觀察：從中國主場優勢看中美AI差距 香港中通社5月23日電 題：從中國主場優勢看中美AI差距
香港中通社記者 黎金良 人工智能（AI）已成為全球科技競爭的核心戰場，而中國與美國作為兩大領跑者，其技術路線與產業生態的差異日益引發關注。近期美國對華為昇騰系列AI芯片的管制升級，再度凸顯兩國在這一領域的戰略角力。究竟中美AI現階段的差距有多大？中國能否實現彎道超車？ 當外界聚焦於AI算力競賽之時，廣東省人工智能產業協會會長、科大訊飛原高級副總裁杜蘭則從另一角度看這場競賽：人工智能的下半場比的不是AI，而是“AI+”，在“+”號的後面，中國的主場優勢才剛剛開始顯現。 美國憑藉英語數據的全球覆蓋優勢等，對訓練ChatGPT等通用大模型至關重要。然而，中國的優勢在於“封閉場景數據”——龐大的實體產業累積了海量工業參數、供應鏈信息等非公開數據。以通信、基建、製造業為例，這些領域的私有數據雖無法直接用於訓練通用模型，卻能催生垂直行業的專用AI。例如三一重工透過設備傳感數據優化工程機械故障預測，其精度遠超通用模型。這種“數據深井”效應，正是美國因產業空心化所欠缺的關鍵資源。 美國對英偉達高端GPU的出口限制，確實短期制約了中國大模型訓練效率。但杜蘭強調，這反而加速了國產芯片的突圍：今年前兩月中國芯片產量激增59%，華為昇騰910B已能對標A100，而中國智能算力規模佔全球45%（美國僅20%）。更值得注意的是“東數西算”工程的戰略布局——通過將算力基建西遷至貴州、內蒙古等能源富集區，中國正構建成本更低、規模更彈性的算力網絡。這種集中資源打攻堅戰的模式，與美國依賴市場分散投入形成鮮明對比。 在基礎算法層面，美國雖然仍佔據主導地位，但中國展現出極強的“應用層創新”能力：Colossal-AI團隊將Sora模型複現成本降低46%，月之暗面的Kimi大模型支持200萬字長文本處理，這些都是針對本土需求的定向優化。杜蘭認為：“中國擅長用場景倒逼算法升級”，例如字節跳動通過短視頻推薦系統的實戰需求，發展出全球領先的個性化算法。 在杜蘭看來，通用大模型只是AI競技場的角落，真正的變革在於AI與實體經濟的融合深度。翻查資料，中國擁有41個工業大類、207個中類和666個小類的全產業鏈，這為“AI+製造”“AI+能源”等場景提供無可比擬的試驗場。例如寧德時代通過AI優化電池生產良品率，青島港的無人碼頭系統整合5G與AI調度，大幅提升裝卸效率。這些案例顯示，中國的“AI+”戰略正在創造美國難以複製的產業協同效應。反觀美國，除了谷歌、Meta等巨頭的消費端應用，其在工業AI落地層面明顯乏力。據麥肯錫數據，中國製造業AI滲透率達21%，而美國僅為12%。 杜蘭的結論發人深省：“AI的終極價值不在於炫技，而在於重塑生產力。”當美國科技巨頭忙於生成貓狗對話的娛樂應用時，中國的AI正在電網調度、鋼鐵冶煉、物流優化中創造真實的GDP增量。這場競賽的勝負，或許取決於誰能先讓AI從“實驗室黑科技”進化為“經濟社會的氧氣”。（完） |
