数学实力有多强我不清楚，我也对数学的了解也不专业。但是让俄罗斯无法成为AI强国的最大问题之一，肯定包含了人才外流这一原因。
或者往大了说，是俄罗斯各个行业一直面临的一个问题是，精英或知识分子出逃。
据人口研究所统计，目前已有超过500,000个科学家，工程师和医生在1994-2003年期间离开俄罗斯。 其中，10万人90年代上半年，其余的是1998年以后，俄罗斯的估计总损失为600亿美元。 尽管本世纪初俄罗斯的政治和经济越来越稳定，但是的"人才外流"却从2004年持续到2013年。超过270万受过高等教育的人离开俄罗斯。如果俄罗斯人移民到德国和美国也就可以理解了，在九十年代，俄罗斯科学家甚至被邀请到东南亚。
俄罗斯的科学家离开俄罗斯的原因有很多，但是最大的原因就是低工资。
俄罗斯不仅科学家出逃，许多年轻的专业人士也出逃。这个问题主要涉及到俄罗斯经济。 在20世纪90年代以至于现在，俄罗斯正在经历严重的经济问题，首先是苏联解体后的新经济形成，然后是来自美国的危机和制裁。 以下是俄罗斯国内生产总值增长百分比的证明。 现在GDP增长稳定但不超过3％。但是俄罗斯的发展科研的支出只占GDP的0.5%，而在德国、美国和以色列等国家，则占GDP的2%。
这是远远不够的。
俄罗斯的专业人士和科学家在俄罗斯会有个什么待遇呢？
2019年的统计数据，俄罗斯科学家的平均月工资为53800卢布
俄罗斯科学院院士的工资为10万卢布。
初级研究员-1万8-2万卢布。
研究物理领域 38000卢布
技术领域的专家 27000卢布。
如果这些是平均工资，那么可以按国家地区查看工资。
楚瓦什共和国 17,000卢布;
伏尔加格勒 科学博士 2万卢布。
诺夫哥罗德地区 研究生物学领域 16,520卢布。;
乌里扬诺夫斯克 学系的教授获得 26000卢布。 ;
新西伯利亚 俄罗斯科学院西伯利亚分院研究人员 3万卢布。;
彼尔姆地区 车里雅宾斯克地区和基洛夫地区 1万卢布起。;
卡累利阿 ，卡巴尔达-巴尔卡尔，萨拉托夫地区 1-2万卢布。;
巴什科尔托斯坦，乌德穆尔特，秋明地区 2-3万卢布。;
莫斯科，圣彼得堡– 8万– 9万卢布
再来看看美国的，2018年的数据。
根据Visasam网站的统计，一所研究型大学的实验室的助理每月可以收到3,000美元，按今天的汇率计算，约为20万卢布。
物理学家，天文学家和工程师在美国的薪水可以收到超过4万美元一个月，如果我们谈论在俄罗斯同样的专家在同一时期的价格大约是600美元。
当然，我们不应该忽略生活水平和住房，食品和旅行在俄罗斯和美国的成本差别。 因此，工资不是选择另一个国家的唯一原因。但是，这个原因肯定是俄罗斯决定出逃的精英众多原因之一。
俄罗斯的AI技术不太可能发展起来，是因为俄罗斯的莫斯科大学的最聪明的人毕业的第一选择是去美国工作。因为在莫斯科既没有像美国一样好的科研环境，也没有像美国一样高的工资。虽然我不喜欢美国，但是这是事实。
如果要把在美国工作的俄罗斯人召唤回来，至少要给他们在美国收入三到四倍的薪水才有足够的新引力吧，但问题是，谁来付款呢？
本文为翻译，原文如下
Я не знаю, насколько сильна математика и я не профессионал в математике. Но одна из самых главных проблем в России, из-за которой Россия не развивает искусственный интелект, безусловно, влючается в себя “утечку мозгов”.
Или, так сказать, Россия и все её отрасли сталкиваются с проблемой - бегство научных деятелей, интеллигенции и элиты.
