佛得角奇跡，救不了中國AI

剛看完世界杯佛得角對阿根廷的比賽，就跟很多人一樣被“佛得角奇跡”深深震撼。靠著頑強的防線，高效率的進攻，以及門將連場神勇發揮，這個五十萬人口的島國，在90分鐘比賽時間里先后逼平了西班牙、烏拉圭、阿根廷三個世界杯冠軍。

而這個可歌可泣的故事，也讓我產生了一點足球之外的想法。

“佛得角奇跡”的內核是兩個字：逼平。

足球世界里，尤其是在杯賽當中，弱隊打最強隊的最佳方案就是嚴防死守，抱著打平即勝利的心態，把強隊拖到加時賽和點球。比如小組賽第一輪佛得角對西班牙，就踐行了不進攻只防守的戰術，半場都不過，最終成功在前世界杯冠軍身上拿到了分數。

足球里，堅決防守的結果往往出人意料的好。但在科技世界里就不一定了。“一切為了逼平”，往往會陷入十分危險的境地。

不知道大家發現沒有，如火如荼的中國AI，多年以來都踐行著“佛得角戰術”。即美國做什么我們也做什么，步步緊逼，嚴防死守，但也絕不超前，一切為了能夠追趕和模仿，最終逼平美國AI的進度。

但用了佛得角戰術，真的就能創造佛得角奇跡嗎？

中國AI這幾年發展的速度有目共睹。可以說是對美國進行了全力追趕，但問題是，好像也始終是在追趕。

六個字可以總結中國AI的核心邏輯，“跟熱點，做增量”。

先說所謂做增量。中國AI雖然專利與論文的數量很多，但很少出現基礎算法或者底層平臺的核心創新，即使有，也很難得到業界的共同認可與大規模應用。久而久之就變成了著名的“美國AI從0到1，中國AI從1到99”。

只做增量，不做基礎，讓中國AI的底層技術基本完全依賴美國提供。比如，如今國內主流AI開發框架依然是Meta的PyTorch和谷歌的TensorFlow。在基礎模型方面，LLaMA/LLaMA 2 開源之后，國內中小AI企業和開發者基本都選擇基于LLaMA系列做模型微調。這讓一款美國的開源模型，很快變成了在中國各個行業廣泛應用的產業底座。在AI硬件方面，對英偉達CUDA生態的依賴已經是老生常談。從訓練到推理，AI各個棧層幾乎都由美國企業主導。中國AI只能在目前還開放的框架、模型、芯片之上，結合本土需求雕琢增量業務。

底座依賴的同時，中國AI行業還表現出對美國AI熱點的高度關注與全力模仿，也就是所謂“追熱點”。2022在ChatGPT爆火之后，國內主流大模型集中在2023年爆發式推出，一度達成了百模大戰的局面。這上百款模型無論在模型架構、訓練方式、能力表現上，基本都高度對齊ChatGPT。

此后，多模態模型、視頻生成模型等熱點，中國企業也是一步不落。在每個風口都實現了咬緊牙關，迎頭趕上。今年年初，隨著OpenClaw火爆全網，國內又形成了無處不Agent、無廠不龍蝦的局面。

技術路徑追趕的同時，中國AI還在全力復制美國AI的商業化路徑。大模型API服務、SaaS化AI工具、一人公司、token經濟，這些商業模式都是在美國市場驗證過或受到高度關注的，它們也都在中國得到了大力的本土化復刻。

在很多國內AI從業者看來，反正美國AI技術和產品都進不來。那么只要像互聯網時代那樣，復制出來一套本土版，再搭配國內巨大的市場，這場球就能一直踢下去。

逼平，似乎就是勝利。

當然，從1到99的創新也沒什么不好。但全力逼平的最好結果往往就是平局，并且很多時候連平局都守不住。

這幾個月，AI行業熱議的話題之一是模型代差重新拉大。在2024年左右，伴隨轟轟烈烈的百模大戰，中國與美國的AI基礎模型差距一度被認為從1年縮短到了3個月左右。然而在2025年下半年左右，美國企業加大了基礎模型的更迭力度，新一代模型很快初具規模。但在這個時間節點上，中國企業陷入了大模型市場的重視營銷、輕視研發的行業洗牌階段。到2026年，原本認為不斷縮小的模型代差重新加大，基礎模型的使用體驗又產生了明顯區別。

