[中美博弈] 中美人工智能領域發展邏輯不同 在中國,AI只是....
AI行業的命名權仍牢牢掌握在硅谷手裡
Afra Wang：我在壹篇文章中提到taxonomy的實力，就是命名權、定義權的實力。這是壹種文化軟實力。中國雖然推動開源模型、看起來整個行業非常蓬勃，但你會發現，中國所有的開源研究者、或者中國頂尖的AI研究員，極少有這種能夠復制的軟實力；也就是給現實命名的權利：我指的到底是什麼樣的現實。比方說，去年初，OpenAI的創始成員之壹、前特斯拉AI高級總監Andrej Karpathy命名的"vibe coding"，現在基本上變成了壹個范式轉換型的現象。還有壹位沃頓商學院的教授Ethan Mollick。他給模型那種參差不齊的能力命名了壹個詞，叫"jagged frontier"(鋸齒狀的能力前沿)——就是說，AI有的時候能拿IMO(國際數學奧林匹克)金牌,卻數不清"strawberry"這個詞裡有幾個R，會犯這種叁歲小孩都不會犯的低級錯誤。
就是很多這種AI的現實、AI的特性、AI這個行業裡未被命名的方向或問題，它的命名權都牢牢掌握在硅谷手裡。而中國這些研究員是在默默地接受這些被命名的現實，然後在這個基礎上再發展。
法廣: 就是它的創新能力還是有限,是這意思嗎?
Afra Wang: 對, 命名能力很有限。
英偉達定義整個行業的實力就像海嘯壹樣
法廣: 提到創新，最近華為集團宣布找到了壹個可以繞開無法獲得高級光刻機的難題、去開發1.4納米芯片的技術。目前，達到量產的最先進制程芯片是台積電的3納米芯片。如果華為有能力開發1.4納米芯片，是不是說明華為的技術已經可以突破美國的封鎖,能夠走得更遠?
Afra Wang: 首先,，我想說，我自己不是芯片專家，但我有關注這條信息。另外補充壹句背景：台積電現在量產的最先進制程其實已經到2納米了，不是3納米。 而華為這條消息，我看到的是，他們其中壹個許諾是到2031年才能做出1.4納米"等效密度"的芯片——注意是等效密度，不是真正的1.4納米光刻。說實話，在這個時間線之下, 我覺得還是靜觀其變吧。
就我自己來說，我知道比方說DeepSeek V4這個模型，它其實拖了很久才發表。當時硅谷很多DeepSeek的粉絲都在等待。它之所以發布延遲，是因為它的inference(推理)是跑在華為開發的昇騰芯片(Ascend)上。這其實已經是壹個進步了。而且，據報道，現在壹支華為牽頭的團隊已經用大約壹千顆昇騰910C芯片，完成了V4-Pro的全參數後訓練(post-training)——這已經是實打實的壹步。但據報道，最主要的預訓練環節，仍然發生在英偉達的芯片上。
其次，英偉達對於整個行業的這種定義實力，就像海嘯壹樣直接淹過你。如果你參與美國科技界的討論、或者參與美國股市，你就知道英偉達那種可怕的、定義全行業的能力。從壹個宏觀的視角來講，英偉達對於整個行業、對於整個美國股市的影響力和定義權就是赤裸裸地擺在這兒。
中國的優勢與美國的短板
Afra Wang：在國內跟這些AI創始人還有研究者聊天的時候，我意識到中國的AI從業者有時候意識不到中國的幾個優勢，而這些優勢反而在硅谷被津津樂道。這幾個優勢，壹個是中國工科、理科的人才密度——中國每年都在大量產出STEM學生（STEM 是科學、技術、工程和數學肆門學科英文首字母組成的縮寫——法廣注）。這些學生的數量是美國的好幾倍，而且差距還在持續拉大。中國其實在大量地、持續地向全世界、當然也向本國輸送很優質的、腳踏實地的STEM人才。
其次就是中國的電力基礎和基礎設施，對於建立數據中心來說是壹個不可多得的巨大優勢。在美國，鋪設高壓電纜、建數據中心都是很頭疼的問題。但在中國，這方面的人才——鋪設高壓電纜、制作光纜等硬件的人才非常多，而且基本上都是呼之即來的、非常成熟的人才和工程體系。這兩個優勢在中國國內的AI界沒有人說，但其實經常被美國和硅谷看到。
法廣：但是，鋪設高壓電纜或建立數據中心在美國會遇到問題，原因是什麼呢？是因為美國沒有這方面的硬件、人才或場地，還是說國家、當地市場或居民對於開設數據中心本身有壹些抵觸?