По данным Института демографии в период 1994-2003 гг Россию покинуло более 500 тыс. учёных, инженеров и врачей. Из них 100 тыс. человек покинуло ещё в первую половину 90-х годов, остальная часть покинула после дефолта 1998 года, общие потери бюджета страны составили - $60 млрд. Несмотря на политическую и экономическую стабильность в 2000-х, «утечка умов» из нашей страны продолжилась, за период с 2004 по 2013 гг. Россию покинуло более 270 тыс. человек с высшим образованием. Если раньше интеллектуалы из России иммигрировали в основном в Германию и США, то в нулевые годы российских учёных стали приглашать даже в Юго-Восточную Азию.
Есть много причин, по которой российские умы покидают родную страну и одна из них - низкая зарплата.
Из России бегут не только ученые, но и многие молодые специалисты. Эта проблема связана в первую очередь с экономикой России. В 1990-е и в настоящее время Россия переживает серьезные экономические проблемы, связанные сначала с развалом СССР и становлением новой экономики, а затем с кризисом и санкциями от США. Приведу доказательство ВВП России в процентном росте. Динамика роста заметна в 2000-х годах, но резкий спад в 2009 и снова кризис с 2014 года. Сейчас рост ВВП стабильно не более 3%. При чем от ВВП зависит и развитие научной деятельности в стране. Россия тратит всего 0,5% от ВВП на развитие, когда в странах таких как Германия, США, Израиль - 2% от ВВП.
Этого недостаточно.
Что ждет российских ученых и специалистов в России?
По статистике средний показатель зарплаты ученого в России в 2019 году - 53 800р.
Академик Российской Академии наук имеет зарплату в 100 000р.
Младший научный сотрудник - 18-20 000 р.
Академик в сфере физики 38 000 р.
Специалист в области техники - 27 000р.
И если это были средние зарплаты, то посмотрите на зарплаты по регионам страны.
Чувашская республика – 17 000 руб;
Волгоград – доктор наук филологического формата в 20 000 руб.;
Новгородская область – в сфере биологии профессионал зарабатывает 16 520 руб. ;
Ульяновск – профессоры кафедр химии получают 26 000р. ежемесячно; Башкирия – квалифицированные доценты в 1,5 ставки имеют доход на уровне 30 000 р.;
Новосибирск – Сибирское отделение РАН – начисленная зарплата ученого составляет 30 000 р.;
Пермский край, Челябинская область и Кировский регион – от 10 000 р.;
Карелия, Кабардино-Балкария, Саратовская область – 10 -20 000 р.;
Башкортостан, Удмуртия, Тюменский регион – 20 -30 000р.;
Москва, Петербург – 80 000 – 90 000р.
Теперь посмотрите данные за 2018 год в США.
Согласно данным сайта Visasam лаборант в исследовательском университете получает 3 000 долларов в месяц, это около 200 000 р. по сегодняшнему курсу.
Физики, астрономы и инженеры с опытом в США получают больше 4 тысяч долларов в месяц, если говорить о тех же специалистах в России за тот же период — это около 600 долларов.
Конечно, не стоит забывать про уровень жизни и стоимости жилья, питания и проезда в России и в США. Поэтому зарплаты это не единственная причина выбора другой страны. Но эта причина, безусловно является одной из причин побега интилегенции.
Маловероятно, что технология ИИ в России будет развиваться, потому что первый выбор что делать у студентов Московского университета - это работать в США. Потому что в Москве нет хорошей обстановки для развития научной среды, нет хорошей заработной платы, как в США. Хотя мне и не нравится Америка, но это правда.
Если страна захочет вернуть к себе российских ученых, работающих в США, безусловно надо платить в три-четыре раза больше, чем они получают в США. Но вопрос - кто за это будет платить?
