“我们低估了中国的速度”
在中美科技博弈的紧张氛围中，一句来自对手阵营的肯定，往往比千篇溢美之词更具分量。近日，DeepMind创始人兼CEO德米斯·哈萨比斯（Demis Hassabis）在接受CNBC专访时抛出一个令人意外的观点：中国在大模型领域的技术进展，并非如西方普遍认为的“代际落后”，而是仅仅落后美国“数月”。
这一判断，无疑是对长期笼罩在中国AI头上的“技术洼地”标签的一次有力打破。更耐人寻味的是，哈萨比斯并非泛泛而谈，而是点名表扬了DeepSeek、阿里巴巴和月之暗面（Moonshot） 等中国团队，称其模型在训练效率、推理能力与工程实现上已达到“令人印象深刻”的水准。
从追赶者到并行者：中国AI的“工程奇迹”
事实上，中国AI的崛起早已不是秘密。从电商推荐到金融风控，从智慧政务到内容生成，AI的应用场景在中国被迅速铺开，形成了全球最密集的落地生态之一。哈萨比斯也承认，中国在AI基础设施建设、工程化能力和应用场景丰富度上，甚至具备局部优势。
这背后是庞大的数据资源、高效的工程团队以及对市场需求的敏锐捕捉。中国企业擅长将前沿技术快速产品化，在“1到N”的优化路径上做到了极致——模型迭代更快、部署成本更低、用户体验更顺滑。这种“工程驱动”的发展模式，让中国在短时间内缩小了与美国的技术差距。
但真正的差距，不在速度，而在“源头”
然而，哈萨比斯话锋一转，指出了一个更深层、也更关键的断层：颠覆性创新的缺失。
“中国还没有诞生真正从0到1的原创范式。”他直言。无论是Transformer架构的突破，还是具身智能、AI for Science等基础方向的探索，议程设置权仍掌握在美方主导的研究机构与科技巨头手中。中国目前的成就，更多体现在对已有路径的高效复现与优化演进，而非开辟新路。
在他看来，算力限制固然是现实挑战——美国对高端AI芯片的出口管制确实可能在未来拉大训练超大规模模型的差距——但真正的瓶颈，是创新土壤本身。
“创新需要容忍失败的文化，需要跨学科的自由思考。这种思维方式，比GPU更难复制。”哈萨比斯强调。
从“做得快”到“想得深”：下一个十年的关键跃迁
这一评价，既是对中国AI工程能力的高度认可，也是一记冷静的警钟。当前的全球AI竞赛已进入“深水区”：初期靠算力堆叠和数据喂养的红利正在消退，未来胜负的关键，将取决于谁能率先定义下一代AI的底层逻辑。
中国可以快速追赶一个开源模型，但很难模仿一种鼓励冒险、包容失败的科研文化；可以高效部署千个AI应用，但若缺乏对基础理论的长期投入，终将面临“越跑越累”的天花板。
结语：算力决定速度，思想决定高度
哈萨比斯的这番话，或许正是中国AI从“并跑”迈向“领跑”必须直面的命题。
当世界看到中国AI以惊人速度缩短技术差距时，真正的较量，早已转向看不见的思想战场。
算力或许决定你能跑多快，但唯有深度思考，才能决定你最终能走多远。