自卑又自大，很奇怪的心态

昨天简单谈了谈对第二十四次集体学习的看法，主要有三个观点：

观点一：自新中国成立以来，中国生产关系长期领先生产力，因此只要外部客观条件得到满足，就会发生爆发式发展，这跟西方生产力在生产关系之前，是不一样的；

观点二：自进入现代，人类未来技术、未来产业都是由国家力量筹划、推动、发展而来的，中国当然也可以对未来产业进行布局；

观点三：基于上述两点，复盘过去十四个“五年计划/规划”，国家对未来预判的高度准确性，理所当然应该敬畏国家对未来的预判。

从留言中，小镇归纳出一个比较普遍的矛盾心态：

一方面认为政府不可能100%预测未来，担心只要一次大错就会把过去的优势全部败送，因此需要市场探索而非政府规划；

另一方面对美国借内容生成式大模型实现通用人工智能也就是AGI有极高期待，认为只要像现在这样加大资源硬砸，就可以砸出AGI，因此不应该先搞AI的产业化应用，而应该聚精会神地砸AGI。

这种想法是自相矛盾的。

因为认为政府规划未来产业不靠谱，主要是认为中国不擅长“0-1”的原始创新，而是擅长“1-100”的工程学创新，那么像美国这样通过硬砸算力和资源就想实现AGI，是“0-1”还是“1-100”呢？

硬砸资源而不是进行底层架构的原始创新，这显然是“1-100”的工程学创新，这显然是中国最擅长的，这也是反对政府规划未来的依据之一。

那么问题就来了：既然连公认最代表未来技术、未来产业的通用人工智能，都可以通过硬砸资源实现，其他未来技术和产业凭什么不行？而美国可以，中国为什么不可以通过调动国家力量来实现？这显然是矛盾的。

何况，在硬砸资源上，中国优势巨大。正如马斯克所说，算力尽头是电力，知道中国的电力优势有多大吗？

中国发电装机量从2019年的20.1亿千瓦，增至2023年的27.9亿千瓦，净新增装机7.8亿千瓦，净增幅38.8%；反观美国，不过从2019年的1.16亿千瓦增至2023年的1.32亿千瓦，净新增装机0.16亿千瓦，净增幅13.8%。

只统计到2023年已经给美国留了巨大的面子，因为2024、2025两年才是中国可再生能源装机的爆发年。

根据国家能源局2026年1月28日发布的2025年全国电力统计数据，截至2025年底，全国累计发电装机容量高达38.9亿千瓦，两年暴增11亿千瓦、增幅高达39.4%，简单地说，两年新增8个美国，仅2025年中国可再生能源发电量已经超过欧盟27国用电量之和。

美国拿什么砸算力？就算有足够的芯片，电力从何而来？难不成真指望马斯克所谓的“太空算力”？

有读者说小镇小瞧了马斯克，说“太空算力”可以极大解决散热问题，这就错了，散热才是太空的大难题，要比在地面上解决更难。

散热主要靠传导、对流、辐射这三种，辐射散热效率极低。太空虽然温度低，但缺乏散热介质，主要依靠辐射散热，紧急状况下可以通过抛弃高温工质比如水和氨实现散热，但这太奢侈了，也就是早期航天器比如美国“水星”飞船，曾用这种应急方式短期解决，长期还是得靠辐射散热。

这就是为什么太空温度接近零度，而空间站温控系统重点是散热而不是保温。国际空间站上巨大的白色面板，就是用来散热的。正因为太空散热极难，所以中国航天员能够在空间站用上空气炸锅，这就是无形的技术炫耀。

什么时候，美国也能在太空用上空气炸锅，再说太空算力的事。

小打小闹意义很小，起码得达到地面算力的十分之一才行吧？

这就是目前一个很奇怪的现象，同样一件事，做的主体不一样，评价就截然相反。

美国计划靠硬砸算力实现通用人工智能，这跟中国规划发展未来产业，有什么本质区别吗？不都是人为调动资源实现某个目标？

硅谷是调动海量资本和算力，沿着生成式大模型这条已知技术路线，进行大规模工程化投入；中国同样是调动国家与社会资源，沿着选定的战略方向，进行系统性布局和产业生态建设。区别在哪里？

怎么硅谷就能做到，中国就不行？逻辑何在？

内容生成式大模型不过是AI的分支的分支，只不过在当前，被认为是最接近通用人工智能的。

但这种接近是相对的不是绝对的。打个简单的比方，假如实现AGI设定为100，那么生成式大模型可能走到了10甚至更低的位置，还差得远。

之所以认为最接近，主要是因为生成式大模型已经被确认能够在辅助驾驶领域发挥作用，而且在具身智能领域出现了“涌现”。

最近，全球最贵的人形机器人公司Figure发布了最新模型Helix 02，并配上一段三分半钟的视频演示，这个视频看上去平平无奇，不过是一台人形机器人走来走去，把碗从洗碗机里拿出来收到柜子里之类的操作。

