听到 DeepMind CEO 聊中国 AI，有一句话特别刺耳：中国 AI 毫无创新，只不过是跟进速度可怕。

这话，听着是不是很熟悉？

前两年叙事里，这几乎成了西方对我们的思维定势，他们负责「从 0 到 1」的发明，我们负责「从 1 到 100」的内卷。

哪怕我们跑得再快，在他们眼里，充其量也就是个「勤奋的跟随者」。

说实话，这种论调过去我们很难反驳。因为你打开任何一个国际主流榜单，放眼望去，清一色的美国产品；比如：OpenAI、Google、Anthropic。但偏见这东西，最怕硬数据。

今天（12月23日），全球公认最难刷榜、最讲究「盲测体验」的大模型竞技场 LMArena ，更新了排名；在众多美国模型的重重包围里，百度文心 ERNIE-5.0-Preview-1203 杀了出来，以 1451 分拿下了国内第一。

这个分数意味着什么？

国际舞台上，文心已成为国产 AI 的优秀代表，在 LMArena 排名前 10，超过了 Claude Sonnet4.5、GPT-5.2 等前沿模型，是前 20 里唯一的非美国模型，打破了美国垄断。

当唯一的中国名字出现在榜单前列，当我们的 AI 已经不再满足于「跟跑」时，中美 AI 的这盘棋，逻辑是不是已经变了？

智远分析认为，跑赢这事儿，不能光靠运气，也不能全靠「堆显卡」，我特意翻了一下文心 5.0 Preview 背后的技术文档，发现百度在练几门很刁钻的「内功」，这也是它能突围的核心原因。

第一，最核心底座是一个「原生」的生命体。

注意这个词：原生全模态（Native Omni-modal）；以前很多所谓「多模态」模型是「拼凑」出来的，给大模型外挂一个看图的眼睛、外挂一个听声音的耳朵。

这种后期融合虽然能用，但各感官之间是割裂的；文心 5.0 不一样。它采用了「原生全模态统一建模」技术。

打个比方：

它像一个天生具备视、听、说能力的生命体；从训练的第一天起，文本、图像、音频、视频就是融合在一起学习的。

所以，它能直接理解视频里的情绪，直接看懂图片里的逻辑，这种“出厂设置”级别的差异，让它的理解和生成能力，直接上了一个台阶。

图释：

第二招，是「大块头」也有「大智慧」。

文心 5.0 参数量达到了惊人的 2.4 万亿。这是目前业界已公开参数模型里的「巨无霸」。

通常我们认为，模型越大越笨重、越烧钱；百度用了一种「超大规模混合专家模型（MoE）架构」，解决了个悖论。

简单说，这 2.4 万亿参数像一个庞大的专家库，在处理具体问题时，只激活其中不到 3% 的相关专家来干活；在 LMArena 这种拼反应、拼逻辑的盲测里，这种架构优势非常明显。

第三招，是「思考」与「行动」的合体。

文心4.5开始就致力于「知行合一」，突破了仅基于思维链优化的范式，在思考路径中结合工具调用，构建了融合思考和行动的复合思维链，模型解决问题能力得到显著提升。

同时，结合多元统一的奖励机制，实现了长距离思维和行动链的端到端优化，显著提升了跨领域问题解决能力。

所以，不能把它简单归纳为弯道超车。

从「拼接」走向「原生」，从「堆参数」走向「MoE」，从「单点问答」走向「智能体思考」，这 1451 分的背后，是技术路线的质变。

当不再盲目堆算力，开始在架构、思考能力上找突破口时，打赢 GPT-5.2，也就不是什么不可思议的事了。

不可思议，不是我随意能说了算。毕竟，刷榜这事儿，中国不爱干，干了也没用，能把技术用到应用中，才是真本事。

DeepMind 觉得中国 AI 缺乏创新，理由是我们太热衷于「应用」，但智远看来，这恰恰是中西方视角的错位。

硅谷创新往往在实验室的白板上，追求算法“从 0 到 1”；而中国创新，长在泥土里，长在车间里，长在代码行里，追求产业的“从 1 到 100”。

我认为，反驳「无创新论」最有力的武器，是看能不能解决美国 AI 根本没碰到过、甚至想象不到的复杂难题。比如说：在大国重器里，解决「物理世界」的硬伤。

来看看文心大模型在各行各业的应用：

中车集团听说过吗？造高铁的那个。以前做高铁的气动外形设计，那是纯物理活儿，更是个「苦力活」。 

因为空气看不见摸不着的，设计师设计一个车头，好不好用，必须得扔进风洞实验室里吹。

跑一次数据，涉及海量的流体力学计算，可能要耗时好几个月，而且风洞实验的成本极高，可以说是“烧钱又烧时间”。

现在呢？一切变了。

他们把文心大模型用在了空气动力学仿真上。基于百度飞桨的科学计算能力，大模型学习了海量的历史实验数据，它已经「懂」了风的规律。 

有了这个「外挂」，过去几个月的实验周期，现在最快几分钟就能算出结果。设计师有一个新想法，立刻就能跑出数据验证，创新的迭代速度快了成百上千倍。

更科幻的是，他们还搞了个「虚拟传感器」。

这又是什么黑科技呢？这么说吧，高铁上有很多精密部件没法安装实体传感器的（比如空间太小，或者环境太恶劣）。

以前这些地方出了问题，只能靠猜或者靠检修。但现在，利用大模型强大的推演能力，能凭现有的电流、电压等外围数据，AI 就能在虚拟世界里“推算”出核心部件的实时状态。 

这好比给列车装了一双透视的“天眼”，把故障检测的准确率硬生生在现有传感器检测的基础上再提升了 10%；这 10%，关乎中国高铁的安全，关乎的是亿万乘客的生命。

再比如：国家电网。以前巡检电塔，那是工人拿命去爬，风吹日晒。现在靠无人机 + 大模型，一年巡检 500 万基杆塔，人工登塔次数直接减少了 40% 。

这种把 AI 塞进高铁和电网里，解决物理世界硬伤的能力，DeepMind 见过吗？

如果说工业是「硬度」，那代码就是「速度」；我们都知道 AI 能写代码，但能不能进核心业务流？顺丰科技给了一个很吓人的答案 。

大家可能不知道顺丰的业务系统有多复杂。它不仅有物流地图，还有运单流转、仓储管理......

