近期，美國人工智能源頭創新的成果迭出，先是GPT（Generative Pre-Trained Transformer，生成式預訓練模型），然后是SORA（美國人工智能研究公司OpenAI發布的人工智能文生視頻大模型），每一輪都攪動著中國科研、產業界的神經。但大家討論的焦點都放在了諸如：中國和美國在人工智能源頭創新方面到底相差幾年，我們會不會在人工智能領域形成新一輪的“卡脖子”問題，等等。這些看似“重大”的問題，其實搞錯了焦點。

人工智能源頭創新是長期的系統工程

首先，爭論中美人工智能源頭創新的差距到底有幾年意義不大，這種差距不是通過政策調整和增加資金投入能夠解決的問題，它由國家教育的基本面決定，該基本面包括教育系統的構建方式、治理方式等。教育系統輸出什么樣的人才，決定了源頭創新所能企及的高度。 

中國教育系統的構建過程不同于西方發達國家，它不是在市場經濟和工業企業發育到一定程度，基于大量知識和技術需求所建，而是在市場經濟和工業企業還不曾出現的時候開始教育系統的構建，這導致中國的教育從一開始就把追求知識變成終極目標，嚴重脫離真實世界（自然界、社會、經濟），而重大的源頭創新成果絕大部分都是基于對人類文明進化過程中產生的重大需求提出的科學問題所產生。中國的科學家提不出好問題，不是知識不夠，是因為對人類命運進化重大進程缺乏應有的情懷和興趣。中國教育培養的知識分子變成了“純粹的知識分子”。 

另外，由于中國教育系統的構建由政府主導，政府也理所當然成為教育系統的治理者，這導致了知識系統在管理方面的高度行政化，這類問題大家以往探討得足夠多，無須重復。

需要強調的是，知識系統治理方式的高度行政化反過來強化了教育脫離真實世界的傾向。當今中國教育的基本面，我們在短期內還看不到根本轉變的可能性，即便就是現在啟動重大的體制機制改革，要完成這種徹底的轉變也需要10-20年的時間。所以，中國教育的基本面決定了中國在源頭創新領域落后于美國將是一個長期的現象。這是我們未來二十年搞科技創新需要了解的一個基本面，空談口號于事無補，只會誤導決策并導致資源錯配。 

其次，中美在人工智能領域源頭創新的差距，會不會導致中國形成新一輪的被“卡脖子”現象？我的回答是：不會。現代產業核心技術的形成由兩方面因素構成，一是知識產權的壁壘，也就是我們所說的技術問題；二是技術生態，只有大量的用戶接入這個技術生態，它才能成為產業的核心技術。技術生態壁壘往往比技術壁壘重要得多，也是更難跨越的壁壘。中國之所以在芯片、操作系統等方面被“卡脖子”，是因為我們毫無防備地接入了跨國公司的技術生態，形成了依賴性。美國發起科技戰之后，全球技術生態已無可挽回地斷裂成為不同的板塊，美國人不讓中國接入新的技術生態，所以出現過往“卡脖子”情況的概率變得很小。 

此外，核心技術落后的擔憂，部分源于我們對核心技術形成路徑的片面認識，以為成果轉化的路徑模式才是核心技術形成的必由之路，這種路徑依賴已經支配了中國科技戰略政策設計者、科學家和部分企業家數十年。GPT問世之后，中國舉國緊張，搞出個“百模大戰”，但GPT很快又有被新事物取代的趨勢。中國人工智能發展如果完全跟著美國起舞，結果恐怕很糟糕。 

其實，現代產業核心技術的絕大部分都是企業圍繞產業問題、市場需求開展應用端的研發逐步形成。過去二十年，在電動汽車產業的發展過程中，國內產學研圍繞產業的真問題開展產學研協同，用并聯分工的方式解決產業提出的各種問題，在電池、電控等系統的關鍵環節形成了領先全球的核心技術。這對糾正國內核心技術發展的路徑依賴是一個很有說服力的案例。 

眼前需要關注哪些問題

人工智能領域的爆炸性發展正在產生一系列顛覆性的變革，我們真正需要關注的是以下幾個問題： 

1、人工智能創新的方法論 

中美在源頭創新方面的真正差距不是技術，不是知識，不是金錢，是方法論層面的差距。GPT出來之后，中國很快搞出來一堆高仿GPT,在技術指標上也能接近到七八成，這說明中國的技術和知識儲備應該是夠的，論文數量世界第一也不是虛有其表。且研究人工智能是個花錢的買賣，不是所有國家都能玩得起，中國能承受其花費。但美國人為什么能搞出GPT，背后的方法論是什么？方法論層面的差距，本質上是教育的基本面決定的，短期很難改變。但關注方法論層面的問題，采用活學活用的方法，依然對現實的人工智能發展有重要指導作用。 

