文章核心观点 - 中国生成式AI行业在热潮中开始反思，警惕过度聚焦大模型参数规模而忽视原始创新和底层“根技术”的战略意义，行业呼吁回归智能本质与顶层逻辑研究，以构建持久的自主核心竞争力 [1][2][7] 行业反思与认知偏差 - 行业“押宝大模型即押宝未来”的观点引发担忧，聚焦参数规模和表面技术突破容易忽视原始创新和底层技术的战略意义，长此以往或使行业在核心竞争力上迷失方向 [1] - 当前行业讨论几乎被大模型能力占据，基础学科、原始创新与智能本质的研究被边缘化，甚至遭到部分舆论否定，形成了某种“技术投机”氛围 [2] - 这种认知偏差让长期支撑AI发展的基础学术群体、理论工作者、认知科学研究者被忽视，正使行业离真正的AI创新越来越远 [2] AI创新的层次与“根技术”内涵 - AI创新可分为五个层次：哲学（明确“智能”本质）、理论（形成严密数学框架）、模型、算法以及工程与部署，分层思维提示原始创新才是颠覆式变革的驱动力和夯实自主可控能力的关键 [2] - “根技术”是能够衍生并支撑一个或多个技术簇的技术，是技术树之根，决定技术树的荣枯 [3] - 在AI产业中，“根技术”囊括最基础、最核心的技术分支，包括芯片、操作系统、算法框架等，实现“根技术原创”是推动AI产业从模仿追随到自主研发转变的重要支撑 [3] 产学研各方的行动与观点 - 官方层面，国务院国资委在2025年2月强调要抓住战略窗口期，强化科技创新，聚焦关键领域加快掌握“根技术”，推动产生更多“从0到1”的原始创新 [4] - 产业规模方面，截至2024年，全球AI企业约3万家，中国拥有超过4500家人工智能核心企业，占全球总数约七分之一 [4] - 产业代表传神语联创始人何恩培指出，底层技术的自主创新不依赖于简单的规模扩张，而是一种全面系统的研发策略，大模型并非越大越好，其表现取决于架构设计、训练策略优化及底层参数控制等多方面因素 [4] - 针对大模型“跑偏”问题，传神语联副总裁何征宇指出，这主要因数据处理和生成逻辑缺乏严密控制导致，可通过底层参数合理控制、知识向量化及建立标准化控制点来引导输出符合预期 [5] - 大模型商业化突破并非单纯依靠追求规模，客户数据真实性、训练架构的经济性设计以及数据和推理的合理分离，都是保证模型性能和适用场景的关键因素 [6] - 数据猿主编张艳飞表示，当前全球AI根技术竞争已进入“认知主权”争夺阶段，但国内普遍陷入“数据堆砌+参数膨胀”的路径依赖，应依靠真正的根原创，重构底层逻辑并从算法架构、训练范式等基础层打破西方技术范式垄断 [6] - 学术界如中国科学院院士鄂维南指出，AI长期稳定发展需要多方面、多层次的人才，建议从整个计算产业角度全面布局AI发展蓝图，创新人才培养方式，建设高质量、多层次人才梯队 [6] 未来竞争方向 - AI未来的竞争将不仅是参数和算力的较量，而是一场关于认知架构、底层算法、系统协同以及用户数据真实性的全方位竞争 [7] - 唯有回归到底层原创和技术本源，真正做到理论、模型、算法及工程体系的系统协同，才能为人工智能产业发展注入持久动力 [7]