中美博弈: 国产AI频现惊悚问答!中美大模型差距到底在哪里

“答案从互联网抓取。”这句话其实已经透露出AI大模型的训练本质——从互联网搜集海量的数据，形成对话文本，从而训练AI。

在这样的基础上，数据质量，对AI的性能表现，尤为重要。

此外，还要定期更新数据集，来确保AI问答的时效性和准确性。

但就数据采集而言，中美头部公司就有天然的数据库差距。

2020年，W3Techs调研前一百万互联网网站使用的语言文字百分比，其中英文占比为59.3%，而中文只有1.3%。

相比于美国的头部AI公司，我们可供训练数据目前不够多，质量也不够高。

而在这1.3%的占比中，我们还有一个痛点：

公共部门数据量和数据结构都不错，占全社会数据资源总量的50%-80%，但这个数据不够开放。

就拿中国地表温度数据而言，这个数据北斗有信息，但不对外开放。

很多地理学者想要获得数据，还得去国外的互联网，找谷歌地图的数据。

所以说，在数据训练量这块，中国是落后于美国的。

中美贸易"休战" 港府速订23条附属法例

超乎想像的强!全球成长最快经济体出炉远超中美欧

陆媒:中美鸡爪贸易大战中国赢了欧洲开心

数据之外，还有技术和资金方面的差距。

前不久，谷歌的前CEO在斯坦福大学有过一场对谈，他透露了一些行业内的信息。

1.AI技术的迭代周期非常快，很多数据需要及时更新，否则就落后了。

2.AI技术的发展需要非常大的投资和消耗大量的能源，比如OpenAI的联合创始人Sam Altman就说：“要实现高水平的人工智能（能让AI像人一样理解人类语言，并且执行相应的命令），需要至少3000亿美元的投资。”

这3000亿美元包括很多训练大模型的基本元素，比如英伟达的高性能芯片、以及庞大的电力支持（大模型计算类似于“挖矿”，非常耗电）。

也正因如此，现在英伟达的股价才一路长虹，而美国也在加强对加拿大和沙特的联系（加拿大有水电资源，沙特有主权基金投资）。