Edge
Chrome
Firefox
3
看到过一个案例，华为和湖南华菱钢铁合作搞高炉炼钢，高炉顾名思义就是很高的炉，所以不同高度会有不同温度，再加上添加的各种原料，所以就会在不同高度产生不同温度，继而产生不同的化学反应。在这个相对复杂的黑箱系统中，如何尽可能的获得最大的经济效益，以前靠的都是经验，但是大模型恰巧很适合解决黑箱问题，目前看到的进展是每吨钢能节约3元焦炭，看起来似乎不大，但如果乘以中国的年钢铁产量，就是一个大数。除此之外，中医这个黑箱也有大模型在研发。
目前ai的第一梯队其实就两家，中美。在吟诗作画，回答问题，芯片等领域中国目前是落后于美国的，但没有代差，而且追赶速度不慢，因为这些地方本质就是堆算力。
但是在制造业领域，中美是有代差的，美国只在部分制造业有ai应用，典型的是生物医药行业，而中国则是在推整个制造业的ai化，当然整体还在起步阶段，但是由于美国制造业的空心化，所以即便只是起步阶段的差距大概率美国也无法追赶。
不仅如此，还有许多我们看不到的地方，国内也在发力，主打的就是一个：我全都要。
如果参考信息技术革命刚开始的时候，无论操作系统，芯片，存储，网络…几乎每一个细节都存在着巨大的不确定性，每个细分行业都在百家争鸣，所以在ai时代，中国的做法就是全做，而美国由于能力有限，只能在部分领域领先半步。
所以问国内ai在全球的水准，我的答案就是总体领先，部分落后。
目前ai的第一梯队其实就两家，中美。在吟诗作画，回答问题，芯片等领域中国目前是落后于美国的，但没有代差，而且追赶速度不慢，因为这些地方本质就是堆算力。
但是在制造业领域，中美是有代差的，美国只在部分制造业有ai应用，典型的是生物医药行业，而中国则是在推整个制造业的ai化，当然整体还在起步阶段，但是由于美国制造业的空心化，所以即便只是起步阶段的差距大概率美国也无法追赶。
不仅如此，还有许多我们看不到的地方，国内也在发力，主打的就是一个：我全都要。
如果参考信息技术革命刚开始的时候，无论操作系统，芯片，存储，网络…几乎每一个细节都存在着巨大的不确定性，每个细分行业都在百家争鸣，所以在ai时代，中国的做法就是全做，而美国由于能力有限，只能在部分领域领先半步。
所以问国内ai在全球的水准，我的答案就是总体领先，部分落后。
3
1，AI以各种数学模型将人类各种正确的/不准确的知识“学习”了一遍，并在芯片工程技术的一些突破上（准确是在芯片封装技术上），通过大力出了“奇迹”，引起了国人广泛的焦虑。但我估计这波生成式大模型很快到达发展的瓶颈，炒作热潮会冷下来。
2，AI本质还是工程技术，其应用需要大量适用性数据来训练，以及大量应用来迭代，中国有人口和市场规模优势，尤其在工业领域应用方面，跟制造业还在萎缩中的美国相比，中国强大太多了。
3，芯片算力方面，GPU虽然相对CPU有强大的并行和高精度浮点数的矩阵计算能力，还是本质还是属于通用型处理器，英伟达的CUDA护城河，并非我们想象的那么高，国内的GPU厂家也在写自己的底层，而且函数名字都跟CUDA一样，例如funcion : cuda_xxxxx()，国内摩尔线程就是将cuda改为musa即可，即musa_xxxxx()，目前大部分场景下替代不是问题，当然需要迭代时间。另一类专门针对AI处理的NPU，其实国内外的研发是同步的，国内做这块的有不少公司。
4，芯片高制程制造，这个才是目前最大挑战，但仅是挑战，2年前有多少人想到华为出7nm+工艺吗。这块的突破也有多个途径，国产光刻机肯定在奔跑中，AI处理器也有很大优化空间，例如牺牲一定编程灵活度，加大硬件加速能力，可以极大缓解高制程的难题。国内有强大的公共算力组织能力。
总之，我自己的从业经验看，要说对AI产业发展的焦虑，远远不应该是我国。
2，AI本质还是工程技术，其应用需要大量适用性数据来训练，以及大量应用来迭代，中国有人口和市场规模优势，尤其在工业领域应用方面，跟制造业还在萎缩中的美国相比，中国强大太多了。
