【文/观察者网专栏作者 余鹏鲲】

自从ChatGPT面世以来，大部分AI相关新闻的热点版面都被美国企业和它们的技术突破霸占了。通过世界各国媒体的介绍，美国企业的“文生文”以及“文生视频”的AI模型已然是家喻户晓。农历新年之后，美国AI的热度依然居高不下。

2月12日，英伟达CEO黄仁勋在迪拜举行的世界政府峰会中呼吁世界各国构建自己的主权AI基础设施。在与阿联酋人工智能大臣奥马尔·奥拉马的公开谈话中，黄仁勋认为：每个国家都需要拥有自己的AI基础设施，以便在保护自己文化的同时利用其经济潜力。

迪拜作为本届世界政府峰会的主办方，认为“塑造未来政府”的主题与人工智能息息相关。而目前世界上大部分的AI算力，都是由英伟达的显卡提供的，黄仁勋虽然不是国家和非政府组织的领导人，也受邀参加了此次峰会。

当地时间2月15日，旧金山的科技企业OpenAI发布了“文生视频”模型Sora。通过Sora生成的视频不仅真实感强，而且支持多视角，时间成本也有所减少。这样的效果极大地震撼了对AI所知不多的普通人，甚至让一些人产生了工作即将被AI代替的焦虑。

Sora生成的视频中的一帧（图自OpenAI官网）

与百花齐放的AI模型相比，AI硬件基本上是英伟达一家独大，AI的编程模型也十分依赖英伟达的CUDA作为应用程序的开发接口（API）。因此，很多AI应用的开发者十分期待出现一个能与英伟达分庭抗礼的AI硬件厂商。

英伟达构建的显卡计算生态

近期，多家媒体报道了一家名为Groq的加州AI企业。据称该企业研发的加大语言处理单元（LPU）芯片，在与英伟达H100显卡同样进行生成式AI推理时，推理速度快了10倍，消耗电能却只有1/10。

经过笔者的查证，其实该公司在去年11月底就发布了这一成果。重新引发关注的原因，可能是该公司宣称LPU的提出受到了中国正在研发的“神威·海洋之光”超级计算机的启发。

不过当时就有媒体指出：AI领域的初创公司“都声称性能比英伟达好10倍”。曾任阿里技术副总裁的贾扬清算了一笔账，Groq的LPU在大部分情况下的拥有成本和采购成本，还是明显高于H100显卡。

因此目前看来，英伟达和CUDA生态是难以撼动的。这一点也体现在英伟达的财报上。

2月22日，英伟达发布了2024财年第四季度及全年财务业绩，全年净利润增长近6倍。除了利润增长高得吓人，2024财年的毛利率也达到了72.7%，充分体现了高科技行业的高收益。

英伟达财务摘要

受“完美财报”影响，2月22日英伟达股票暴涨16%，市值增加了2733亿美元，约合人民币2万多亿。按市值算，相当于1天就创造了1个贵州茅台或3个宁德时代。

美国AI大模型频频登上热搜，美国的AI芯片厂商又是如此强势。于是自然有人提问：为什么人工智能的突破进展总是出现在美国？还有这样一种担心：Sora等模型产品出现在美国，中国AI的发展变被动了么？

针对这些问题，《环球时报》对话了全国政协委员、360创始人周鸿祎，他认为中美AI的差距主要在“确定技术方向”上，中国的优势是学习能力很快，中美在AI上的差距应该能在一两年内追上。

但周鸿祎的说法毕竟只是一家之言，美国AI企业在确定技术方向上的能力到底强不强？如果确实强，那又是强在哪里呢？

确定技术方向，确有过人之处

与周鸿祎相反，部分网民出于朴素的民族感情，认为以ChatGPT为代表的“文生文”模型，以及Sora等“文生视频”模型缺乏明确地工业适用场景，是一种屠龙术式的技术突破。尽管显得技术高超，实际作用却很小。甚至有人明确提出：美国AI务虚，中国AI务实，并认为中国AI发展路线远较美国为强。

