來源：財(cái)經(jīng)頭條

　　來源：鈦媒體

　　近日,，由長江商學(xué)院主辦,、汕頭大學(xué)協(xié)辦的“2024長江獨(dú)角獸峰會(huì)”上，鈦媒體集團(tuán)創(chuàng)始人,、董事長,、CEO 長江商學(xué)院EMBA項(xiàng)目校友 趙何娟發(fā)表主題“中國AI追隨之路的五大誤區(qū)”的演講。

　　以下是鈦媒體AGI編輯整理的演講主要內(nèi)容：

　　各位校友,，大家好,，我今天演講的題目是“中國AI追隨之路的五大誤區(qū)”,。

　　從鈦媒體角度來說,，在 AI 領(lǐng)域我有兩個(gè)角色，既是AI領(lǐng)域里面的研究者報(bào)道者,，也是AIGC在內(nèi)容產(chǎn)業(yè)變革中的實(shí)際應(yīng)用參與者,。

　　從AI 1.0的時(shí)代，鈦媒體就緊密地關(guān)注 AI 領(lǐng)域的發(fā)展,，而在 AI 1.0時(shí)代,，無論是中國上市公司還是應(yīng)用角度來看，與美國相比,，我們好像已經(jīng)有趕超的趨勢,。但是到了 AI 2.0時(shí)代，也就是AIGC（生成式人工智能）時(shí)代下,，我們突然發(fā)現(xiàn),，為什么中國一夜之間好像就變得落后了。

　　下午我都很認(rèn)真的聽了每一位嘉賓的分享,，其中有嘉賓問到說,，為什么好現(xiàn)在GPT火了之后中國大模型很快就趕上來了，說明跟美國相比,，中國的實(shí)力,、能力建設(shè)就可能差了一點(diǎn)點(diǎn)。

　　但其實(shí)我現(xiàn)在想“潑點(diǎn)冷水”,，我覺得短期來說我們可能有點(diǎn)太樂觀了,。不僅對中國市場過于樂觀，而且可能對全球 AI 應(yīng)用爆發(fā)的速度也可能過于樂觀了,。我認(rèn)為,，短期內(nèi)沒有大家想象那么快，長期又可能過于“忽視”,，總想著是不是馬上能賺錢,。

　　我們報(bào)道10多年,，一直跟蹤這個(gè)領(lǐng)域，其實(shí)中國有很多 AI 領(lǐng)域的創(chuàng)業(yè),。但我們現(xiàn)在已經(jīng)處于一個(gè)相對落后的狀態(tài),，我們可能要更多地面對現(xiàn)實(shí)，怎么走出“偽AI創(chuàng)業(yè)區(qū)”,。

　　接下來我再詳細(xì)講一下,。

　　AI 領(lǐng)域今年最受關(guān)注的兩件事：AlphaFold 3剛剛發(fā)布、GPT-5即將發(fā)布,。

　　首先就是昨晚（8日）鈦媒體最早,、最全面報(bào)道的Google DeepMind團(tuán)隊(duì)發(fā)布的AlphaFold 3模型。

　　2022年,，AlphaFold 2增強(qiáng)版發(fā)布,，兩年之后的今天，它升級到AlphaFold 3模型——生物學(xué)領(lǐng)域關(guān)于蛋白和生命結(jié)構(gòu)預(yù)測的模型,。這個(gè)過程中的最根本的一個(gè)變化,，就是把底層計(jì)算方式、模型算法變了,。

　　AlphaFold 3使用了基于Transformer生成式模型和擴(kuò)散模型的結(jié)合,，對于蛋白質(zhì)與其他分子的相互作用，與現(xiàn)有預(yù)測方法相比,，AlphaFold 3預(yù)測精度提高100%,。

　　之前的AlphaFold 2預(yù)測精度已經(jīng)較之前至少翻了一倍，如今再翻了一倍,。這個(gè)過程中相關(guān)科學(xué)家有過對比,，這可能為生物研究界帶來了數(shù)億年的進(jìn)步，節(jié)省數(shù)萬億美元,。

　　也就是說如果不用這次AI大模型,，我們靠研究人員自己去研究，可能要花數(shù)億年,、花掉數(shù)萬億美元才能達(dá)到現(xiàn)在的計(jì)算效能,。所以，這就是真正AIGC的力量,。

