自卑又自大，很奇怪的心態

昨天簡單談了談對第二十四次集體學習的看法，主要有三個觀點：

觀點一：自新中國成立以來，中國生產關系長期領先生產力，因此只要外部客觀條件得到滿足，就會發生爆發式發展，這跟西方生產力在生產關系之前，是不一樣的；

觀點二：自進入現代，人類未來技術、未來產業都是由國家力量籌劃、推動、發展而來的，中國當然也可以對未來產業進行布局；

觀點三：基于上述兩點，復盤過去十四個“五年計劃/規劃”，國家對未來預判的高度準確性，理所當然應該敬畏國家對未來的預判。

從留言中，小鎮歸納出一個比較普遍的矛盾心態：

一方面認為政府不可能100%預測未來，擔心只要一次大錯就會把過去的優勢全部敗送，因此需要市場探索而非政府規劃；

另一方面對美國借內容生成式大模型實現通用人工智能也就是AGI有極高期待，認為只要像現在這樣加大資源硬砸，就可以砸出AGI，因此不應該先搞AI的產業化應用，而應該聚精會神地砸AGI。

這種想法是自相矛盾的。

因為認為政府規劃未來產業不靠譜，主要是認為中國不擅長“0-1”的原始創新，而是擅長“1-100”的工程學創新，那么像美國這樣通過硬砸算力和資源就想實現AGI，是“0-1”還是“1-100”呢？

硬砸資源而不是進行底層架構的原始創新，這顯然是“1-100”的工程學創新，這顯然是中國最擅長的，這也是反對政府規劃未來的依據之一。

那么問題就來了：既然連公認最代表未來技術、未來產業的通用人工智能，都可以通過硬砸資源實現，其他未來技術和產業憑什么不行？而美國可以，中國為什么不可以通過調動國家力量來實現？這顯然是矛盾的。

何況，在硬砸資源上，中國優勢巨大。正如馬斯克所說，算力盡頭是電力，知道中國的電力優勢有多大嗎？

中國發電裝機量從2019年的20.1億千瓦，增至2023年的27.9億千瓦，凈新增裝機7.8億千瓦，凈增幅38.8%；反觀美國，不過從2019年的1.16億千瓦增至2023年的1.32億千瓦，凈新增裝機0.16億千瓦，凈增幅13.8%。

只統計到2023年已經給美國留了巨大的面子，因為2024、2025兩年才是中國可再生能源裝機的爆發年。

根據國家能源局2026年1月28日發布的2025年全國電力統計數據，截至2025年底，全國累計發電裝機容量高達38.9億千瓦，兩年暴增11億千瓦、增幅高達39.4%，簡單地說，兩年新增8個美國，僅2025年中國可再生能源發電量已經超過歐盟27國用電量之和。

美國拿什么砸算力？就算有足夠的芯片，電力從何而來？難不成真指望馬斯克所謂的“太空算力”？

有讀者說小鎮小瞧了馬斯克，說“太空算力”可以極大解決散熱問題，這就錯了，散熱才是太空的大難題，要比在地面上解決更難。

散熱主要靠傳導、對流、輻射這三種，輻射散熱效率極低。太空雖然溫度低，但缺乏散熱介質，主要依靠輻射散熱，緊急狀況下可以通過拋棄高溫工質比如水和氨實現散熱，但這太奢侈了，也就是早期航天器比如美國“水星”飛船，曾用這種應急方式短期解決，長期還是得靠輻射散熱。

這就是為什么太空溫度接近零度，而空間站溫控系統重點是散熱而不是保溫。國際空間站上巨大的白色面板，就是用來散熱的。正因為太空散熱極難，所以中國航天員能夠在空間站用上空氣炸鍋，這就是無形的技術炫耀。

