夜雨聆风
AI狂飙时代:我们缺的到底是什么?
AI狂飙时代：我们缺的到底是什么？
当DeepSeek用500万美元干翻了硅谷几十亿美元的研发；当OpenClaw一个人能顶一个团队；当Grok-3用20万块H100把算力堆到离谱——你会发现，中国AI最缺的，根本不是技术。
上周，DeepSeek-V4终于发布了。
憋了一年多，一出手就是王炸。百万字上下文，1.6万亿参数，还顺带适配了华为昇腾芯片。业界一片欢呼，仿佛中国AI终于站起来了。
但我看了眼新闻，发现了一些有意思的细节。
比如DeepSeek-V4比原计划推迟了将近三个月发布。原因是什么？不是技术问题，是 他们把整套代码从英伟达生态迁移到了华为昇腾上 。这意味着之前所有基于CUDA的工程积累全部推翻重写。
比如DeepSeek过去一年多经历了什么？ 核心人才流失严重 ，多位95后技术骨干相继离职加盟大厂。据《财经》报道，公司甚至不得不首次开启外部融资，目标估值超100亿美元。
比如OpenClaw这个项目。2025年11月诞生，2026年1月改名，三周内从ClawdBot变成Moltbot再变成OpenClaw，创始人被Anthropic的法务追着跑。最后呢？创始人Peter Steinberger本人被OpenAI挖走了。
你发现了吗？
技术我们不缺。DeepSeek证明了中国团队能把成本压到硅谷的十分之一，还能做出同等性能的产品。
但支撑技术活下去的东西，我们差得太远了。
今天我就从两个角度聊聊这个事： 软件生态 和 金融环境 。看看在这场AI军备竞赛里，我们到底缺什么，以及——应该怎么补。
一、AI软件生态：一片繁荣下的结构性脆弱
1.1 国产模型的”虚胖”与应用的”空心”
先说个反直觉的事实： 中国现在有全球最多的AI大模型 。
根据最新数据，国内已发布的大模型超过200个。随便一个互联网公司，不出个百亿参数的模型，都不好意思开发布会。
但你问这些模型在干什么？大部分在 跑分 。
Benchmark刷得飞起，论文发了一堆，真正落地的商业化场景呢？
少得可怜。
这背后是一个老问题： 我们擅长做”锤子”，但不擅长找”钉子” 。
硅谷的AI应用生态为什么繁荣？因为OpenAI、Google这些公司，从第一天起就在想”这个能力能帮谁解决什么问题”。Copilot帮人写代码，Midjourney帮人做设计，Claude帮人处理文档——每一个产品都对应着明确的用户需求和付费场景。
反观国内呢？
大部分AI公司的商业化路径是这样的：先做个通用大模型 → 发布会上演示各种”酷炫”能力 → 吸引媒体曝光 → 获得下一轮融资 → 继续烧钱跑分。
toB卖不动，toC留不住，最后只能toVC。
这不是某一家公司的问题，这是整个生态的结构性问题。
1.2 开源的”代价”与闭源的”诅咒”
说到生态，必须聊聊开源和闭源的选择问题。
DeepSeek的核心竞争力是什么？ 开源 。
2025年初，DeepSeek-V3用500万美元的成本训练出对标GPT-4的模型，然后开源。全球开发者蜂拥而至，GitHub星标暴涨，生态瞬间建立。
这是一个非常聪明的策略。用开源换影响力，用影响力换生态，用生态换护城河。
但问题来了： 开源天然会”削弱”商业价值 。
OpenAI闭源，GPT-4每年给微软带来几十亿美元的收入。Anthropic闭源，Claude成为企业市场的首选。Google闭源，Bard即便拉胯，B Gemini依然有人买单。
DeepSeek开源，所有人都能用，但谁来买单？
API价格战打得头破血流。DeepSeek的API价格是GPT-4的十分之一，已经低到离谱。但竞争对手更狠——字节的豆包、阿里云的通义千问，价格一降再降，恨不得免费送。
开源社区是繁荣的，但繁荣的社区不产生利润。
更扎心的是，OpenClaw的故事告诉我们： 开源项目的人才留存，是个世界性难题 。
OpenClaw从ClawdBot改名到Moltbot再到OpenClaw，创始人Peter Steinberger最后被OpenAI挖走了。这个项目现在靠社区维护，但谁能保证下一个Peter不会被人高薪挖走？
开源生态的核心资产是 人 。但人的流动性，恰恰是开源最难解决的问题。
1.3 人才生态：养不起、留不住、接不上