　　但中國在此方面的研究成果幾乎是“空白”的,。今天我們還發(fā)了顏寧教授的演講，前兩年她還說 AI 不可能準(zhǔn)確預(yù)測蛋白相關(guān)結(jié)構(gòu),，如今的發(fā)布可以說被“打臉”了,。

　　第二個(gè)就是GPT-5即將發(fā)布。

　　我認(rèn)為，這件事情帶來的震撼力不會(huì)低于AlphaFold 3的顛覆性技術(shù)影響,。因?yàn)镚PT-4的發(fā)布就是比GPT-3更加震撼,。

　　為什么中國能快速發(fā)展很多模型，我覺得這個(gè)最重要的是感謝開源,，因?yàn)镚PT-3之前OpenAI是開源的,，包括谷歌Transformer論文也是開源的，GPT3之后才改成閉源了,。

　　這意味著,，從GPT-3到GPT-4本質(zhì)上已經(jīng)是一個(gè)巨大飛躍了。而即將發(fā)布的GPT-5,，將再次實(shí)現(xiàn)比GPT-4質(zhì)的飛躍,，解決諸多局限性。

　　我去年9月見了OpenAI創(chuàng)始人,、CEO奧爾特曼（Sam Altman）,，他說過去一段時(shí)間OpenAI一直都在問GPT-5做準(zhǔn)備。但如果GPT-5性能只是一個(gè)簡單能力提升的話,，不會(huì)間隔這么長時(shí)間,。而GPT-5的一個(gè)本質(zhì)變化,，可能會(huì)把相關(guān)的推理模型,、相關(guān)數(shù)據(jù)會(huì)做一個(gè)分離，同時(shí)可能會(huì)推出他們自己的搜索引擎,。

　　而這些令人震撼的進(jìn)展,，在中國我可以悲觀一點(diǎn)叫“望塵莫及”，樂觀一點(diǎn)就是但凡它推出來,，我們就有能力改善和追趕,。

　　我接下來要重點(diǎn)談，為什么現(xiàn)在我們說,，中國作為 AI 領(lǐng)域追隨者,，要有追隨者的自覺，那就是不要過于抬高自己,，主要好好學(xué)習(xí),。明確我們現(xiàn)在面臨的一個(gè)事實(shí)，所以我們首先明確幾個(gè)誤區(qū),，才能夠清楚我們自己到底在什么位置,。

　　第一大誤區(qū)：中美AI差距只有1到2年。

　　我認(rèn)為很重要的就是,，大家每次都談?wù)勚忻?AI 差距大概是只有1~2年,，那是不是真的就是1~2年，為什么會(huì)是1~2年,？因?yàn)闀?huì)有很多人說GPT3發(fā)布就在2020年,，那可能在2022年chatGPT出來之后,，我們也快速出來了類似于GPT3相關(guān)的模型，GPT4出來之后,，我們也很快能出來一個(gè)對標(biāo)GPT4水平的模型,，就意味著我們相差的時(shí)間可能是1—2年，真的是這樣嗎,？

　　我會(huì)覺得所有用這樣時(shí)間來表述差距的都是“耍流氓”,，因?yàn)槟鞘侨思覄?chuàng)新蝶變的代際時(shí)間，不是我們的差距時(shí)間（能力水平）,。

　　如果說GPT-5現(xiàn)在不能出來,，我們可能10年都追趕不上。但是GPT-5出來,，我們可能也許花2~3年能趕上,。而GPT-5模型水平只是人家的創(chuàng)新節(jié)點(diǎn)、迭代時(shí)間水平,，不是我們自己能力水平,，這一點(diǎn)需要非常清楚，這也是我們本質(zhì)上的一個(gè)差距,。

　　我們要看到,，這真的是創(chuàng)新引領(lǐng)的差距，不是一個(gè)我們花兩年趕上一個(gè)模型就改變了中美 AI 差距了,。

　　第二個(gè)誤區(qū)：中國是全球最大的AI專利和人才市場,。

　　我們常常會(huì)說，尤其是在AI 1.0的時(shí)代,，中國投資人和創(chuàng)業(yè)者到美國硅谷做相關(guān)演講說,，中國 AI 已經(jīng)領(lǐng)先于美國了。背后經(jīng)常會(huì)提到的一個(gè)指標(biāo)是,，中國是全球最大的AI的專利和人才市場,。

