AI竞赛，到底比的是什么？ 是参数规模、是模型智商，还是排行榜上的分数？ 阿里巴巴董事会主席蔡崇信在最近的港大访谈中给出了一个不同角度的答案： 👉 美国习惯用“模型谁更强”来定义胜负，但这其实是错误的计分方式。真正的胜负手不在于模型，而在于渗透率。 换句话说，AI不应该是技术炫技，而是解决问题的工具。 正如中国关注的是完整技术栈的整体竞争力，真正的赢家不是做出最好模型的人，而是能把模型用得最好的人。 那这背后依托的系统优势是什么？来看重点总结👇 1️⃣ 能源优势：AI算力的“隐形护城河” 算力竞争的尽头是能源竞争，因为AI模型训练和推理都需要消耗巨大的电力。 中国在这一领域拥有显著的物理层优势：得益于过去15年对电网（特高压输电）和清洁能源的巨额投入，中国的工业用电成本比美国低约40%。 对于吃电凶猛的AI产业来说，这构成了巨大的长期成本优势。 2️⃣ 基础设施与供应链优势 除了电力，中国在建设和硬件配套方面也具有极高的性价比。 在中国建设数据中心的成本比美国低约60%（不含芯片成本），这意味着中国企业在算力基础设施的资本开支上效率更高。 中国依然是全球制造业中心，尤其在电动车、电池、太阳能板等高端制造领域处于全球领先地位，这为AI技术的硬件落地和产业化提供了坚实的供应链支持。 3️⃣ 工程人才与“被逼出来的”系统创新 虽然美国在顶尖科研上领先，但AI落地更依赖工程能力，而这正是中国的强项：中国每年培养的STEM（科学、技术、工程、数学）毕业生数量全球第一，拥有庞大的工程师红利。 全球范围内近50%的AI科学家拥有中国大学的学位。 这意味着无论在中美，华裔工程师都是核心力量，中文甚至成为了全球AI研发中的高频交流语言。 另一方面，美国对高端GPU的出口限制，反而倒逼中国工程师在系统层面进行极致创新，通过优化软件架构来弥补单卡性能的不足，从而提升整体训练效率。 4️⃣ 开源路线带来的渗透率优势 并且，与美国科技巨头倾向于闭源并出售API的商业模式不同，中国在大模型上集体选择开源。 开源降低了使用成本，解决了数据隐私担忧，有助于AI在全社会的快速渗透和普及。 🌟 而阿里巴巴在此之中的盈利逻辑是：不靠卖模型赚钱，而是通过开源生态吸引用户使用其云基础设施（计算、存储、安全服务），从而实现商业闭环。 #港大 #访谈 #阿里巴巴 #蔡崇信 #ai #人工智能