無論這個觀點正確與否，它至少提醒我們全力模仿并不意味著一定可以模仿成功。中美兩國在AI人才、資本以及基礎設施環境等諸多因素上差異很大，最終形成的AI技術也必然有區別。一味跟隨模仿，多少有削足適履的嫌疑。而一旦跟隨失敗，就會像球場上擺鐵桶陣的球隊率先丟球。這時候攻不上去，守沒意義，場面會非常被動。

跟隨失敗風險之外，中國AI只做增量的另一個問題是切斷供給風險。芯片、操作系統上的卡脖子中國科技圈已經非常熟悉，但這件事正更多發生在AI本身。比如Anthropic的網絡安全模型Mthos，就只對美國本土開放，甚至連美國境內的外國公民都不允許使用。隨著AI技術的戰略意義愈發清晰，類似的封閉主義AI策略只會更加明顯。所有中國AI行業依賴的基礎模型、開發工具、軟硬件生態，可持續性都要被打上問號。

更為可怕的，是創新飛輪失速。AI從研發到工程化、產品化、商業化是一條完整的循環履帶，任何環節的缺失，都會導致接下來的環節喪失競爭力。但在目前階段，中國AI行業在投入了大量研發、市場成本之后，已經贏得市場份額的企業極度渴望商業化回報。由于長期踐行跟隨策略，他們普遍不認為有主導下一輪創新的必要性與可能性，于是在技術上很快變得保守和封閉。今年在一片龍蝦聲中，國內AI行業的核心創新正在大幅減少，給未來埋下了新的隱患。

工業革命歷史上有個奇特的現象，往往處于追趕和模仿狀態的國家，最多只能達成主導科技迭代國家所實現結果的80%。日本、歐洲、蘇聯，都曾經在工業革命競賽里陷入這種“追趕者陷阱”。

最重要的是，始終處在跟隨狀態，會給人一種總是害怕跟不上，總是要緊盯對手的焦慮感。

從業者和政策制定者會非常擔心一次失敗的“貼身防守”造成連鎖反應。

這種焦慮始終在中國AI行業中蔓延，相信從業者應該都有所體會。

事實上，中國AI在這些年里也不是沒有做出過主動進攻，在中美AI博弈中完成一些“人無我有”的創新。但這些創新的結果大多不太理想。往往是我們這邊剛搞起一點火苗，美國那邊新技術、新風口的熊熊烈火襲來，大家的注意力都被帶走。這點火苗就在無人看管下悄然熄滅了。

舉幾個例子。飛槳是國內最成功的深度學習開發框架，也一度是百度在AI行業中的戰略重心。它率先提出了將模型、工具，甚至行業解決方案集成在框架層的方案。這種把框架做厚，甚至讓框架變成AI時代操作系統的構想，與美國主流框架形成了顯著區別，可以說毫無疑問是中國AI的獨創，并且在AI開發者生態上已經非常成熟。

但隨著大模型時代到來，百度原本投入到框架上的注意力被大模型帶走。飛槳獲得的資源傾斜肉眼可見地減少。目前飛槳更多是在國內部分政企場景應用，與美國主流框架的差距依舊很大。飛槳很多比較成功的功能開發與社區運營，都進入了停滯階段。不得不說非常遺憾。

另一個例子是華為的盤古大模型。早在布局大模型之前，華為就提出了行業智能體概念，始終將AI與行業結合看作是核心方向。盤古大模型推出之后堅持了這個方向。礦山、交通等行業用到的第一款大模型都是盤古，但隨著后來眾所周知的爭議，盤古大模型一度陷入消沉。繼而給“中國AI的出路在產業”這條核心共識蒙上了一層陰霾。

