追赶—模仿—再追赶 让人工智能跑出中国速度

在人工智能领域，中国好消息不断。去年年底以来，DeepSeek火爆全球，以实力回击了“中国做不出一流大模型”的论断。近日，华为推出参数规模高达7180亿的全新模型盘古Ultra MoE，这是一个全流程在国产昇腾AI计算平台上训练出来的准万亿MoE（混合专家）模型，以实践结果证明了国产算力也能训练出世界先进大模型。

中美两国被视为人工智能发展的第一梯队。与中国相比，美国在人工智能领域起步较早，在核心技术、资本投入和生态成熟度等方面更具优势。自ChatGPT、Sora登场后，有一些声音认为中美人工智能差距越来越大，难以追赶。事实上，中美在人工智能领域的竞争呈现“美强中快”的动态变化，中国凭借应用创新、数据规模和政策驱动快速追赶，差距持续缩小。DeepSeek的成功，已经证明我国在大模型领域走出了一条“低成本、高性能”的创新之路。

算力是人工智能竞争的重要战场。人才、数据、算力被视为发展人工智能的关键三要素。其中，算力是训练大模型、处理海量数据的核心基础设施，决定着算法的创新空间。当前，美国在人工智能核心算法和框架方面占据优势，在先进算力领域也处于领先地位。国产算力在市场占有率、性能优化、生态成熟度等方面有待提高，还面临技术封锁，困难重重。这也导致了有观点认为“国产算力无法训练一流大模型”。

差距确实存在，但并非不可逾越。比如，华为虽然单芯片工艺落后美国一代，但采用数学补物理的办法，通过叠加和集群等技术，也能极大提升系统性能，最终达到世界先进的计算水平。这不仅是芯片性能的追赶，更是通过系统工程创新与深度协同机制，将“根深叶茂”的研发理念转化为集群效能的跃升，生动诠释了以体系化优势突破关键核心技术的中国路径。我们更要相信，随着技术迭代与生态完善，国产算力的能力还将持续增强，有望实现从“可用”到“好用”的跨越。

算力竞争其实是一场“体系化战争”。从芯片架构、框架优化到工程化能力，中国已构建起全栈自主的技术链条，不断缩小与世界顶尖水平的差距。从披露的数据看，昇腾算力平台训练效率高、推理性能好、系统运行更稳定可靠。这充分证明，聚焦根技术突破与体系化协同，中国人工智能产业完全有能力锻造出自主可控、世界领先的科技成果，为千行百业智能化升级注入强劲动能。

应注意到，中国在人工智能领域已取得显著突破，不应妄自菲薄。我国是全球人工智能专利最大拥有国，人工智能核心产业规模近6000亿元，企业数量超4700家，形成了覆盖基础层、框架层、模型层、应用层的完整产业体系。算力规模居全球前列，已建成钢铁、煤炭等高质量行业数据集，培育出一批竞争力强的通用大模型和行业大模型，并登上全球主流开源社区下载量榜首，产业链正在从单点突破转向协同创新。

更应看到人工智能技术迭代一日千里，全球竞争日趋激烈，不能沾沾自喜。如果自满于阶段性成果，忽略依旧存在的短板差距，中国人工智能可能会陷入“追赶—模仿—再追赶”的循环。国产算力还需在高端芯片架构、集群通信效率、软件生态等方面继续优化提升，训得更好、推得更快，为中国人工智能产业发展提供坚实基础。

中国发展人工智能，需要更多信心和耐心。人工智能全球竞争，不是单一技术的比拼，而是创新体系、产业韧性与战略视野的综合较量。作为全球工业门类最齐全的国家，我国制造业增加值占全球比重约30%，这是我们发展人工智能的重要优势和基础。只有保持“永远在路上”的心态，在基础研究上甘坐冷板凳，在生态构建上深耕细作，在场景落地中精益求精，才能让中国人工智能真正跑出中国速度。（作者：黄鑫 来源：经济日报）