DeepSeek人才流失的事，我之前提了。但这个问题的严重程度，可能远超你的想象。
一位从DeepSeek离职的95后工程师告诉我，他离开的原因很简单： 待遇差太多了 。
他跳槽去的公司，薪资是DeepSeek的三倍，期权兑现周期还短一倍。而且那家公司还不是什么明星独角兽，就是一家普通的互联网大厂。
“情怀不能当饭吃。” 他说这话的时候，表情平静得像在陈述天气。
这不是DeepSeek一家的问题。是中国所有AI创业公司共同面临的问题。
顶级AI人才的市场价是被硅谷定义的。OpenAI给应届生开40万美元年薪，Google DeepMind给资深研究员开100万美元年薪。你让一家中国的创业公司怎么跟？
跟不起。
那大厂呢？阿里、腾讯、字节这些大厂确实给得起。但问题是， 大厂更倾向于”挖人”而不是”培养人” 。因为培养人太慢，挖人见效快。于是形成了一个恶性循环：创业公司培养人 → 大厂挖走 → 创业公司更难发展 → 更没钱培养人。
更可怕的是， 整个社会的人才培养体系是脱节的 。
高校在教什么？十年前的教材，五年前的技术，三年前的论文。学生毕业发现，企业需要的技能学校根本没教过。
培训机构在教什么？Python入门、机器学习调参、TensorFlow使用。教的是”怎么用AI”，不是”怎么做AI”。
真正能做AI基础研究的人，才是这个时代的”芯片”。但我们连”光刻机”都没有，怎么造芯片？
1.4 软硬件的”长短腿”
还有一个被忽视的问题： 软硬件发展严重不平衡 。
DeepSeek-V4在发布会上说了句很有意思的话： “下半年将正式支持华为昇腾芯片。”
这句话的分量，很多人在体会不到。
过去两年，美国对华芯片出口管制持续升级。H100禁售，A100限量，H800也要审查。中国的AI公司面临着”巧妇难为无米之炊”的困境。
DeepSeek当年的成功，靠的是在有限算力下做到极致优化。但到了V4时代，万亿参数模型的训练和推理，需要的算力已经超出了”优化”能解决的范畴。
软件的瓶颈，本质上是硬件的瓶颈。
华为昇腾是目前国内最强的替代方案。但昇腾和英伟达之间，差距依然巨大。软件生态、工具链、开发者社区——这些都需要时间追赶。
DeepSeek愿意做第一个吃螃蟹的人，把旗舰模型搬到昇腾上。这需要魄力，也需要代价。
V4延期三个月发布，工程师们重写了多少代码，这个成本谁来承担？
当硬件成为短板，软件的天花板也被压低了。
二、金融环境：短期主义的狂欢与长期主义的墓场
2.1 硅谷的钱，为什么比我们”傻”？
聊完软件生态，再说金融环境。
先问一个问题： 为什么OpenAI能烧几百亿美元？因为硅谷的资本愿意陪它亏。
这不是在说风凉话。硅谷的投资逻辑和中国市场有本质区别。
美国 VC 的逻辑是： 我投100个项目，90个死掉没关系，只要10个跑出来，每一个都是百倍回报。 他们愿意为”可能改变世界”的项目承担高风险、高不确定性。
中国资本的逻辑是： 这个项目三年能上市？五年能盈利？商业模式是什么？什么时候能回本？
两种逻辑没有对错，但导致了截然不同的结果。
OpenAI 2025年收入据说已经超过30亿美元，但依然在亏损。投资人不着急，因为大家相信AGI一旦实现，回报是万倍的。
国内呢？
一家AI创业公司如果三年不盈利，投资人的电话会打爆CEO的手机。”你们什么时候能变现？””竞品已经融到C轮了，你们B轮怎么还没关闭？”
硅谷投的是”未来”，我们投的是”确定”。
这不是某个投资人的问题，是整个金融体系的结构性问题。
2.2 融资环境的”温差”
DeepSeek开启外部融资的消息，业内反应很复杂。
有人认为这是好事：终于有钱扩大规模了，可以招更多人才、买更多算力。
但也有人担忧：拿了外部投资，就要对股东负责。股东要短期回报，公司就要做商业化。商业化压力一来，技术理想还剩多少？
这不是瞎操心。
看看国内AI公司的融资历史，有多少是”先烧钱做技术，再慢慢商业化”的？凤毛麟角。大部分公司从第一天起就在想怎么赚钱，因为投资人会问。
反观xAI。Grok-3用了10万块H100 GPU，训练成本估计超过10亿美元。钱哪来的？融资。据报道，xAI正在洽谈新一轮100亿美元融资，估值750亿美元。
一个成立不到两年的公司，凭什么能融这么多钱？
因为美国的投资人相信，这个赛道值得赌。他们不是在投资一个”能赚钱的公司”，而是在投资”能改变未来的技术”。
