马斯克都点赞了：中国AI这波真的起来了？

马斯克都点赞了：中国AI这波真的起来了？ 马斯克都点赞了：中国AI这波真的起来了？ 2026年3月3日，除夕夜。 大多数人还在家里吃年夜饭、看春晚的时候，阿里巴巴悄咪咪地干了一件大事——开源了Qwen3.5系列小尺寸模型，一口气放了0.8B、2B、4B、9B四款模型出来。 然后马斯克同志直接在X上评价了一句话： “Impressive intelligence density”（智能密度令人印象深刻） 。 千问团队核心成员林俊旸一看，嘿，老马点名了，果断转发回复了个" thx elon! "。 就这么一来一回，全世界都注意到了——中国的大模型，好像真的不太一样了。 一、0.3%，中美AI差距就剩这么点了？ 就在上个月，斯坦福大学发布了2025年《人工智能指数报告》，这份报告总共456页，被誉为AI领域的"年度风向标"。 报告中有个数据看得人眼眶一热： 在MMLU等关键基准测试中，中美顶尖AI模型的性能差距，已从2023年的20%，急剧缩小到现在的——0.3%。 0.3%是什么概念？基本上就是你在马路边上看远处两个人的身高，已经快看不出来了。 当然你要说完全追上了，那也还得辩证地看。斯坦福报告白纸黑字写着：2024年美国发布了40个"知名AI模型"，中国发布了15个。数量上还是有差距的。 但是！关键就是这个but——中国模型的"质量"正在以肉眼可见的速度追赶。报告中专门画了张图对比中美模型在各项基准上的表现，差距从原来的"遥遥领先"变成了现在的"基本持平"，有的指标甚至还反超了。 斯坦福HAI的研究主管Vanessa Parli在接受采访时说了句大实话： "这创造了一个激动人心的局面。好的地方在于，这些模型不再仅仅是由硅谷的五个人开发的。" 听起来是不是有点扬眉吐气的感觉？ 二、马斯克说的"智能密度"，到底是个啥？ 咱们来聊聊马斯克说的这个"智能密度"（Intelligence Density）。 传统的大模型发展路线，讲究的是"力大砖飞"——参数越多越好，数据越大越好，显卡堆得越多越厉害。你看GPT-4，参数规模直接飙到万亿级别，训练一次据说要花1个多亿美元。 但这条路线有个致命问题：太贵了，太费电了，普通公司根本用不起。 千问3.5这次不一样。它走了另外一条路—— 用更少的参数，做更多的事。 官方测试数据摆在那里：紧凑型的9B版本，在IFBench、GPQA Diamond等多项测试中，表现已经 媲美甚至超越了千亿参数规模的gpt-oss-120B 。 将近100倍的参数差距，结果性能差不多。这才是马斯克真正惊叹的地方。 千问团队怎么做到的？主要是两招： 第一招：MoE架构（混合专家模型）深度优化。 简单说就是把模型拆成多个"专家"，用的时候只调用相关的专家，不用每次都调动整个模型。这就好比一个公司，不是所有事情都让老板亲自处理，而是让各个部门各司其职。 第二招：训练流程效率提升。 同样的数据，更好的训练方法，效果反而更好。千问3.5系列的最大吞吐量提升至 19倍 ，这是什么概念？相当于原来需要19台机器做的事，现在1台就搞定了。 所以现在业界都在说：大模型的方向变了，从"越大越好"变成"越精越好"。而中国团队这次，踩准了這個节奏。 三、高盛说差距就3-6个月了 如果说斯坦福的报告是从学术角度分析，那高盛的研报就是从商业角度给出的判断。