大家好，欢迎收听老樊讲故事的 YouTube 频道。
今天咱们来讲一讲“中国 AI 末日论”，以及我们还追不追得上这个问题。
很多人在中文互联网里传，说中国彻底没戏了，永远追不上了，而且会越差越远。甚至还有人说这是哈萨比斯说的，也就是 DeepMind 的老大。其实人家没说这话。人家的原话是，中国原来差几年，现在差 6 个月，是越追越近了。所以这件事情，咱们要好好掰扯掰扯。
“中国 AI 末日论”的三种意思
首先要注意一点，“中国 AI 末日论”这句话，因为中文博大精深，断句不同，意思就不同。它大概有三种解释。
- 第一种：“中国 AI 失败论”，意思是中国 AI 永远追不上美国，越差越远，怎么追都追不上。
- 第二种：“中国 AI 末日论”，说的是同样面对 AI，为什么中国人普遍比较乐观，而美国人天天害怕 AI 毁灭人类。也就是说，中国人对于“AI 末日论”这件事情本身，是特别乐观的。
- 第三种：有极个别美国人认为，一旦中国 AI 超过了他们，那就是世界末日了。
最后咱们还是要回到一个更重要的问题：到底怎么追上，或者为什么追不上。至于中国为什么对 AI 这么乐观，这是个悲伤的故事；至于美国人害怕我们追上这件事，我觉得多少有点杞人忧天。甭管担不担心，我们最后都会追上的。
第一部分：所谓“中国 AI 失败论”
先说第一部分，也就是很多人在讲的“中国 AI 失败论”。
林俊阳的判断：3 到 5 年内追上的概率不高
第一个例子是林俊阳。他原来是阿里通义千问的技术负责人。在一次 AGI Next 的活动访谈上，他说，中国 AI 想在 3 到 5 年之内成为全球最领先的公司，这个概率大概也就是 20%，而且 20% 已经是非常乐观的估值了。所以他认为，3 到 5 年之内，中国 AI 没办法追上。
他给出的理由大概有三个。
- 算力差距大。美国整体算力比中国大一到两个数量级。一个数量级就是十倍，也就是说，美国可能比我们大几十倍，甚至上百倍。在这种情况下，想超越它，确实很困难。就好比开餐厅，人家后厨有 100 个猛火灶，咱们这边俩师傅炒三个灶，你想比别人出餐还快，确实难。
- 美国头部实验室把大量算力投入下一代前沿研究。OpenAI 大概 40% 的算力是在做下一代大模型预研，根本不考虑赚钱。而我们的公司，大部分算力是拿来接客户订单，赚钱养活团队，确实没有那么多闲钱去做前沿研究。
- 中国团队大量算力被当前交付占用。也就是很多历史沉淀任务在持续消耗算力。
他的意思就是，就算我们往前走，美国也可能拿出我们全国算力的很多倍，在研究下一代模型，你怎么追得上。
他离开阿里之后，还专门发了一篇长文，承认千问模型走了弯路，就是把 thinking 和 instruct 模式混在一起，结果效果并不好。他承认这是一次巨大的技术教训。
更具体地说，他认为合并之后，thinking 变得更加啰嗦、犹豫，instruct 也不再像以前那么干净、稳定、低成本，根源在于两种数据分布和行为目标并不一致。放在阿里内部，我估计也不会有人允许他做这种反思，但离开之后就可以稍微思考一下了。就好比一个文科状元、一个理科状元，你非要搁在一个考场里考同一张卷子，他认为通义千问遇到的就是这种问题。
唐杰的观点：真正缺的是创新时间
除了他之外，当时那场会上还有一个人，唐杰，清华大学教授，智谱 AI 的首席科学家。他也在讲这件事。
他的看法是，中美在研究尤其是 AI 实验室上的差距，要缩小差距，关键还是要让聪明人有更多时间去创新，而不是被交付和环境束缚。
