如何看待前谷歌 CEO 称「中国会成为 AI 竞赛的最终赢家」？

瞎猜没用，院士肯定比我们普通人懂。

孙凝晖院士前段时间给领导人讲课的时候就提到了目前我们在人工智能方面存在的四种困境。

这些问题都不是能在短时间里面解决的。

困境一：

美国在AI核心能力上长期处于领先地位，中国处于跟踪模式。

中国在AI高端人才数量、基础算法创新、底座大模型能力（其中包括大语言模型、文生图模型、文生视频模型）、底座大模型训练数据、底座大模型训练算力等，都与美国存在一定的差距，并且这种差距还将持续很长一段时间。

困境二：

为高端算力产品禁售，高端芯片工艺长期被卡。A100，H100，B200等高端智算芯片对华禁售。华为、龙芯、寒武纪、曙光、海光等企业都进入实体清单，它们芯片制造的先进工艺受限，国内可满足规模量产的工艺节点落后国际先进水平2-3代，核心算力芯片的性能落后国际先进水平2-3代。

困境三：

国内智能计算生态孱弱，AI开发框架渗透率不足。英伟达CUDA生态完备，已形成了事实上的垄断。

国内生态孱弱，具体表现在：

一是研发人员不足，英伟达CUDA生态有近2万人开发，是国内所有智能芯片公司人员总和的20倍；

二是开发工具不足，CUDA有550个SDK，是国内相关企业的上百倍；

三是资金的投入也不足，英伟达每年投入50亿美元，是国内相关公司的几十倍；

四是AI开发框架TensorFlow完全占据了工业类市场，PyTorch 又占据了研究类市场，百度飞桨等国产AI开发框架的开发人员只有国外框架的1/10。更为严重的是国内企业之间山头林立，无法形成合力，从智能应用、开发框架、系统软件、智能芯片，虽然每层都有相关产品，但各层之间没有深度适配，无法形成一个有竞争力的技术体系。

困境四：

AI应用于行业时成本、门槛居高不下。当前我国AI应用主要集中在互联网行业和一些国防领域。AI技术推广应用于各行各业时，特别是从互联网行业迁移到非互联网行业，需要进行大量的定制工作，迁移难度大，单次使用成本高。最后，我国在AI领域的人才数量与实际需求相比也明显不足。

除此以外，他还提到了，我国发展智能计算技术体系存在三条道路，看起来也都不是怎么好走。

一是追赶兼容美国主导的A体系。

我国大多数互联网企业走的是GPGPU/CUDA兼容道路，很多芯片领域的创业企业在生态构建上也是尽量与CUDA兼容，这条道路现在来看较为现实。

由于在算力方面美国对我国工艺和芯片带宽的限制，在算法方面国内生态林立很难形成统一，生态成熟度严重受限，在数据方面中文高质量数据匮乏，这些因素会使得追赶者与领先者的差距很难缩小，一些时候还会进一步拉大。

二是构建专用封闭的B体系。

在军事、气象、司法等专用领域构建企业封闭生态，基于国产成熟工艺生产芯片，相对于底座大模型更加关注特定领域垂直类大模型，训练大模型更多采用领域专有高质量数据等。这条道路易于形成完整可控的技术体系与生态，我国一些大型骨干企业走的是这条道路，它的缺点是封闭，无法凝聚国内大多数力量，也很难实现全球化。

三是全球共建开源开放的C体系。

用开源打破生态垄断，降低企业拥有核心技术的门槛，让每个企业都能低成本地做自己的芯片，形成智能芯片的汪洋大海，满足无处不在的智能需求。用开放形成统一的技术体系，我国企业与全球化力量联合起来共建基于国际标准的统一智能计算软件栈。

对于全球开源生态，我国企业在互联网时代收益良多，我国更多的是使用者，是参与者，在智能时代我国企业在RISC-V+AI开源技术体系上应更多地成为主力贡献者，成为全球化开放共享的主导力量。

但是形成企业竞争前共享机制，共享高质量数据库，共享开源通用底座大模型这条路目前还是很初步。

院士看的还是比较清楚的，虽然大家都对我国ai技术都抱有期望，但是还是要说我国人工智能在过去几年取得了很大的成绩，但依然面临诸多发展困境。