从细节上讲，这样的说法是有道理的。在AI产业中，热门的研究问题通常具有两个特征：

1.人类不擅长，而计算机擅长；

2.人类由于定势思维和文化传统，错误地认为这些问题集中体现了人类的“高级智慧”，是人类擅长的问题。

从AlphaGo开始，到最近的ChatGPT和Sora，都体现了这一规律。

例如，围棋从来都不是人类擅长的，普通人早就下不过AI了。只是围棋在东亚社会文化上具有较高的社会影响力，吸引了一大批记忆力远超于常人的天才投身到这项运动中，使得AI需要发展这么多年，才能追上人类最高水平选手。

围棋在中日韩具有崇高的文化地位

同时，几乎所有国家的传统都认为在棋类运动中领先，需要较强的把握局面的能力以及深谋远虑。并衍生出“入界必缓”、“攻彼顾我”、“势孤取和”、“棋品如人品”等等文化谚语。但实际上，棋类比赛往往需要的是记忆和检索大量信息的能力，而这显然是计算机擅长的。

对于ChatGPT，网民有这样一个玩笑：“除了用于工作的时候，ChatGPT还挺智能的”。虽然是玩笑，但精准反应了目前“文生文”模型的缺点。对内容相对固定的上传下达等工作，这些技术还十分有用。一旦对内容的正确性和风格有要求，相关技术的效率就直线下降。

因此，这些模型只是基础，还需要大量的标记和重新训练，才能应用到实际的工业场景。

但若是据此得出结论：美国AI务虚，中国AI务实，笔者就很难苟同了。因为这正是美国AI厂商希望看到的。

黄仁勋呼吁各国建立主权AI基础设施，他说：“它编纂了你的文化、你的社会智慧、你的常识、你的历史——你拥有你自己的数据”。

从表面上看，这没错，ChatGPT也好，Sora也罢。如果能用各国本地语言重新进行标记和训练，当然比依赖翻译输入的方式更好。

如果按黄仁勋的提议，各国都建立了主权AI。人们难免会好奇美国的主权AI和其他国家的主权AI有什么区别。

显然，美国主权AI是扩张性的，在这里投入的每一分钱，都能从国际上赚来多得多的钱。美国的主权AI具有最强的基础功能性和技术扩散性，各国的主权AI能达到什么水平和效率，深度依赖美国主权AI提供的工具。

很多国家即使主权AI建设成功，也是防御性的、自保性的、甚至面子性的，很多投入最后仅仅变成了一种消费，购买的还是美国的AI商品。同时，如果各个发展中国家把AI主权化，互不共享市场，必然造成大量的重复建设，美国AI芯片厂商则在这个过程中赚的盆满钵满，这才是真正的关键！

随着一些媒体，尤其是美国媒体对AI可能侵犯隐私权、AI应用存在伦理风险、AI威胁人类、AI应用收益巨大等方面的过度渲染。AI应用获取必要数据的法律门槛和实际成本正在上升，这也为AI应用企业的未来发展蒙上了阴影。

同时，如果中国AI局限于应用，那就只能赚一点辛苦钱。AI的落地需要海量数据以及冗繁复杂的数据标记。在目前AI应用的模式下，数据训练的通用性不强。换一个行业甚至应用场景，就意味着基本需要重头开始。因此AI应用企业做的再大，也还是劳动密集型的，这与产业转型的方向背道而驰。

而只有做AI模型和做AI硬件的，因其技术扩散性强，才有可能实现72.7%的毛利率。中国产业链的“由大到强”，从资本指标的角度上说，就是要把利润率和产业规模都提高上去，因此中国AI的未来也要做关键技术（如“文生文”模型）和关键硬件。

因此，正如周鸿祎所说：“我一直坚持这么说，看到差距才知道怎么迎头赶上。承认差距不是坏事，认为我们所有都遥遥领先了，那就（不行了）”。中美AI企业的差距，尤其是在确定关键技术上的差距，是客观存在的，不是宣传出来的，更不是凭空造出来的。