这些系统里，沉淀海量的、只有顺丰人懂的「私有知识」。普通通用大模型，你问它“如何优化运单路由”，它只能给你讲一堆正确的废话。

但顺丰用的文心快码（Baidu Comate），走了一条不同的路。

它通过 RAG（检索增强生成） 技术，像外挂硬盘一样，无缝接入了顺丰内部庞大的私域代码库和文档库；当程序员敲下一行代码时，AI不用瞎猜了。

直接在顺丰沉淀了十几年的技术资产里瞬间检索，找到最匹配的逻辑，生成代码。效果怎么样呢？现在顺丰全公司，日均 20% 的代码是由 AI 生成的 。

相当于每五个字代码里，就有一个是 AI 写的。解放了顺丰 1000 多名开发者的生产力，让他们从枯燥的「搬砖」中解脱出来，去思考更复杂的物流算法 ；这是实打实的新质生产力。不炫技，在给企业省钱、增效。

智远再说一个应用场景最稀缺的例子：社会治理。

在美国，AI 处理标准英语也许很容易。但在中国，处理老百姓夹杂着方言、情绪激动、逻辑混乱的投诉，是对 AI 理解力的极致考验。

北京市海淀区的「接诉即办」系统，每月受理量十几万，以前靠人工听录音、打标签，根本搞不过来。

因为数据量太大了，而且是非结构化的。现在接入文心大模型后，它不仅能更懂人性，还能从一堆唠叨里精准提取诉求，自动分类填单 。

数据反差极其强烈：

以前做简单指标统计要 3 天，现在只要 1 分钟；画个图表以前要 5 天，现在 30 分钟搞定；这是给庞大的城市治理装上了一个实时思考的“大脑”，让管理者能听懂每一句人间烟火。

最后，如果非要说我们不懂基础科学，那就去上海交大看看。

传统科学实验，其实很笨。就像爱迪生试灯丝一样，要在实验室里进行成千上万次的重复试错，耗时耗力 。

上海交大基于文心大模型搞了个 AI for Science 平台 。现在，只要输入分子 SMILES 序列，5 秒钟之内就能检索出反应过程、反应条件和相关文献 。

这个成果，直接登上了 Nature Computational Science 的封面 。

Nature Computational Science是什么？不懂行的认为这只是一篇论文，但在学术圈，这本《自然》旗下的顶级子刊，代表着「计算+科学」交叉领域的最高门槛。

能上封面，意味着中国 AI除了做应用，还能定义基础科学的未来范式。

所以，当看到 AI 开始指导化学反应，开始设计高铁外形，开始听懂老百姓方言，开始替程序员写两成的代码时，还会觉得中国是跟随者吗？

最后，智远想说一个细思极恐的细节。关注 LMArena 的朋友会知道，哪怕你看到了它排在国内第一、全球前十，别忘了，它的名字后缀里还挂着一个词：Preview（预览版）。

什么意思？

也就说，打败GPT-5.2、把不少美国模型甩在身后的「文心 5.0」，还是一个「未完全体」；这就像武林高手过招，对方还没拔剑，只是试探性地出了一掌。

智远看到榜单后，问了下熟悉的人，他们说：文心大模型 5.0 正式版，大概率会在 1 月份正式上线。

试想一下，一个 Preview 版本已经能在竞技场里撕开铁幕，那经过一个月打磨后的正式版，又会拿出什么样的性能呢？

如果只盯着分数，可能又看走眼了，因为现在大模型上榜大家关注少了，智远觉得，这事儿还有更深的一层意味。我们不仅要问文心 5.0 还能得多少分，更要问一个终极问题：

当技术代差被抹平之后，中美 AI 的终局竞争到底拼什么？拼谁的模型多 10 分？还是拼谁的参数大一倍？ 都不是。

拼谁能把技术变成像水和电一样，流进每一个普通人的生活里。

这也是智远认为，百度在模型上下功夫的地方；它不仅自己在进化，它还带着整个生态在进化；以后要把它用到AI搜索里、百度文库网盘里、以及企业服务场景里，岂不是成了降本提效的「日用品」？

所以，当 DeepMind 还在嘲笑我们「应用快」的时候，他们可能没意识到：应用，本身就是一种巨大的技术壁垒。

因为应用会产生数据，数据会反哺模型，模型进化了又带来更好的应用；这是一个正向滚动的雪球。 而文心模型，是在雪球的中心。

所以，回到DeepMind 那句傲慢的评判。

当中国名字出现在榜单前列，当我们的 AI 深入到高铁与政务的毛细血管，当“预览版”能同台竞技时，不管硅谷还是 DeepMind，或许都该换一副眼镜看中国 AI 了。

承认别人的优秀，并不丢人。

在这个时代，创新没有时间限制，没有垄断权；它可以发生在加州的实验室里，也可以发生在中国的高铁车间里。

中美 AI 的故事，是「双强并峙，各登山顶」。这，才是 AI 赛场上的真相。我也比较期待啥时候上线正式版。