智谱出来说这个话，其实挺心酸的。因为智谱有一段时间觉得自己很牛，招了很多人，四处铺业务，做医疗、做交付，什么都做。后来还干过一件特别逗的事：做大模型研究的人在一个楼层，做医疗、做交付的人在另一个楼层；做大模型研究的楼层有零食，其他楼层不许吃。结果一帮人就在那折腾，说你太瞧不起人了。
做了一段时间以后，发现不行，因为模型本身能力不够，很多问题解决不了。最后大裁员，把那些做交付、做执行的人全裁了，回过头来说我们还是集中力量做大模型吧。所以后来才有智谱 4.7、5.0、5.1 这些新版本出来，算是逐渐追上了一些，可能还达不到国际上像 Claude Opus 这样的水平，只能说个别指标已经追上或者接近了。
他现在来讲这个事，本质上就是说，别老让这些做业务的人拖住做研究的手脚。工程师 90% 的时间都在改 bug、接需求，只有 10% 的时间做创新，这是中国的情况；而美国 AI 公司，工程师大概有 40% 的时间可以做自由探索，这就是差距。中国人有时有点太胆小，不敢冒险，必须做确定性的事情，这可能是中国 AI 难以追上美国的一个原因。
任正非与 ASML：基础研究和芯片制造仍是短板
再往后还有一个人，任正非，华为创始人。他在人民日报采访里说，人家投基础研究，掌握基本规律，我们在后边跟着，这事是不行的。这话也就是任正非敢说，别人真未必敢说。他的意思是，华为是不是以后也应该去投一点基础研究。这个不能算完全唱衰，只能算是一个稍微冷静一点的声音。
还有 ASML 的 CEO，他在 2024 年 12 月接受采访时说，EUV 禁令让中国在芯片制造设备上落后西方 10 到 15 年。这里要注意，他说的是芯片制造，不是 AI 模型本身。但你没有芯片，没有英伟达这些东西，很多事就搞不定。
现在我们拿着 ARM、RISC-V 这些 IP，如果真有 3nm、2nm 这样的制程工艺，虽然我们造不出英伟达，但去造博通那种芯片，造 ASIC 芯片，其实也还是可以搞定的。阿里的平头哥、百度、腾讯、字节，手里都有自己的芯片，包括华为的昇腾 910。你只要真有这些工艺，能力就能提升很多。ASML 的 CEO 认为我们还很难追上，我觉得这也算一个事实。
侯宏的三点批评：问题不只是技术
再往后，是北大光华管理学院教授侯宏。他提出了三个观点，认为我们不是技术上追不上，而是整个体系架构不行，所以会离美国 AI 越走越远。
1. 企业软件薄弱，SaaS 付费市场不成熟
他说中国几乎没有成熟的 SaaS 付费市场，90% 的企业不愿意为 AI 付费，大模型公司只能靠政府项目和流量变现，没法靠 B 端订阅获得稳定收入来反哺研发。
这话其实挺对的。中国企业让它付钱很费劲，你让它买点什么，它第一反应都是“我拿这个能挣多少钱”。尤其是现在大家日子都没那么好过，从企业身上挣钱确实难。
为什么说中国没有成熟 SaaS 行业？不是说中国没有 SaaS 公司，而是美国 SaaS 公司把产品做好，大家订阅就行了。中国小企业订不起，或者到处找免费的，甚至破解。大企业呢，谁跟你订 SaaS，它会说你过来给我定制开发，我有一堆需求，你给我改。可真正的 SaaS 是“不改”，你反复订阅，那才叫 SaaS。中国这块确实差一些。
2. 封闭生态，开发者生态难以形成
他说国内大厂各自为战，阿里、腾讯、字节的 AI 生态互相打不通，不愿意开放核心数据和接口，形不成美国 OpenAI 那样的开发者生态。
这个我倒觉得他说得不完全对。美国 OpenAI、Anthropic、Gemini 其实也是各玩各的，谁也没有把核心数据开放给别人。所以从开放角度来说，中国反而还算做得可以。比如买了字节的套餐，你在里面可以用 Kimi、MiniMax、智谱 GLM，虽然不是最新的，但都能跑。