中国有没有这样的资本？有。但太少了。而且这些资本也面临LP（出资人）的压力——国内LP的耐心，比美国差太多了。
2.3 期权、股权与”造富神话”的缺失
说到人才待遇，必须聊聊激励机制的问题。
硅谷科技公司的造富神话，靠的是什么？ 期权 。
Google早期员工，因为持有期权，上市后成为百万富翁的不计其数。Facebook、Airbnb、Uber——每一代科技浪潮都造富了一批人。
这些神话不只是财富故事，更重要的是它们构建了一个 “成功可以复制”的信念 。
你看，XXX在Google工作几年，期权翻了100倍。你会不会也想加入一家创业公司，搏一把？
这个信念，吸引了全球最优秀的人才涌向硅谷。
国内呢？
过去二十年，中国互联网也诞生过造富神话。阿里、腾讯、字节、美团——每一个都让早期员工实现财富自由。
但这些神话正在消失。
原因有几个： 上市公司的期权兑现周期太长 （通常4-5年）； 二级市场估值体系变化 （2021年后中概股跌成狗）； 创业公司融资估值倒挂 （B轮估值比A轮低）。
更关键的是， AI时代的创业门槛比互联网时代高太多了 。
互联网时代，一个人、一台电脑、一个想法，就能做出改变世界的产品。
AI时代，你需要海量算力、顶级人才、巨额资金。创业成本高了10倍不止，失败概率高了100倍。
在这样的环境下，传统的期权激励还管用吗？
DeepSeek能给员工多少期权？估值100亿美元听起来很美，但这是估值，不是市值。员工的期权要变现，需要公司上市或者被收购。在美元基金退出通道收紧的当下，这条路越来越窄。
2.4 投资人对AI软件的”认知偏差”
最后说说认知问题。
国内很多投资人，对AI软件的理解还停留在”软件就是工具”的阶段。
他们愿意投芯片，因为芯片看得见摸得着，一颗封装好就知道值多少钱。
他们愿意投硬件，因为硬件有产能、有出货量、有营收数据。
但软件呢？
“你们有多少用户？””用户留存率多少？””月活多少？””付费转化率多少？”
这些问题都没错。但如果用这套标准来评估AI软件，就像用”每天卖多少杯咖啡”来评估一家星巴克——忽略了它卖的是”第三空间”和”品牌溢价”。
AI软件的核心价值不在于”用户数量”，而在于”能力边界”。
GPT-4的价值不在于它有多少日活，而在于它是全球最强的通用语言模型。Claude的价值不在于它有多少付费用户，而在于它解决了复杂推理和长文档处理的问题。
但这套逻辑，国内能理解的投资人太少了。
于是出现了一个诡异的现象： 很多AI公司被迫去做”看起来能赚钱”的事情，而不是”真正有价值”的事情 。
比如做企业SaaS，因为SaaS有订阅收入。比如做行业解决方案，因为能签单。
不是说这些事情不该做，而是当所有人都去做这些”短平快”的生意时，谁来做基础模型的突破？
三、改善措施：我们需要什么样的”基础设施”？
分析完问题，该说解决方案了。
我整理了三个层面的改善建议： 国家政策层面 、 社会资本层面 、 人才培养层面 。
3.1 国家政策层面：打造”AI友好型”生态
第一，税收优惠与补贴要精准。
现在各地政府都在出台AI产业扶持政策，动辄几十亿的产业基金。但很多钱都去了”有产能、有营收、能交代”的企业，而不是”有技术、但短期不赚钱”的创业公司。
建议： 对AI基础研究投入给予更大力度的税收抵扣 。企业投入10亿做基础研发，抵扣8亿税款，比直接给5亿补贴更有效率。
第二，知识产权保护要跟上。
AI模型的核心资产是数据和算法。但国内对AI知识产权的保护还很薄弱。模型架构被”借鉴”、训练数据被爬取、核心员工被挖角——这些问题每天都在上演。
建议： 完善AI知识产权相关法规，明确模型权重、训练数据、推理产出的法律边界 。同时加强对商业秘密的保护力度。
第三，算力基础设施建设要提速。
DeepSeek-V4适配华为昇腾的故事告诉我们： 软件和硬件必须两条腿走路 。
建议： 加大对国产AI芯片的研发投入，同时建设国家级算力共享平台 ，让中小企业也能用得起高端算力。
第四，数据要素市场要真正开放。
AI模型的训练需要海量数据。但国内的数据分散在各个大厂手里，互相不流通，形成了一个个”数据孤岛”。
建议： 建设国家级数据交易平台，在保护隐私的前提下，推动数据要素的有序流通 。医疗、教育、金融这些领域的高质量数据，如果能开放给AI研究，将极大加速行业发展。
