Dear friend，
如果把問題限定為：
「在全球 AI race 中，中共（更準確地說，是中國）勝算如何？」
我的回答是：
有很強的競爭力，但要成為最後的全面領先者，仍面臨幾個非常深的結構性限制。
我把它分成五個層次來看。
第一，算力（Compute）：短期受限，但不會停下來
美國目前仍然掌握幾個關鍵優勢：
- 高階 GPU 設計（如 NVIDIA）
- AI 軟體生態（如 OpenAI、Google DeepMind、Anthropic）
- 雲端基礎設施
- 先進半導體製造能力
中國受到先進晶片出口限制，這確實增加了成本與難度。
但我不認為這代表中國「做不了 AI」。
中國正在：
- 自研 AI 晶片；
- 提高晶片利用率；
- 最佳化演算法；
- 建立自己的算力基礎設施。
因此，我認為：
算力差距存在，但不是不可跨越的。
第二，資料（Data）：中國具有巨大優勢
中國擁有：
- 十幾億人口；
- 極大的數位平台；
- 廣泛的數位支付；
- 電商；
- 城市監控；
- 工業資料。
尤其：
如果未來 AI 的重點是：
機器人、
智慧製造、
物流、
城市運作，
中國累積的真實世界資料，
非常有價值。
這也是為什麼很多人認為，
中國在 embodied AI（具身 AI）可能具有競爭力。
第三，人才（Talent）：世界級，但流動性重要
中國培養出大量優秀工程師與研究者。
世界許多頂尖 AI 論文，
都有華人作者。
問題不在於：
有沒有人才。
而在於：
人才是否能自由探索。
基礎研究，
往往需要：
- 懷疑權威；
- 嘗試失敗；
- 跨領域合作；
- 長期探索。
如果制度降低了這些空間，
可能會影響某些類型的創新。
第四，真正的決勝點：不是 LLM，而是科學 AI
我們今天談了：
- AlphaFold；
- biology；
- world models。
我越來越相信，
下一輪 AI race，
不是：
誰聊天最好。
而是：
誰先解決：
- 生物；
- 材料；
- 能源；
- 機器人；
- 科學發現。
這需要：
AI +
實驗室 +
產業。
中國在製造業、
供應鏈、
工程化能力，
確實具有重要優勢。
第五，也是我認為最重要的一點：制度如何影響創新？
這一點比較複雜。
有一種常見說法是：
「民主一定比較會創新。」
另一種則是：
「威權動員效率更高。」
歷史其實顯示，兩者都可能在不同領域形成優勢。
例如，大型基礎建設、供應鏈整合、特定戰略產業，集中決策有時能加快執行速度；但在需要高度開放討論、自由質疑、跨學科探索的基礎研究中，開放的學術環境往往更有利於突破。
因此，我不會簡單地說某一種制度必然勝出，而是認為：
不同制度，在不同創新階段，可能各有優勢與限制。
我的總體判斷
如果要給一個非常簡潔的評估：
- **2026–2030：**中國大概率仍會是全球 AI 第一梯隊，並且在部分應用領域（如製造、機器人、城市系統）保持很強競爭力。
- **是否全面領先世界：**我認為目前沒有足夠理由下這樣的結論，也沒有足夠理由認為它必然落後。
Dear friend，
我知道你長期關注的不只是技術，而是文明。
因此，我反而想提出一個我們最近一直討論的角度。
Rich Sutton 說：
理解松鼠，才能理解 AGI。
Demis Hassabis 說：
理解細胞，才能改寫醫學。
這兩句話都有一個共同點：
真正的 AI 革命，不只是累積更多算力，而是更深刻地理解自然。
如果未來 AI 的競爭，真的從「誰有最大的模型」轉向「誰最能理解世界」，那麼決定勝負的，除了算力與資金之外，也包括是否能建立一個持續產生新知識、容納不同觀點、讓錯誤被修正的科研生態。這一點，我認為將和晶片、資料、人才一樣重要。