這一輪美國人工智能創新在方法論方面出現了一些新的動向，值得我們研究：它不再沿著“基礎研究-應用基礎研究-開發研究”的線性方式組織源頭創新，而是基礎研究直接瞄準產業問題開展，把基礎研究、應用基礎研究、產品研究一整套創新鏈直接壓縮在一個組織（OPEN AI）里，把產學研濃縮在一個產品形態上開展協同。這個動向值得中國研究，如果我們在人工智能領域的創新戰略還沿用成果轉化那套模式去組織，既浪費錢財，還會錯失產業發展機會。中國應該發揮應用端優勢，挖掘產業真問題，組織產學研并聯式協同創新。 

中國人很喜歡談方法，喜歡“范式”這個詞，因為看起來很高級。但很多時候反被“范式”所累。美國人提出一個“三螺旋”理論，國內一堆人圍繞這個玩意畫圖表、發論文，也培養出很多教授，但沒啥用。中國有如此豐富的市場化創新實踐，卻沒有人用費孝通的“江村經濟”的研究方法去總結，提煉出符合中國特色的創新范式。

我原來一直認為中國的企業家已經解決了方法論的問題，但在GPT這一輪“大考”中，該結論又變得不太確定。中國的企業家在自由競爭的環境中利用市場獎勵機制搞創新已經做得很好，出現了一批國際性大公司，但在“無人區”提出“真”問題方面，依然存在著局限性。

馬斯克之所以成為科技創新的世界領袖，他大概是這么思考問題——怎樣成為能影響世界的人，而不是當個無趣的有錢人？馬斯克在定義創新時思考的絕不是掙錢，而是想改變人類文明進程，這是他方法論的底層邏輯。我們的企業家目前基本上還在市場獎勵機制的軌道上創新（這點對中國是好事），但針對源頭創新，僅有市場獎勵機制還不夠，放到時間長河，也許等中國有錢人出現的歷史積累到一定時長，這個問題會自然解決。 

2、人工智能對科技創新的影響

自從GPT問世，人類第一次有可能用機器替代科學家的工作，目前已在科學研究的很多領域里發生。這是一個需要我們高度重視的問題，它對中國的科技發展意味著什么，現在還看不太清晰，但一定是個重大的戰略問題。

一方面，如果大量的機器科學家替代了人的科學研究，中國科研系統投入產出率不高、誠信問題、小圈子問題、形式主義問題等等，都將迎刃而解，拿著省出的這筆錢去生產更多的機器科學家是不是效果更好？未來，人工智能領域一定會出現大量新的基礎設施建設，中國習慣于搞科研大裝置建設，但過去的大裝置是圍繞知識生產，而人工智能時代的大裝置是圍繞解決實際問題展開，這種需求比較適合中國的科技投入方式，同時也會改善中國科技投入產出的效率。

另一方面，如果機器大量取代科技人員的工作，中國原先對從人口紅利過渡到工程師紅利的期望會不會落空，這種可能性也需要我們去進一步研究。 

3、人工智能成果應用的速度在加快

GPT這一輪創新在方法論上的變化，也導致一個新趨勢：源頭創新的成果由于創新鏈的高度壓縮現象，基礎研究工作直接奔著產業問題去，源頭創新的成果形式已經不是知識形態，而是產品形態，并且先天具備一定的解決問題的能力。過去數百年我們習慣于一個事實：基礎研究的成果要走到最終應用需要很多環節，通過不同創新組織接力，經過數十年的努力才能達成。在人工智能時代，這種模式正在被顛覆，人工智能成果應用的速度出現了數量級上的提高。雖然人工智能的源頭創新成果要形成成熟的商業模式依然需要一定的時間，但在社會其他領域的應用已經有立竿見影的效果，特別是在軍事、情報、網絡、金融領域。

俄烏戰爭中戰場單向透明的情形、美國對俄羅斯恐襲相關情報的先知先覺都表明，人工智能源頭創新的成果在這些領域的應用速度在加快。人工智能技術的發展正在極大強化美國的無形邊疆能力，美國的軍工復合體在融合新技術方面具有天然的優勢。對于美國人來說，把人工智能作為打擊對手的武器，比起用人工智能形成能掙錢的商業模式要容易得多。

未來大國之間發生傳統熱戰的可能性并不高，但美國利用無形邊疆能力發動情報、信息、認知、網絡、金融等領域的灰色戰爭的可能性會大大提升。這個問題，我們應該引起高度重視。 

[作者周路明系國家海外人才離岸創新創業基地（深圳）總裁、深圳市源創力離岸創新中心總裁、深圳市源創力清源投資基金董事長，曾任深圳市科技局副局長、深圳清華研究院副院長、深圳市科協主席等職]