當然，美國的大公司們有能力搭建屬於自己的專線，但是這樣的壟斷對於後面進入市場的人工智能企業是不利的。而我國在佈局數據中心集羣的時候，把低延遲線路專門放進了配套基礎設施規劃中，參與的企業都能享受到這樣的基礎設施。

這些還不是致命問題，AI的性能提升意味着能耗的成倍增長，**能源問題是決定美國未來在AI上能否繼續領先的命門。**美國電網的老化目前看不到什麼扭轉跡象。而且由於歐美這些年的環保大旗，對數據中心的環保指標有着嚴格要求，這要求人工智能玩家們必須更多使用核能，風電光電等清潔能源。

在核能上，看微軟前段時間打算為了AI重啓三里島核電站就明白目前美國是什麼現狀了。一方面是美國現在對建設新核電站審批很困難，一方面也是無奈之舉。畢竟美國最近二十年核電建設不順利的根本原因並非是技術，而是建設週期過長導致成本超支。如果按照美國之前的經驗，現在新建新式的反應堆，雖然安全性更好，但是建成就要到2040年代了，需要電力的人工智能公司可等不了這麼久。

而且我國目前除了眾所周知的光伏優勢外，在風電機組製造，電池製造，碳捕集、利用與封存，綠色建築材料方面都已處於世界領先位置，其中光伏、風機、鋰電池這三個部分，中國目前掌握了全球絕大多數產能。在其他的如核能發電，儲能技術，氫能和燃料電池，生物能源等產業上，雖然不是非常領先，但也是發展很快，有了可觀的技術積累。

我國的核電技術達到了國際先進水平，目前建設的第三代核電站，相較於冷戰時代的老電站安全性有本質的提升。正在開發的第四代核電技術上更加先進，工程上的經驗也使得建設週期可以控制在合理的區間之內。更不用説中國的火電超低排放技術和清潔煤電體系也是世界領先。

基於以上這些優勢，我國建設了世界上最大的綜合電網，**這是人類工程歷史上的奇蹟，同時也實現了全球最大的清潔能源裝機量。**這背後，整套電力系統的協調無疑是居功至偉。比如，我國之所以能將大量的清潔能源納入電網，同時不影響使用，除了科研人員花費巨大精力建設的電力調控系統外，跨區域的輸電，用於調峯的電站，大型儲能設備也是核心所在。為了搭配這些清潔能源，我國近十年來也建設升級了一大批新的電站。

類似的事情實際上從純商業效率來説未必賺錢，美國電力系統面臨的問題也在這裏，都想做賺錢的生意，不考慮不賺錢的問題。只不過如果從社會整體的角度來考慮，基礎設施不能只考慮賺錢，我國從社會整體考慮的電力系統的建設，現在被證明顯然是有利於社會長期發展的。

以上，中美AI競爭中物理限制的勝負手就很清晰了，中國要在眼下突破芯片製造，以及相關先進技術的卡脖子，美國要在未來解決去工業化帶來的電網老化，基建和能源技術落後的問題。誰先解決問題，是誰能領先邁入AI發展下一階段的關鍵。

勝負手：應用場景

正如現在很多人對大模型AI吐槽的那樣，人類發展AI並不是為了讓它們代替人類下棋唱歌畫畫，而人類繼續苦逼幹活。AI最終還是要落實到生產環節，以及社會和生活的具體場景中。

生產環節這方面顯然中國有領先優勢，畢竟許多產業已經不在美國本土了。社會應用場景上，中美作為兩個經濟體量最大的國家，在AI應用上目前各擅勝場。這裏僅説説我國的情況。

我國的人工智能企業目前在應用場景上走的穩健路線，開發了大量行業大模型，金融，氣象，政務，礦山，航空航天，醫療等各行業的大模型。這樣的路線聽起來不那麼帶感，但很現實。在人工智能無法實現無所不能之前，針對各個行業的工作去開發專有模型是個更加有效的策略。畢竟就算是openai，也開放了允許進行微調的模型範圍。

除了大語言模型之外，其他的人工智能技術我國的應用也走在前方。無論是自動駕駛，智能安防還是ai for science，我國都保持在世界前列，甚至類似人工智能安防這樣的領域，保持着世界第一的水平。我國企業與院校在應用這些技術的主動性上是無需懷疑的。

在應用場景上，眼下美國有一大領先勝負手，就是ai for science。由於美國在基礎科學研究和AI水平上同時保持領先地位，所以在ai for science，也就是人工智能推動科研上目前有領先優勢。如deepmind雖然位於倫敦，但屬於谷歌旗下，也可以算作美國AI產業，這個機構做了大量的AI跨學科應用研究，比如今年獲得諾貝爾化學獎的alpha fold，以及在核聚變方面的研究應用。

當然，AI對基礎科學的推動到底能到哪一步目前誰也不好説，相關問題我們在今年關於諾獎的文章《西天的諾貝爾真經，還能取多久？》中已有所討論。雖然概率不大，但誰也不能排除哪天AI真的給人們帶來天頂星式的科技突破，所以這方面是需要我國持續追趕的。

最終勝負手：社會變革

對中美兩國當下的AI發展差距做一個簡單總結。打個比方，如果全球各國是一個班，那麼AI這條的賽道上，目前來説只有中美兩個學霸和剩下一大票成績一般甚至很差的同學。**如果説美國是90分，我國是75分，那其他國家可能大多數都還處於30分到50分之間狀態。**歐洲在這方面已經跟中美有很大差距（歐洲AI從業者也有大量的華人），日本更排不上號。

