中國AI真正的“底牌”，不在芯片

文︱陸棄

很多人盯著芯片看，覺得誰掌握算力，誰就掌握未來。但這件事真正“不對勁”的地方在于，當西方還在討論技術封鎖時，決定勝負的變量，已經悄悄換了。問題變成了——如果人才結構發生逆轉，技術領先還能維持多久？這次英國媒體的觀察，其實給出了一個非常具體的信號。

在頂級AI會議NeurIPS上，中國第一作者數量第一次超過美歐，這不是個象征性事件，而是一個結構性變化。更值得注意的是研究人員的來源變化，從2019年到2025年，中國起步的AI研究者比例，從不到三成，直接躍升到一半。很多人習慣把這種變化理解為“追趕成功”。這種理解沒有錯，但仍然停留在表層。

真正值得警惕的，是這背后的人才供給機制，已經發生了方向性變化。如果把AI競爭看成一場長期博弈，算力是武器，數據是燃料，算法是戰術。但真正決定戰爭走向的，是“兵源”。沒有穩定的人才供給，再先進的技術體系也難以持續。中國的變化，恰恰發生在這里。

一個細節非常關鍵，在2025年的NeurIPS論文中，中國作者的本科來源高校，前十名里有九所來自中國。這意味著什么？意味著人才培養的“起點”，已經完成了本土化閉環。很多人過去有一個默認判斷，中國的頂尖AI人才，需要經過海外訓練才能成型。這個判斷正在失效。像DeepSeek這樣的產品，其核心貢獻者全部來自本土教育體系，這不是個例，而是趨勢的前奏。

當一個國家可以在本土完成從本科到前沿創新的完整鏈條時，它的技術體系就不再依賴外部輸入。這才是真正的變化。再往深一層看，這種變化并不是偶然。它背后是一整套制度設計在起作用。中國科研體系對論文的激勵機制，使得研究人員更有動力在頂級會議上發表成果。開源模型文化，則進一步降低了技術擴散的門檻，讓更多年輕研究者可以快速參與到前沿競爭中來。這兩者疊加，形成了一種“高頻輸出”的生態。

有人會說，論文多不代表技術強。這個觀點有一定道理，但忽略了一個關鍵事實：在基礎研究階段，數量本身就是概率。當參與者規模擴大，突破性成果出現的可能性就會顯著提升。這就是為什么人才規模會變成決定性變量。再看另一個被忽略的細節，中國AI人才中有47%是學生，而西方國家大約是30%。這意味著中國的AI力量更年輕，更具成長性。

短期看，經驗可能不足；長期看，潛力巨大。與此同時，美國的人才體系正在出現裂縫。經費削減、簽證不確定性、對科研人員背景的審查，這些因素疊加在一起，正在改變全球人才流動的方向。過去幾十年，美國最大的優勢之一，是“吸引全世界最聰明的人”。這個機制一旦松動，其影響不會立刻顯現，但會在幾年后集中爆發。很多人會反駁，美國仍然擁有最頂尖的公司和最先進的模型。這個判斷在今天仍然成立。

但問題在于，這種領先，是建立在過去十多年的人才積累之上的。如果未來的人才增量發生逆轉，那么今天的優勢，能持續多久？這才是需要思考的地方。把視角再拉高一點，這件事其實不僅僅是中美之間的技術競爭。它更像是一種新的發展路徑正在形成。過去的科技競爭，往往依賴少數精英團隊完成突破。

現在，隨著AI工具的普及，技術創新正在變得“規模化”。換句話說，未來的競爭，不只是看誰更聰明，而是看誰擁有更多“足夠聰明的人”。中國在STEM教育上的投入，使得約40%的大學生進入相關領域，這個比例大約是美國的兩倍。這意味著，在同一時間窗口內，中國可以投入到AI研究中的“有效人口”，遠高于對手。當技術進入“規模驅動”階段，這種差距就會被放大。

很多人可能還停留在一個舊的認知框架里：技術領先來自少數天才。這個框架在AI時代，正在被改寫。更準確的描述應該是，領先來自“高質量人才的密度”。不是有沒有頂尖人才，而是頂尖人才周圍，有沒有足夠多的中堅力量，去放大他們的成果。這也是為什么，人才問題會被反復提及。

因為它不只是一個變量，而是所有變量的基礎。寫到這里，可以回到最初的問題。中國AI是不是已經全面趕超？答案沒有那么簡單。在算力、芯片、高端生態等方面，差距依然存在。但如果從更長周期來看，人才結構的變化，正在重新定義這場競爭的起點。

真正值得關注的，不是今天誰領先，而是五年后，誰擁有更強的持續創新能力。有時候，技術競爭看起來像一場沖刺，但本質更像一場馬拉松。起跑快的人未必能贏，關鍵在于誰的“耐力”更好。而耐力，說到底，是人。這場變化，還在路上。