　　這個(gè)專利市場包括我們中國發(fā)布AI相關(guān)論文和申請AI專利的數(shù)量，可以說全球數(shù)一數(shù)二的,，然后以及從事AI相關(guān)人才的數(shù)量,，我們可以說全球數(shù)一數(shù)二。

　　但事實(shí)是什么樣的呢,？

　　我們可以看這張圖，里面可以看到,，新一代全球數(shù)字科技領(lǐng)域,，大多數(shù)都是以 AI 相關(guān)論文的，中國排名確實(shí)是很高的。但是到相關(guān)頂尖論文的數(shù)量,，或者說被引用論文次數(shù)的數(shù)量,，我們一下就落下來了。

　　也就是說,，事實(shí)情況是,，雖然我們的論文數(shù)量是全球領(lǐng)先的，但是作為世界公認(rèn)標(biāo)準(zhǔn)Top one的頂尖論文數(shù)量,，中國不僅低于美國,，我們也低于德國、加拿大,、英國等,。

　　與此同時(shí)，我們可以看到我們相關(guān)工程師人才,。

　　中國確實(shí)在大學(xué)當(dāng)中培養(yǎng)大量工程師,、計(jì)算機(jī)領(lǐng)域人才，包括很多硅谷的大企業(yè)都到清華北大,，到中國招聘計(jì)算機(jī)專業(yè)人才,。

　　但是我們可以看到，即便是在2022年頂尖研究人員里面,，雖然中國也是排在第二名左右,，但是一上到頂級 AI 研究人員數(shù)量，只有美國的1/5左右,。,。如今，2024年可能比兩年前更糟糕了,。

　　所以這不是我們想的那樣，中國是全球 AI 人才大國,。

　　第三個(gè)誤區(qū)：中國AI的主要障礙是在算力上“卡了脖子”,。

　　中國 AI 的主要障礙在于“算力卡脖子”。我們認(rèn)為算力卡了脖子,，所以我們只要以各種手段能夠買到相關(guān)的芯片,，那是不是就已經(jīng)達(dá)到相關(guān)水平了？

　　但是我想給大家潑一杯冷水的是,，在這一輪AI 2.0的這一輪發(fā)展里面,，不僅算力很重要，模型創(chuàng)新能力也很重要,，數(shù)據(jù)能力也很重要,。因此，現(xiàn)在的事實(shí)是，我們不僅是“算力”是瓶頸,，我們的底層模型的創(chuàng)新能力,、數(shù)據(jù)能力都是“瓶頸”。

　　我先說數(shù)據(jù)能力,，很多人覺得中國是一個(gè)很大的應(yīng)用市場,，中國的消費(fèi)者數(shù)據(jù)，企業(yè)行為數(shù)據(jù)等等各分析的數(shù)據(jù)一定是很豐富的,，所以大家覺得中國是有充分的數(shù)據(jù),，但是我要非常殘忍的告訴大家，很多數(shù)據(jù)都是無用數(shù)據(jù),，或者是不可用數(shù)據(jù),。

　　我在今年年初的時(shí)候跟美國氣象的一個(gè)華裔科學(xué)家，同時(shí)也是中國氣象所的顧問,，在講到氣象數(shù)據(jù)的時(shí)候,，我說我們也有相關(guān)的公司推動(dòng)了相關(guān)氣象計(jì)算預(yù)測的模型。那個(gè)科學(xué)家就非常直白的說了一句,，我們所有的氣象數(shù)據(jù)幾乎都是沒用的,，因?yàn)槲覀內(nèi)狈v史氣象數(shù)據(jù)的整理，缺乏氣象數(shù)據(jù)的歸納,，缺乏氣象數(shù)據(jù)相關(guān)的整合,，變成可計(jì)算的數(shù)據(jù)。

　　目前對于中國而言,，“都缺”,。美國 AI 生態(tài)里面最重要的一個(gè)就是關(guān)于數(shù)據(jù)市場的建設(shè)。但在中國,，理論上說是沒有數(shù)據(jù)市場的,。這個(gè)就是生態(tài)建設(shè)能力里很重要的，就是關(guān)于數(shù)據(jù)市場的建設(shè),。那你數(shù)據(jù)市場不成熟,，你能算什么？

