会议室的空气仿佛被瞬间抽空。2025年深秋，梁文锋盯着眼前这群为他赚来千亿收益的精英，语气平静却刀锋般直白：“别跟我提中国AI只差美国一两年。”点破了一层行业不愿面对的窗户纸。 梁文锋并非唱衰者，而是清醒者。他知道，中国AI在“做出来”“用起来”上确实快，但在“发明出来”这件事上，仍然差着一个维度。 过去几年，中国AI的成绩单看上去光鲜。2025年，AI+医疗市场突破千亿，应用层融资占比超过50%，智慧城市、金融、政务领域遍地开花。 开源模型DeepSeek、Qwen迅速崛起，国内开发者社区活跃度前所未有。仅DeepSeek-R1一个月就催生数千个衍生项目，教育、医疗、金融场景齐开花，令海外同行侧目。 甚至在2024年末，中国开源大模型在前沿评测中首次整体超越美国，成为外媒口中的“局部反超信号”。政策也在加速落地，智算中心年增200座，各地抢建AI产业园，算力基础设施“铺天盖地”。这一切看起来像是“AI强国”的预演，但梁文锋却浇了一盆冷水。 他说的“差距”，不是看不见的未来，而是看得见的现实。美国能持续推出Transformer、Diffusion、Sora这样的底层算法，中国则更多是在已有架构上调参、优化、组合。这就好比一个人能发明钢琴，一个人则擅长弹得悦耳。弹得再好，钢琴还是别人的。 在量化投资领域，幻方靠AI模型在A股市场跑赢大盘，但靠的是对市场微结构的理解，而非原创AI架构。从量化转型做AI大模型，他比谁都明白：算法红利是有时效的，原创力才是定价权。 中国科学院院士鄂维南也多次强调，AI的根基不在参数堆砌，而在底层算法的重构。中国AI虽在应用端跑得快，但底层依然受限于芯片、数据和原创机制。美国掌握全球超70%的新增智能算力，OpenAI、Meta、NVIDIA等巨头动用上千万级GPU训练模型，背后是百年级数据积累和顶尖人才支撑。 相比之下，中国的智能算力规模不到美国的十分之一，可用训练数据也远逊对手。更关键的，是原创能力上的代差。美国汇聚全球半数以上顶尖AI人才，科研机构与企业深度绑定，形成了一个自我驱动的创新闭环。而中国，仍在寻找属于自己的底层突破口。 这并不代表中国没有优势。在应用落地、迭代速度、成本控制上，中国AI堪称全球顶级。DeepSeek-V3只花了557万美元训练出对标GPT-4o的模型，而GPT-4o训练成本高达7800万美元。性价比差距接近10倍。这条“低成本+高性能”的技术路径，被海外专家称为“有可能重写规则”的模式。 此外，梁文锋坚持开源、鼓励年轻人主导核心岗位，打破“海归崇拜”，让好奇心和探索精神成为团队文化主轴。DeepSeek的核心成员多是刚毕业的年轻人，靠着热爱与执行力，在一年内做出与硅谷平起平坐的大模型。 但他也知道，这样的突破属于“工程优化”的胜利，而非“原始创新”的成果。他在内部反复强调：“如果我们只满足于移植策略、调好参数，那我们永远都玩不出新东西。” 问题的根本，是机制和文化。美国的科技巨头愿意为不确定的基础研究买单，OpenAI、DeepMind连续多年在AGI方向烧钱不断，哪怕短期不盈利。中国资本则普遍偏好“快回报、低风险”，基础研究难以获得足够资金支持。科研机构缺乏转化机制，企业又缺乏容错文化，原创自然难产。 梁文锋试图打破这一格局。他在DeepSeek推行“无KPI、无任务”的管理方式，鼓励自由探索，强调做“未来的钱”，不是“现在的钱”。这是他从金融行业跳出来后最重要的转型——从战术层的赚钱，到战略层的造未来。 从全球视角看，美国靠原创算法掌控生态主导权，制定标准、引导路线，其他国家只能跟随。而中国正在通过开源生态和垂直领域应用，构建“非对称创新路径”。但如果原创短板不补齐，这种路径的天花板也很明显。 中国AI要真正“站起来”，靠的不是“追得快”，而是“发明得出”。梁文锋的“狠话”，在提醒行业：别被眼前的亮点迷了眼，真正的挑战才刚开始。