注意，最关键的是视频快结束时，机器人在关洗碗机门时，竟然先用脚把洗碗机的门踢起来，然后再弯腰关上门。这个意外的动作，才是这段三分半演示视频最核心、最精华的。

Figure的工程师之前没有训练机器人用脚踢门的动作。就意味着，这个动作，是来自机器人的自发选择，或许是机器人判断弯腰会导致重心变化，因此根据当时的物理环境，自主做出了“用脚踢”效率最高的判断。

这就是令人兴奋的“涌现能力”，也就是当模型规模达到某个阈值时，一些在小模型中没有的能力比如复杂推理、代码生成、跨模态理解等突然出现，可以理解为“量变到质变”。

但“涌现”不代表真正的理解，这仍然是模式匹配和概率生成，缺乏深层的因果逻辑、常识和意图性。的确是AI研究的突破，但要说因为“脚踢洗碗机门”这个涌现动作，就觉得距离通用人工智能近了，那也太瞧不起人类的大脑了。

生成式大模型的确是目前人类研究最深入的AI大模型，但真能通往AGI吗？

小镇觉得是必要非充分条件。

生成式大模型之所以能够领先，是因为基于语料、图片等更容易进行训练学习，能够在语言理解与生成方面达到较高水平，但其他能力并不擅长，而且生成式大模型已经面临语料库枯竭的危机，就算可以无限砸算力，训练资源怎么办？

在实现AGI之前，是否应该先搞清楚人类的神经、大脑、思维？以人类目前的脑科学水平，妄想靠砸算力实现AGI，这何异于用增加敲键盘猴子数量的方式，期待海量的猴子们能够随机敲出莎士比亚全集，这个概率小到还不如期待上帝降临。

再者，先不说这种沿着既定道路砸资源的方式是中国最擅长的“1-100”的工程化问题，一个最基本的逻辑就是：为什么在前方还有很多条道路、不知道哪一条路是正确的情况下，盲目砸某一条路？这不就成了日本式的“赌国运”？赌赢了倒也罢了，赌输了呢？

有读者留言认为，哪怕中国过去决策都是对的，但不能保证未来决策100%正确，那么以后万一错了，那之前的积累就输光了。

这种想法，仍然缺乏逻辑。

很简单的道理，认准一个方向硬砸海量资源的是美国，不是中国，中国一直选择在所有可能方向上同时投入。中国的规划，选定的是最有希望的未来产业领域，但并没有规定只能通过某一条特定技术路线，而是综合全球研究，把所有可能路线都罗列在内，还持开放态度，对一切新出现的技术路线都保持高度关注，投入相应的资源。

中国搞的是新型举国体制，这个新就体现在不是死板地做计划，而是搭建一个有利于创新的平台和环境。代表机制是“揭榜挂帅”，又被称为“科技悬赏制”，核心是需求导向、英雄不问出处，不论是谁、采取什么技术路线，只要能够解决问题、满足需求，就行。

所以，就算担心盲目决策导致过去积累一朝输光，也应该担心在生成式大模型领域投入过重的美国，中国目前对AI的投入还不到美国的十分之一，而且呈现小集中、大分散的特征，所有的AI技术路线，都在同步探索。

所以，除非认为像通用人工智能不可能实现，无法成为人类的未来技术、未来产业，那中国对未来产业的布局发展，又怎么可能导致一次误判就全局损失？

没有这个道理啊。

在探索未来产业上，目前最典型的就是新能源汽车产业的探索，中国早在20世纪90年代就确定了主要方向，采取的是纯电、混动、燃料电池三条主要路线全面探索的方式，其实还有一些小技术路线也在探索，也没有放弃对传统燃油发动机的研发。

在中国新能源汽车产业开始领先的时候，中国传统燃油发动机技术也已经达到世界一流水平，就连日本赌国运的氢能领域，全球也公认未来氢能领域属于中国和美国。

更荒诞的是，现在还没有实现AGI，甚至还拿不出一个突破的时间预判，美国已经把AGI计算在未来经济发展中了。

比如美联储新任主席人选凯文·沃什，他最核心的主张有二：一是缩表降息保美元信用，促进美元回流；二是寄希望于AI带动美国生产率大幅提升，从而抵消通胀。

这两点结合在一起，就是试图用AI来解释美国经济没有泡沫，而是有足够资产对应，这个资产就来自AI驱动。

凯文·沃什言论矛盾很多，还建立在非常多假设基础上。目前美国在AI产业化应用方面，走得很慢，2025年美国发表报告，认为当前AI商业价值堪忧；现在美国一门心思寄希望于实现AGI，从而跳过美国技术工人、产业链体系的巨大短板，直接用AI替代人，这就有点幻想了，也跟事实严重不符；更不要说，美国搞AI驱动，电力从何处来？

有一个美国智库研究值得关注。

美国信息技术和创新基金会，简称“ITIF”，这是一家聚焦尖端科技的智库，2017年排名全球顶尖科技类智库榜首。该基金会提出了一个名为“汉密尔顿指数”工具，评估中美等全球主要国家在具有战略意义的产业领域的优劣势。