什么時候，美國也能在太空用上空氣炸鍋，再說太空算力的事。

小打小鬧意義很小，起碼得達到地面算力的十分之一才行吧？

這就是目前一個很奇怪的現象，同樣一件事，做的主體不一樣，評價就截然相反。

美國計劃靠硬砸算力實現通用人工智能，這跟中國規劃發展未來產業，有什么本質區別嗎？不都是人為調動資源實現某個目標？

硅谷是調動海量資本和算力，沿著生成式大模型這條已知技術路線，進行大規模工程化投入；中國同樣是調動國家與社會資源，沿著選定的戰略方向，進行系統性布局和產業生態建設。區別在哪里？

怎么硅谷就能做到，中國就不行？邏輯何在？

內容生成式大模型不過是AI的分支的分支，只不過在當前，被認為是最接近通用人工智能的。

但這種接近是相對的不是絕對的。打個簡單的比方，假如實現AGI設定為100，那么生成式大模型可能走到了10甚至更低的位置，還差得遠。

之所以認為最接近，主要是因為生成式大模型已經被確認能夠在輔助駕駛領域發揮作用，而且在具身智能領域出現了“涌現”。

最近，全球最貴的人形機器人公司Figure發布了最新模型Helix 02，并配上一段三分半鐘的視頻演示，這個視頻看上去平平無奇，不過是一臺人形機器人走來走去，把碗從洗碗機里拿出來收到柜子里之類的操作。

注意，最關鍵的是視頻快結束時，機器人在關洗碗機門時，竟然先用腳把洗碗機的門踢起來，然后再彎腰關上門。這個意外的動作，才是這段三分半演示視頻最核心、最精華的。

Figure的工程師之前沒有訓練機器人用腳踢門的動作。就意味著，這個動作，是來自機器人的自發選擇，或許是機器人判斷彎腰會導致重心變化，因此根據當時的物理環境，自主做出了“用腳踢”效率最高的判斷。

這就是令人興奮的“涌現能力”，也就是當模型規模達到某個閾值時，一些在小模型中沒有的能力比如復雜推理、代碼生成、跨模態理解等突然出現，可以理解為“量變到質變”。

但“涌現”不代表真正的理解，這仍然是模式匹配和概率生成，缺乏深層的因果邏輯、常識和意圖性。的確是AI研究的突破，但要說因為“腳踢洗碗機門”這個涌現動作，就覺得距離通用人工智能近了，那也太瞧不起人類的大腦了。

生成式大模型的確是目前人類研究最深入的AI大模型，但真能通往AGI嗎？

小鎮覺得是必要非充分條件。

生成式大模型之所以能夠領先，是因為基于語料、圖片等更容易進行訓練學習，能夠在語言理解與生成方面達到較高水平，但其他能力并不擅長，而且生成式大模型已經面臨語料庫枯竭的危機，就算可以無限砸算力，訓練資源怎么辦？

在實現AGI之前，是否應該先搞清楚人類的神經、大腦、思維？以人類目前的腦科學水平，妄想靠砸算力實現AGI，這何異于用增加敲鍵盤猴子數量的方式，期待海量的猴子們能夠隨機敲出莎士比亞全集，這個概率小到還不如期待上帝降臨。

再者，先不說這種沿著既定道路砸資源的方式是中國最擅長的“1-100”的工程化問題，一個最基本的邏輯就是：為什么在前方還有很多條道路、不知道哪一條路是正確的情況下，盲目砸某一條路？這不就成了日本式的“賭國運”？賭贏了倒也罷了，賭輸了呢？

有讀者留言認為，哪怕中國過去決策都是對的，但不能保證未來決策100%正確，那么以后萬一錯了，那之前的積累就輸光了。

這種想法，仍然缺乏邏輯。

很簡單的道理，認準一個方向硬砸海量資源的是美國，不是中國，中國一直選擇在所有可能方向上同時投入。中國的規劃，選定的是最有希望的未來產業領域，但并沒有規定只能通過某一條特定技術路線，而是綜合全球研究，把所有可能路線都羅列在內，還持開放態度，對一切新出現的技術路線都保持高度關注，投入相應的資源。

