3年前，美国谷歌公司前总裁将中国视为AI领域的最大竞争对手，但是ChatGPT-3出来以后，国内的技术跟不上了，这个差距以后会不会越来越大？
在全世界500多家AI企业中，美国占到了300多家，而中国只有30多家；在硬件方面，全球90%的人工智能芯片都来自于美国，第一名的英伟达公司只发展了30年，总部同样在美国。
然而，即使中美AI在硬件和研发能力上存在这么大的差距，谷歌公司的前总裁，现任美国国防部创新咨询委员会主席的埃里克·施密特仍然认为，美国需要加大AI技术研发，以应对中国日益激烈的竞争。
当时，中国的AI发展其实已经是世界第二了，大约还能看到第一名的尾巴，要是奋起直追的话很有机会。但是ChatGPT的出现，基本意味着通用人工智能 AGI 的门槛已经摸清楚了，往后美国AI技术开始进入第二个阶段，其中GPT3是一个重要标志。
可以说，从GPT3开始，中美AI技术开始拉大了，为什么呢？因为之前美国人研发的产品，比如以Diffusion Model为核心的AI绘图，再比如初代的谷歌聊天机器人，那都是开放源代码的，这让国内的高校和企业很快跟着做出来了类似产品。
但是GPT3、Codex 等都没有开放源代码，中国就做不出来了。难点在哪里呢？有人说是芯片，中国的芯片技术被外国卡脖子了，是不是在这一方面限制了AI的发展呢？
其实关键不在于制造芯片的难度，不在于原材料的问题，而在于芯片内部的算力和算法，本质上比拼的是科研人员的数学能力和国家的基础数学建设。
更具体一点来说，我们要让人工智能完成更复杂的事情，需要给它配备更先进的思路。过去的初级人工智能就是一个简单的流水线，它的思维模式非常简单。
举个例子，就好比制造一件衣服，你给机器输入“布料裁剪，缝纫，熨烫，剪线头，挂吊牌和包装”，机器人就按照这个程序来做了。
但是我们发现这些操作对于机器人来说依然非常困难，裁剪不了和缝纫，有具体的数值，这一步倒是做得很好，但是到了熨烫环节，烫出来的衣服要求整洁清爽，没有一个具体的数据标准，机器人就没办法判断了。
所以为了实现更高级的人工智能，科研人员要在芯片中加入除了流水线以外的另一套算法，这套算法相当于是把人类的思维和经验传输给机器人，让它知道烫衣服的具体尺度。同时让机器人学会学习，这一次衣服烫出来有褶皱，可能是蒸汽不够，我下次稍微多加一点蒸汽。
所以，因为内部的算法多了，所以AI整体的模型就特别大，GPT3就是这样的大模型。但是你的产品在研发阶段需要多次实验，找出其中的问题所在，这个步骤就非常烧钱了。
据2020年的数据，使用微软提供的超级AI计算机，训练一次GPT3的时间大约是5天左右；如果使用美国云服务提供商提供的GPU训练，训练一次需要耗费280万到540万美元。而如果从零开始训练一个 AI机器系统，花费至少是3500万美元。
中国互联网企业你说穷吗，还真的不穷，但是AI这个技术短期内看不到实际收益，国内的初创企业不敢动。就好比新能源汽车，要是没有国家政策扶持，我看估计也没有多少企业敢玩。
我们国家重视AI吗，确实是重视的，科技部将它看作战略性产业，提出推动先进计算等技术创新和应用，搭建了18个创新发展试验区。但是你可以发现这些说法太宏观了，可以说看不清楚AI发展的方向，看不到它的盈利模式，没有具体的研究方案。
唯一知道的是，AI技术未来核心领域能产生4000亿产值，还有我们目前的重点仍然是以人工智能为辅，仍然没有走入AI的核心领域，也缺乏大企业带头搞出自己的AI大模型。
这说明我们的AI算法基础可能真的还没有打牢，仍然处于利用高校资源进行初步研发的阶段，还没有商用化的考虑，或者说基于这种硬件不足，企业还不敢入场。
当然我们也不必过于悲观，中国的AI技术虽然不是第一名，但是至少领先其他国家很多，只要脚踏实地攻克技术，未来在AI领域必然有中国企业的一席之地。