　　中國的模型公司,，可以說在中文的計(jì)算能力上相對來說是領(lǐng)先的,，但是整個(gè)中國的數(shù)據(jù)市場占全球的數(shù)據(jù)市場不到1%，以及再看所有的數(shù)據(jù)有效性的時(shí)候可以看到,，世界主流所有相關(guān)的論文數(shù)據(jù),、研究數(shù)據(jù)，包括用戶的應(yīng)用數(shù)據(jù),，視頻也好,，還是文字也好,，相關(guān)的應(yīng)用數(shù)據(jù)，絕大部分依然是英文的數(shù)據(jù),。

　　所以如果我們不能很好的用英文的數(shù)據(jù)計(jì)算,，我們?nèi)绾文苄纬晌覀冏约河凶銐蚋偁幜Φ拇竽Ｐ停@個(gè)是很難的,。這就是為什么我說我們不要以為美國只是卡了我們的算力脖子,，好像只在半導(dǎo)體上發(fā)力就行了，實(shí)際上是整個(gè)生態(tài)能力建設(shè),，從算力到底層模型的創(chuàng)新,，到數(shù)據(jù)能力和數(shù)據(jù)市場的生態(tài)的建設(shè)，我們整體都是落后的,。如果非要用時(shí)間來說的話,，真要把能力建設(shè)起來的話，沒有十年的時(shí)間是很難把它很好的建設(shè)起來的,。

　　第四大誤區(qū)：閉源大模型 VS 開源大模型 誰更好,？

　　前段時(shí)間可以看到有一些企業(yè)家和網(wǎng)紅一直在爭論說閉源大模型好，還是開源大模型好,，我覺得這更好這事情根本不重要,，只有誰更合適。

　　其實(shí)不管是開源還是閉源都有各自的優(yōu)劣,，就像手機(jī)的iOS是閉源,，安卓是開源一樣的，它是有各自的優(yōu)劣,?？赡苣壳霸谛阅苌蟻碚f，尤其是大語言模型,，因?yàn)楝F(xiàn)在大語言模型動(dòng)輒就要算千億級數(shù)據(jù)都算小的,，動(dòng)輒都是萬億的數(shù)據(jù)，像OpenAI都是數(shù)萬億級的數(shù)據(jù)了,，這種時(shí)候閉源的性能是明顯高于開源的,。

　　對于很多的應(yīng)用來說,，或者對于我們的場景，我們其實(shí)是沒有必要每一個(gè)模型都算到萬億級那么大的,，那么在一定程度上里說,，開源模型并非不可以。

　　作為OpenAI這種領(lǐng)頭羊來說,，它的目標(biāo)是要實(shí)現(xiàn)AGI,，就是要實(shí)現(xiàn)通用人工這件事情來說,，閉源可能會(huì)讓它有更快，更容易集中更多的資源,、資金,，更快的實(shí)現(xiàn)AGI這個(gè)目標(biāo)。

　　但是對于要來做全社會(huì)普及有更多的應(yīng)用和更多的迭代的速度來說的話,，可能開源大模型也是非常必不可少的,。所以我們應(yīng)該跳出是開源大模型更好，還是閉源大模型更好這樣的爭論來看,，不管是哪一個(gè)更好,，最重要的都是我們是否有自己的創(chuàng)新能力，是否有自己的原創(chuàng)性能力,，而不是低水平的山寨,。

　　我們在說百模大戰(zhàn)，千模也好,，假如說我們的模型都有各自的創(chuàng)新點(diǎn),，都在各自的領(lǐng)域里能夠發(fā)揮出相關(guān)創(chuàng)新的作用，那么一個(gè)也不多,。

　　假如說百模大戰(zhàn)也好,，千模大戰(zhàn)也好，不能有任何的創(chuàng)新點(diǎn),，只是在低水平的山寨和復(fù)制,、內(nèi)卷，那么確實(shí)一個(gè)也不需要,。所以我覺得這個(gè)才是真正的問題,，就是自己能不能在模型的創(chuàng)新能力上真正的走到世界舞臺(tái)上，這是要好好的想的事情,。

