中国和美国谁能成人工智能领域的领军者？

原文：谁能成人工智能领域领军者？中国锐意进取 美国沉默

这主要取决于美国是否愿意开源，只要一开源，立马就会有：
HarmonyOS
HarmonyAI
HarmonyGPT
HarmonyCV
.........
肯定可以吊打美帝的。
当然，美国如果不开源，咱就当没看见。

如果我在国内，有100万经费，打算做一个类似于chatgpt的项目。我的经费大概要这样分配：（只计算具体开票费用，回扣等顺其自然了）
基金委相关老爷们：20%。
个人：17.9%。
研究生劳动力：0.1%。
电脑和服务器：25%。
打点学校和系里相关行政管理职能部门：25%。
还剩12万可以用来做AI 自然语言引擎了。
其中：25块用来买杯咖啡，25块买个临时梯子，一边喝咖啡，一边翻墙上GIThub找个项目抄一抄。
剩下119950块，找个外包公司做个审核系统确保该引擎的全部回答符合社会主义价值观。不符合的一概屏蔽。这个很重要！很重要！很重要！
//2.6补充:我这刚回答完几天，就出现真实反面案例了。不听我的劝导，忽略最后一环的结果是什么呢？请看！





//补充结束
由于自己已在工业界多年不做科研，感谢评论区各位大神指点合理分配比例，就不一一谢过了。
这个回答还有人收藏？？？你们这是干嘛，打算真的照做吗？？？
PS：这个回答本来是抖机灵骗赞的，但看起来赞的人多了，不好意思继续纯骗，我加点干货吧。
从面试的情况看，制造业搞AI的不少，很多是华为出来的。但绝大部分的特点，都是纯炼丹派。他们能够搭起环境，少数还能够跟我谈谈cuda和tf与其同类框架效率的区别，也能够把git上的代码和训练集顺利对接上，但他们最大的问题，（当然也可以看出学校教育最大的问题），是：
他们根本不知道自己在跑什么。
当然，这里是工业界，不是学校，所以你不需要真看懂神经网络的数学原理，也能做事情。但是，好歹一个团队得有个人能明白自己在做什么，炼丹的时候你在找什么，找到了以后意味着什么。不懂神经网络决策树没关系，但你好歹得试图研究一下业务吧？
以我身边的事情为例。厂里的大问题是造出来良率太低。于是车间里的人土法上马，找了几个人开始炼丹。以良率为sota目标，扔了六百多个字段进炼丹炉。至于为什么扔这六百多而不是那八千多，那个组给我的回答是，其实我们也不清楚，而且我们是程序员不是数据工程师，这六百多个（羞涩状）其实就是我们现有生产环境所能找到的全部字段。
我看了一下，那些字段里甚至还有材料英文名。
团队不知道化学组在做什么，化学组也不知道团队在做什么。也不关心。
后来说公司希望把那个组拿到我这里来管，我说，不好意思，忙不过来了。
过了好久我问了一下结果：炼了六个月的丹，找来了四家乙方，外加自家工程师，没有炼出任何成果，当然四家乙方全都是没给一分钱的（当时还有不少热钱投给这些所谓智能制造领域的小公鸡头们），但反正结果是：屁都没有。
于是，所有团队开掉，所有乙方踢走，换一拨人马，继续这样干。
简直幽默极了。

目前人家已经领军者了，哪来的“谁能成”？
不如叫“能不能赶上”

既然提到领军，那至少要做到专业领域内鹤立鸡群的程度吧。如果把整个领域分为学术界与工业界来算的话，能列出来的真正的领军学者或研究组里，美国有四大Jordan Malik Lecun等等神牛坐镇，加拿大有Hinton, Bengio, Sutton领衔，英国有Zisserman，法国有Schmid......而国内......目前还找不出这个级别的大佬。
工业界里美帝有Google Research/Brain, Facebook FAIR/AML/Oculus等等,英国有Deepmind。这些地方聚集的顶级人才，国内还没有哪家公司能跟他们在一个数量级。
国内整个行业目前的现状很明显还只能算是大而不强。跟加拿大英国比谁更"领军"尚且说不清楚，就更不用跟美帝比了...所以说无论从工业界还是学术界，国内距离真正"领军"还有不小的距离。要不然为什么中国大量AI的顶尖人才都在一批批往国外跑呢？

利益相关：普通985，AI领域小硕一枚，目前在读博。硕士期间的publication数量还算可观，算是对我国AI论文数量有所贡献了。
贵乎里AI话题的政治正确是：我国只需要追赶美国就行，其他国家都不必放在眼里。什么？欧洲？日本？加拿大？这些战五渣能吃吗？
然而现实情况是：中国想和美国比，还是太早了。
可别忘了美国的小弟英国：同样是最早一批出政策支持AI的国家（甚至早于中国），有悠久的AI科研传统，AI人才储备充足。我国空有4倍于英国的论文发表数量，然而论文影响力竟反而不如，可见我国普遍的AI研发能力究竟是何水平。
所以，还是先把这个研发出AlphaGo的日半落不落帝国撵上再讲吧（deepmind虽然被谷歌收购，但原本就是英国公司，加之创始人和AlphaGo项目的首席科学家都是英国人）。
再说一句，AI的研发本来就是一种玄学。这次，加上框架和包的普及，导致十个调包侠看上去真的可以比得过一个正正经经的科学家，做起demo和ppt来有模有样，似乎马上就能超越美国，触碰未来。可是同学们，AI技术最拿手的就是做（样本内）的demo啊，指哪打哪。
而普通AI科研论文（普通sci/ei），作为一种更加书面化的demo，在众多学科中都可以算是最容易规模化生产（scale）的，容易一招（一包）吃遍天下鲜，换一个数据集就是一个新paper，或者同一个数据集换一个包又是一个paper。很多结果甚至毫无重复性可言，数据注水是常规操作，反正reviewer不会去验证，一般的论文也得不到太多关注。通常就是Github也不好意思扔（代码写的很羞耻），偶尔别国的同行发邮件来要代码就当没看见。什么？有企业表示感兴趣想投资？只能尽可能避开，毕竟自己知道自己的论文是些什么玩意，拿去忽悠别人的真金白银，我做不到。不用给我谈NIPS/ICML这类顶级会议，中国每年在上面发表的论文占所有中国AI论文的百分比有多少，心里没个字母数？
作为一个摸爬滚打了三年的小硕来说，太清楚不过了：国内除了一些顶尖实验室在做一流的研究，其他普通211985的AI科研（尤其是AI/ML+X学科 这种形式的“交叉学科”项目）的日常操作就是在这样疯狂scale。看着自己的publication慢慢增加，可以铺满一页ppt，却更加地恐慌，不知道自己的科研意义在哪里。尤其是最近一两年，很清楚就是趁这个风口发一票论文，但和不明真相的普通大众沟通时又做不到实话实说，还要同时承受父母的朋友圈炫耀（没错，我父母很喜欢晒我发表论文的情况）以及亲戚“中国的AI人才真是了不起，年纪轻轻就可以在国外发表这么多论文了”这样的谬赞。这种折磨，作为一个非top2、非欧美名校的、能力有限的普通学生（知乎鄙视链垫底），只有自己明白吧。再后来，今年读博时毅然决然、决定暂时离开了AI，做相对更加硬核的方向（数学&统计）。
一言以蔽之，自信是好事，但因装睡而自大可就是害人害己了。