佛得角奇迹救不了中国AI：模仿式创新的困境

中国人工智能行业长期奉行“跟热点、做增量”的模仿式创新策略，如同足球弱队采用“佛得角战术”力求逼平强队，但这种路径依赖正导致基础创新缺失、代差重新拉大，并面临供给切断和创新飞轮失速的多重风险。

中国AI的发展速度有目共睹，但始终处于追赶状态。核心逻辑可概括为“跟热点，做增量”：专利和论文数量虽多，却鲜有基础算法或底层平台的核心创新，底层技术高度依赖美国提供的框架（如PyTorch、TensorFlow）、模型（如LLaMA系列）和硬件（英伟达CUDA生态）。在商业化路径上，也全力复制美国模式，如大模型API服务、SaaS化AI工具等。

然而，全力模仿并不保证成功。2024年左右，中美基础模型差距一度缩短至3个月，但到2026年，由于美国企业加大基础模型更迭力度，而中国企业陷入营销与研发失衡，代差重新拉大。跟随策略还带来供给切断风险，如Anthropic的网络安全模型Mthos仅对美国本土开放，类似封闭主义只会加剧。

更令人担忧的是创新飞轮失速。长期跟随导致企业追求商业化回报，缺乏主导下一轮创新的动力，技术趋于保守封闭。工业革命历史表明，追赶者往往只能达到主导者80%的成果，陷入“追赶者陷阱”。中国AI也曾尝试主动创新，如百度的飞桨框架、华为的盘古大模型、DeepSeek的MoE模型优化，但或因注意力转移、或因技术争议、或因收益不及预期，最终未能持续引领。

来源：虎嗅