　　第五個(gè)誤區(qū)：AI 在各大垂直產(chǎn)業(yè)的爆發(fā),，會(huì)很快發(fā)生。

　　在中國我聽到最多的都是說,，我們馬上要進(jìn)垂直產(chǎn)業(yè)的爆發(fā),，今年都是大模型應(yīng)用爆發(fā)的元年。我今年年初就跟一些朋友說,，今年不可能是AI垂直產(chǎn)業(yè)爆發(fā)的元年,，可以說是應(yīng)用的開始，但不能說爆發(fā)的元年,，不可能馬上爆發(fā),，因?yàn)樗械氖虑槎际怯谢疽?guī)律的，一個(gè)產(chǎn)業(yè),、行業(yè)的發(fā)展都是有規(guī)律的,。

　　而核心的原因就是因?yàn)?，我們整個(gè)基礎(chǔ)設(shè)施能力還沒有達(dá)到產(chǎn)業(yè)廣泛應(yīng)用的標(biāo)準(zhǔn)。

　　比如說現(xiàn)在的SORA也好,，還是什么應(yīng)用也好,，我們已經(jīng)達(dá)到了50%的水平，那我是不是可以有50%的應(yīng)用呢,？不是的,。如果說產(chǎn)業(yè)應(yīng)用必須要到90%的水平，你只有50%的水平,，哪怕只有89%的水平,，你都不可能在這個(gè)產(chǎn)業(yè)里快速的得到爆發(fā)級的應(yīng)用。

　　大家不要認(rèn)為只有中國算力被“卡脖子”,，而是全世界的算力都被“卡脖子”,，美國企業(yè)也一樣被算力“卡脖子”。這就是為什么,，OpenAI在推進(jìn)GPT-5,、GPT-6的過程中速度依然還是很慢的，更深層次是 AI 大模型就是一個(gè)“暴力美學(xué)”——以足夠大的數(shù)據(jù),、算力,、能源為前提，否則一定會(huì)被“卡脖子”的,，它一定是只能一點(diǎn)點(diǎn)來推進(jìn)的,。

　　有很多企業(yè)可能會(huì)指望說，中國公司認(rèn)為在技術(shù)創(chuàng)新能力上不如美國,，但中國市場規(guī)模要比美國大,、中國的應(yīng)用能力要比美國更強(qiáng)，那么我是不是集中于創(chuàng)業(yè)做應(yīng)用,，從而能快速獲得成功或者成果,？

　　但我認(rèn)為，這件事長期來看是這樣的,，但短期來看是沒有機(jī)會(huì)的,。

　　OpenAI CEO奧爾特曼（Sam Altman）也說，95%創(chuàng)業(yè)公司依附在大模型上開發(fā),，但是大模型每次大規(guī)模迭代都會(huì)取代一批創(chuàng)業(yè)公司,。

　　AI 也不會(huì)違背一般商業(yè)定律，所以當(dāng)基礎(chǔ)能力積累到一定程度前,，即便用了AI也不見得會(huì)取代原有產(chǎn)品,。

　　這也是我今年跟Pika創(chuàng)始人在聊的時(shí)候，她最大的危機(jī)感,。我問她你覺得Pika最大競爭對手是runway嗎,，她卻說最大的危機(jī)感是來自O(shè)penAI，因?yàn)镺penAI 一定是要做多模態(tài)的技術(shù),。所以我認(rèn)為,，當(dāng)基礎(chǔ)能力積累到一定程度之前，即便做了 AI 應(yīng)用,，也不會(huì)取代之前應(yīng)用,。

　　因?yàn)榛A(chǔ)建設(shè)能力還沒有達(dá)到為這個(gè)行業(yè)產(chǎn)生質(zhì)變的時(shí)候，它就不可能變成一個(gè)“爆發(fā)”型新的 AI 時(shí)代,。

　　很多人說,，中國移動(dòng)互聯(lián)網(wǎng)應(yīng)用就在全球領(lǐng)先，但我們現(xiàn)在所處的歷史時(shí)間點(diǎn)位置不是對應(yīng)互聯(lián)網(wǎng)時(shí)代,，移動(dòng)互聯(lián)網(wǎng)應(yīng)用的爆發(fā)階段,，即AI當(dāng)下發(fā)展階段，不是后互聯(lián)網(wǎng)發(fā)展階段,，而是相當(dāng)于早期思科的階段,。

