2月15日，OpenAI公布了新的人工智能系统Sora，一夜之间，全世界网友梦回一年前，这一次，没赶上ChatGPT的网友终于吃上了新鲜的瓜。

而比网友更先赶到现场的是业界各位大佬：

马斯克表示人类愿赌服输，360董事长周鸿祎预判Sora意味着AGI实现将从10年缩短到1年，业界还有诸如“炸裂”“史诗级”“现实不存在了”等等“发疯”言论。

一周后，中国AI界也出了件大事：国内AI知识付费第一人——清华博士李一舟，被锤非法盗用模型割韭菜，目前已被全平台封禁。网传李博士的AI课程销售额约5000万，有业内人士表示甚至很大可能突破了亿元单位。

图源：网络

一边是美国AI巨头在技术突破的道路上狂奔，打脸资本（Sora亮相前的一天，摩根大通刚刚发表了“生成式人工智能在视频/3D游戏领域具备生产力还要等到2030年”的预测。）

一边是中国AI技术进程悄无声息，却有一堆“专业导师”讲概念做培训，知识付费风生水起。

Sam Altman推特下卖课的中国AI知识付费

虽说“中美两大AI巨头”的梗图有点诙谐过头了，但由此引发的中美AI科技的对比却是实打实的让一众中国网友耿耿于怀。

“这中美AI的差距，怎么好像越来越大了呢？”

卷算力，拼人才，美国AI遥遥领先？

从ChatGPT到DALL-E再到Sora，我们不得不承认，在通用大模型领域，美国AI技术的三连跳堪比磕了药一样神速，OpenAI的三连跳让Transformer成为了当下AI领域的主流研究方向。

但国内的AI研究机构，无论是科大讯飞还是百度腾讯阿里，无一不是耗费了七八年时间埋头钻研，为什么中国没有研究出跨时代的AI模型？美国AI行业为什么这么牛？

实际上，问题的答案在清华大学AMiner团队2023年发布的《全球最具影响力人工智能学者》报告里，就能窥见一二：

报告提到，在全球顶尖的2000个人工智能学者里，美国入选人数达到了1079人，占全球的54.4%，虽然中国排名第二，但只有280个人才入选。

图源：b站up主不严肃问题研究室

但如果追溯人才来源，全球顶尖研究员里有29%是在中国获得的本科学位，原国籍是中国，但其中有超过一半的顶尖学者最终选择继续在美国学习工作和生活。

此外，美国的顶尖AI学者里，有70%来自其他国家，这意味着美国AI发展是全世界顶尖人才共同推动的。

很显然，美国在AI领域的遥遥领先，是全世界人才聚集供养出来的。人才上，中国棋差一招。

图源：AI寒武纪

另一个数据是，在2023年AI初创公司的全球融资总额425亿美元里，中国AI初创公司共融资232笔，融资总额20亿美元，分别下降了38%和70%。而美国融资总额增长了14%。

当然这与2023年喷涌而出的大量AI概念企业有关，类似光年之外这种迅速离场的AI企业不计其数，中国踏实做研发做产品的公司，确实有点大浪淘沙的味道。

因此挥舞着钞票的投资人们，更喜欢的是头部的明星公司，起码是“杀猪盘”的概率小点不是？相应的中小企业也就拿不到更多的钱投入研发。

图源：网络

而美国不仅有多达1.3万家的AI企业数量，占据了全球总量的33.6%，还在研发成本、算力等软硬件方面能得到近乎无尽的供给。

打个比方，在用了8192个英伟达H100 GPU的情况下，ChatGPT4训练55天的成本是2150万美元。

这里面就有两个关键的东西：一个是英伟达H100芯片，一个是超高的训练成本（包括电力消耗）

单单就资金成本这一项，就刷掉了一大群初创企业，最后投资人发现，还是只有腾讯阿里这样的大厂头部企业，有实力和money能够支撑巨额消耗。

但另一个更现实的问题又出现了，前段时间，美国商务部长雷蒙多加大了对华半导体出口管制，此前英伟达针对中国的特供版（阉割版）芯片，又一次被大幅度削减，基本可以被看作打了骨折。

虽然说咱们中国企业从这啊那啊的渠道搞了一点点，但像OpenAI、META那样奢侈的用度基本就不要想了，毕竟这些芯片在长白山下面可捡不到。

2023 年，META、微软分别购买了15万块英伟达H100芯片，谷歌亚马逊甲骨文购买了5万块，但中国企业最多的也就是腾讯购买了5万块，像百度阿里巴巴字节连人家微软的零头都没有。

