蔡崇信港大演讲：中国AI的真正优势不是模型

" bdsfid="258">联合创始人、董事长蔡崇信上月在香港大学陆佑堂做了一次演讲。这是港大经管学院"陈坤耀杰出学人讲座"的系列活动。据说，17年前，马云曾站在同一个舞台上。主办方称，这次演讲的报名速度创下纪录：邮件发出两小时内，超过1200人报名。

以下摘录来源于至顶科技总编辑高飞，本平台略有补充。

蔡崇信与港大协理副校长、港大经管学院副院长邓希炜教授对谈

一、中国AI的真正优势：不是模型，是整个生态

蔡崇信开场就抛出一个反直觉的观点：美国人定义的AI竞赛规则是错的。

美国人怎么算谁赢？看谁的大语言模型（Large Language Model）更强。今天是OpenAI领先，明天是Anthropic，后天可能是别人。但蔡崇信说，这个计分方式本身就有问题。

真正的赢家不是谁有最好的模型，而是谁用得最好。

"The winner is not about who has the best model. The winner is about who could use it the best in their own industries, in their own lives." （赢家不是看谁模型最好，而是看谁在自己的行业和生活中用得最好。）

这个判断的底层逻辑是：AI的价值在于渗透率（penetration rate）。中国国务院的AI规划就很务实——到2030年，AI代理和设备的渗透率要达到90%。不讲玄学，只讲普及。

那中国凭什么能普及得更快？蔡崇信列了一张完整的底牌清单。

1、电力：15年前埋下的伏笔

训练大模型、跑推理（inference），本质上都是在烧电。中国的电力成本比美国低40%。

为什么？因为15年前中国就开始大规模投资电力传输基础设施。北方发的电要送到南方，新能源产地和用电需求地往往不重合，必须靠输电网络打通。中国国家电网每年资本支出900亿美元，美国只有300亿——三倍的差距。

结果是什么？中国的电力装机容量是美国的2.6倍，而且新增装机容量是美国的9倍。这个差距还在拉大。

2、数据中心：成本碾压

在中国建一个数据中心，成本比美国低60%。这还没算芯片，只是基建。

3、工程师红利：全球一半的AI人才有中国学历背景

蔡崇信提到一个有趣的数据：全球几乎一半的AI科学家和研究人员，都有中国大学的学位——无论他们现在在美国公司、中国公司，还是世界任何地方工作。

他还讲了个段子。最近社交媒体上有人吐槽，说自己在Meta（Facebook）的AI团队里，同事们都在用中文交流想法，他完全听不懂。

"This is the first time Chinese language is an advantage." （这是中文第一次成为一种优势。）

以前中国公司出海，语言是劣势——在意大利开办公室，当地人不会说中文，中国员工得用第二语言沟通。但在AI领域，全球的华人工程师用中文分享想法、交换思路，这反而成了信息优势。

4、资源匮乏逼出来的系统级创新

美国有大量GPU，中国没有。但蔡崇信说，匮乏反而创造了优势。

"China being lacking in GPUs actually creates an advantage of starvation. When you don't have a lot of resources, you are forced to innovate at the systems level." （GPU的缺乏反而创造了'饥饿优势'。当你没有足够资源时，你被迫在系统层面创新。）

训练一个万亿参数的模型，如果系统效率不高，GPU消耗会非常恐怖。中国团队因为硬件受限，必须把系统优化做到极致。DeepSeek就是这么逼出来的——阿里的通义千问（Qwen）模型刚刚赢得了一场为期两周的加密货币和股票交易AI竞赛，DeepSeek排名第二。

蔡崇信对DeepSeek毫不吝惜赞美："我们在杭州的邻居，他们做的事情令人难以置信。"

二、开源为什么会赢：成本、主权、隐私的三重逻辑

这可能是整场演讲最核心的判断。

蔡崇信的观点很直接：开源模型会击败闭源模型，不是因为开源更先进，而是因为开源更符合全球大多数用户的利益。

他举了个例子。假设你是沙特阿拉伯，想发展AI，又想保持“AI主权”（sovereign AI）——意思是AI不受外国控制。但你没有人才自己开发模型。

这时候你有两个选择：
选择一：通过API使用OpenAI。付很多钱，而且数据要喂进去——你不知道数据去了哪里，那是个黑箱（black box）。
选择二：直接下载阿里的开源模型，部署在自己的私有云上。免费，而且数据完全可控。

成本和隐私，两边都赢。所以无论是政府还是企业，只要认真做成本效益分析，都会倾向于开源。

那阿里怎么赚钱？

蔡崇信说得很坦白："我们不靠AI赚钱。"

阿里靠的是云计算。你用开源模型没问题，但你要跑模型，需要云基础设施——存储、数据管理、安全、网络、容器（containers，他说这个词他自己也不太懂）。这些阿里都能提供。开源模型是流量入口，云服务才是利润来源。

这个模式其实很像早年的互联网公司：免费产品获客，增值服务变现。只不过规模和技术门槛完全不同。

三、阿里巴巴的进化逻辑：永远跟着客户需求走

港大教授邓希炜问了一个好问题：阿里从B2B电商变成AI云计算公司，秘诀是什么？

蔡崇信的答案很朴素：没有秘诀，就是跟着客户需求走。

阿里1999年成立时，中国还没加入WTO，国际贸易必须通过国有贸易公司。2001年入世之后，小企业可以直接和全球做生意了。阿里的B2B平台就是帮这些小厂找买家——第一版网站是英文的，面向海外。