中國搞的是新型舉國體制，這個新就體現在不是死板地做計劃，而是搭建一個有利于創新的平臺和環境。代表機制是“揭榜掛帥”，又被稱為“科技懸賞制”，核心是需求導向、英雄不問出處，不論是誰、采取什么技術路線，只要能夠解決問題、滿足需求，就行。

所以，就算擔心盲目決策導致過去積累一朝輸光，也應該擔心在生成式大模型領域投入過重的美國，中國目前對AI的投入還不到美國的十分之一，而且呈現小集中、大分散的特征，所有的AI技術路線，都在同步探索。

所以，除非認為像通用人工智能不可能實現，無法成為人類的未來技術、未來產業，那中國對未來產業的布局發展，又怎么可能導致一次誤判就全局損失？

沒有這個道理啊。

在探索未來產業上，目前最典型的就是新能源汽車產業的探索，中國早在20世紀90年代就確定了主要方向，采取的是純電、混動、燃料電池三條主要路線全面探索的方式，其實還有一些小技術路線也在探索，也沒有放棄對傳統燃油發動機的研發。

在中國新能源汽車產業開始領先的時候，中國傳統燃油發動機技術也已經達到世界一流水平，就連日本賭國運的氫能領域，全球也公認未來氫能領域屬于中國和美國。

更荒誕的是，現在還沒有實現AGI，甚至還拿不出一個突破的時間預判，美國已經把AGI計算在未來經濟發展中了。

比如美聯儲新任主席人選凱文·沃什，他最核心的主張有二：一是縮表降息保美元信用，促進美元回流；二是寄希望于AI帶動美國生產率大幅提升，從而抵消通脹。

這兩點結合在一起，就是試圖用AI來解釋美國經濟沒有泡沫，而是有足夠資產對應，這個資產就來自AI驅動。

凱文·沃什言論矛盾很多，還建立在非常多假設基礎上。目前美國在AI產業化應用方面，走得很慢，2025年美國發表報告，認為當前AI商業價值堪憂；現在美國一門心思寄希望于實現AGI，從而跳過美國技術工人、產業鏈體系的巨大短板，直接用AI替代人，這就有點幻想了，也跟事實嚴重不符；更不要說，美國搞AI驅動，電力從何處來？

有一個美國智庫研究值得關注。

美國信息技術和創新基金會，簡稱“ITIF”，這是一家聚焦尖端科技的智庫，2017年排名全球頂尖科技類智庫榜首。該基金會提出了一個名為“漢密爾頓指數”工具，評估中美等全球主要國家在具有戰略意義的產業領域的優劣勢。

這個工具根據貿易附加值，選定了10個研發強度大、出口導向強、人才密度高、技術復雜、具備戰略價值的先進產業，包括信息技術和信息服務、計算機、電子和光學產品、制藥和生物技術、電氣設備、機械和設備、機動車輛、其他運輸設備、除藥物外的化學品、基礎金屬和金屬加工制品等，這十大領域長期占全球GDP的一成左右，是全人類的高地，一方拿到的多，其他就少。

然后匯總十大產業的該國GDP份額占比，除以該國GDP占全球GDP的比重，得到一個區位商，然后用這個區位商進行跨地區、跨國對比。如果比值超過1，就說明該國在這些先進產業領域，優勢領先該國綜合經濟地位，如果是1代表符合全球平均水平，反之則說明落后。

該基金會2023年發布跟蹤報告《2023年漢密爾頓指數：中國戰略產業正領跑全球》。

報告提到，在以2020年數據為基礎的情況下，美國2020年十大先進產業占全球的20.79%，美國GDP占全球的24.51%，那么美國區位商為20.79%除以24.51%，也就是0.85，基金會的人工修正到0.87。意味著美國先進產業的表現，遠遠落后于美國的整體經濟，甚至低于全球平均水平。