至于说开发者生态为什么难建起来，不是不想，是不赚钱。我原来就是做开发者关系的，这块比较熟。字节、阿里都在建开发者生态，但为什么建不起来？因为开发者拿着你的 AI 工具开发完东西，赚不到钱。亚马逊当年做 AWS、做云计算的时候，专门有个部门叫“开发者成功部”，核心不是让你用了我的云，而是要帮助开发者赚钱。这才是真正重要的。现在国内的问题不是不愿意建，而是整个行业赚钱路径还没打通。
3. VC 风险厌恶，长期研发资金不足
他说国内 VC 只愿意投 6 到 12 个月能变现的应用层项目，不愿意投 3 到 5 年周期的底层技术研发，没人敢赌长期不确定性。
这个说法，我觉得他作为管理学院教授，可能对 VC 行业本身没那么了解。VC 的基金本来就是有周期的，虽然现在也出现一些永续基金、长周期基金，但大部分基金都要在 4 到 5 年里把钱投出去并开始回收。以前我们投资，甚至会跟企业签协议，说你 4 年得上市，不上市就得还钱，或者被收购也行。
那为什么现在突然变成 6 到 12 个月必须挣钱？很简单，因为“不允许资本无序扩张”，把整个创投链条打断了。原来我投天使，12 到 18 个月找到 A 轮，A 轮再跑 12 到 18 个月找到 B 轮，大家当年追捧的是“一年融三轮”，天使、A、B 一年搞完。但后来链条断了，比如腾讯、字节这类大厂不怎么投了，后面的接盘资金没了，那就只能要求项目盈利。这个事不能全怪中国基金，有一些外部的不可抗力。
所以侯宏的意思是，从非技术角度看，我们的商业环境和体系结构有问题，这会让我们越走越远。他的比喻是，我们底下是一片沙地，房子盖在上面，很容易倒，因为基础不牢。
罗福莉的隐含判断：创新很多，但偏向“高效追赶”
再举一个例子，罗福莉，小米 MIMO 的 AI 团队负责人，原来也是 DeepSeek 的核心成员。他在北京一个活动上，主持人问他小米做得怎么样，他转了一圈说，我们不谈小米，咱就谈中国吧。
他说中国其实做了很多创新，比如各种注意力方法，怎么节省算力，在相同效果下怎么降低训练成本、推理成本，讲了一堆这种东西。
这什么意思？其实也是一种唱衰。因为这些东西，本质上更像是在研究考前怎么高效复习，而不是从头把基础打牢。注意力机制就像考试前教你一套高效复习法，前面学得怎么样先不管，重点是怎么抓重点、怎么用更少的精力、更少的钱把考试通过。这当然有效，也确实帮很多学生考上了大学，但很多更底层的东西其实没怎么做。
补充一点，罗福莉最近还在拼命发文章，说中国的大模型公司不要再打价格战了。因为小米的模型特别贵，100 万 token 输入大概要卖到 1 美元甚至更高，而中国普遍的大模型公司，100 万 token 也就是两三块人民币，他有点顶不住了。因为他的模型 MIMO V2 Pro 比别人大，所以推理成本更高。再加上小米本质上是做硬件的，要求每件事都得盈利，不能亏钱，不像阿里还能拿其他业务养这个。所以他才出来喊，大家别打价格战了，真打不起。
看好中国 AI 的声音
当然，也不是没有人看好中国。
- 哈萨比斯：DeepMind 的 CEO 说，中国正在逐步追赶，原话是中国 AI 仅落后 6 个月，这是他在达沃斯论坛专访上讲的。
- 黄仁勋：英伟达 CEO 经常说中国很厉害。他主要还是惦记着往中国卖芯片。如果中国不买他的芯片，万一还真走出自己的路，那他亏大了。
所以他一直在讲，中国人才密度很高，现在全世界 AI 论文里可能有一半以上是中国人写的，包括美国各大公司 AI 团队里，中国面孔也能占一小半，甚至有的团队占一多半。再一个，中国电力便宜，基础设施也完善，所以他认为中国肯定能赶上，没有任何问题。当然，他的潜台词还是：还是买我点芯片吧。
