中国在AI领域的飞速发展，使西方开始反思，是不是该学中国话了

中国在AI大模型领域的飞速发展，使得西方开始反思，是不是该开始学中国话了。

在过年期间，以DeepSeek为代表的中国AI大模型，给了国人相当大的，欢欣鼓舞的原因。我们看到，我们的大模型，在投入资源有限的情况下，以更优的效率，能够达成国外大模型相似的性能。可以说，这是我们向国外，向世界展示了我们的硬实力。在西方，特别是欧洲，这些国家，最近又开始了一波新的反思，反思一下，为什么AI大模型，它诞生在了美国，诞生在了中国，却偏偏无法诞生在欧洲。有的欧洲国家突然意识到，原来是我们使用的语言有问题，这话怎么说？在目前的，世界排名前30的大模型，大家拉一个清单就会发现，要么它使用的是英语，要么它使用的是中文，就极少有这两种语言之外的AI大模型出现，这样是一个巧合吗？

恐怕并不是，英语大模型它的繁荣与蓬勃，一方面是由于互联网上，英文语料极大的丰富，因此能够提供更好的训练集。二方面，很简单，西方国家投入更多的资金，特别是以美国为首的这些西方国家，还有更强大的计算算力作为支撑，因此他们做出大模型，不足为奇。而在中国，中国一方面，中文的互联网的语料，其实相对来说是匮乏的。而二方面，中国又受到计算卡的相关的，出口的限制，没有办法得到充足的算力，那为什么中文的大模型，能够如此的进步，特别是DeepSeek这样的大模型，还能取得如此的进展？有欧洲的语言学家就分析，其实原因也很简单，就是因为中国人使用的是中文，进行思考。

中文，它是一种，非常适合进行大模型研究的语言。一方面中文，是以每一个汉字为单元的，这每一个字，其实都能够代表相当深远的意义，这样的一种分字的方法，极其适合于大模型的使用。TOKEN，这样的一个，切词的单元，TOKEN在大模型里面可以叫做词元，这一个词元，它可不是一个英语单词，它甚至有可能是一个音节，一个很长的英语单词，它会被分解成多个TOKEN，多个词元。但是在中文，这样的切分是简单明了的，我一个汉字，可以作为一个TOKEN来进行输入，甚至，我可以一个词作为一个TOKEN来输入，中文在大模型的输入上，自然它就有一个相当高效的切分方式，使得大模型需要处理的数据量，本身就下降。

而另一方面，中文又是一种意义非常压缩化的一种文字，就比如说咱们，随便甩出一个成语，四字成语，那后面都可以跟上几千字的背景介绍。也就是说，中文本身它就是语义文字的一个压缩包，通过一个压缩包的解析，其实大模型理解和生成效率，都会大大提高。如果我们再考虑到中文，有沉淀下来的，大量的纸质的历史文件可以学习，中文在训练方面的难题，也是迎刃而解。因此我们能看到DeepSeek，它由于有大量的中文，古文语料的支撑，再加上它切分的，就TOKEN的便利化条件，它的训练效率非常高，而且输出的质量非常之高。

反观欧洲，无论是法语还是德语，它们在TOKEN的切分上，都与英语是别无二致，都会相对的复杂。而单词，它有时候非常的冗长，而且有很多的语意之间，是没有任何关联的。比如说，英语的1月、2月、3月、4月，如果不说，大家根本不明白，它怎么会是跟月份相关的，它与中国的这种直接表义是不同的。再比如说，在世界上，绝大部分使用拉丁语系语言的国家，他们都不清楚，葡萄干是葡萄晒的干。原因很简单，葡萄干和葡萄，是两个，看上去完全没有任何关系的单词，因此在这样的语义勾勒下，包括了英语、法语、德语在内的拉丁语系，都出现了很大的问题。如果我们考虑到像类似于德语，有这种叠床架屋式构词法的一个单词，动辄就是十几个字母这么长，那它的表达效率就更低了。

因此，从这几个维度出发，似乎，中文确实是更适合于发展人工智能，发展大模型使用的语言。也确实，有西方的大模型开始，使用中文来进行大模型的训练，原因也很简单。节约资源，提高效率，未来我们是否会看到，在大模型领域的语言，呈现英语与中文两极分化，这是我们要观察，后面大模型发展的一个很有意思的点，而这也将成为中国的人工智能企业，我们的研究机构，我们能够跻身世界先进水平的一个，非常好的机会。毕竟他们再怎么学，不如咱们中国人懂中文。