如何看待中国的人工智能已经全面领先美国的言论？

中国的人工智能正在快速崛起，我们身边非常多的产品都已经注入人工智能，使用起来也越来越方便，这是否说明我们在这个领域已经是世界第一？

0-1：美＞中
顶刊顶会(非存量)：中＞美
高被引论文（非存量）：中＞美
AI落地的规模：中＞美
顶尖AI落地项目的技术含量：美＞中
国家财政支持：中＞美
整体局面我已经给你们整理出来了。中国显然不可能全面领先美国，当然美国也没有全面领先中国。
在我看来，ai这块儿美国断层第一，中国断层第二是没问题的。
其实做到一个领域世界第二就很不错了，不丢人。既没必要尬吹，也没必要讽刺

ai土博路过。私以为，中美差距反而跟一般认知不同：AI上的差距谈不上多少，但产品落地差了蛮多。
道理很简单。
AI算法的壁垒其实不高。近年的深度学习（DL）那是相当简单粗暴，本科生进组搞搞，也能发顶会。
科研交流也很通畅。尽管高校企业内部，存在很多不发表的东西，论文也有大量trick没写。终究AI没有像很多学科那样，靠私有数据，国家对立，或者单纯靠专利锁死，主打一个资产阶级法权。
AI迭代太快了，旧有技术是真可能全然无用，因而任何科研组织，包括OpenAI，都来不及形成什么护城河。
所以某种意义上，AI也谈不上国别的区别。
纯粹看猛男在哪，哪儿就强。甚至国内的“急功近利”也不全错，毕竟学科属性如此。
但中美之间的差距又是实实在在的，而这差距主要在计算机本身。
AI常被诟病是大力出奇迹，可你得有大力吧，。这里面的技术含量，反而我觉得蛮高的。
我也不敢说懂，只提供一个参考。朋友有在UCLA读通信的，跟我交流时，常感叹中美在计算机的基本原理、架构等方面的巨大差距；感叹那些老教授、外企程序员、架构师，在硬件、系统、架构等等方面的深入理解，数十年积累，以及进而的不可替代。
那是真越老越吃香。
人深耕了几十年，技术也顺延发展，并没有太大的迭代淘汰。这不是一朝一夕能追赶的，也许从科研角度看并不前沿和热点，却是重要的根基。
那国内在这方面如何呢？
我想稍微读过高校、或在大厂工作过的人，应该也知道，大部分表面光鲜亮丽的，在这些方面是个什么水平。
大厂稍微好点，目测在追赶。高校的教授们……
言尽于此，妄言之。这不仅仅是显卡的事。

当年苏联和美国竞争的时候，其实从外界看好像技术差别并不大。苏联基本做到了美国有什么他就有什么，行业上0和1的区别不是那么多，更多的是0.3或者0.5和1的区别，也就是你能做我也能做，但我做的很低效而且产品不好，于是基本不可能在苏东集团及共产兄弟之外找到市场。驱动创新、引领全球市场的能力相当有限。
当前中国的人工智能也在类似的危险境地。模型和算力本身落后就不提了，就“人工智能来了它也得讲zz”这点，就基本决定了我国产的AI模型难以在中国和少数几个类似国家之外找到用户。再扩展说开，文创产品都是如此，本来是在世界舞台开疆扩土、猛赚外汇、增加就业的神器，现在被墙、版号、审查等各种因素自我限制地奄奄一息，尽管局部仍有成绩，但远远达不到本可以达到的高度。
别傻呵呵天天喷“自由”了，第一这玩意写在核心价值观里，第二这玩意对某些行业真就是生产力、就业、和竞争力。
张口就“美国也怎么样…”的，第一请搞清“我想要最大可能不冒犯我的用户以面向最大的市场赚最多的钱”和“不听上面话就得死脸市场都见不着”和“我的平台和产品上面内容的审核权居然不归我”三个档次的区别；第二，美国跟你有什么关系？

只是市场和投资方面，大于美国，但这么多公司和资本涌入，按照中国经验，后期一定是绝大多数又退出，只剩百分之十以下。原因就是底层算法和算法背后是思想都来自于美国、中国仍然处于不知晓原理的表面照做水平。当然，这次突破美加欧科学家十多年的工程能力同样重要。
大语言模型在体验上的突破是有目共睹的，但它为什么这样，仍然缺少科学支持。而它在大量实际应用中仍然不够好，需要大量后续的提升工作。那么提升主要分几方面，其一是在原理和模式结构上的比较根本性的理解和提升，大模型是否能够走到通用人工智能仍然是个疑问。目前并无通路可以抄。正在进行的努力有从人类脑神经和认知心理学两方面的借鉴，也有更好数学引出的模型架构去更加高效进行知识表征。
其二是投入更大数据和算力去训练更好模型。看上去似乎是人傻钱多都能干，但做到一定程度就无法继续提升了。不仅因为目前算力芯片的限度和功耗，还因为巨大量数据里面的知识用同样方法也许挖掘不出更多了，模型能力提升就会饱和。所以这方面另外一股力量在发力，就是在提升模型和训练过程效率的同时，寻找更好的知识表征、新的神经网嵌入。这属于科学与工程更加底层的结合寻求提升，也包括更好芯片，中国一些家早就做出但至今仍未达到与英伟达GPU直接竞争的水平，问题不是裸芯片算力不够，而是底层技术软件架构还没有发展出类似英伟达的CUDA。
其三就是大模型之外完整闭环上的应用agent，这个美国先走起来中国也已经大量公司跟进。表面看是应用接口层的软件开发和服务提供，实际上是深入了解大模型限度以后从外围提高总性能或者落地垂直领域的“内外联动”的极为有效的做法。这个更多耗费人类科学思维较少拼昂贵算力的做法，更加适合真有聪明科学家的小型创业公司。虽然是在大模型（别家开源或者付费获取API调用）外部发力，需要的研发能力却是对于大模型内部的深入了解！而既然大模型原创于美国（那些大牛至今也仍然身处美加欧），中国这方面跟随的路是否走好，需要幸运和窍门而机会一定是相对小的！
领先还远远说不上。要想真领先，除了再加大十倍以上的资本投入（为什么这么大，因为还需要一大部分补上基础和吸引国际大牛），然后有三五家大公司在比较正确思维的持续几年领导下构建领先模型和服务，加上几十家中小却聪明地做外围的公司千奇百怪包括大量原创的研发，最快三五年可以领先美国，假设他们停滞不前了。
人工智能的基础，是极为广泛的。表面看能够拿来开源模型攒一攒训一训调一调跑起来，原理不知，如何有根本性提升？等着别人下一次突破再次拷贝外围么？这个应该不叫做领先对不对！

额。。。。
差远了。。。也许某些细分领域，比如自动驾驶可能会好一点，仅仅是可能。
这种东西，先做到和一个月后做到，很多时候差距就异常巨大。