中美AI真实差距到底在哪？梁文锋一针见血，戳破很多人的幻想！
 
8月3日，DeepSeek又把模型成本压到全球最低。两年前梁文锋那句“差距不在一两年，而在原创与模仿”，如今听起来，更像对中国科技界的一次追问。
 
同一天，路透社援引研究机构ArtificialAnalysis的数据称，DeepSeek的V4-Flash已经成为全球知名模型中运行成本最低的一款。
 
它每百万输入词元收费0.14美元，输出收费0.28美元，完成一组基准测试的平均成本只有3美分。作为对比，OpenAI一款模型约为1.86美元，Anthropic的ClaudeFable5达到3.15美元，后者超过DeepSeek百倍。
 
这组数据很容易让人产生一种感觉：中国AI已经赶上甚至反超美国。
 
可梁文锋两年前给出的判断，明显要冷静得多。
 
2024年7月21日，36氪旗下“暗涌”发布对梁文锋的专访。谈到中美AI差距时，他提出，大家总喜欢用“一年还是两年”衡量差距，可真正的差距，是原创与模仿之间的差距；这个问题不改变，中国就只能跟在别人后面。
 
为什么这么说？因为从模型分析来看，中美之间的距离确实已经很小。
 
斯坦福大学发布的《2026年人工智能指数报告》显示，从2025年初开始，中美模型曾多次交替领先。2025年2月，DeepSeek-R1一度追平美国最强模型；截至2026年3月，美国排名最靠前的模型只领先中国最佳模型2.7%。
 
这说明中国AI早已不是只能在后面追赶。
 
可另一组数据，又能解释梁文锋为什么仍然不敢乐观。
 
2025年，美国私人AI投资达到2859亿美元，中国为124亿美元，双方相差超过23倍。美国还拥有5427座数据中心，是其他任何单一国家的十倍以上。
 
美国依然产出更多顶级模型和高影响力专利，在高端芯片、基础软件和全球人才吸引力方面也保留着厚实家底。
 
在我看来，模型榜单上的2.7%，并不能直接证明整个产业只差2.7%。
 
中国可以用更少算力做出接近美国顶级模型的效果，这是一种很厉害的工程创新；但芯片、开发工具、基础架构、原创理论和全球生态能否一起跟上，决定了中国究竟是在某个产品上追平，还是能够持续开出下一条技术路线。
 
V4身上已经能看到这种野心。
 
DeepSeek官方资料显示，V4-Pro采用1.6万亿总参数、每次激活490亿参数的混合专家架构；V4-Flash则是2840亿总参数、激活130亿参数。
 
两个模型都支持100万词元上下文，并采用新的注意力和稀疏计算方案，在降低内存和计算消耗的同时强化智能体与编程能力。模型权重也继续开放。
 
这已经不只是把别人的方案做得更便宜，而是在架构、训练方法和开源生态上尝试提出自己的答案。
 
但我认为，中国AI眼下最容易掉进另一个误区：把低价当成原创的全部。
 
价格压到美国模型的百分之一，当然很有竞争力，可以让大量中小企业用得起AI，也能快速吸引全球开发者。
 
可如果中国企业长期只拼降价，最后仍然可能回到熟悉的老路——市场很大，用户很多，利润很薄，基础技术却还掌握在别人手里。
 
梁文锋真正反对的，恐怕正是这种“先复制，再内卷”的舒适区。
 
DeepSeek如今甚至开始向芯片领域延伸。路透社7月报道，该公司正研发用于模型推理的自有芯片，并与芯片设计、晶圆制造和存储企业接触，希望减少对外部高端芯片的依赖。不过项目仍处于早期，先进制造和高带宽存储依然是绕不过去的难关。
 
这一步很难，却必须有人去试。
 
因为真正的AI竞争，从来不是发布会上谁多赢了几道题，而是谁能从芯片、算力、模型、开发工具到应用生态，形成一条自己能够掌控的路线。
 
中国目前已经在论文数量、引用量、专利数量和工业机器人安装量上领先，模型性能也进入全球第一梯队。美国则继续掌握更庞大的资本、算力中心和大量前沿模型。
 
双方已经不是过去那种一方领跑、一方照抄的简单关系，而是在不同环节各有优势。
 
在我看来，梁文锋这句话今天仍不过时，不是因为中国AI没有进步，反而是因为中国已经走到最难的一关。
 
模仿阶段，前面有人指路，只要跑得够快就行；原创阶段，前面没有答案，投入可能打水漂，模型可能失败，几年努力也未必换来市场回报。
 
可这一关无论多难，都不可能绕过去。
 
V4-Flash把使用成本压到了新低，证明中国团队很会把技术做得更高效；接下来更重要的，是能不能不断提出让美国同行也要学习的新架构、新方法和新标准。
 
中美AI真正的差距，不只在谁的模型今天多拿了几分，而在下一次行业转向时，究竟是谁先看见方向，又是谁只能跟着转弯。
 
梁文锋两年前已经把问题摆出来了。如今DeepSeek要证明的，是中国AI不只会把别人的路走得更快，也有能力自己开路。