在人工智能浪潮席卷全球的今天，大模型成为各国科技竞争的焦点。近日，著名经济学家、清华大学中国经济思想与实践研究院院长李稻葵在一场公开论坛上抛出重磅观点：中国大模型的发展已经“换了赛道”，不再是简单追赶美国的技术路线，而是转向了更务实、更具中国特色的应用方向。这一论断迅速引发业界热议。

从“拼参数”到“拼落地”

李稻葵指出，过去两年国内大模型企业普遍陷入“参数竞赛”，动辄千亿、万亿参数的大模型层出不穷，企业纷纷对标OpenAI的GPT系列，试图在规模上追平甚至超越美国同行。然而，这种“堆算力、拼参数”的路径不仅成本高昂，而且面临芯片管制等外部制约。

“我们已经清醒地认识到，单纯在通用大模型上与OpenAI硬碰硬，短期内很难胜出。”李稻葵在论坛上表示，“现在中国AI企业正在主动‘换赛道’，从追求通用大模型的规模和能力，转向聚焦垂直行业的应用落地和场景创新。”他举例说，在医疗、金融、制造、农业等领域，中国大模型已经开始发挥独特优势，解决实际问题。

垂直场景成为新战场

事实上，李稻葵的观点在近期的产业动态中已有印证。以医疗领域为例，多家中国企业推出了针对病历分析、辅助诊断、药物研发的专业大模型；在金融领域，智能风控、投研分析、合规审查等场景正大量引入大模型技术；工业领域，大模型被用于设备故障预测、工艺优化等环节。

“美国大模型强在‘广度’，中国大模型强在‘深度’。”李稻葵认为，中国拥有全球最完整的制造业体系和最丰富的应用场景，这为垂直大模型提供了得天独厚的土壤。他进一步指出，中国大模型的“换赛道”不仅是技术路线的调整，更是商业模式和产业生态的重构。“过去大家比的是谁模型大、谁算力强，现在比的是谁能真正解决行业痛点、谁能更快实现商业闭环。”

政策与市场双轮驱动

李稻葵的分析也呼应了当前的政策导向。国家层面正积极推动人工智能与实体经济深度融合，多个部委出台政策鼓励大模型在工业、农业、服务业等领域的应用。与此同时，资本市场也在重新评估大模型企业的价值，那些能够快速实现场景落地、带来实际营收增长的企业更受青睐。

不过，换赛道并不意味着放弃基础研究。李稻葵强调，中国在基础大模型上的投入不能停，但应当更加注重效率。“我们要把钱花在刀刃上，集中资源突破最关键的技术瓶颈，而不是盲目追求参数规模。”他还建议，国内企业可以加强产学研合作，探索“基础模型开源+行业模型定制”的发展路径。

专家呼吁避免“内卷”

值得关注的是，李稻葵的言论也隐含着对行业“内卷”的担忧。他指出，当前国内大模型领域存在恶性竞争的苗头——多家企业推出功能高度雷同的产品，通过价格战争夺客户，这不利于行业的健康发展。“换赛道之后，企业应该找到自己的差异化定位，避免陷入低水平重复竞争。”

业内分析人士认为，李稻葵的判断反映了中国AI产业从“跟跑”到“并跑”、从“模仿”到“创新”的转型趋势。在芯片等硬件受限的背景下，发挥应用场景丰富、数据资源庞大、政策支持有力等优势，走出一条符合国情的AI发展之路，或许是中国实现弯道超车的必然选择。

随着“换赛道”成为共识，中国大模型的下一个竞争焦点，将不再是“谁更大”，而是“谁更懂行业、谁更能解决问题”。这场悄然而至的赛道切换，正在重塑中国人工智能产业的未来格局。