那么2020年的中國是多少呢？是1.47，中國在除了信息技術和服務、其他運輸、制藥和生物技術這三個領域之外，都處于世界領先地位。

這還是2020年啊，都不用去算，就知道2025年是什么情況了。

當然，任何一個指標都只有參考價值，但所有的客觀指標，注意是客觀指標，包括自然指數、澳大利亞關鍵技術追蹤系統以及新增的“漢密爾頓指數”等等，都在顯示中國已經在先進技術、先進產業方面處于領先地位，那最起碼得承認，中國并不落后美國吧？起碼是并駕齊驅、各有優劣。

要么就認為中國早在二十年前、三十年前就已經跟美國并駕齊驅，要么就得承認在短短的二三十年間，中國就從全面落后于美國，追上了美國。

那么中國到底能不能搞“0-1”的創新呢？如果不能，美國為什么會被中國追上來？又如何解釋，當前全球AI頂尖人才，華人占比異常高？

說白了，還是雙標。

一方面以中國人身份自卑，覺得中國這也不行、那也不行，如果中國突破了，那就是沒啥技術含量，頂多就是“1-100”；

另一方面莫名其妙地對美國的成就呈現自大心態，真就奇怪了，美國的成就跟中國人有啥直接關系嗎？甚至根據美國智庫統計，全球先進產業全球GDP占比長期穩定在一成左右，意味著蛋糕就這么大，美國拿走的多了，中國就少了，有啥可開心的呢？

這背后，小鎮覺得或許有四個原因：

一是對西方的盲目迷信，還是有自卑心態，不敢想中國超越美國。

哪怕鐵證如山、事實一件接一件，也會認為只要中國做的就不是“0-1”，但始終沒有拿出來一個確定的、能夠適用于所有對象的0-1和1-100的劃定標準，而是搞靈活標準。

二是對創新的理解過于膚淺，盲目認為“0-1”是創新，“1-100”就不是創新，將“0-100”貶低為簡單乏味的低級勞動，低估了工程化的偉大。

不是這樣的，兩類創新對能力的要求確實不同，但就算“0-1”也是建立在無數的0.1甚至0.01的積累之上，而“1-100”也充滿了無數個再創新。

其思想本質是相信英雄史觀還是人民史觀，是認為科技進步來自少數精英科學家，還是來自勞動者的集體創造。

三是對科技產業史缺乏學習。

比如工業革命，就是在工程師和勞動者的無數經驗積累下，才有了瓦特發明的改良蒸汽機，那么改良蒸汽機算“0-1”還是“1-100”？

同樣，信息革命的硬件基礎半導體，也是在一代代工藝迭代、良率提升中推動的，忘記這些歷史、只記住最終的成果，就會產生創新可以脫離工程和產業憑空發生的幻覺。這本質就像部分現代人，覺得商品是從貨架上長出來的，堪稱當代的“何不食肉糜”。

四是缺乏邏輯學習。

比如今天談到的，美國硬砸通用人工智能，和中國規劃未來產業，在方法和做法上有什么區別呢？怎么覺得美國就行、中國就不行？沒有發現這里面的自相矛盾嗎？

上述四種問題成了一個自我強化的認知閉環，導致人難以正確認識現實。

從迷信西方的自卑開始，基于這種西方必然強的預期，自然而然地接受了一套割裂創新的英雄主義敘事，認為硅谷的車庫創業者才是創新，中國的勞動人民就不是創新。

又因為歷史知識學習的匱乏，無法識別上述存在明顯問題的錯誤敘事，而在現實證據與既定認知沖突時，因為邏輯思辨的不足，選擇性采信信息，維持認知的舒適區，這就反過來固化了對西方的迷信。

這是不對的，還是應該標準統一、實事求是。既要看到差距，也要敢于承認領先。

其他文章推薦

（中篇）

（上篇）

如果喜歡，還請點贊、“在看”和關注吧

歡迎分享，讓更多人發現“大樹鄉談”

備用：大樹鄉談2022、大樹鄉談2023