这个工具根据贸易附加值，选定了10个研发强度大、出口导向强、人才密度高、技术复杂、具备战略价值的先进产业，包括信息技术和信息服务、计算机、电子和光学产品、制药和生物技术、电气设备、机械和设备、机动车辆、其他运输设备、除药物外的化学品、基础金属和金属加工制品等，这十大领域长期占全球GDP的一成左右，是全人类的高地，一方拿到的多，其他就少。

然后汇总十大产业的该国GDP份额占比，除以该国GDP占全球GDP的比重，得到一个区位商，然后用这个区位商进行跨地区、跨国对比。如果比值超过1，就说明该国在这些先进产业领域，优势领先该国综合经济地位，如果是1代表符合全球平均水平，反之则说明落后。

该基金会2023年发布跟踪报告《2023年汉密尔顿指数：中国战略产业正领跑全球》。

报告提到，在以2020年数据为基础的情况下，美国2020年十大先进产业占全球的20.79%，美国GDP占全球的24.51%，那么美国区位商为20.79%除以24.51%，也就是0.85，基金会的人工修正到0.87。意味着美国先进产业的表现，远远落后于美国的整体经济，甚至低于全球平均水平。

那么2020年的中国是多少呢？是1.47，中国在除了信息技术和服务、其他运输、制药和生物技术这三个领域之外，都处于世界领先地位。

这还是2020年啊，都不用去算，就知道2025年是什么情况了。

当然，任何一个指标都只有参考价值，但所有的客观指标，注意是客观指标，包括自然指数、澳大利亚关键技术追踪系统以及新增的“汉密尔顿指数”等等，都在显示中国已经在先进技术、先进产业方面处于领先地位，那最起码得承认，中国并不落后美国吧？起码是并驾齐驱、各有优劣。

要么就认为中国早在二十年前、三十年前就已经跟美国并驾齐驱，要么就得承认在短短的二三十年间，中国就从全面落后于美国，追上了美国。

那么中国到底能不能搞“0-1”的创新呢？如果不能，美国为什么会被中国追上来？又如何解释，当前全球AI顶尖人才，华人占比异常高？

说白了，还是双标。

一方面以中国人身份自卑，觉得中国这也不行、那也不行，如果中国突破了，那就是没啥技术含量，顶多就是“1-100”；

另一方面莫名其妙地对美国的成就呈现自大心态，真就奇怪了，美国的成就跟中国人有啥直接关系吗？甚至根据美国智库统计，全球先进产业全球GDP占比长期稳定在一成左右，意味着蛋糕就这么大，美国拿走的多了，中国就少了，有啥可开心的呢？

这背后，小镇觉得或许有四个原因：

一是对西方的盲目迷信，还是有自卑心态，不敢想中国超越美国。

哪怕铁证如山、事实一件接一件，也会认为只要中国做的就不是“0-1”，但始终没有拿出来一个确定的、能够适用于所有对象的0-1和1-100的划定标准，而是搞灵活标准。

二是对创新的理解过于肤浅，盲目认为“0-1”是创新，“1-100”就不是创新，将“0-100”贬低为简单乏味的低级劳动，低估了工程化的伟大。

不是这样的，两类创新对能力的要求确实不同，但就算“0-1”也是建立在无数的0.1甚至0.01的积累之上，而“1-100”也充满了无数个再创新。

其思想本质是相信英雄史观还是人民史观，是认为科技进步来自少数精英科学家，还是来自劳动者的集体创造。

三是对科技产业史缺乏学习。

比如工业革命，就是在工程师和劳动者的无数经验积累下，才有了瓦特发明的改良蒸汽机，那么改良蒸汽机算“0-1”还是“1-100”？

同样，信息革命的硬件基础半导体，也是在一代代工艺迭代、良率提升中推动的，忘记这些历史、只记住最终的成果，就会产生创新可以脱离工程和产业凭空发生的幻觉。这本质就像部分现代人，觉得商品是从货架上长出来的，堪称当代的“何不食肉糜”。

四是缺乏逻辑学习。

比如今天谈到的，美国硬砸通用人工智能，和中国规划未来产业，在方法和做法上有什么区别呢？怎么觉得美国就行、中国就不行？没有发现这里面的自相矛盾吗？

上述四种问题成了一个自我强化的认知闭环，导致人难以正确认识现实。

从迷信西方的自卑开始，基于这种西方必然强的预期，自然而然地接受了一套割裂创新的英雄主义叙事，认为硅谷的车库创业者才是创新，中国的劳动人民就不是创新。

又因为历史知识学习的匮乏，无法识别上述存在明显问题的错误叙事，而在现实证据与既定认知冲突时，因为逻辑思辨的不足，选择性采信信息，维持认知的舒适区，这就反过来固化了对西方的迷信。

这是不对的，还是应该标准统一、实事求是。既要看到差距，也要敢于承认领先。

其他文章推荐

（中篇）

（上篇）

如果喜欢，还请点赞、“在看”和关注吧

欢迎分享，让更多人发现“大树乡谈”

备用：大树乡谈2022、大树乡谈2023