但仅过去两年，SGI就从豪奢走向破产。见证这场大起大落的李开复，总结了一个教训：科技创新千万千万不要脱离用户需求。
搞研究，先要建文化，科学面前人人平等。李开复要求不许叫“总”，也不许叫“院长”，必须叫“开复”。张亚勤先使坏，用当时北京城很火的餐厅名字“KFC”叫李开复，因为后者名字简写是KF。李开复还击了，管张亚勤叫“牙签”（YQ）。
01
激流澎湃。24年后光景已然大不相同。中国AI技术和应用也走到了全球第一梯队。
认识差距，也客观丈量差距。
不妨大方承认，科技、商业很多方面，美国依旧领先世界，是我们学习和追赶的榜样。但广阔的市场和丰富的场景是中国AI的跳板。特别是在规模巨大的传统行业，有较深的“行业护城河”。世界工厂正处于数字化、智能化升级转型关键时期，AI、自动化等平台技术轮番上阵，推动其迭代到技术创新驱动的增长新范式。
李开复也预测说，未来，中国和美国的AI竞争不一定是零和博弈，尤其中国在大数据和AI的优势，自动化、智能化有望领先美国，保持“世界工厂”的地位。
AI顶级人才都是如此，做研究是佼佼者，再跳出去加入中国轰轰烈烈的AI事业，撑起了中国科技行业的半边天。这至少证明了两件事，第一，中国人也会做基础研究，也能做好通用人工智能。第二，做基础研究，和做场景的解决方案，并没有高下之分。恰恰是两者相辅相成，共同推动AI行业的发展。
很多人说，中美两国AI最大的差异在于，美国侧重基础研究，中国侧重解决方案。其实，不仅是人工智能，本世纪所有的科技发展，都在太平洋两岸衍生出不同的路径。
互联网浪潮中，美国对电商相对不那么热衷，线上消费渗透率一直上不去。相比之下，中国几乎所有互联网公司都做过电商，中国电商渗透率冠绝全球，规模一度比第2到第11加总都高。
再比如，无人驾驶。美国侧重车的智能化。而中国的优势是更好的基建、路况、网络和交通规划，于是选择了车路协同的路线。
产业互联网也有很明显的差异。美国经济的产业特点是集中于微笑曲线的最上游和最下游，科技、互联网、金融占比高，加上人力昂贵，企业付费意愿强。而中国的特点是，产业集中在微笑曲线的中段，作为世界工厂，场景丰富，产业链完整，加之政策支持，高校集中，产学研对接十分方便，技术验证更好落地。这样的大背景导致，美国重攻基础研究，多是从技术起步，而中国的优势在于场景多，需求多，场景多，往往是场景倒推技术落地。
02
李开复创办微软中国研究院那年。相反的方向，任正非去美国，对贝尔实验室惊叹不已。美国人搞的这玩意好啊，产研结合，大企业办研究院，商业产品赚利润，长期研究谋创新，两条腿走路才能更稳。
今天来看，任正非的喟叹，折射出另一个维度——对基础研究的态度，不是眼界问题，而是实力问题。
而中国的民营企业才刚刚走在艰苦奋斗的路上。精打细算的习惯改不了，往往是先从市场需求产品需求开始，再慢慢投入科学家和基础研究，再结合市场需求，带动基础研究落地。
和美国相比，中国科技有一个明显的特点，从场景需求入手——去底层做技术——再回到产品做创新，从而像轮子一样滚动前进。
对比之下，美国AI行业上一个爆款是DeepMind的Alpha系列，先把技术做出来，赢人类围棋冠军，足够爆炸。而应用场景、商业化都不迫切，慢慢摸索，好几年后这项技术被用于破解蛋白质折叠结构难题，参与新药的研发，才算英雄有了用武之地。
同样的，ChatGPT目前信息的归纳生成阶段还比较初级，真正走出实验室派上用场仍然需要在应用场景中不断实践，不断打磨，不断迭代。
03
ChatGPT的出现也有新的启示，AI对技术、数据、场景要求的突破，需要大企业的持续投入。
因为创新是不可预见的。ChatGPT模型的核心技术是Transformer。但谁知道下一个打败Transformer的模型会不会明天就会冒出来？
所以，AI这类技术创新，适合位于社会中间部位的平台型企业去做。往下，创业企业，没钱没资源没场景，做不了。往上，政府产业基金，有钱有资源，但往往和商用场景有距离。说到底，高精尖的技术创新九死一生，要鼓励大企业去冒险，要搭建好产学研的模式，要依靠市场激励。
还是那句话吧，面对中美AI差距，既要承认差距，也不要妄自菲薄。找到自己的优势，找到自己的问题。
中国该做的，是用好的自己的特色，丰富的产业链场景、产学研融合、互联网头部企业积极投入，利用好市场的循环。
就像最近科技部部长王志刚最近在谈起ChatGPT时也提到，希望既通过科学研究、技术牵引，也通过场景驱动、用户需求，二者结合起来，让AI为中国经济社会发展、中国科技发展作出贡献。
今年中国的主题是抓经济，高层领导最近多次强调要支持民营经济。的确，科技创新，比拼的是谁有一个更好的商业环境。要鼓励创新，就要宽容试错，有合理的市场激励，平台型企业敢投资，AI这类创新技术才能杀出一条血路。