(转自润飞数据)

最近人工智能很火，从宏观角度，我们展开聊下制约我国人工智能发展的点在哪？

第一，算力无法国产。算力是人工智能的基础，但我们“堆”不了这个基础。芯片是算力的核心，但我们制造不了这个核心。但我们只能设计芯片，无法制造高端芯片。我们虽然在芯片设计有领先地位，但在芯片制造上，被卡的很死。国内目前最先进的技术是28nm制程，但还没投产。而世界目前的高端芯片主要是4nm制程。我们目前进口不了高端的光刻机（制造芯片的机器），也进口不了高端芯片。我们现存的芯片支撑不了一个巨大的人工智能市场。Meta一家公司已经有50万块GPU，微软也有几十万块，而且两家公司还在不断采购。国内所有的人工智能公司加在一起，可能有50万块左右，所以在算力的存量层面，我们跟国外的差距很大。目前我国GPU国产化率不足10%，商用人工智能芯片几乎完全依赖进口。替代品上，国产的昇腾910，寒武纪思元590、海光深算3号等芯片在集群性能上较H20有一定差距，而H20已经是国内目前正规采购可以买到的最高端GPU。国产芯片的算法架构也与英伟达系列GPU不太一样，学习也需要成本。

以上三个问题不解决，随着OpenAI变成CloseAI，随着第一波靠抄抄抄的国产AI红利过去，等到拼算力的时代到来，国内的人工智能公司只能变成“人工智能的工程应用”公司了。这和当年特斯拉开源一样，人家开源是为了做大市场，等市场够大，人家就把你吃干抹净了。

第二，人才环境不行。我们这么多专家，大部分都是捞钱的，市场上能做原创性人工智能创新的人，太少太少。据不完全统计，截至2023年，全国有440所高校建立了人工智能本科专业，有1016所职业院校备案了人工智能技术服务（应用）专业。抖音上，连美术学博士都会人工智能。但目前市面上，除了清华系的智谱GLM和月之暗面Kimi原创程度较高，剩下的基座大模型，几乎都是Llama和ChatGPT的花式套壳。人才有结构性矛盾，高端的成熟技术人才供不应求，低端的代码民工严重过剩。大部分算法类应届毕业生进企业后，还得再学两年，国内高校培养的大部分又是通用型设计人才，课本都是30年前的，难以适应三个月就变一次的人工智能行业要求。与之鲜明对比的是，美国很多厉害的人工智能人才，都是华人。

论文数量领先全球，但产业价值不高。国内的评价体系比较看重顶刊顶会的论文数量，导致教授们要生存、要评职称，首先是卷论文，等论文上来了，评为院士了又开始借着自己的影响力培养后生。这导致大家都聚焦于怎么发论文，至于论文有用没用并不关心。这不是说醉心原创性创新的科研工作者没有，但这些“国士”主要还是靠情怀，而且客观上，他们也没有比捞偏门的人风光多少。

穷人太多，可是拥有解决工程问题能力的人太少。Sora一出现，我们一落后了，很多人怪国人太急功近利，急于求成，看到一个风口就去捞钱。普通人总要生存，不追风口然后还去做夕阳产业吗？说到底是现有的规则更有利于“劣币”，我辛辛苦苦学习一二十年，还不如抖音直播赚的多，是你，你选哪个？科研，本来就是衣食无忧的人干的。我们应该问的是，占全国0.2%的富豪群体，你们在忙些啥？

其他方面的问题：数据方面，我国对于公民的隐私保护，在全世界，是排倒数第几的。数据这块我们不用爬，我们可以训练的数据绝对不比美国少。不要听他们说：人工智能，有多少人工就有多少智能。我们代码民工也比美国多多了。我们数据方面面临的情况，美国也同样面临，甚至我们的优势还大点。投资方面，我觉得我们很多公司并不缺投资这点钱，在OpenAI之前，比OpenAI融资额大的多的中国互联网公司，多的是。有时候我就很疑惑：为什么潮水褪去，我们这边裸泳的人最多。