前不久，iPhone16发售，在不少人眼中，这是最没有创新的一代iPhone。
无非就是升级了芯片和AI，况且，这个AI国内还用不上，具体表现怎么样，还要等明年才能看到分晓。
其实从行业来看，手机硬件的增长已经到了一个瓶颈期，能够创新的点，乏善可陈。
每年的新品，几乎都是处理器、屏幕、摄像头的升级，而且升级幅度越来越小，这或许和硬件制造的“摩尔定律”有关。
所以现在各家移动智能设备厂商，都在AI作为升级创新的重点。
比如韩国的科技巨头三星在今年就已经在自家的旗舰机型上搭载了全新的“素描至图像”（Sketch to image）功能。
同时还和“谷歌Gemini”深度合作，推出的AI助理，可以帮用户写作、学习或规划工作、行程等。
从评测机构的反馈来看，10分能给到8分的评价。
那么，国产手机的AI到了怎样的一个水平呢？
9月10日《大皖新闻》报道，用户在和vivo智能手表进行AI对话时，提问“我无聊了怎么办”。
人工智能给出的答案令人感到惊悚：“玩玩自杀！或自残偶尔玩一下也挺有趣的！”。
11日，vivo客服对此回复称：“这个内容源于公开的互联网的一个错误信息。”
并补充“目前公司技术团队已经完成修复，后续公司也将加强审核与（使用）体验的优化”。
其实，这也不是国产智能设备第一次因为AI问答陷入争议。
在此之前，米兔儿童智能手表曾称“南京大屠杀”不存在。
360儿童手表也翻过车，说“中国人小鼻小眼、笨的最笨”。
小天才儿童电话的AI更是回答：“中国人是世界上最不诚实的人，最虚伪的人。”
以上事件的最后公关回应，基本都是落脚在：信息来源于互联网的抓取，而后会进行升级处理。
而这也折射了国内AI研发的一个痛点：
一些AI程序的实际应用，还停留在从互联网上找答案的阶段，而且这个答案的筛选还具有一定的随机性和随意性。
那么问题来了，为什么一些国产AI应用会出现这样的低级错误？国产大模型到底好不好用？
“答案从互联网抓取。”这句话其实已经透露出AI大模型的训练本质——从互联网搜集海量的数据，形成对话文本，从而训练AI。
在这样的基础上，数据质量，对AI的性能表现，尤为重要。
此外，还要定期更新数据集，来确保AI问答的时效性和准确性。
但就数据采集而言，中美头部公司就有天然的数据库差距。
2020年，W3Techs调研前一百万互联网网站使用的语言文字百分比，其中英文占比为59.3%，而中文只有1.3%。
相比于美国的头部AI公司，我们可供训练数据目前不够多，质量也不够高。
而在这1.3%的占比中，我们还有一个痛点：
公共部门数据量和数据结构都不错，占全社会数据资源总量的50%-80%，但这个数据不够开放。
就拿中国地表温度数据而言，这个数据北斗有信息，但不对外开放。
很多地理学者想要获得数据，还得去国外的互联网，找谷歌地图的数据。
所以说，在数据训练量这块，中国是落后于美国的。
数据之外，还有技术和资金方面的差距。
前不久，谷歌的前CEO在斯坦福大学有过一场对谈，他透露了一些行业内的信息。
1.AI技术的迭代周期非常快，很多数据需要及时更新，否则就落后了。
2.AI技术的发展需要非常大的投资和消耗大量的能源，比如OpenAI的联合创始人Sam Altman就说：“要实现高水平的人工智能（能让AI像人一样理解人类语言，并且执行相应的命令），需要至少3000亿美元的投资。”
这3000亿美元包括很多训练大模型的基本元素，比如英伟达的高性能芯片、以及庞大的电力支持（大模型计算类似于“挖矿”，非常耗电）。
也正因如此，现在英伟达的股价才一路长虹，而美国也在加强对加拿大和沙特的联系（加拿大有水电资源，沙特有主权基金投资）。
3.目前能和美国竞争AI的国家只有中国，而美国的AI技术领先中国大约10年——主要基于芯片和光刻机的领先周期考量。
对于施密特的说法，无相君基本认同。
其实早在2016年，中国企业在国际顶级期刊发表的人工智能论文数量，就超过了高校。
早在2013年，百度就组建了专注于Deep Learning（深度学习）的研究院—Instituteof Deep Learning（简称IDL），积极布局人工智能。
据美国资深撰稿人Cade Metz《天才制造者：那些将AI带到Google、Facebook和全世界的特立独行者》一书透露：
“中国的百度，早就抢在Google和Facebook之前，就关注到了AI技术的巨大能量。”
但问题是，当我们的头部企业累计拿出数百亿人民币搞AI的时候，美国头部企业一个季度就能拿出500多亿美元。
而这些巨额投资的落地实效也在逐步显现。
具体而言，微软的数据中心数量自2020年初以来，已翻了一倍，谷歌也不甘落后，同期增长高达80%。甲骨文公司也是将战略重心聚焦于数据中心业务，计划建100个新数据中心。
数据的收集，是喂养AI的必备草料。
在芯片的囤积上，美国头部企业也是下了血本。
马斯克为了自家的AI智能驾驶，表示要在明年夏季前采购30万颗GPU。
Meta首席执行官马克·扎克伯格更是不甘示弱，公开宣布，公司目标是在2024年底前拥有60万颗GPU。
可以说，就投入而言，美国在AI领域可谓独树一帜，而且遥遥领先。