这就是不看好中国 AI 和看好中国 AI 的两拨人。到底谁更有道理，大家可以自己判断。
第二部分：为什么中国人对 AI 末日论更乐观
接下来讲第二层意思，也就是为什么中国对“AI 会带来末日”这件事，普遍比美国人乐观。
纽约时报在 2026 年 3 月 5 日刊登过一篇报道，作者是薇薇安·王，标题大意就是：中国的人工智能末日论者在哪？她引用了一些数据。
- 毕马威对 47 个国家做调查，69% 的中国人认为 AI 好处大于风险，而美国只有 35%。
- 斯坦福在 2025 年的 AI Index 里数据更夸张：83% 的中国人认为 AI 利大于弊，美国只有 39%，加拿大 40%，荷兰 36%。
这些老牌资本主义国家普遍更担心 AI 带来灾难，而中国人很乐观。当然，还有比中国更乐观的，印度人比我们还乐观。
为什么会有这种差距？作者给了四个理由。
1. AI 应用落地快，普通人能直接受益
中国的 AI 应用落地快，老百姓真能用上。比如无人驾驶出租车已经在十几个城市跑了，酒店里有服务机器人，外卖有 AI 调度，淘宝有 AI 推荐，而且很多还是免费的。老百姓觉得自己真的得到好处了，所以更乐观。
比如豆包、元宝这些产品已经很普及。2026 年字节推 Seedance 2.0 的时候，美国好莱坞吓得要死，马上发律师函，说 AI 要抢饭碗，甚至组织集会游行。而中国这边，导演贾樟柯直接拿 Seedance 3.0 去拍短片，拍完发微博说，技术是工具，人才是核心。大家心态不一样。中国在这块多少有一点娱乐至死的感觉，先开心再说，至于版权这些东西，很多人根本不管。
2. 政府叙事不同
中国政府把 AI 定义成经济增长引擎，推各种“AI+”计划，到 2030 年渗透率要达到 90%。而美国政府天天在讲 AI 安全、AI 伦理，害怕 AI 消灭人类。老百姓听多了当然也害怕。
就像同样一把菜刀，中国人觉得是切菜工具，美国人先想到的是杀人凶器。不是刀有问题，而是想法不一样。
3. 技术进步叙事和民族自豪感更强
文化和民族自豪感也有差距。中国人有时候确实容易“赢麻了”，只要某个领域稍微强一点，就会很开心。近代以来中国快速现代化，让很多人对技术进步有天然好感。很多人都经历过从没有手机到智能手机，从绿皮火车到高铁的变化，所以 AI 被视为下一轮技术进步核心，也被看作中国赶超西方的机会。
Seedance 在海外出圈以后，大家都觉得很骄傲，很有民族自豪感。AI 这件事，特别容易让中国人产生这种情绪。
4. 悲观声音更难传播
中国政府和民众都在喊 AI 好，而悲观声音被系统性压制。中国舆论管控比较严格，负面声音很难传播。你说谁家 AI 不好，谁家芯片有问题，可能很快就被处理掉了。自动驾驶事故的帖子可能被秒删。
西方有工会，觉得你搞砸了它会罢工；而在中国，AI 替代了你，你去闹事，很多时候根本没人看见，甚至报道都没有。所以老百姓一方面觉得很自豪，另一方面也看不到太多负面信息，自然更乐观。
第三部分：为什么有些美国人把中国 AI 追赶视为“末日”
第三层意思，是有些美国人认为中国 AI 一旦赶超美国，那就是世界末日。这主要是地缘政治层面的说法。
比较典型的两个人：
- Sam Altman：OpenAI 的 CEO。他天天提醒美国不能失败，游说国会要加大 AI 投入，也要求管制芯片出口。大家也会想，你是不是想从政府多骗点钱。作为行业龙头，你不停告诉政府后面有敌人紧追，这本身也能增加自己的重要性。
- Anthropic 的 CEO：更极端。他说，把算力卡卖给中国就是核扩散，等于把原子弹卖给朝鲜。这是他在达沃斯论坛上的原话。