3，芯片算力方面，GPU虽然相对CPU有强大的并行和高精度浮点数的矩阵计算能力，还是本质还是属于通用型处理器，英伟达的CUDA护城河，并非我们想象的那么高，国内的GPU厂家也在写自己的底层，而且函数名字都跟CUDA一样，例如funcion : cuda_xxxxx()，国内摩尔线程就是将cuda改为musa即可，即musa_xxxxx()，目前大部分场景下替代不是问题，当然需要迭代时间。另一类专门针对AI处理的NPU，其实国内外的研发是同步的，国内做这块的有不少公司。
4，芯片高制程制造，这个才是目前最大挑战，但仅是挑战，2年前有多少人想到华为出7nm+工艺吗。这块的突破也有多个途径，国产光刻机肯定在奔跑中，AI处理器也有很大优化空间，例如牺牲一定编程灵活度，加大硬件加速能力，可以极大缓解高制程的难题。国内有强大的公共算力组织能力。
总之，我自己的从业经验看，要说对AI产业发展的焦虑，远远不应该是我国。
0
赢家通吃，GPT使用的国国包括了全球大部分国家，国内呢？更别说芯片禁运了，芯片都是性能减半甚至更多的，可使用的数量也很少，可以说胜负已分。估计百度与Google同时起步后发生的事情，差距越拉越大。话说现在百度还被必应力压一头。
7
赞同来自: 钟头山 、哈哈哈哈张博龙 、唐唐脱口秀 、轻舞飞扬啊 、东海逍遥 、 、更多 »
gpt 商业模型差 openai 半代到一代，如果下半年openai能出chatgpt5，那么差一代, 不能则差半代。
gpt 开源模型阿里的qwen2处于领先水平，其他家也不算落后。
视频生成大模型快手的可灵公测中，很可能强于openai的sora。
因为高校学生众多，各AI细分领域很多都是国人做的最好。
芯片受限制于制造，落后2代。看华为下半年能不能发布新计算卡追到差一代。但落后不代表算力不够，几年前清华和智源研究院就用cpu训练过万亿规模的gpt，主要是时间问题。
另外，个人认为美国的宣传能力远超国内，千万别被每几个月一次的改变世界吓到。
gpt 开源模型阿里的qwen2处于领先水平，其他家也不算落后。
视频生成大模型快手的可灵公测中，很可能强于openai的sora。
因为高校学生众多，各AI细分领域很多都是国人做的最好。
芯片受限制于制造，落后2代。看华为下半年能不能发布新计算卡追到差一代。但落后不代表算力不够，几年前清华和智源研究院就用cpu训练过万亿规模的gpt，主要是时间问题。
另外，个人认为美国的宣传能力远超国内，千万别被每几个月一次的改变世界吓到。
1
赞同来自: 轻舞飞扬啊
目前国内的AI技术在全球处于领先地位，尤其在多个关键领域展现出强劲实力和发展态势。以下是对国内AI技术全球水准及发展态势的详细分析：
全球水准
专利数量领先：
根据斯坦福大学发布的《2024年人工智能指数报告》，中国在人工智能专利方面表现出强大的主导力。2022年，全球人工智能专利来源中，中国占比高达61.1%，远超美国的20.9%。这一数据表明中国在AI创新领域的强劲实力。
另据其他数据，从2013至2022年11月，全球人工智能专利申请量中，中国申请量占全球总量的53.4%，进一步证实了中国在AI专利方面的领先地位。
研究论文与成果：
乔治城大学安全与新兴技术中心(CSET)的数据显示，中国在超过一半的AI研究领域中处于领先地位，超过美国的AI研究。特别是在计算机视觉、自然语言处理等领域，中国的研究增长速度和论文发表数量均处于世界前列。
中国科学院、清华大学等机构在全球AI研究论文数量和高被引论文数量上均表现出色，显示出中国在AI基础研究方面的深厚积累。
产业应用与商业化：
中国AI企业在产业应用和商业化方面也取得了显著成就。百度、阿里巴巴、腾讯、华为等企业在自动驾驶、智慧城市、医疗影像分析等多个领域推出了前沿技术和产品，推动了AI技术的落地应用。
中国人工智能核心产业规模不断扩大，企业数量超过4300家，显示出AI产业的蓬勃发展态势。
发展态势
技术持续创新：
国内AI技术不断创新，特别是在生成式AI、多模态AI等领域取得了突破性进展。生成式AI技术不仅能够撰写复杂的叙事文章、编排交响乐，还能在智能家居、智慧城市、医疗诊断等领域发挥重要作用。
