在AI浪潮席卷全球的当下，几乎每一场行业论坛都在谈“赶超”和“领先”。但华为轮值董事长徐直军，却在近日的一番表态中，给出了一个极其冷静、甚至有些刺耳的判断：中国的人工智能，还不够强大。强到什么程度？强到我们甚至还没有资格，去遭遇美国前沿实验室所报告的那些风险。
这句话信息量极大，值得逐字拆解。
**“看不见风险”，不是幸运，是差距**
徐直军原话的核心逻辑是：中国的人工智能开发者，可能还不具备遭遇美国前沿实验室所报告风险所需的算力。换句话说，美国那些顶级AI实验室在训练超大规模模型时，已经撞上了各种“前沿风险”——模型失控的苗头、对齐难题、涌现能力的不可预测性、大规模算力集群带来的工程与安全挑战。而中国的开发者，因为算力规模还没到那个量级，所以连这些风险的“门槛”都还没摸到。
这听起来像是一种“安全”，但本质上是一种“落后”。就像一个人还没登上珠峰，自然不会遇到海拔八千米以上的缺氧和风暴——但这不代表你比登山者更安全，只代表你还没到那个高度。徐直军实际上是在说：中国AI产业与美国前沿的差距，不是“风险更小”，而是“阶段更早”。
**算力：那个绕不开的硬约束**
徐直军把“算力”单独拎出来，绝非偶然。过去两年，美国对华高端AI芯片的出口管制层层加码，英伟达的A100、H100、H200乃至特供版H20，都成了地缘政治的筹码。华为虽然推出了昇腾系列AI芯片，但在单卡性能、集群互联、软件生态（尤其是CUDA的替代）上，仍有明显差距。
算力不够，直接导致两个后果。第一，训练不出最前沿的大模型。当OpenAI、Anthropic、Google DeepMind用数万张H100集群训练下一代模型时，国内多数团队还在千卡级别徘徊。第二，无法复现前沿风险。很多AI安全问题——比如“欺骗性对齐”“突发涌现行为”——只有在模型规模超过某个临界点后才会显现。算力没到，连“出问题”的资格都没有。
这其实是一个残酷的循环：算力不足→模型规模受限→无法触及前沿风险→对风险认知不足→安全研究滞后→一旦算力突破，风险可能集中爆发。
**“平衡创新与保障”背后的潜台词**
徐直军同时呼吁，要在加快创新与保障措施之间取得平衡。这句话在当下的语境里，有很强的现实指向性。中国AI监管强调“安全可控”“算法备案”，但过度的前置审批和合规成本，可能进一步拖慢本就落后的创新节奏。徐直军的潜台词或许是：我们还没强到需要“防风险”的地步，当前阶段的首要任务，是先把算力搞上去、把模型做出来、把生态建起来。保障措施要跟上，但不能成为创新的绊脚石。
这与美国AI安全辩论的语境完全不同。在美国，争论的是“如何防止最强模型作恶”；在中国，更紧迫的问题依然是“如何先拥有最强模型”。徐直军的表态，等于把中国AI的真实处境摊在了桌面上。
**华为的“清醒”与“无奈”**
作为中国AI算力底座的主要建设者，华为比谁都清楚差距在哪。昇腾生态正在奋力追赶，但软件迁移成本、开发者习惯、制程限制，都是短期内难以逾越的坎。徐直军公开说“中国AI不够强大”，既是一种清醒的自我认知，也是一种策略性的喊话——向产业界、向政策制定者、向资本市场传递信号：别被“AI大国”的叙事冲昏头脑，我们还在爬坡。
更值得玩味的是，他特意提到“美国前沿实验室所报告的风险”。这等于承认，美国同行在AI安全前沿的探索，已经走在了前面。中国AI不仅要追赶能力，还要追赶对风险的认知。而后者，往往需要前者作为前提。
**结语：清醒比自信更珍贵**
在铺天盖地的“中国AI崛起”叙事中，徐直军的这番话像一盆冷水。但冷水让人清醒。承认“算力不够、看不见风险”，不是妄自菲薄，而是精准定位。只有知道自己站在哪里，才知道该往哪个方向跑。中国AI需要的不是盲目乐观，而是把算力短板补上、把基础研究做实、把安全研究前置。否则，当有一天我们终于撞上那堵墙时，可能连刹车都来不及装。
**评价引导：**
你如何看待徐直军“中国AI还不够强大”的判断？是过于悲观，还是一针见血？在算力受限的现实下，中国AI应该优先追赶能力，还是同步布局安全？欢迎在评论区留下你的看法。