记者问：“中美AI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。”   很多人觉得中美AI差距不大，其实是看到了中国在应用层面的火爆场景，不管是短视频里的智能特效，还是电商平台的精准推荐，或是工厂里的智能质检设备，这些AI应用确实随处可见，落地速度甚至比不少国家都快。   但很少有人注意到，这些光鲜应用的背后，不少核心支撑还是依赖别人的基础框架。   最明显的就是底层算法和核心框架领域，现在很多中国AI企业做开发，还是习惯用现成的开源代码，这些开源工具就像现成的菜谱，跟着做确实能快速做出一道菜，但想根据自己的需求做改良，或者研发新的菜品，就会发现处处受限。   比如在医学影像识别领域，用开源代码开发的AI识别普通人脸还行，可面对边界模糊、器官黏连的肝脏病灶时，就很难做到精准识别，甚至可能出现误导性结果，这在医疗领域可是致命的问题。   反观美国，一直在底层技术上深耕原创，从核心的算法模型到AI训练框架，再到高性能芯片，他们形成了一套完整的创新体系。   这些原创成果就像他们掌握了食材的培育方法和新的烹饪原理，不仅能做出招牌菜，还能不断推陈出新，定义整个行业的发展方向。   而我们很多时候只是在别人的基础上做优化和适配，看似做得风生水起，可一旦别人收紧技术授权，或者关闭开源通道，很多应用就会陷入停滞。   这种原创和模仿的差距，不是靠短期投入就能弥补的，现在市面上有很多AI培训课程，声称几个月就能培养出AI工程师，这些工程师大多是学会了如何使用现有工具，却缺乏底层算法和数学理论的积累。   而原创能力的培养，需要大量数学家和科学家深耕基础研究，这种投入周期长、见效慢，很多企业都不愿做这种“赔本买卖”，更倾向于做能快速盈利的应用开发。   芯片领域的差距也能侧面印证这一点，AI发展离不开强大的计算能力，而高性能AI芯片的核心技术大多掌握在美国企业手里。   虽然中国也在全力突破芯片技术，在部分场景下的能效比已经有了不错的表现，但在核心性能和生态构建上，还有很长的路要走。   更关键的是，美国企业围绕芯片构建的生态系统，让开发者迁移成本极高，这也进一步巩固了他们的领先优势。   梁文锋说有些探索逃不掉，确实说到了点子上，现在中国AI发展已经遇到了瓶颈，单纯的模仿优化已经很难再有大的突破，尤其是在通用人工智能的探索上，没有原创的底层理论和算法支撑，根本无从谈起。   国家也已经意识到这个问题，开始加大基础研究的扶持力度，鼓励企业和科研机构合作深耕核心技术。   其实原创从来都不是一蹴而就的，需要耐心和定力，美国在AI领域的原创优势，也是经过几十年的积累才形成的。   中国AI行业现在需要的，是沉下心来做基础研究的勇气，是敢于投入长期看不到回报的魄力。   只有从根源上提升原创能力，才能真正摆脱追随者的身份，在全球AI竞争中掌握主动权。   参考资料：21世纪经济报道《2025年中国数字文娱大会在广州开幕,共探AI重塑数字文娱》