Anthropic 现在是美国军方的重要供应商，最新模型已经算军民两用技术，拿了很多国防部订单，所以他会把中国描述成敌人。当然，中国也确实让他吃了亏，他的 Claude Code 进到中国以后被各种破解，一堆中国模型去蒸馏他的模型，他很痛苦，所以他不停喊中国一旦追上就完了。
中国 AI 到底追不追得上美国
算力禁运有影响，但不是决定性障碍
先看算力卡禁运到底有没有影响。有影响，但没那么绝对。
- 中国有自己的替代芯片。我们自己有昇腾芯片，虽然贵一点、耗电多一点、兼容性差一点，但在中国更便宜的电价、各种补贴之下，也还是能凑合用。肯定比英伟达差，这点要承认，但不是完全不能用。
- 全球配置算力资源。中国各大公司在全世界买算力卡。你不让往中国卖，不代表不能往新加坡、马来西亚、阿联酋卖。我们可以买了以后在当地建算力中心，把数据放到新加坡、马来西亚、迪拜去训练。这都不是不能解决的问题。再加上中国一直在通过各种渠道获取这些芯片，从来没有真正彻底断供过。
中国最大的缺憾，还是没有自己的高精度光刻机，没有高制程芯片的自主生产能力。如果这件事解决了，情况会发生很大变化。
意识形态控制并非单向压制创新
再看意识形态控制的问题。说到这儿可以稍微放开一点。很多人觉得中国意识形态控制严格，美国更自由。但其实美国在意识形态上玩政治正确、LGBTQ、觉醒主义，有时候比中国还厉害。
中国当然有意识形态控制，这个要承认，但它很多时候是一种“只许州官放火，不许百姓点灯”的模式。普通人不可以这样那样，但大的公司、政府机构、被认为“可靠的人”去做一些事情，往往没那么多人管。很多规则是随着层级上升而越来越模糊的。
而美国的政治正确，是面向全民的，也会影响公司内部。公司想做点不一样的东西，员工可能直接闹事、罢工。所以在这件事上，未必谁比谁更宽松。美国现在号称敢说真话的模型，也就是 Grok 一个，其他模型基本上都是比较强的政治正确取向。
相比之下，中国模型反而更实用主义一点，有安全检查，但高层级操作没那么严。比如罗福莉在访谈里说，小米从上到下全员都在用 Claude Code。那他怎么用上的，大家心里都明白，这里就不展开了。所以别简单觉得中国一定比美国管得更严，没那么绝对。
真正的决定因素：成也内卷，败也内卷
再往后，真正决定成败的，是“成也内卷，败也内卷”。
中国每年毕业的 STEM 博士大概 7.7 万，美国大概 4 万。虽然还不到两倍，但快了。到 2025 年开始，各种 AI 顶会论文里，中国人基本能占一半以上，排第一名的是清华。还没算那些在国内受教育、后来跑到美国去任职的人，只算留在中国的就已经很多了。
从数量上讲，我们肯定能卷死他。万般皆下品，唯有读书高。我每年比你多产出这么多博士，就算质量差一点、基础弱一点，也架不住总量大。再加上我们压力大，不停要求发论文、做研究，不发论文不给评职称，那就卷呗。这件事上，中国是有优势的。
再一个是大基建。中国工业用电价格大概是美国的 60%，而训练大模型和做推理都非常费电。虽然我们的芯片不如英伟达，费电更多，但我们电便宜，再加上补贴，差距就会缩小。
还有一点很重要，没有工会。对劳动者来说这可能是坏事，但对 AI 和机器人发展来说，反过来就是优势。没有工会，AI 公司就可以更大胆地做机器人、做无人驾驶出租车。美国当年 Uber 出来，出租车司机都去闹；无人驾驶出来，更得去打砸抢。中国这边基本没有这事，谁敢上去打砸抢无人出租车，分分钟给你抓起来。所以很多东西，有利有弊，要看站在哪个角度。
