只要美国的AI还说英语，就不可能超过我们，只有换成中文才是出路

为了解释中国AI的成功，西方媒体提出了很多有趣的观点。

比如根本没有什么DeepSeek，中国公司不过是把GPT的模型拿过去蒸馏一遍，换个名字罢了；至于英伟达股价暴跌，那都是空头机构恶意做空所致，美国必胜；

还有人说这是因为中国人天生更擅长数学和推理，中美AI竞赛本质上是本土中国人和在美中国人的竞争，如今结果证明本土中国人更优秀，仅此而已。

而在诸多讨论中，有这么一个另辟蹊径的观点：中国AI的成功，本质上是因为中文比英文更优越，更适合AI学习。

这里面的逻辑是这样的：如今的所谓大语言模型，本质上是对词与词之间的关系进行标记，然后根据用户的提问，从众多标记中选出可能性较大的一种进行回答，接着根据提问者的反馈，对回答进行评估和升级。

也就是说，所谓的大语言模型并不真的理解语言，它只是将单词数学化，然后再给出推导结果。

而中文之所以更适合AI学习，是因为中文的常用字只有3500个，只要AI完成了对这3500个字的学习，它就能尝试解读大部分中文内容，包括许多专业领域的文献。

但英文的情况要复杂得多，虽然日常对话使用的单词数量只有2000多个，但要无障碍读书看报，就得掌握8000至12000的单词量。

而一旦涉及到专业领域，那单词量更是可能达到两三万之多。

这种差距在训练成本上体现得极其直观，根据《2024年人工智能指数报告》的数据，OpenAI的GPT-4等前沿模型的训练成本预估高达7800万美元，谷歌Gemini Ultra的计算成本更是飙升至1.91亿美元；而DeepSeek的训练成本只有550万美元左右，仅相当于OpenAI的百分之四。

为何差距会这么悬殊？很大一部分原因，就在于英语本身是一门先天低效的语言。

牛津英语词典收录的单词多达60万个，并且每天都在不断诞生新词，词汇体系庞杂到几乎无法穷尽。

举个真实的例子，当年为了让AI真正搞懂"quantum computing"这个概念，训练团队几乎把所有和量子计算沾边的文献、论文都塞给了模型，烧掉了天量的算力和资金。更要命的是，随着词汇量的不断增加，训练成本还会呈指数级上升。

除了词汇量的问题之外，英语在语法上也格外繁琐——光是时态就有16种，再叠加语态、从句、修饰语等要素，一个句子的层级和逻辑关系可以复杂到让机器抓狂。

相比之下，中文里字词之间的关系更加紧密直观。比如你可能完全不懂医学，但看到"尘肺病""肺结核""肺气肿"这些词的时候，不用多想就知道肯定是肺部出了问题。

而英文里对应的单词是pneumoconiosis、tuberculosis、emphysema，别说AI了，普通英国人看了也得想半天，这背后每一个词都是独立的拉丁词根，学习成本被硬生生翻了好几倍。

除了技术层面的差异，越来越多人开始思考，中文是否还具备一些思维方式上的优越性。比如另一个著名AI项目的一位创始人就发现，DeepSeek不仅在思考中国古代哲学问题上把西方AI按在地上摩擦，甚至在英文输出方面都比他手头所有的资料都更精准。

而在他的评论区里，还有人晒出实测，说DeepSeek在阐述黑格尔哲学时表现得比所有西方AI都要深刻。

这是一个令人细思极恐的现象，因为它主要学习的是中文语料，如果它连解释西方哲学都能比西方AI做得更好，那就只剩下两种可能：要么它的算法比西方先进太多，要么中文本身比英文优越太多。而这种思考已经不局限在AI领域了。

前不久法国就搞了一档节目，专门探讨为什么中国的应用程序如此成功——无论是苹果还是谷歌的应用商店，前十名里都有将近一半是中国APP。节目里一位法国设计师谈到，汉字是一种表意文字，它是二维的；而法语和英语同属罗马语族，属于拼音文字，是一维的。

中国人从小学习汉字，这就造就了他们与西方人完全不同的思维方式：中国人会优先考虑整体，然后再专注于细节；而且中文承载的信息量也比其他语言大很多，所以中国人在做设计时往往比西方人考虑得更多。

