DeepMind的掌门人德米斯·哈萨比斯，最近接受了CNBC《科技快讯》的专访。他的一番话，恐怕会让不少人重新审视中国AI的现状。这一次，他的评价出乎不少人意料：中国大模型与美国最前沿水平的差距，已经压缩到“仅数月”的程度——绝非外界常常渲染的那般“代际鸿沟”。

哈萨比斯专门点到了DeepSeek、阿里巴巴和月之暗面（Moonshot）这些中国公司，直言它们的模型在性能、训练规模和推理效率上“令人印象深刻”，整体能力基本上已经能跟国际第一梯队平起平坐。更值得注意的是，他指出，在AI算力基础设施的部署、系统级工程落地，以及垂直行业场景的覆盖广度上，中国甚至展现出局部领先的优势。这追赶的劲头，着实够猛。

不过，话锋一转，他也划出了一条关键的分界线：中国AI尽管在技术实现和产品化节奏上表现突出，但至今还没有孕育出那种真正具备“碘伏性”的原创范式——也就是从零起步、定义新方向的基础性科学突破。说白了，更多是在既有路径上加速优化、规模化复刻，而不是开创一个全新的方向。

在他看来，原创科学突破的难度，远比高效的技术跟进要高出几个量级。而眼下中国AI生态的显著特征，仍然是快速吸收、适配和放大全球最新的成果。对于全新模型架构、底层理论框架，乃至跨学科融合机制的源头探索，投入和产出都还显得不够。

尤其值得玩味的是，哈萨比斯把这一深层差距的根源，指向了“创新文化与思维惯性”，而非仅仅是外部技术管制。他坦率地承认，美国对高端AI芯片的出口限制，确实客观上束缚了中国超大规模模型的训练能力，未来可能加剧发展的不均衡。但他话锋一转，强调真正的挑战在于：能否构建一个支持高风险、长周期基础研究的制度环境与社会氛围。

他有一句话或许道破了天机：“真正的创新，依赖于容错的文化土壤和跨领域的自由思辨空间——这种软性基础设施，比最先进的GPU集群更难构建，也更难替代。”