中国产业扩张和升级给美国以及整个西方世界造成巨大压力，这是目前中美关系紧张的根本原因。目前的态势是中国跟整个西方世界开启了高端技术和产业竞争，中国在传统产业领域攻城略地，逼着西方国家只能退守高端产业。然而中国没有停下脚步甚至加快了进军高端产业的步伐让西方国家大为恐惧。特别是美国，在关键领域直面中国的压力，对竞争态势感受最为深切。
前几年美国想回归传统产业，搞制造业回归，事实证明根本做不到。美国资本已经没办法也没心情去运作低利润的传统制造业。拜登上台后，美国想要抓住芯片产业和电动汽车产业这两大块，运用制裁手段打压中国芯片制造技术，搞政府扶持发展新能源汽车这个新兴产业，以期在这两方面压倒中国。
当然芯片制造方面的制裁在给中国相关产业制造发展障碍的同时也让出了市场和机会，在这个本来对西方产业标准和技术路径极端依赖的领域，中国企业终于有机会搞自主创新了，今年闪存芯片已经爆发，正在重复之前其他产业取代西方产品的过程；通用计算芯片正在起步，艰难进行应用生态布局，等待国产先进制程的进步和爆发期到来，实现一飞冲天的理想。
至于电动汽车这一块，中国已经稳居世界第一，全产业链不会受制于西方，关键性的专利也都掌握在我们自己手中，已经拥有了独立制定产业技术标准的实力。美国在这一领域反而处于追赶位置。
但无论是芯片还是电动汽车，都不是高技术产业竞争中能够占据制高点的关键领域，中美竞争的胜负，取决于在未来新的产业生态中谁能够占据优势。而这个全新的产业生态是过去从来没出现过的，它代表着新的技术和产业革命的核心内容，他就是——人工智能。
今年以Chat GPT4.0为代表的AI大爆发预示着人类开始进入新的技术和产业革命的门槛。这场革命从数字虚拟领域开始，直到AI全面渗透进物理世界才能完成。这大概需要至少几十年的时间。
比较中美两国各自的进展，这次首先是由美国开启了大门，中国继续做跟随者。中国的落后在意料之中，而美国则找到了拉开跟中国的技术差距的新道路，这让美国人和美国的拥趸兴奋不已。
中国的落后在两方面：
一是我们首先要继续补全传统工业和技术领域的短板，暂时还难以集中精力在“深度学习”领域发力。比如新能源汽车领域的换道超车，还需要十几二十年来获得最终优势；再比如干线客机制造，我们也刚刚迈出关键一步，国产化还任重道远，距离领先欧美还差之甚远；再比如芯片制造和自主化IT生态建设也正在从无到有补足短板，对此依赖性非常强的“深度学习”自然不可能在较低的基础上搞出什么领先的成果。
二是我们还没有一个能够支撑高水平AI研究的强有力的基础环境和资源。硬件上被美国卡着脖子；软件生态建设上跟风炒作、急功近利还是主流，长期高强度研究投入跟美国差距极大；高端人才不足，极度缺乏自由宽松的研究环境，功利主义泛滥，新思路和创意难以得到长期有力的资源支持。
我要重点说的是第二方面，然后再生发对未来产业发展的展望。我先举例：
今天说到AI，基本绕不过英伟达这家公司。因为没有这家公司生产的GPU和软件生态CUDA，就不会有今天的GPT大爆发。不光是GPT，今天所有主流的AI“深度学习”模型都是建立在CUDA生态基础上的。甚至可以说：英伟达就代表着AI。
英伟达以绝对优势的领先，既有GPU硬件上远超群伦的算力，更有在CUDA生态上的深入耕耘。二十多年前，英伟达还是一家做游戏显卡的小公司，如今上万亿美元的市值已经超过了英特尔这样的CPU巨头。十几年前，英伟达的创始人兼掌舵人黄仁勋就下决心追求GPU这种大规模并行运算架构的可编程化，立志要把GPU芯片从单纯的图形渲染转变成能够跟CPU并驾齐驱的计算架构的硬件核心。后来证明，黄仁勋的技术发展路径给GPU开拓了光阔的发展空间，区块链所需要的大规模并行计算把娱乐为主的显卡变成了生产力工具，导致显卡价格狂涨，让游戏玩家们愤恨不已。
但“挖矿”毕竟是邪门歪道，除了实现资本狂欢对社会进步和产业发展没任何好处。GPU的作用远不止于此，黄仁勋也不希望它的硬件只是浪费电力的暴利挖矿工具。早在十几年前，英伟达就开始布局CUDA，力图独立建立起大规模并行运算的技术标准。黄仁勋的目光盯在了超算上。这期间英伟达为CUDA付出了大量的资源，期间还被微软和英特尔掣肘，搞得财报很难看。但英伟达顶住了压力，坚持推进CUDA的生态部署。
