中美差距到底有多大？ 梁文锋毫不避讳、一针见血地回答：“表面上中国 AI 与美国可能仅有一两年的技术代差，但真实的差距是原创和模仿之差。如果这个差距不改变，中国永远只能是追随者，所以有些探索是逃不掉的。” 如果你早晨打开新闻，还在为DeepSeek登上美国应用榜单沾沾自喜，或者在算法表现上硬刚GPT-4o而暗自得意，那得先停一下，别被表面的成绩冲昏头脑。 成绩确实让人眼前一亮：训练成本不到对手的十分之一——557.6万美元对比OpenAI的7800万美元，就在几个数据上实现反超。 但当全网都在喊“国产AI站起来了”，DeepSeek的创始人梁文锋却打了一个冷颤。 他看到的不是光鲜的榜单，而是隐藏在背后的问题：我们可能只是把外壳打磨得漂亮，可核心的底盘和设计图，还不够扎实。 这种“表面光鲜”的根源，可以追溯到过去三十年的IT发展惯性，梁文锋直言不讳：国内很多团队习惯“搭便车”。 无论是摩尔定律还是Scaling Law，大家更多是等西方的技术和工具先铺好，再去套用、改造、上线应用。 结果就是表面上看起来挺顺手，中文理解不错，本土化功能贴心，让用户误以为中美差距不大。 但这种错觉最危险，美国那边已经进入“AI造AI”的阶段，谷歌的AutoML系统可以自己生成子模型NASNet，效率和准确率已经超过人工设计。 斯坦福实验室的AI甚至在组建科研团队、设计疫苗方案，而我们大多数团队，还在忙着把大模型套进办公软件和电商平台里，美其名曰“创新应用”。 梁文锋用“原创和模仿的鸿沟”来形容差距，DeepSeek团队在优化MLA架构、搞MoESparse结构降低显存占用时，其实是在补一个长期被忽略的课——从“工具使用”回到“底层原理”。 这条路没人走过，还得面对高端芯片、算法优化、算力限制等重重难题，因此，团队才不得不用对手三十分之一的成本，把算法压榨到极限。 但如果不走原创路线，迟早会被卡在别人的地盘上，开源大门一旦关闭，自己就可能彻底被动。 问题不仅在技术层面，还直接关系到普通人的工作，很多人觉得AI离自己很远，其实浪潮已经到了眼前。 2025年的美国，裁员大潮已席卷117万人，不论是亚马逊、微软，还是其他科技公司，都在削减传统岗位，把资源集中在AI基础建设上。 曾被视为“铁饭碗”的程序员群体，也面临岗位被替代的风险，司机、客服等职业更是被自动化冲击得不轻。 很多人的焦虑，在于“我的工作还能保住吗？”现实是残酷的：很多岗位确实不再需要那么多人，这不是危言耸听，2024年10月和11月，美国就有二十多万人因为AI应用而失业。 梁文锋的警告很直接：靠模仿和单一技能吃饭的时代已经结束，商业机会固然重要，但真正能保住饭碗、在未来生存下去的，是对技术本质的理解和原创能力。 局面很清楚：无论是国家层面的AI竞争，还是普通职场人的生存，没有所谓“中间地带”。 AI工程师、机器视觉专家岗位需求暴涨，但门槛也高，就像DeepSeek团队，必须自己搞原创算法一样，普通人要想在AI浪潮中不被替代，也必须从“会用工具”变成“会驾驭工具”。 差距不可怕，可怕的是看不见差距，承认落后并不丢脸，这是觉醒的开始。 与其沉迷“弯道超车”的幻想，不如老老实实回到起点，把缺失的原创能力补上——无论是为了造出更强的模型，还是为了保住自己的工作。