随着量子计算等前沿技术的引入，AI技术的训练和优化将更加高效，有望推动AI技术的进一步发展。
产业深度融合：
AI技术与各行各业的融合进程加快，商业化应用成为重点。金融、医疗、安防、教育、交通、制造等多个领域已实现AI技术的落地应用，且应用场景越来越丰富。
随着云计算平台的发展，AI服务的门槛和成本降低，促进了AI技术的普及和应用。
政策支持与资金投入：
中国政府对人工智能的重视程度持续提升，出台了一系列政策措施以促进AI的健康发展。从技术研发、人才培养、产业升级到伦理法律等多个维度为AI发展提供了政策导向和支持。
同时，国内企业和科研机构对AI技术的研发投入不断增加，为AI技术的持续发展提供了资金保障。
面临的挑战与机遇：
尽管国内AI技术发展迅速，但仍面临一些挑战，如高端AI人才库的相对稀缺、基础理论创新和原生模型开发能力的不足等。
同时，随着AI技术的广泛应用，如何保障AI技术的健康、可持续、负责任地发展，以及如何处理AI技术带来的伦理、法律和社会问题，成为亟待解决的问题。
综上所述，目前国内的AI技术在全球处于领先地位，展现出强劲的发展态势。未来，随着技术的不断创新和产业的深度融合，中国AI技术有望在全球范围内发挥更加重要的作用。
全球水准
专利数量领先：
根据斯坦福大学发布的《2024年人工智能指数报告》，中国在人工智能专利方面表现出强大的主导力。2022年，全球人工智能专利来源中，中国占比高达61.1%，远超美国的20.9%。这一数据表明中国在AI创新领域的强劲实力。
另据其他数据，从2013至2022年11月，全球人工智能专利申请量中，中国申请量占全球总量的53.4%，进一步证实了中国在AI专利方面的领先地位。
研究论文与成果：
乔治城大学安全与新兴技术中心(CSET)的数据显示，中国在超过一半的AI研究领域中处于领先地位，超过美国的AI研究。特别是在计算机视觉、自然语言处理等领域，中国的研究增长速度和论文发表数量均处于世界前列。
中国科学院、清华大学等机构在全球AI研究论文数量和高被引论文数量上均表现出色，显示出中国在AI基础研究方面的深厚积累。
产业应用与商业化：
中国AI企业在产业应用和商业化方面也取得了显著成就。百度、阿里巴巴、腾讯、华为等企业在自动驾驶、智慧城市、医疗影像分析等多个领域推出了前沿技术和产品，推动了AI技术的落地应用。
中国人工智能核心产业规模不断扩大，企业数量超过4300家，显示出AI产业的蓬勃发展态势。
发展态势
技术持续创新：
国内AI技术不断创新，特别是在生成式AI、多模态AI等领域取得了突破性进展。生成式AI技术不仅能够撰写复杂的叙事文章、编排交响乐，还能在智能家居、智慧城市、医疗诊断等领域发挥重要作用。
随着量子计算等前沿技术的引入，AI技术的训练和优化将更加高效，有望推动AI技术的进一步发展。
产业深度融合：
AI技术与各行各业的融合进程加快，商业化应用成为重点。金融、医疗、安防、教育、交通、制造等多个领域已实现AI技术的落地应用，且应用场景越来越丰富。
随着云计算平台的发展，AI服务的门槛和成本降低，促进了AI技术的普及和应用。
政策支持与资金投入：
中国政府对人工智能的重视程度持续提升，出台了一系列政策措施以促进AI的健康发展。从技术研发、人才培养、产业升级到伦理法律等多个维度为AI发展提供了政策导向和支持。
同时，国内企业和科研机构对AI技术的研发投入不断增加，为AI技术的持续发展提供了资金保障。
面临的挑战与机遇：
尽管国内AI技术发展迅速，但仍面临一些挑战，如高端AI人才库的相对稀缺、基础理论创新和原生模型开发能力的不足等。
同时，随着AI技术的广泛应用，如何保障AI技术的健康、可持续、负责任地发展，以及如何处理AI技术带来的伦理、法律和社会问题，成为亟待解决的问题。
综上所述，目前国内的AI技术在全球处于领先地位，展现出强劲的发展态势。未来，随着技术的不断创新和产业的深度融合，中国AI技术有望在全球范围内发挥更加重要的作用。
京公网安备 11010802031449号