最难受的是，我们买不到先进的AI芯片就算了，但这种一货难求的局面还倒推了美国芯片企业的暴涨：

而英伟达的股价增长了近5倍，市场估值达到1.79万亿美元，超越了亚马逊和谷歌，成为全球第三大科技公司；

至于微软凭借OpenAI甚至直接股价翻倍，一跃成为全球最大的科技公司。

中国在做什么？

打不赢就搞差异化嘛。

比起美国AI更加“技术派”的发展模式：寄托于模型的飞跃，降维碾压当前行业生态的护城河；中国的AI市场更倾向于通过“将AI尽快投入商业场景中”进行变现。

我用人话翻译一下就是：美国人认为AI发展应该是通过迭代大模型，实现越来越多的功能，最后达到在每一个行业都能实现降维打击的技术革命。

但中国人选择了先一步在每个行业布局AI应用，也就是通过海量App应用，先把有这部分需求的用户“收割”了。

之后Sora的出现，基本上印证了美国人的观点，但有趣的是，因为Sora最终还是要落地应用变现，所以中国人也觉得自己抢占了先机。

在中国市场中，我们看到了一大批基于垂直应用场景诞生的AI应用，例如运用于影像处理的美图、AI办公的钉钉、AI视频面试的近屿智能、AI视频广告的FancyTech……

2023年6月，美图一口气发布了包括视觉大模型MiracleVision、AI 图片、AI 视频、AI 设计和 AI 数字人等7款AI生态产品，可以应用倒在电商、广告、游戏、动漫、影视等五个行业。

FancyTech主要用在电商视频生成上：可以基于一张商品图，可以生成模特上身图，并且是能自定义；然后基于可以基于商品图片生成第一段35s的视频。

图源：FancyTech

而做AI视频面试的近屿智能，开发的AI得贤面试官，可以通过多轮对话、千人千问和深度追问，大幅度减少hr在校招这种大规模面试里的工作量。

其实国内会出现大量的AI应用，也是因为中国本身就积累了大量优势，比如我们在全球都领先的出口电商、比如以TikTok为首的短视频、比如强大的制造业构建的供应链全链路。

在这些领域上，我们已经形成了成熟的商业模式，而AI的出现恰好就能丝滑的完成一部分产业升级，或者说提升各行各业的产出效率，原来要三个人干的活，现在一个人用AI应用就能做完。

当然忽视技术层面的开发带来的后果是，目前中国AI企业推出的大部分应用都是基于国外的开源大模型。

例如Meta的开源模型LLaMA，金沙江创投的朱啸虎接受采访时就提到过：“很多中国AI应用只需要训练LLaMA两三个月，就可以马上商业化。”

而且出于大家都明白的原因，开源模型往往都是大厂的次顶配，最先进的大模型都是闭源的。

所以想要在算法层实现突破，国内大厂也需要不断的进行算法迭代，就比如在去年的“千模大战”中，光是前11个月国内厂商就陆续发布了238个大模型 。

包括百度在3月推出的文心一言、4月阿里的通义千问和华为的盘古大模型、9月腾讯发布的混元大模型、科大讯飞的星火大模型等。

还有诸如智谱AI、百川智能、零一万物、月之暗面等AI新势力也在不断发力。

除了互联网大模型外，国内五大手机厂商华为、vivo、OPPO、小米、荣耀也在移动端推出了各自的手机大模型，但受限于移动端存储和计算能力限制，将大模型移植到移动终端，显然也十分考验厂商能力。

图源：智谷趋势

而诸如vivo的蓝心大模型表现在一些测评中甚至有赶超国产互联网大模型的能力。

尽管在使用体验上，这些大模型和ChatGPT4还有很大差距，但通过技术积累出的闭源模型，才有可能迭代成为我们自己的核心竞争力。

而在大家都很关心的芯片技术上面，美国的对华半导体制裁，确实逼出了一批国产芯片。

由于英伟达H100的中国特供版H20阉割实在过分，华为昇腾910B反而获得了更多国内订单。据网传消息，2024年昇腾910B预计出货40万片。

实际上除了昇腾芯片和盘古大模型外，华为在AI领域的布局还包括了AI云服务、数据服、计算平台、编程语言、AI框架等等，算是目前全球范围内都称得上最全面的AI布局。

图源：B站up主一水遮夏

为了突破无处不在的技术封锁，华为确实费了一番苦心。

写在最后

中国AI并非没有优势，尽管目前我们在基础层和技术层棋差一招，已知的路线却能够让我们快速追赶。

但就像任正非说的：“我们花重金从外国买的技术，打开一看却是中国鸡下的蛋。”人才流失成为了拉开中国与世界顶尖之间差距的最大原因。

中国制造业的强大为AI在应用层面的落地提供了基础，但我们在前沿技术的研发上还有很大的进步空间，未来如何让人才回归，或许是我们最应该在意的问题。