中經評論：讓人工智能跑出中國速度

在人工智能領域，中國好消息不斷。去年年底以來，DeepSeek火爆全球，以實力回擊了“中國做不出一流大模型”的論斷。近日，華為推出參數規模高達7180億的全新模型盤古Ultra MoE，這是一個全流程在國產昇騰AI計算平台上訓練出來的準萬億MoE（混合專家）模型，以實踐結果證明了國產算力也能訓練出世界先進大模型。

中美兩國被視為人工智能發展的第一梯隊。與中國相比，美國在人工智能領域起步較早，在核心技術、資本投入和生態成熟度等方面更具優勢。自ChatGPT、Sora登場後，有一些聲音認為中美人工智能差距越來越大，難以追趕。事實上，中美在人工智能領域的競爭呈現“美強中快”的動態變化，中國憑藉應用創新、數據規模和政策驅動快速追趕，差距持續縮小。DeepSeek的成功，已經證明我國在大模型領域走出了一條“低成本、高性能”的創新之路。

算力是人工智能競爭的重要戰場。人才、數據、算力被視為發展人工智能的關鍵三要素。其中，算力是訓練大模型、處理海量數據的核心基礎設施，決定着算法的創新空間。當前，美國在人工智能核心算法和框架方面佔據優勢，在先進算力領域也處於領先地位。國產算力在市場佔有率、性能優化、生態成熟度等方面有待提高，還面臨技術封鎖，困難重重。這也導致了有觀點認為“國產算力無法訓練一流大模型”。

差距確實存在，但並非不可逾越。比如，華為雖然單芯片工藝落後美國一代，但採用數學補物理的辦法，通過疊加和集羣等技術，也能極大提升系統性能，最終達到世界先進的計算水平。這不僅是芯片性能的追趕，更是通過系統工程創新與深度協同機制，將“根深葉茂”的研發理念轉化為集羣效能的躍升，生動詮釋了以體系化優勢突破關鍵核心技術的中國路徑。我們更要相信，隨着技術迭代與生態完善，國產算力的能力還將持續增強，有望實現從“可用”到“好用”的跨越。

算力競爭其實是一場“體系化戰爭”。從芯片架構、框架優化到工程化能力，中國已構建起全棧自主的技術鏈條，不斷縮小與世界頂尖水平的差距。從披露的數據看，昇騰算力平台訓練效率高、推理性能好、系統運行更穩定可靠。這充分證明，聚焦根技術突破與體系化協同，中國人工智能產業完全有能力鍛造出自主可控、世界領先的科技成果，為千行百業智能化升級注入強勁動能。

應注意到，中國在人工智能領域已取得顯著突破，不應妄自菲薄。我國是全球人工智能專利最大擁有國，人工智能核心產業規模近6000億元，企業數量超4700家，形成了覆蓋基礎層、框架層、模型層、應用層的完整產業體系。算力規模居全球前列，已建成鋼鐵、煤炭等高質量行業數據集，培育出一批競爭力強的通用大模型和行業大模型，並登上全球主流開源社區下載量榜首，產業鏈正在從單點突破轉向協同創新。

更應看到人工智能技術迭代一日千里，全球競爭日趨激烈，不能沾沾自喜。如果自滿於階段性成果，忽略依舊存在的短板差距，中國人工智能可能會陷入“追趕—模仿—再追趕”的循環。國產算力還需在高端芯片架構、集羣通信效率、軟件生態等方面繼續優化提升，訓得更好、推得更快，為中國人工智能產業發展提供堅實基礎。

中國發展人工智能，需要更多信心和耐心。人工智能全球競爭，不是單一技術的比拼，而是創新體系、產業韌性與戰略視野的綜合較量。作為全球工業門類最齊全的國家，我國製造業增加值佔全球比重約30%，這是我們發展人工智能的重要優勢和基礎。只有保持“永遠在路上”的心態，在基礎研究上甘坐冷板凳，在生態構建上深耕細作，在場景落地中精益求精，才能讓中國人工智能真正跑出中國速度。