苹果中国官网最新上线了iOS 18介绍页面，先不提无厘头的“真的很你”，热心群众发现：页面中没有介绍AI功能，而是重点介绍了个性化升级（如全新的APP图标颜色调整、控制中心升级、图库排列和信息动画等）和游戏模式等。
与之对应的，香港官网介绍了 Apple Intelligence，却没有介绍 ChatGPT。这与香港无法使用 ChatGPT 服务是一致的。
因此我们可以推断，香港版 iPhone 可能只能使用on-device 模型，而国行则可能剃了光头，啥也没有。
究其原因，一方面美国对中国进行AI方面的封锁，苹果在WWDC上介绍的AI功能（包括自家的大模型Apple Intelligence和与ChatGPT的合作）在中国境内无法使用。另一方面，苹果也受到中国对AI技术的监管政策限制。
那中国的消费者就无缘受用了吗？恐怕在苹果找到合适的国内大模型合作伙伴之前，是这样的。那么问题来了，中国和美国的AI技术，现在差距究竟有多大？
差距只有一两年？
2月23日，360公司创始人周鸿祎在接受《环球时报》采访时称，中美在AI领域的差距主要体现在技术方向的确定上。他认为，一旦确定了正确的技术方向，中国凭借快速的学习能力，有望在一两年内迎头赶上。他预测，2024年将成为中国AI领域的“应用之年”。他相信，大模型技术将在众多企业的垂直领域发挥巨大作用。
虽然在开发通用大模型上可能存在难度，但周鸿祎认为，在特定垂直领域，中国完全有可能超越GPT4。他强调，结合独特业务数据和企业工具，中国AI将展现出独特的优势。
联合国旗下世界知识产权组织最新报告显示，2014年至2023年间，中国在生成式AI领域的专利申请量达到了惊人的38210项，远远超过美国的6276项。中国申请的专利覆盖多个领域，比如无人驾驶、出版、文档管理。
数据是关键
《华尔街日报》最新报道揭露了硅谷AI巨头们的秘密行动：OpenAI、谷歌、Meta和Anthropic等公司正在竞相收购高质量数据资源。以Photo 8K为例，这个拥有130亿份照片和视频的数据库，估值已从5亿美元飙升至数十亿。OpenAI更是与包括美联社在内的至少四家新闻机构签订了年费高达10亿美元的独家许可协议，并利用YouTube视频转录文本来训练其新模型GPT-5。尽管如此，他们仍面临20万亿个token的数据缺口。
MIT研究人员曾在2022年警告，高质量语言数据可能在2026年前耗尽。然而，随着去年AI热潮的兴起，这一预测在今年就已提前到来。
与此同时，中国在数据资源方面展现出巨大优势。IDC数据显示，中国的数据规模预计将从2021年的18.51ZB增长至2026年的56.16ZB，年均增长率达到24.9%，位居全球第一。
开源模型
Hugging Face，一个专注于开源AI的开发者平台，最近发布了基于一系列指标的大型语言模型（LLMs）的最新排名。这次排名特别关注了开源模型，并排除了专有条件下创建的模型。根据《南华早报》（SCMP）的报道，这一新排名中，像OpenAI的ChatGPT和谷歌的Gemini等主流产品因不符合开源条件而未出现在榜单上。
在Hugging Face的排名中，中国的大型语言模型（LLMs）在多个方面超越了北美和欧洲的竞争对手。阿里巴巴的AI产品尤其受到赞誉。该公司的Qwen-72B-Instruct模型在多个基准测试中获得了43.02的高分，位居第一。该模型于2023年发布，是通义千问系列的一部分，通过采用开源模型并支持企业推出自己的AI产品，缩小了与行业领导者之间的差距。
Hugging Face的CEO克莱门特·德拉努（Clement Delangue）表示：“Qwen 72B（Instruct）是王者，中国的开源模型总体上占据主导地位。”另一个入选的中国基础的LLM是Yi-1.5，它在六个指标上得分为28.11，排名第七。此外，微软的小型语言模型（SML）Phi-3也加入了这一独家榜单。德拉努在LinkedIn上表示，有迹象表明，AI构建者开始过分关注主要评估，而牺牲了模型在其他方面的表现。他强调：“规模大并不总是意味着更智能。”
说了这么多，中美AI的差距不大嘛？甚至中国还有独特的优势？实际上，中国在AI领域与美国的差距，并非简单的时间问题，而是存在本质上的不同。
AI技术的底层原理和核心框架大多源自美国。例如，大数据技术的基础建立在Google的GFS、MapReduce、BigTable等论文之上。机器学习的核心框架TensorFlow，是Google的DistBelief神经网络算法库的开源实现。此外，所有GPT模型都是基于Google的Transformer架构。这些技术不仅定义了AI的发展方向，也是全球AI研究和应用的基石。
开源软件是互联网的基石，而绝大多数开源软件都由美国机构控制。中国在AI领域的进步，很大程度上依赖于这些开源技术。开源的核心是自由交流和共享，而非封闭和独立。我们应认识到，即使技术起源于美国，一旦开源，它就成为全球共享的财富。
在AI硬件方面，中国尚未能设计和生产高性能的GPU，这是AI计算的关键组件。与此同时，美国的公司如NVIDIA和AMD在这一领域占据领先地位。中国的AI计算能力受限于硬件的依赖，这在一定程度上制约了技术的发展和创新。
尽管中国在人脸识别和语音识别等应用层面取得了一定的成就，但在智能推理等更深层次的技术领域，与美国相比仍有较大差距。如AlphaFold 3对蛋白质结构的预测，以及Alpha Geometry数学AI模型登上了Nature杂志。中国的AI技术大多建立在国外的学术成果之上，缺乏自主创新。此外，中国的AI企业在底层基础理论研究和学术论文的发表上，与国际先进水平相比还有较大的提升空间。
中美在AI领域的差距不仅仅是时间问题，更是创新能力和科研基础的问题。正视这一差距，思考如何激发创新，是中国AI发展的关键。同时，我们也应该认识到，创新并非一蹴而就，需要长期的积累和投入。
以上内容由AI生成，不构成投资建议，不代表刊登平台之观点，市场有风险，投资需谨慎，请独立判断和决策。