终于时间跨过2020年，大数据分析、深度学习这些AI研究越来越依赖大规模并行运算能力，英伟达因其GPU的出色性能和不断进化的CUDA的丰富强大的功能被业界普遍接受，黄仁勋的理想终于能够实现，十几年的坚持和付出终于开花结果。今天的英伟达，已经从一家游戏硬件公司转变为AI计算硬件公司，成为AI计算硬件和生态的统治者。
我举英伟达和黄仁勋的例子，就是要说明中国IT行业非常缺乏这样有眼光、有毅力、能够承受挫折的企业乃至行业领导者，缺乏在基础领域不断耕耘的英伟达这样的公司。在英伟达乘着AI的风起飞的时候，干着同样的事情的阿里达摩院正在走下坡路，干着同样的事情的百度正在借GPT的风头准备玩一波AI概念。当然跟风玩概念的不只是百度，阿猫阿狗都要玩概念炒作上资本市场圈钱。
在今年AI大爆发前十几年，英伟达一直在默默耕耘努力布局；在今年AI大爆发前十几年，我们那些所谓的AI公司干过些什么奠定发展基础的事？充其量跟风自己搞个AI模型买来英伟达的GPU做大数据处理，目光永远在眼下的市场能挣到什么钱，没时间去思考未来十几二十年要走什么样的路。
中美之间在实现AI研究的客观条件上差距巨大，在主观意志上，差距更大！我们现在根本看不到哪怕一位有长远眼光、有雄心魄力的企业领导者，联想文化仍然主宰着中国的IT行业。
我讲眼前的巨大差距并不是让中国人气馁。在AI产业赛道的“语义交互人工智能”领域美国人领先了，但中国有自己的相对优势，比如大数据应用、视觉计算等。目前有资格上赛道只有中美两国而已，AI研究成果基本上都出自于中美两国。美国领导着整个西方的AI产业，其他西方国家都是他的附庸。中国则是独自探索着自己的AI产业发展之路，虽然受到重重制裁，但能走上这条路，就已经有了分庭抗礼的资格，所以不必妄自菲薄。
我要说的是，AI为核心的技术和产业变革才刚刚开始，胜负从来不是一开始就注定的。AI的全面应用，绝不是只停留在计算机中跟人类聊天，只帮人们解决脑力问题。以AI为核心的全新产业必须实现AI全面进入物理世界，专业讲法就是实现通用化的“具身智能”，通俗讲法就是制造出能够替代人做绝大部分事情的机器“人”。
现在的AI技术离实现这种想法还远得很，甚至该如何高效的实现都不清楚。这个领域没有师傅，全靠先行者的探索。这样的设想离成熟量产大规模销售还需要至少二十年的研发升级迭代，但架构基础和技术标准需要从现在开始探索和草创。
我不认为中国的IT精英和后起之秀中没有搞开创性研究想法的人，关键是企业和资本能否提供长期看不到回报的支持。在现实中，美国的马斯克和中国的雷军都在做这种前瞻性的事。马斯克坚持在特斯拉自动驾驶中使用纯视觉解决方案，其中的成果能够比较容易的移植到机器人应用上面。这算是马斯克在为新的产业体系做基础性铺垫。
可以设想，从现在的没有AI的工业机器人应用，进入到全AI的生活机器人应用，市场空间可能扩张几千万上亿倍！市场规模恐怕会比现在的汽车市场还要大十倍以上。这基本上可以成为未来国家支柱型产业。我相信大批精英是能够看得到这块大蛋糕的。
现有技术离产业化目标还有一条巨大的鸿沟，但高风险意味着高收益，开创型企业往往能够成为该行业的霸主，微软、苹果、高通、英特尔，包括现在的英伟达都是如此，国内的比亚迪也是这样，二十年坚持不懈的技术积累和产业链锻造成就了新能源汽车的中国霸主，将来问鼎全球霸主也大有希望。
其实“具身智能”还有另一条路正在走，就是军事应用。我倒认为，机器人智能会首先在军事领域铺开，首先开启军事斗争方式的变革。现代战争对人的威胁空前提高，无论是电磁信息空间还是物理战场，用人工智能替代人的需求非常强烈。虚拟空间中需要高度智能的情报战，很多人忽视了GPT用于军事情报领域欺骗与反欺骗的巨大优势。战场上无人机、无人战车、无人潜艇、无人战舰甚至是机器战士都在进入或者等待进入应用。虽然战争和日常生活在应用场景上存在巨大差异，但很多军事技术走向民用化多的是先例。
民间资本考虑是否支持新技术研发会有非常多的得失考量，军事领域不存在这些障碍。从一些公开的报道中，可以看到中美两国在军事领域的AI研究应用并没有显著的差距。如果能做好军民两用和军转民，AI新产业就能够获得强力的推动。
虽说需求决定技术进步，但技术推动者对技术进步的路径还是有发言权的。目前能够看到美国有多条路线并行发展的情况，中国这边似乎只有大数据训练这一条路。这也是中美之间重大的差距。如果中国真的要在中美AI新产业竞争中占据优势，拓宽思路是必须要迈出的一步，否则，很有可能在AI新产业爆发的时候错失良机。