DeepSeek在2023年的爆火讓人記憶猶新。而其在技術上的核心突破，一般認為是對MoE模型的改進。MoE并非DeepSeek首創，但其對傳統MoE的核心缺陷進行了系統性優化，形成了當時業界最為成熟的MoE方案。在當時，全球很多AI公司與開發者都相信MoE可以實現“參數翻倍，算力不變”的線性增長，甚至很多人認為DeepSeek要掀英偉達的桌子。

但后來的走勢是，MoE的收益比預期要低，并且工程化調優無法解決其核心短板。比如到了推理階段，MoE模型就會顯得笨拙，反而浪費大量算力。這張一度被認為是中國AI王炸的牌，很快也就消融于浩浩蕩蕩的AI創新中，變成諸多模型升級方案中的一項而已。

基礎設施投入大不好做，還很容易被拋棄。模型創新你不做也早晚有人做，到時候學一下就得了。久而久之，行業形成了這樣的慣性認知。漸漸把高薪挖人當作提升技術能力的核心解決方案。

但我還是喜歡這些獨屬于中國的AI創新。

防守可以不輸，但進攻永遠耀眼。

足球界經常說，場上有強者思維和弱者思維。

弱者思維天然要讓出球權，擺鐵桶陣，而強者思維是必須用自己的風格完成比賽。要高位逼搶，要快速轉化，要Tiki-Taka。

中國AI最終必須回答這樣一個問題：我們對自己這支球隊的定位是佛得角，還是阿根廷、法國、西班牙？

如果我們始終想當第二，只要不掉隊即可，輸少也當贏，那么當前的策略沒什么問題。但如果中國AI的目標是奪下錦標，是踏出國門參與全球競爭，那就是時候面對疾風了。從某個階段開始，中國AI必須構建屬于自己的“強隊思維”。

插一句題外話，個人認為國足學學佛得角挺好的，但估計短期內也學不來。

所謂“強隊思維”，是必須發揮優勢，把握主動。讓模仿和獨創并重，并實現二者交融。中國AI的目標是“人有我有，我有人無”。這一點，在芯片和基礎軟件上已經初見成效，現在需要向AI上進行探索。

那么，中國AI有哪些可以發揮的優勢？粗略看看至少有這么幾個：

1.新型舉國體制。

體制保障是一個看似宏觀，但作用效果明顯的東西。多年以來，為了解決芯片與基礎軟件層面的“卡脖子”問題，中國在科技領域探索出了行之有效的新型舉國體制行動方法。將制度優勢釋放到AI領域，將會是從科技自立走向科技自強的關鍵戰役。

2.行業智能化。

中國AI的出路在行業，這條路已經得到了實打實的認證。放棄或者弱化行業市場，埋頭在個人用戶市場與美國AI中門對狙，基本等于是自廢武功。行業場景與AI結合的可能性開發還嚴重不足。AI的本質是工業革命，這句話或許才是中國的底牌。

3.硬件能力。

中國AI一個容易被忽視的能力，是中國擁有強大的硬件設計、制造與產品化能力。但要注意的是，AI競賽需要的不是用AI增強硬件，比如機器人賽道，而是用硬件增強AI，讓硬件成為AI的放大裝置。這上面可以挖掘出獨屬于中國的價值潛力。

4.工程化突破。

DeepSeek的成功，至少證明了發揮工程化優勢在AI核心技術創新中依舊十分必要。中國擁有強大的軟件工程能力，并且擁有龐大的軟件工程人才隊伍。用工程化突破來形成核心技術錨點，將是一條客觀的未來之路。

在AI領域，我們普遍承認基礎理論原創、底層軟硬件生態、顛覆性創新范式等方面，中國與美國差距顯著，必然長期追趕。

但或許是時候思考這件事了：長期追趕意味著只能追趕嗎？是不是可以同時打造一套更符合中國AI底色的戰術與戰略？讓自己的優勢參與競爭，而不是將逼平視作唯一目標。

中國AI不需要“佛得角奇跡”。

我們需要靠自己證明，中國AI贏下比賽絕對不是奇跡。