还有版权。美国非常重视版权，AI 视频模型一出来，版权方就来找你。很多产品做着做着就下线或者被阉割。中国这边，Seedance 2.0 这种东西你看谁在大规模谈版权？现在国内更常见的是“偷脸”，拿明星的脸做风格化，然后放进短剧里。刘德华演短剧这种事都已经出现了，更别提版权了。我们就是娱乐至死，流量至上。所以这一块，中国 AI 发展也可能比美国快，因为监管少，推进快。
但劣势也很明显。我们确实没时间做基础研究。中国 AI 公司整体上都处于追赶状态，没有足够时间和空间做底层研究。再一个，缺乏冒险精神，大家还是倾向于急功近利，想尽快出结果。
至于侯宏说的结构性问题，我觉得投资链条断裂这块确实存在，但主要不是投资人自己的问题，而是大环境造成的。其他的，比如企业买不买软件，我觉得未来也会变化。比如有了 AI 以后，以前企业买软件会要求你不停改，现在如果有像龙虾、爱马仕这种系统，你想改你自己提需求，它自动就改了。也许未来真的会出现不一样的变化。
所以中国 AI 的现状，就是成也内卷，败也内卷。
中国 AI 怎样才能追上美国
那中国到底怎么才能在 AI 领域追上美国？
我认为我们肯定能追上。
- 继续发挥规模优势。卷是民族性的一部分，改不了。继续以远超美国的速度搞基建、生产博士、写论文。人多力量大，总有卷出来的一天。有人说日本当年提过以后每年都要拿诺贝尔奖，后来基本也真做到了。中国再过十年二十年，也未必不可能。你别忘了，这么多博士里，总有一些是真喜欢基础研究的。
- 让更多博士和企业在生死线上爆发最大潜能。一将功成万骨枯。100 个公司失败，最后成一个，我们就赢了。就像当年互联网时代的百团大战，美国 Groupon 一家差不多就完了，中国最后杀出一个美团这样的怪物。只要继续卷，就总会卷出点奇怪的东西，像养蛊一样。当然前提是，要让这些人真的在生死线上挣扎。这个过程很残酷，也不人道，但结果往往能出东西。
- 版权宽松、数据充足。娱乐至死，版权宽松，训练数据就很多。中国有大量训练数据，模型训练这块并不缺素材。
- 让 AI 快速替代普通劳动岗位。放任公司快速用 AI 替代普通劳动者。现有劳动力自然会重新找到新的生存方式，政府不会太多干预，也没有工会。能裁员就裁员，不行就关公司。对劳动者当然悲催，但对 AI 公司来说这是机会。所以现在大家只能全民上 AI，用的人多了，生态慢慢就会出来。就像小龙虾一样，国外可能是害虫，到了中国就能变成一个产业。
有人说任正非都说了，没有基础研究就不可能成功。那就加大基础研究投入呗。现在这么多博士出来，也还是有机会的。
还有，这么多博士，继续向美国、向全世界输送。只要人才在流动，就不可能有真正的封锁。去了 10 个，回来 1 个、2 个，也完全够。
最后就是输出人才、输出开源模型、输出 token，就像中国制造一样，向全世界输出手机、电视、新能源汽车、电池。这套逻辑其实是一致的，继续做就行。
结论：中国 AI 最终会追上美国
最终的结论就是，中国 AI 会追上美国。因为当整个行业里有一多半是中国人的时候，你怎么追都能追上。卷王永远不会停下来，而卷这件事情是刻在我们骨子里的。为了卷、为了成功、为了胜利，我们可以放弃很多原则。
所以我的结论是，总会有追上的一天。虽然现在我们确实还有很多不如人意的地方，但只要看到问题、承认问题，就想办法改。而且改这些问题的方式，可能和西方想的也不一样。我们可能会用一种更赛博魔幻、甚至像赛博鬼故事一样的方式，把问题给处理掉。
中国每一次冲上国际舞台参与竞争时，总会展现出一些让西方人很难理解的事情来。比如很多规则在中国并没有那么严格，规则更多是管普通人、管大众的。再往上一层，大家默认你是经过考验的，那就上吧。所以很多事情，逻辑本来就不一样。
这就是今天讲的小故事。