后来消费者电商起来了，就有了淘宝。买家和卖家互不信任，就发明了支付宝（最初是个担保交易系统）。物流跟不上，就投资物流。

云计算也是一样的逻辑。16年前，没人讨论云。但阿里的消费平台要处理海量数据，如果继续用Dell的服务器、EMC的存储、Oracle的数据库，所有利润都会交给这些供应商。

阿里的CTO说：我们得自己搞。

"We developed cloud computing really out of necessity, out of the need to become self-reliant in technology." （我们发展云计算完全是出于必要，出于对技术自主可控的需求。）

所以阿里云的起点是"自己吃自己的狗粮"（eat our own dog food）——先内部用，用好了再开放给外部客户。

蔡崇信对年轻创业者的建议也很明确：优先选择有机增长（organic development），而不是并购。因为自己团队培养出来的能力，DNA纯正，文化匹配。阿里也做过并购，"有些成功，有些失败得很惨"。

四、给年轻人的建议：学会提问，比学会回答更重要

演讲最后有学生问答环节。蔡崇信关于技能和专业选择的回答，信息密度很高。

1、技能层面：三件事

第一，学会获取知识。听起来是废话，但在AI时代，知识获取的效率差异会被放大。

第二，建立分析框架。不是死记硬背，而是能对信息做出自己的判断。

第三，学会提问。蔡崇信特别强调这一点——提出正确的问题（ask the right questions），比找到答案更重要。

2、要不要学编程？要，但理由变了

很多人说AI时代不用学编程了，用自然语言（natural language）就能指挥机器。蔡崇信不同意。

他说学编程的目的不是为了操作机器，而是训练思维过程。

"The purpose is not to actually operate a machine. The purpose is going through that thinking process." （目的不是操作机器，而是经历那个思考过程。）

他甚至建议学电子表格——能把一个复杂公式写对，让数字自动计算出来，这本身就是逻辑训练。

3、专业选择：三个方向

数据科学（data science）：其实就是统计学的新名字，但未来数据会爆炸式增长，懂得管理和分析数据的人永远稀缺。

心理学和生物学：理解人脑怎么运作。人脑仍然是最高能效的"机器"，AI的很多设计思路都来自对大脑的模拟。

材料科学（material science）：世界现在被比特（bits）主导，但让比特跑得更快的，是原子（atoms）。半导体领域会有大量创新，而半导体的核心就是材料。

五、一个关于风险的故事：为什么加入创业公司

1999年，蔡崇信放弃香港的律师高薪，跑去杭州加入一个18人的小公司。为什么？

他的回答是金融人的思维：不对称风险收益（asymmetric risk-reward）

"The downside risk was very limited. Why? Because I have a good university degree. I went to law school. Worst comes to worst, I can always work as a lawyer. The upside is unlimited." （下行风险非常有限。为什么？因为我有好的学历，读过法学院，最坏情况我还能当律师。但上行空间是无限的）

这就像一个看涨期权（call option）——最多亏掉权利金，但收益没有上限。

但他补充了一句更重要的话：机会是来找你的，不是你去找它的。你要做的是"准备好"（preparedness），这样机会来的时候才能抓住。

六、AI会是泡沫吗？两个概念要分清

有学生问：AI会不会像2000年互联网泡沫一样破裂？

蔡崇信说，要区分两种泡沫：

金融市场泡沫（financial market bubble）：股票估值是不是太高？50倍市盈率合不合理？"这是一门艺术，我不知道。"

技术泡沫（real bubble）：技术本身是不是虚假的？

他的判断是：AI可能存在金融泡沫，但技术本身是真实的。就像2000年3月互联网泡沫破裂，但互联网并没有消失——今天互联网比那时候强大得多。

所有投入AI基础设施的资源、模型开发的努力，不会打水漂。

七、关于体育投资：一个关于文化交流的彩蛋

蔡崇信拥有NBA布鲁克林篮网队" bdsfid="763">（New York Liberty）、NLL圣地亚哥队（San Diego Seals）和拉斯維加斯沙漠之犬队（Las Vegas Desert Dogs）等多家美国职业运动队。今年篮网时隔六年重返中国（澳门），这是他主动推动的。

但他做体育投资最有意思的部分，是一个教育项目：每年选6-8个中国初中生，送去美国读高中、打篮球。

"The biggest beneficiaries are the high school kids in the US. They see these kids coming from China. They've read about China but they haven't interacted with individuals." （最大的受益者是美国的高中生。他们看到这些中国孩子来了，他们读过关于中国的东西，但从没和个体互动过）

他说这是在"复制自己的经历"——13岁离开台湾去美国读书。人与人的交流（people-to-people exchange），比任何官方渠道都重要。

三个最核心的洞察

Q1：中国AI的真正优势是什么？

不是模型本身，而是让AI被广泛使用的整个生态系统。电力成本低40%、数据中心建设成本低60%、全球一半AI人才有中国学历、资源匮乏逼出系统级创新——这些加在一起，让中国更有可能实现AI的大规模普及。而普及率才是真正的计分板。

Q2：为什么开源模式会赢？

因为对全球大多数用户来说，开源同时解决了成本、数据主权和隐私三个问题。闭源模型要付费，数据要喂进黑箱；开源模型免费，数据可以留在本地。这不是技术优劣之争，是利益格局使然。

Q3：年轻人应该怎么为AI时代做准备？

学编程不是为了写代码，而是训练逻辑思维；学统计（数据科学）是因为数据会爆炸；学心理学是因为要理解人脑这个最高效的"机器"；学材料科学是因为让比特跑得更快的是原子。更重要的是，学会提出正确的问题——这比找到答案更有价值。*

— THE END —

紫京讲谈

财经领域创作者

3162篇原创