全球人工智能竞争加速的背景下，不同国家与企业在模型能力、产业落地与创新引领上的差距成为国际关注焦点。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谈及中国人工智能发展，称中国企业"非常有能力"，部分领先公司与全球前沿的差距可能在半年左右，并表示不认为中国AI发展会对西方构成"灾难性威胁"。他同时提醒，外界对某些模型发布引发的市场反应可能存在情绪化与放大效应。 竞争焦点正在变化。当前国际AI竞赛不仅比拼大模型的参数规模、推理能力与多模态水平，也越来越强调工程化能力、生态整合与应用扩散速度。哈萨比斯对中国企业"追赶快"的判断反映出一个现实：全球前沿技术扩散周期在缩短。从论文、开源框架到训练方法与工程经验，传播更快、复现更容易，落地门槛随算力与工具链成熟而下降。但"是否具备持续引领性创新能力"仍是衡量一家企业乃至一个国家产业体系竞争力的重要标尺。 追赶加速背后，是产业体系、人才供给与应用场景的合力。中国拥有规模庞大的数字经济市场与丰富的应用场景，互联网、制造业、金融、政务服务等领域对智能化需求强烈，促进模型迭代与产品化速度提升。完善的工程人才梯队、供应链配套与平台型企业的组织动员能力，使得"从技术到产品"的路径更短。另外，全球范围内模型训练范式趋于成熟，数据治理、对齐方法、推理优化与工具调用等关键环节形成可复制经验，深入降低了追赶成本。但哈萨比斯强调"尚未证明能突破前沿"，指向原创性基础研究、关键算法范式、底层软硬件生态诸上的长期积累仍需时间检验。 技术认知与市场情绪的波动将对产业节奏产生放大效应。哈萨比斯提到对某些市场反应"过度"，反映出AI产业在高预期与高不确定性之间的张力：一旦模型在某项任务上表现突出，资本、舆论与企业战略可能迅速跟进，推动行业加速；但若忽视技术边界、成本结构与合规风险，也容易导致资源错配与短期泡沫。对企业而言，更需要将模型能力与业务目标、用户价值、算力成本、数据安全与合规要求统筹考量，避免单纯以"指标领先"替代"可持续竞争力"。 从"追赶"迈向"引领"，关键在于夯实基础能力与完善创新生态。首先，持续加大对基础研究和核心算法的投入，围绕推理效率、可靠性、可解释性与安全对齐等方向形成长期积累。其次，强化软硬件协同与工程体系建设，提高训练与部署效率，降低推理成本，提升在复杂场景下的稳定性与可控性。再次，完善数据治理与合规框架，推动高质量数据供给与可信评测体系建设，使模型能力在真实业务环境中经得起验证。最后，鼓励产学研协同与开放合作，在标准、工具链和应用生态上形成更强的组织能力与创新合力。 物理智能与机器人或成下一阶段重要赛道。哈萨比斯指出，随着人工智能迈入下一代发展阶段，机器人技术的重要性上升，物理世界交互带来的感知、规划、控制与安全问题更为复杂，行业可能迎来突破性进展。这个判断与全球趋势相呼应：从大模型走向"智能体"，再到具身智能与机器人应用，技术扩展正从数字空间走向现实场景。不过，人类手掌在可靠性、力量与灵活性上的综合优势仍是机器人难以全面企及的高峰。现实层面看，机器人规模化落地不仅取决于算法，更取决于传感器、执行器、材料与制造工艺，以及成本、维护与安全标准等体系能力。预计短期内，机器人更可能在结构化、可控环境中率先扩大应用；中长期则需在灵巧操作、泛化能力与安全可靠性上实现持续突破。
在全球科技竞争日益激烈的背景下，中国人工智能产业如何实现从"跟跑"到"领跑"的转变，将是未来发展的重要课题。专家的评价既是对现有成绩的肯定，也是对未来发展的期许。在保持技术追赶速度的同时，加强基础研究投入、培育创新生态，将成为中国科技企业实现跨越式发展的关键所在。