这位设计师所注意到的现象，在语言学上有一个专有名词，叫做信息熵。

熵本来是一个物理学概念，用于表达一个热力学系统的无序程度。

1948年，美国数学家克劳德·香农将其引入信息论，用来衡量信息的密度。简单来说，一门语言的信息熵越高，它单位符号里承载的信息量就越大。而根据香农给出的计算公式，人们很快就发现，中文是当今世界上信息熵最高的语言。

在联合国五种工作语言中，法语、西班牙语、英语、俄语的信息熵分别为3.98比特、4.01比特、4.03比特和4.35比特，而中文直接飙到了9.65比特，是其他语种的两倍多。

这也就解释了，为什么联合国发文件的时候，中文文件的厚度往往还不到其他语言版本的一半。

不过比较讽刺的是，信息熵理论出现之后，中文的超高信息密度非但没有被视为一种优势，反而一度被看作巨大的劣势，甚至大到了"中国不放弃汉字就必定错失信息革命"的地步。

比如1999年《光明日报》上就刊登过一篇文章，标题直白地叫作《汉语的信息熵劣势》。文章的逻辑是：正因为汉字信息量太大，所以在计算机通讯传递中需要比拼音文字耗费更多字节，这会导致传输效率的低下。

事实上，这已经不是中文第一次遭遇质疑了。早在上世纪三十年代，就有人推动过所谓的"汉字拉丁化"运动，主张干脆废掉汉字，让中文走上拼音化的道路，从而更好地融入所谓的"世界文明"。

但当时的时代背景决定了，人类的科技和文化交流还无法真正脱离民族、国家、文化的界限，不同国家之间依旧是竞争多于合作。因此，三十年代的这场汉字拉丁化运动很快便消沉下去。

直到上世纪七十年代末，中文又遇到了第二次危机。

1977年6月5日，美国苹果公司推出了第二代个人电脑，这是一个划时代的产品，它迅速走进千家万户，让美国快速开启了信息化时代，此事严重刺激了当时刚刚改革开放的中国。

因为同一时期的中国连汉字打印问题都没解决，报纸印刷纯靠铅字排版，跟国外一比，简直就像另一个时代。当时就有许多人哀叹中国要错失第三次工业革命了，并且再次提出废除汉字、搞拼音化，直接与西方接轨。

好在国家立场坚定，在万难之中搞了"748工程"，负责该项目的王选院士顶着巨大的舆论压力，用15年时间打造出了我国第一个实用的激光照排系统。

与此同时，还有不少人在鼓吹：解决了印刷又有什么用？美国人发明的电脑打不出汉字，中国人不搞汉字拼音化，还是会在信息革命中掉队。

但很快，另一位姓王的猛男就狠狠地扇了他们的脸。

来自河南南阳的王永民，靠着南阳科委拨来的3000块钱，用5年时间一个人鼓捣出了五笔输入法，把拆解后的汉字字根完美嵌入英文键盘里，从而解决了汉字信息化的最后一道难题。在他之后，北大教授朱守拓于1993年又发明了智能ABC输入法。

该方案被微软公司整合进操作系统，并被设置为默认输入法之一。

至此，新生代的中国人即便不懂拆解五笔字根，也能流畅地在电脑上输入汉字了。

今天在这个AI时代，中文能够再次大放异彩，本质上是全体中国网民和网前所有历代先贤共同努力的结果。如果没有一代又一代抽象的网友，DeepSeek不会有这么灵动；而如果没有数千年积淀的文化经典，DeepSeek不会有这样的深度。

尽管DeepSeek依然有着这样那样的不足，但它已经深刻地改变了这个世界，以至于美国将其称为人工智能领域的"斯普特尼克危机"。

从60万单词的膨胀词库到16种时态叠加从句的复杂语法，英语作为AI训练语言的先天短板已经越来越清晰。而中文以3500常用字撬动九点多比特的信息熵，用四个百分点的成本做出足以对标顶级模型的产品，这种效率上的碾压绝不是偶然。

对中国来说，这只是一个开始，越来越多年轻人重新燃起对中国文化和中文本身的热情，只要美国的AI还固执地说着英语，属于中文的DeepSeek时刻，就一定会在未来的道路上一次又一次上演。