Afra Wang：有幾個層面吧。首先，地方民眾，也包括很多美國的立法者、參議員和政客，都在公開抵制建造數據中心這件事情。因為在美國普通人眼中，AI是壹種會搶走你工作、並且會給經濟帶來很大震蕩的精英技術，而不是壹個給大眾的技術。就是說，美國大眾對AI的普遍認知是壹種非常抵觸和恐慌的情緒。這是其壹。其次,要建造data center，就需要很多變壓器、很多鋪設光纜的普通工人。而在美國本土，這些全都不夠。美國很多變壓器和電力設備依賴進口，中國是重要來源之壹。變壓器本身就是建數據中心的壹個瓶頸，電力是瓶頸，建設這些數據中心的工人、人才也是瓶頸。就是說,美國在建設數據中心方面遇到非常多硬性的瓶頸。而在中國本土，這些瓶頸其實都不是事兒。我覺得這是兩邊很大的不同。
[物價飛漲的時候 這樣省錢購物很爽]
好新聞沒人評論怎麼行，我來說幾句
Afra Wang：我在壹篇文章中提到taxonomy的實力，就是命名權、定義權的實力。這是壹種文化軟實力。中國雖然推動開源模型、看起來整個行業非常蓬勃，但你會發現，中國所有的開源研究者、或者中國頂尖的AI研究員，極少有這種能夠復制的軟實力；也就是給現實命名的權利：我指的到底是什麼樣的現實。比方說，去年初，OpenAI的創始成員之壹、前特斯拉AI高級總監Andrej Karpathy命名的"vibe coding"，現在基本上變成了壹個范式轉換型的現象。還有壹位沃頓商學院的教授Ethan Mollick。他給模型那種參差不齊的能力命名了壹個詞，叫"jagged frontier"(鋸齒狀的能力前沿)——就是說，AI有的時候能拿IMO(國際數學奧林匹克)金牌,卻數不清"strawberry"這個詞裡有幾個R，會犯這種叁歲小孩都不會犯的低級錯誤。
就是很多這種AI的現實、AI的特性、AI這個行業裡未被命名的方向或問題，它的命名權都牢牢掌握在硅谷手裡。而中國這些研究員是在默默地接受這些被命名的現實，然後在這個基礎上再發展。
法廣: 就是它的創新能力還是有限,是這意思嗎?
Afra Wang: 對, 命名能力很有限。
英偉達定義整個行業的實力就像海嘯壹樣
法廣: 提到創新，最近華為集團宣布找到了壹個可以繞開無法獲得高級光刻機的難題、去開發1.4納米芯片的技術。目前，達到量產的最先進制程芯片是台積電的3納米芯片。如果華為有能力開發1.4納米芯片，是不是說明華為的技術已經可以突破美國的封鎖,能夠走得更遠?
Afra Wang: 首先,，我想說，我自己不是芯片專家，但我有關注這條信息。另外補充壹句背景：台積電現在量產的最先進制程其實已經到2納米了，不是3納米。 而華為這條消息，我看到的是，他們其中壹個許諾是到2031年才能做出1.4納米"等效密度"的芯片——注意是等效密度，不是真正的1.4納米光刻。說實話，在這個時間線之下, 我覺得還是靜觀其變吧。
就我自己來說，我知道比方說DeepSeek V4這個模型，它其實拖了很久才發表。當時硅谷很多DeepSeek的粉絲都在等待。它之所以發布延遲，是因為它的inference(推理)是跑在華為開發的昇騰芯片(Ascend)上。這其實已經是壹個進步了。而且，據報道，現在壹支華為牽頭的團隊已經用大約壹千顆昇騰910C芯片，完成了V4-Pro的全參數後訓練(post-training)——這已經是實打實的壹步。但據報道，最主要的預訓練環節，仍然發生在英偉達的芯片上。
其次，英偉達對於整個行業的這種定義實力，就像海嘯壹樣直接淹過你。如果你參與美國科技界的討論、或者參與美國股市，你就知道英偉達那種可怕的、定義全行業的能力。從壹個宏觀的視角來講，英偉達對於整個行業、對於整個美國股市的影響力和定義權就是赤裸裸地擺在這兒。
中國的優勢與美國的短板
Afra Wang：在國內跟這些AI創始人還有研究者聊天的時候，我意識到中國的AI從業者有時候意識不到中國的幾個優勢，而這些優勢反而在硅谷被津津樂道。這幾個優勢，壹個是中國工科、理科的人才密度——中國每年都在大量產出STEM學生（STEM 是科學、技術、工程和數學肆門學科英文首字母組成的縮寫——法廣注）。這些學生的數量是美國的好幾倍，而且差距還在持續拉大。中國其實在大量地、持續地向全世界、當然也向本國輸送很優質的、腳踏實地的STEM人才。
其次就是中國的電力基礎和基礎設施，對於建立數據中心來說是壹個不可多得的巨大優勢。在美國，鋪設高壓電纜、建數據中心都是很頭疼的問題。但在中國，這方面的人才——鋪設高壓電纜、制作光纜等硬件的人才非常多，而且基本上都是呼之即來的、非常成熟的人才和工程體系。這兩個優勢在中國國內的AI界沒有人說，但其實經常被美國和硅谷看到。
法廣：但是，鋪設高壓電纜或建立數據中心在美國會遇到問題，原因是什麼呢？是因為美國沒有這方面的硬件、人才或場地，還是說國家、當地市場或居民對於開設數據中心本身有壹些抵觸?
Afra Wang：有幾個層面吧。首先，地方民眾，也包括很多美國的立法者、參議員和政客，都在公開抵制建造數據中心這件事情。因為在美國普通人眼中，AI是壹種會搶走你工作、並且會給經濟帶來很大震蕩的精英技術，而不是壹個給大眾的技術。就是說，美國大眾對AI的普遍認知是壹種非常抵觸和恐慌的情緒。這是其壹。其次,要建造data center，就需要很多變壓器、很多鋪設光纜的普通工人。而在美國本土，這些全都不夠。美國很多變壓器和電力設備依賴進口，中國是重要來源之壹。變壓器本身就是建數據中心的壹個瓶頸，電力是瓶頸，建設這些數據中心的工人、人才也是瓶頸。就是說,美國在建設數據中心方面遇到非常多硬性的瓶頸。而在中國本土，這些瓶頸其實都不是事兒。我覺得這是兩邊很大的不同。
[物價飛漲的時候 這樣省錢購物很爽]
| 分享: |
| 注： | 在此頁閱讀全文 |
| 延伸閱讀 | 更多... |
推薦: