其實，國外在AI方面的研究，本來就是比國內的要領先，這個是事實。之所以會出現(xiàn)目前的局面，一方面確實是視覺識別出現(xiàn)的比較早，在應用方面比較簡單，因此導致國內在視覺識別的研究方面形成了路徑依賴，不論是算據(jù)方面，還是市場應用方面，都在圖像識別方面下了大力氣，所以也卷的很厲害。反而在以自然語言（NLP)為核心的LLM方面，沒有人太關注，因為這個一方面確實一時半會看不到應用場景，同時也是底層的技術研發(fā)不到位共同作用導致。

另外，國外之所以在視覺識別方面沒有太大的進展，其實也不是國外的研發(fā)能力，而是很嚴格的技術倫理要求，導致算據(jù)不好大規(guī)模采集，應用很難落地。所以只能另辟蹊徑。這個就很像是之前的很多領域，包括軟件和硬件產品的情況一樣，國外負責探索，國內負責落地。

這個本身也沒有什么特別的地方，因為和圖像識別一樣，都知道是用的什么算法，算力水平也都具備。只要補上算據(jù)這個短板，很快國內又會大規(guī)模的應用。

所以，基于chatgpt的AIGC的出現(xiàn)，可以看作是解決了AI的一個很重要的點，就是怎么形成新內容,類似于具備了本科水平的思考能力。之前的AI應用，其實還是簡單的識別判斷，相當于貓貓狗狗的識別能力。如果把兩者有機聯(lián)系，底層統(tǒng)一起來，再結合語音生成，那基本上具備了真人工智能雛形的幾個核心條件，收集視覺和文字信息，對信息的有邏輯的分析，歸納和總結以及內容的輸出，這個可能才是考驗國內的大廠和研發(fā)機構的能力的時候。?