【杜蘭說AI】解讀蔡崇信港大演講：AI競爭要看最終落地

最近蔡崇信在港大的演講，大家都聽了嗎？聊中美AI的部分真的戳中要害！現在很多人都跟著美國的節奏，覺得AI比拼就是看大模型誰的分數高、參數多，但其實這從根上就搞錯了競爭邏輯。我看了蔡崇信的講話，總結了下面這些點，看完你應該就能對現在中美之間的AI有充分了解了。 一、美國的AI競賽規則現在可能跑偏了 現在全球AI圈好像都默認，誰的大語言模型更強，誰就贏了這場競賽。今天說OpenAI領先，明天提Gemini厲害，大家都盯著各種榜單的排名不放。但蔡崇信直接點破：這個計分方式本身就有問題。 真正的贏家從來不是誰手里握著最好的模型，而是誰能把AI用得最好。美國那邊一門心思堆模型性能、比跑分高低，但我們這邊的思路完全不一樣——我們看的是滲透率。我們早早就定了明確目標，到2030年，AI代理和各類智能設備要滲透到各行各業，覆蓋率要達到90%。說白了，AI再厲害，不能落地、不能普及，那也只是個擺設。中美AI競爭的核心分歧，其實就是“比跑分”和“比實用”的路線之爭。 二、我們有四張底牌是美國想有的 可能有人會問，中國憑什麽能在普及上贏過美國？答案很簡單，我們靠的是一整套完善的生態，不是單一的模型優勢。這四張底牌，美國短期內根本沒法覆制。 首先是電力優勢。要知道訓練大模型、跑AI推理，本質上都是在燒電。而中國15年前就開始布局電力傳輸基建，國家電網每年的資本支出高達900億美元，而美國只有300億，整整三倍的差距。現在中國的電力裝機容量是美國的2.6倍，新增的裝機容量更是美國的9倍，電力成本直接比美國低40%。而AI大規模普及的基礎就是電力，從這一點我們就已經有了一張底牌。 然後是數據中心成本。在中國建一個數據中心，單看基建部分，成本就比美國低60%。別小看這60%，AI普及需要大量的數據中心做支撐，成本優勢直接能讓我們的AI落地速度快上一大截。 還有工程師紅利。全球幾乎一半的AI科學家和研究人員，都有中國大學的學位。不管他們現在在哪個國家、哪個公司工作，這些人才儲備都是中國的底氣。更有意思的是，在AI領域，中文第一次成了優勢。很多海外AI團隊里，華人工程師都用中文交流想法、交換思路，這種信息傳遞的順暢度，是其他國家比不了的。 最後一張底牌，是資源匱乏逼出來的優勢。資源匱乏逼出了系統級創新，這是我們獨有的競爭力。美國不缺GPU，所以他們習慣了靠堆硬件來提升性能；但中國的GPU資源有限，反而倒逼我們在系統層面做創新。沒有足夠的硬件支持，就只能把系統優化做到極致，讓每一份資源都發揮最大作用。就像阿里的通義千問剛在加密貨幣和股票交易的AI競賽里拿了第一，隔壁的DeepSeek也拿到了第二，這些成績都是靠系統級創新拼出來的，單純靠堆硬件是堆不出來的。 三、開源和閉源是中美模式的關鍵分水嶺 如果說生態優勢是基礎，那開源模式就是中國AI彎道超車的關鍵。蔡崇信的判斷很明確：開源模型遲早會擊敗閉源模型，這不是技術優劣的問題，而是利益格局決定的。 為什麽開源模式會贏？因為對全球大多數用戶來說，開源同時解決了成本、數據主權和隱私三個問題。美國那邊的閉源模型，比如OpenAI，想用上就得付費，而且數據還得喂進人家的系統里，全程都是黑箱操作，數據去哪了、怎麽用，你根本沒法控制。但中國走的是開源路線，像阿里的通義千問，誰都能免費下載，部署在自己的私有雲上。數據完全掌握在自己手里，既不用花錢，又能保證隱私和主權，不管是政府還是企業，只要算一筆賬，都會選開源。 最近新加坡的國家AI計劃已經放棄了Meta的模型，轉而用阿里的通義千問，這就是最好的證明。美國想靠閉源模型壟斷市場，但全球大多數用戶的核心需求是“低成本、能掌控”，開源模式正好戳中了這個痛點，這也是中美AI競爭里，我們最核心的模式優勢。 四、中美AI競爭的終局是看誰能讓AI走進千家萬戶 其實說到底，中美AI競爭拼的不是單一技術的強弱，而是整個生態的支撐力和模式的適配性。美國有頂尖的模型技術，但他們的電力成本高、數據中心建設貴，閉源模式又限制了普及速度，這些短板恰恰是中國的長板。 而中國的優勢不是某一個單點的突破，而是電力、數據中心、人才、系統創新、開源模式擰成的一股合力。我們不糾結於模型的跑分高低，而是專注於讓AI真正走進各行各業，走進普通人的生活。就像蔡崇信說的，AI的價值在於使用，而不是收藏。 現在很多人還在爭論“中美AI誰更強”，但其實答案其實只有一個：能讓90%的行業用上AI，能讓用戶用得放心、用得低成本，能讓技術真正服務於實體經濟的，才是這場競爭的最終贏家，才符合全球大多數人的利益。 現在AI普及的浪潮已經來了，而這場競爭的最終勝負，更取決於是否有足夠多的年輕人做好了準備，接棒推動技術落地與創新。不要覺得AI來了就什麽也不用學了，學編程是練邏輯思維，學統計是應對數據爆炸，學材料科學是助力硬件突破，學心理學是因為要理解人腦這個最高效的“機器”，而這些都是AI時代的核心能力。更重要的是，要學會提出正確的問題，在AI能快速生成答案的時代，定義問題的能力才是核心競爭力。