國內在基礎大模型上足夠對標mistral的初創公司就有六七個以上，還有大量的互聯網公司和科研單位。更何況我國可以説在從硬件到軟件的整個鏈路上都有涉獵，很多領域也都完全自研，甚至部分處於世界先進水平。現在的劣勢主要還是美國憑藉全球供應鏈的優勢對我國進行打壓。

現在我們要思考最後一個問題。以上種種差距以及勝負手的討論，都建立在文章開頭的那個假設上，即“AI或許在未來能產生決定性作用”。然而AI的作用一定是正向的嗎？

美國少部分AI從業者認為，人工智能不用管是最好的。但是技術的野蠻發展帶來問題，歷史上已經有了太多的例子。而人工智能可能/已經帶來的問題已經有不少了：大型數據中心的環保問題如何解決；人工智能用有版權材料進行訓練，再拿來賺錢，是否合適的問題；人工智能帶來的失業問題如何處理：深度偽造技術製造的假消息對社會有什麼影響……

這些都是十分現實的問題，不是不用管就能解決的。這些問題放着不管，只會讓問題越來越大，反對人工智能的人越來越多，這不是我們希望的人工智能發展的方式。而這些如何解決，並沒有什麼標準的答案。

在這一輪大語言模型浪潮爆發之初，我國就提出了人工智能管理的相關條例。當時有少數人對此十分不理解，但是事實證明各國都提出了類似的條例，人工智能管理勢在必行，制定這方面的條例也是必然。不過美國製定這方面的條例的時候，態度顯得有些不誠實。比如説有法案試圖限制開源模型，理由就是因為中國，這樣以中國為藉口打壓同行的事情，顯然是屬於過度管理的，而且也沒管到實質問題。

我國的相關條例，在保證管控風險的同時，也保持了足夠的靈活性，讓人工智能進行發展，同時對於新出現的問題，也保持着見招拆招的餘地。而諸如環保這樣的問題，我國也確實能從技術上給出解決方案，不像是某些公司，做着燒天然氣也要搞人工智能這樣虛偽的事情。

以上這些問題還是AI發展帶來的表層性問題，歐美左翼學者，如齊澤克和喬姆斯基等已經不只一次批評過人們對人工智能的預期。我們就算不從左翼角度看，今年最新的諾貝爾經濟獎得主達龍·阿西莫格魯是經濟學領域研究AI的代表性人物，他就對圍繞AI對生產力和經濟增長的一些過度樂觀預測持懷疑態度。

今年6月，阿西莫格魯在接受國內媒體專訪時提到，越深入研究AI的能力和發展方向，越確信它當前的發展軌跡正在重複並加劇過去幾十年最糟糕的一些技術性錯誤，他非常擔心AI成為將財富和權力從普通人轉移到一小羣科技企業家的方式，認為出自動化造成的不平等是企業和社會在選擇如何使用技術後導致的結果。

正如阿西莫格魯擔心的那樣，對AI的錯誤使用會加劇社會的不平等，如果AI真的能朝着通用人工智能的方向不斷邁進，並深入介入社會生產關係之中，那麼在社會沒有進行相應深度改革的情況下，很容易會極大加劇社會矛盾。

所以，AI浪潮真正深遠的影響在於需要推動社會同步進行改革。**在這方面，我國面臨着艱鉅的歷史考驗。**一方面自然是因為我國工業產值已經佔到全球30%；另一方面，生產力的質變要配合生產關係與社會形態的轉變。

從90年代開始，中國從政府、社會到羣眾，對信息技術的擁抱就從來沒遲疑過。今天的中國可以説是世界上最推崇技術進步主義的國家，最龐大的生產體系結合最堅定的技術進步主義，在AI普及之後必然催促着社會變革的到來，逼迫我們的社會必須堅定朝着更加平等的結構邁進。

對美國來説也是如此，當前歐美尤其是美國，已經越來越多的出現拒斥自動化信息化，以及反智主義的傾向，在政治上也開始迴歸保守。當下很多美國人對於人工智能技術的態度相對保守，也並非是他們不理智，而是曾經的新技術發展，給他們帶來了許多問題。然而，其他國家可以技術保守，對全球霸主美國來説，一旦陷入技術保守，就會無力再維持軍事和美元的統治地位。

從特朗普高喊工業迴流開始，美國製造業佔全球比重已經下降到12%，在政治，經濟和軍事手段都失效後，也只能把再工業化的希望寄於AI”玄學“。同樣，想靠AI推動產業起死回生，美國社會就必須下猛藥改革，甚至是革命，美國從上到下做好如此心理準備了麼？

或許美國也可以嘗試硅谷目前流行的新技術右翼思潮，這種思潮認為在馬斯克這樣的少部分科技精英帶領下，技術進步能解決一切問題，只要美國政府和人民完全不約束他們。這是人類歷史上還從來沒有出現過，只在小説影視裏才有的道路，我們也可以拭目以待。不過顯然無論能否實現，這個路必然是以大多數美國人的利益為代價的

當前這個世界，選擇發展就要面臨全新的挑戰，不發展走老路迴歸保守又看不到出路。在這樣的情況下，**可能誕生於未來的更加通用的AI，或者説AGI就會像一把雙刃劍，想真正靠它取得勝利，就必須要有直面可能砍向自己的勇氣。**無論如何，我們可以確定知道的是，正是我們的國家和人民在幾十年堅持不懈的奮鬥中，對發展從沒有猶豫和後悔。