全球新一轮科技竞争加速演进的背景下，人工智能的技术迭代、产业落地与国际分工正被重新塑形。近日，谷歌DeepMind首席执行官德米斯·哈萨比斯在达沃斯世界经济论坛期间就对应的议题接受采访时表示，中国企业“非常有能力”，部分头部公司与国际最前沿的差距可能以“半年”计而非以年计。他同时指出，外界对某些模型发布引发的市场反应存在情绪化放大，应以更理性、长期的视角看待全球人工智能竞争格局。 一、问题：从“追赶速度”到“引领创新”的关键跨越 哈萨比斯的表述，核心指向当下人工智能竞争的一个结构性问题：能力追赶与引领突破并非同一命题。前者强调工程实现、数据与算力组织、产品化迭代和人才密度；后者更多依赖基础理论突破、原创范式与长期科研投入。当前，全球产业界普遍在大模型能力提升、应用生态构建与成本下降上展开竞速，但“下一代能力形态”仍探索之中，谁能率先实现路径性突破，将在未来产业链和标准体系中占据更主动位置。 二、原因：技术扩散加快与产业化牵引共同缩短差距 差距缩短首先来自技术扩散速度明显提高。开源生态、论文与工程实践的快速传播，使先进算法、训练策略与评测体系更易被吸收再创新。其次，产业需求牵引强化了“快速迭代”的效率优势。具备海量用户场景、成熟产品体系和工程化团队的企业，更易在数据闭环、反馈迭代与场景打磨上形成优势，通过密集迭代逼近能力上限。再次，资本与人才向头部集中，更提升了追赶效率。在全球范围内，头部企业在算力投入、模型训练与应用部署上更具规模化优势，从而加速了从实验室到产品的转化周期。 三、影响：国际竞争更趋理性，但“物理智能”或成下一赛点 哈萨比斯表示，他不认为中国人工智能发展对西方构成灾难性威胁，该判断折射出国际社会对竞争关系的认识正在从情绪化对抗转向更现实的能力评估与规则博弈。一上，全球产业界可能更加重视技术合作、标准互认与安全治理的制度安排，以降低不确定性与系统性风险。另一方面，竞争焦点或从“语言与知识处理”进一步外溢至“物理世界交互”。哈萨比斯提到，随着人工智能进入下一阶段，机器人技术的重要性上升，因为这要求智能体复杂环境中完成感知、规划、控制与安全协同等综合任务。 值得关注的是，物理智能的门槛不只在算法，还在软硬件耦合、可靠性工程与规模化制造。哈萨比斯判断该领域可能很快出现突破，但也坦言，人类手掌在可靠性、力量与灵活性上的综合能力仍是机器难以企及的高峰。这意味着，机器人从演示走向大规模应用，仍需在灵巧操控、传感反馈、材料与执行器、能耗与安全等实现系统性进步。 四、对策：以长期主义夯实原创能力，以治理框架护航产业落地 从产业发展规律看，缩短差距的“速度优势”需要与“原创突破”的长期投入相匹配。一是强化基础研究与交叉学科攻关，面向下一代模型范式、推理能力、数据合成与对齐机制等关键方向持续投入，形成可持续的原创供给。二是以应用牵引推动技术走向“可用、可靠、可控”，在政务服务、工业制造、医疗健康、教育科研等领域推进高质量落地，建立可验证的效果评估与风险评估体系。三是完善安全治理与标准体系建设，围绕数据合规、模型安全、内容可信、隐私保护与责任边界建立更清晰的制度安排，减少技术外溢带来的社会风险。四是面向物理智能与机器人等新赛道，加强软硬件协同创新与供应链韧性建设，推动从关键部件到系统集成的能力提升。 五、前景：从“大模型竞争”走向“系统能力竞争”，胜负取决于综合实力 展望未来，全球人工智能竞争将更像一场系统工程能力的比拼：既要有持续的技术迭代，也要有稳定的产业组织能力、合规治理能力和生态协同能力。大模型仍将是基础设施之一，但真正拉开差距的，可能是多模态与智能体技术的工程化落地、面向复杂任务的推理与规划能力提升，以及在物理世界中实现安全、可靠、低成本的规模部署。谁能在“基础研究—工程实现—产业生态—治理框架”之间形成闭环，谁就更可能在下一阶段取得主动。
当前全球AI竞争已进入新阶段，中国企业体现出强劲的追赶势头；要实现真正的领先地位，仍需基础研究和原始创新上取得突破。同时，机器人技术和物理智能等新兴领域将为全球AI发展带来新的机遇和挑战。