3.2 社会资本层面：构建”耐心的资本”生态
第一，引导长期资金进入AI领域。
现在的问题是，国内愿意陪跑10年的资本太少。保险资金、养老金这些”耐心资本”，对AI投资有诸多限制。
建议： 适度放开保险资金、养老基金对AI创业公司的投资限制 。这些资金的周期本来就长，适合做长期价值投资。
第二，完善退出机制，让资本”敢进敢出”。
美元基金为什么愿意投早期？因为他们有清晰的退出路径——美国上市或者被美国大厂收购。
国内呢？AI公司很难在A股上市（盈利要求太高），港股流动性差，美股窗口不稳定。退出通道不畅，资金就不敢进。
建议： 在科创板、北交所为AI公司设置更灵活的上市标准 。同时推动并购市场的繁荣，让大厂愿意收购有技术价值的创业公司。
第三，期权激励机制要与时俱进。
传统的4年期期权兑现周期，对AI创业公司来说太长了。AI技术迭代快，人才流动也快，如果期权要4年才能兑现，很多人才等不到那一天就走了。
建议： 允许AI公司设置更灵活的期权架构 ，比如允许员工在2年后就开始兑现部分期权，或者设置”技术里程碑”触发的加速兑现条款。
第四，投资人的认知要升级。
这是最难改变的一点，但不是不能改变。
建议： 行业协会可以组织更多AI领域的投融资对接活动 ，让投资人深入了解AI技术的发展逻辑。同时鼓励有技术背景的投资人进入VC行业，提升整个行业的认知水平。
3.3 人才培养层面：从”人口红利”到”人才红利”
第一，高校课程要与产业接轨。
现在国内AI人才最大的缺口，不是”会用AI的人”，而是”能做AI基础研究的人”。这类人才需要深厚的数学功底、扎实的编程能力、对前沿技术的敏锐嗅觉。
建议： 教育部牵头，让头部AI企业和高校联合培养人才 。企业出课题、给数据、派工程师；高校出师资、做基础研究、发论文。双方互利共赢。
第二，构建多层次的培训体系。
不是所有人都需要成为AI研究员。需要的是：少数能做基础研究的顶尖人才，加上大量能把AI落地应用的应用型人才。
建议： 鼓励职业教育机构、企业内部培训 。让更多人学会”用AI”，而不是都去”做AI”。分工协作，各司其职。
第三，打造有吸引力的”人才环境”。
人才流失的本质原因是：国内能提供的发展机会和待遇，比硅谷差太多。
这是系统性问题，不是一两个政策能解决的。但可以从几个方面努力：
- 建设AI人才社区
。让顶尖人才有一个”圈子”，能互相交流、互相激发。 - 提供有竞争力的税收政策
。对AI高端人才，可以给予个人所得税减免。 - 解决后顾之忧
。子女教育、医疗、住房——这些看起来是小事，但往往是人才决定去哪的关键因素。
第四，鼓励”学术创业”和”创业回归学术”。
硅谷有一个很好的传统：教授可以创业，创业者也可以回到学术界。两种身份可以自由切换，知识和经验在两个圈子里流动。
国内这个循环还没建立起来。学而优则仕，商而优则投——但”商而优则学”几乎没有。
建议： 允许高校设立”产业教授”职位 ，让有创业经验的企业家到高校任教或者做兼职研究。反过来，也鼓励学术界的顶尖人才带着技术出来创业，给予他们足够的支持。
四、写在最后
洋洋洒洒写了这么多，其实核心观点就一个：
中国的AI发展，技术不是问题，生态和金融环境才是真正的短板。
DeepSeek证明了什么？证明了中国人有技术能力，能做出世界顶级的AI模型。
但DeepSeek也暴露了什么？暴露了我们的软件生态还不成熟、融资环境还不够友好、人才培养体系还有缺口。
这些短板，不会因为某个技术突破就自动消失。
一场发布会的掌声，掩盖不了一年的隐忧。
当然，我不是在唱衰中国AI。恰恰相反，我觉得现在是中国AI最好的时代。
DeepSeek-V4、OpenClaw、Grok-3——这些名字放在一起，代表着人类AI探索的不同路径。中国的路径是”极致优化、成本优先”；美国的路径是”暴力美学、算力碾压”。
两种路径没有对错，最终会在某个地方汇合。
我们需要做的，是补齐自己的短板。让技术的天花板，不再被生态和金融压低。
让做技术的人，能安心做技术。
让投技术的人，愿意陪技术成长。
让用技术的人，能真正用好技术。
做到这三点，中国的AI，才真正站起来了。
以上。
你对中国AI的发展有什么看法？欢迎在评论区留言。
如果觉得这篇文章有帮助，麻烦点个”在看”，这是对我最大的支持。
我们下期见。