梁文锋：AI落后美国只因资源，效率已达20倍

一、核心判断

技术代差：落后美国12—18个月，但仅用美国二十分之一的算力就实现当前成果。

人才瓶颈：人才层面“几乎没有差距”，算力稀缺限制了实验次数，导致研发经验积累不足。

算力鸿沟：美国已在训练800B参数的大模型，国内尚在几十B规模；要训练同等规模需5万张GB300或20万张华为950。

二、应对策略

1. 效率优先

先在几十B激活的小规模模型上做深做透，等资源到位后再向150B、250B推进。

自研TileLang编译语言，加快脱离英伟达CUDA生态依赖。

2. 激进采购

在合理价格内尽可能多买英伟达GPU，半年内花完200亿被视为“理想状态”。

当前拥有约两万张H等效算力，大部分为近期到货，将继续大规模买入。

3. 国产替代

华为950超节点可在性能和价格上平替英伟达GB200/GB300，虽需四张换一张且落后约两年，但生态壁垒正在瓦解。

预计一年内市场将验证国产芯片生态“完全没有问题”。

三、战略克制

不做视频生成、3D、世界模型，所有资源集中投入AGI主线。

不追求利润最大化，API定价仅求十个月回本；不设销售团队，用户自然增长。

坚持开源，认为AI最终将占GDP的10%，企图独占者必然被历史抛弃。

四、未来目标

短期目标：将技术代差从12—18个月压缩到3—6个月，并在部分垂直领域实现超越。

长期优势：依靠“系统性便宜”构建成本竞争力，类比中国制造业的规模与效率红利。