　　現(xiàn)在的英偉達(dá)就像當(dāng)年的思科，當(dāng)年思科在美國市場上一騎絕塵,，一年能漲60倍股價(jià)的時(shí)候,，那個(gè)時(shí)候有什么互聯(lián)網(wǎng)公司是值得一提的嗎？那時(shí)候很多現(xiàn)在的互聯(lián)網(wǎng)公司可能都還沒有出現(xiàn),。后來也是基礎(chǔ)設(shè)施能力的提升,，通信技術(shù)從2G到4G的發(fā)展，網(wǎng)絡(luò)技術(shù)的提升,、移動(dòng)互聯(lián)網(wǎng),、長視頻短視頻的應(yīng)用逐漸出來。

　　現(xiàn)在的 AI 應(yīng)用,，還是在幫助我們怎么提高產(chǎn)業(yè)效率,，但想要徹底改變這個(gè)行業(yè)來說還需要時(shí)間、需要耐心,。

　　這就是為什么我們說,，目前還是弱人工智能,，中國的大市場優(yōu)勢暫時(shí)無法發(fā)揮,。短期內(nèi)，還是內(nèi)容生成相關(guān)輔助工具為主,，比如搜索,、問答、文生圖,、文生音視頻等,。

　　那么，接下來,，我們要如何應(yīng)對這些,？

　　我覺得我們可能真的要形成一定的社會(huì)共識，怎么在一個(gè)全球環(huán)境和 AI 發(fā)展過程中來做我們應(yīng)該做的事,。

　　第一個(gè),，加大基礎(chǔ)創(chuàng)新長期能力建設(shè)。

　　這種生態(tài)能力建設(shè)非常重要,，甚至要從教育開始抓起,，比如建立 AI 教育、高校教育體系評估標(biāo)準(zhǔn),、相應(yīng)的學(xué)術(shù)開放和交流的體系等,，需要圍繞著AI本身的創(chuàng)新技術(shù)能力去重新匹配。同時(shí),，我們也要提高大模型研發(fā)創(chuàng)新的基礎(chǔ)能力,，沒有這個(gè)基礎(chǔ)，其他的都是“無源之水”,。

　　第二個(gè),，是耐心面對各產(chǎn)業(yè)應(yīng)用場景的AI爆發(fā)周期，每個(gè)被AI改變的產(chǎn)業(yè)都面臨要從基礎(chǔ)底層技術(shù)改變開始的新周期,，不會(huì)“一蹴而就”或者“一夜爆發(fā)”,。

　　我認(rèn)為每個(gè)可能被AI改變的產(chǎn)業(yè)，也都要面臨從底層基礎(chǔ)設(shè)施改變,，并開啟一個(gè)產(chǎn)業(yè)的新周期,，比如我們媒體行業(yè)其實(shí)也要從底層周期開始變化，而不是說我馬上就在應(yīng)用層徹底變了，不是這樣的,。包括相關(guān)的機(jī)器人行業(yè),、制造業(yè)、生物制藥行業(yè)等等都會(huì)發(fā)生顛覆性影響,，但從這一點(diǎn)來說,，我們的基礎(chǔ)科研能不能跟得上，這就變得非常重要了,。

　　每一個(gè)產(chǎn)業(yè)都有自己的底層能力、從零開始的地基建設(shè),，這個(gè)才是我們真正的產(chǎn)業(yè)周期,。

　　第三個(gè)，是用更開放態(tài)度,，迎接全球AI建設(shè)的競爭與挑戰(zhàn),，不能自己卡自己脖子。

　　很多人都說,，美國人卡我們的脖子,，但現(xiàn)在我希望，我們自己不要卡自己的脖子,。這也是為什么我說,，我們不要低水平的山寨競爭，甚至我們可能也希望在 AI 治理,、AI 規(guī)范,，甚至AI倫理建設(shè)上面緩一緩，而是應(yīng)該在 AI 創(chuàng)新層面更加激進(jìn)一些,，要用更開放的態(tài)度去做這件事,。

　　我希望，我們 AI 領(lǐng)域的研究,，不要走新能源汽車的“老路”,，可能10年前我們新能源汽車還是有創(chuàng)新的，比如在智能體驗(yàn),、動(dòng)力電池技術(shù)等領(lǐng)域還有很多創(chuàng)新,。但是到今天，包括小米的進(jìn)場,，我們卻都是在低水平,、重復(fù)性“內(nèi)卷”，這就意味著我們很難向前發(fā)展,。

　　所以,，我希望我們的基礎(chǔ)研究能力、創(chuàng)新能力能夠走得更快，能夠更耐心一點(diǎn),。