AI发展史（六）：中国浪潮——从追赶到并跑

一

2017年，北京。

百度宣布全面转型AI。李彦宏在内部信中写道：“百度是一家AI公司。”那一年，百度成立了AI技术平台体系，发布了Apollo自动驾驶平台和DuerOS对话式AI系统。百度的目标是：从搜索公司变成AI公司。

同一时期，阿里巴巴成立了达摩院，投入1000亿元用于前沿技术研究。腾讯成立了AI Lab，专注于基础研究和应用探索。字节跳动成立了AI Lab，研究计算机视觉和自然语言处理。

中国互联网巨头在2017年前后集体转向AI。这个时间点不是巧合。2016年AlphaGo击败李世石，让全世界看到了AI的潜力。2017年Transformer论文发表，为大规模预训练模型铺平了道路。中国政府发布了《新一代人工智能发展规划》，把AI上升为国家战略。

但当时的中国AI，仍然处于“追赶”阶段。基础模型架构来自谷歌和OpenAI，芯片来自英伟达，训练框架来自Meta和谷歌。中国公司的优势在于数据和场景——海量用户产生的行为数据、丰富的应用场景、快速的产品迭代能力。

二

2020年，GPT-3发布。

中国AI公司面临一个选择：继续做应用层，还是投入大模型预训练？

大部分公司选择了应用层。基于GPT-3的API，中国公司开发了智能客服、内容生成、代码辅助等产品。这条路成本低、见效快，但高度依赖OpenAI的技术。

少数公司选择了另一条路：自己训练大模型。百度推出了文心一言，阿里推出了通义千问，腾讯推出了混元，字节推出了豆包。这些模型的性能与GPT-3.5接近，但训练成本高、迭代速度慢。

2023年，ChatGPT发布，中国AI公司感受到了压力。但同时也看到了机会——如果OpenAI能做出ChatGPT，中国公司也能做出类似的产品。

2023年是中国大模型的“百模大战”之年。数十家公司发布了各自的大模型，从科技巨头到创业公司，从高校实验室到国企研究院。但大多数模型性能平平，同质化严重。

三

2024年，深度求索发布DeepSeek-V2。

这家由幻方量化创始人梁文锋创办的公司，选择了一条不同的路径：不做通用聊天机器人，专注于模型效率和推理成本。DeepSeek-V2采用了稀疏混合专家架构，推理成本远低于同性能模型。

2025年，DeepSeek-V3发布，性能接近GPT-4，训练成本却只有GPT-4的十分之一。2026年，DeepSeek-V4发布，在多项基准测试中超越GPT-5。DeepSeek的成功，让中国AI公司意识到：效率创新比规模扩张更重要。

2026年，月之暗面发布Kimi K3，总参数2.8万亿，成为全球最大的开源大模型。K3在代码能力上登顶全球第一，API价格仅为GPT-5的十分之一。Kimi的崛起，标志着中国AI公司在开源模型赛道上的领先。

智谱AI发布了GLM-5.3，在政企市场持续攻城略地。MiniMax在视频生成领域取得突破。百川智能专注于医疗AI。零一万物转向了AI基础设施。

中国AI公司不再只是“追赶者”。在开源模型、效率优化、应用落地等方面，它们开始引领全球趋势。

四

中国AI的崛起，有三个结构性支撑。

第一个是人才。清华姚班、中科大少年班、上海交大ACM班——这些特殊班级培养了一代AI研究者。姚班毕业生创办了旷视、小马智行；少年班毕业生创办了寒武纪、科大讯飞；ACM班毕业生创办了第四范式、依图。这些人才在2010年代陆续进入产业界，在2020年代成为AI创业的主力。

第二个是数据。中国有全球最大的互联网用户群体，产生了海量的文本、图像、视频、行为数据。这些数据是训练AI模型的原材料。虽然数据质量和标注水平参差不齐，但规模优势难以替代。

第三个是场景。中国的制造业、金融业、医疗业、教育业、政务系统都有强烈的AI需求。这些需求推动了AI技术的落地和迭代。DeepSeek的模型优化灵感来自量化交易场景，Kimi的长文本能力服务于法律和金融文档分析，智谱的政企模型服务于政府和国企。

五

但中国AI也面临挑战。

第一个挑战是算力。美国对先进AI芯片的出口管制，限制了中国公司获取英伟达最先进GPU的能力。中国公司通过租赁海外算力、使用国产芯片、优化模型效率来应对，但这些方案的长期可持续性存在不确定性。

第二个挑战是基础研究。中国AI公司在应用创新上很强，但在基础架构创新上仍然落后。Transformer、扩散模型、强化学习——这些基础突破都来自美国的研究机构。中国公司需要在基础研究上投入更多资源。

第三个挑战是全球化。中国AI公司的产品在海外市场面临地缘政治限制。TikTok、微信等产品在部分国家被禁用，AI产品的出海同样面临障碍。如何在全球市场建立可持续的商业模式，是中国AI公司需要解决的问题。

六

2026年，中国AI公司已经不再只是“追赶者”。

在开源模型领域，DeepSeek和Kimi的下载量和调用量位居全球前列。在端侧AI领域，OPPO的Linear Attention架构和华为的韬定律芯片展示了中国公司的创新能力。在具身智能领域，宇树科技、智元机器人、逐际动力等公司正在定义人形机器人的标准。

从追赶到并跑，中国AI用了不到十年。但并跑不是终点。下一个十年，中国AI公司需要从“并跑”走向“领跑”。

这需要的不仅是工程能力和应用创新，还有基础研究的深度、全球化的视野、以及对AI伦理和安全的思考。

七

中国AI的崛起，有一个被忽视的维度。

它不只是“技术的追赶”，是“生态的构建”。DeepSeek开源全套昇腾组件，Kimi开放API接口，智谱共建政企生态——中国AI公司正在构建一个从芯片到模型到应用的完整生态。

这个生态的独特之处在于：它是在算力受限的条件下构建的。当先进芯片无法获取时，中国公司被迫在效率上做文章。稀疏注意力、混合专家、线性注意力——这些效率创新，反过来成了中国AI公司的竞争优势。

一个在受限条件下构建的生态系统，可能比一个在充裕条件下构建的生态系统更有韧性。因为它从一开始就必须面对“资源不够”的问题，必须在每一层都做优化。

这可能是中国AI浪潮最深层的特征：不是追赶，是重构。

作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～