问什么才是AI强国？像中国还是要比肩美国？还是说英国以色列也算？好吧我先不讨论AI强国的衡量标准，在东斯拉夫的文化圈里面（请不要跟我杠波兰跟苏联不一样。我说的东斯拉夫文化圈），区区不到2亿人，对AI有贡献的大项目在是都是举足轻重的。
这个地方我只说两个例子
1.pytorch
如果你没用过pytorch我可以理解。如果你从事AI，机器学习的研究到2020年都不知道pytorch，那你应该是传销为主，科研为辅。众所周知，python现在是主流的机器学习语言，而像pytorch， tensorflow这一类的高级编码库，在机器学习的重要性就好比蒸汽机对人类科技进步的重要性一样：可以替代但绝不能缺席。而pytorch的原始开发团队来自于波兰。更神奇的是，核心开发成员Adam paszke还是university of Warsaw的本科生。现在pytorch已经进入了Facebook的AI生态圈。在科研领域，我认为pytorch非常有影响力，甚至有超越google的tensorflow的趋势。现在最新的开源机器学习算法研究成果，越来越多的开始使用pytorch作为框架，而其灵活性和动态呈现更是tensorflow1.0不具备的。目前Adam貌似已经被google高价挖走了，真所谓后生可畏。BAT真该把这种人挖到中国来。
盗图来自于Adam linkedin
2. Catboost
说完东斯拉夫人民对底层编程语言的贡献，现在我来说说在在数据科学里面的算法贡献。分类和预测问题一直都是当今最热门的任务。纯数字类数据的task不仅很难，而且应用极广。比如已知一个女士的年龄，身高，体重，国籍...试问她最喜欢哪一个类型的餐厅？再比如已知枚宅男过去一个月的上网记录，试问他最不反感哪一个类型的广告等等。目前为止，我用过，也是大家公认的最强大的分类器，来自于俄罗斯团队开发的catboost。现在貌似也被美国人线性规划了。。。
直接上图他们在各大标准数据集上的测试结果和效果对比。
速度对比
上面两图均来自catboost官网测试报告
https://catboost.aicatboost.ai
亲测catboost。先不管没有用，给我加上傅立叶feature，hyperparamster随便设几个先炖上一天，然后在学校500人的kaggle混战中捞了个铜牌。我跟第一聊了聊，原来他们也是catboost的baseline。。。不一样的配方但还是一样的味道
值得一提的是，在catboost之前，最强的分类器是xgboost，研发来自于university of Washington的 Phd 陈天奇。目前陈已确定入职CMU做Assistant professor。不做postdoc直接CMU的AP，什么样的work什么样的impact我不想多说了。
——————————————————-
感想
我猜想题主讨论这个问题是想研究成为AI大国的因素是什么。为什么毛子底子不差结果这一波AI浪潮带不飞？我想说的是不要有幻觉，毛子一直都在带飞。但为什么总感觉这一波毛子纯在感很弱？我个人认为是因为美国人的资源吸收和整合能力太强了。当今美国AI圈的繁荣，和其他国家的高科技人才抬轿密不可分。像google，Facebook 苹果这些高科技财团，每年花几百亿全世界瓦罗资源，高价挖人挖团队，甚至直接把砸钱吃掉海外有前途的科技初创公司，搞得就是外科手术式的行业阉割。不要跟我谈民族道德。我们都爱国，但每个人都需要发展，每个行业都需要好的资源和资金支持。BAT在美国的资源整合和吸收还可以，时不时还可以挖挖美国人墙角，但都还远远不够，大部分人才也都是留学美国的中国人。如果我们国家高科技财团能够在全球范围内和美国人一样像饥饿的野狼一样，到处狩猎AI人才和资源，我觉得才能和美国人在高科技这个领域的攻坚战打个有来有回。
——————————————————-
不好意思刚刚才看到你的描述是想问苏联的AI发展史。如果我答非所问请忽略我的回答
苏联，一度掌握全球AI起步的领导权。
1967年，冷战铁幕笼罩，苏美关系脆弱又敏感，但两国的计算机科学家，却相隔大洋展开一场国际象棋比赛——通讯方式是原始的一张张电报。
不同的是，下棋的不是人类，而是美苏双方的大型计算机。
这是全世界最早的机机大战。
△ 美苏两国国际象棋AI大战
最终，苏联的计算机，以3:1大胜美国。
这也（可能是）全世界最早的AI对战——因为就在一年前的达特茅斯，Artificial Intelligence，人工智能，首次被明确定义。
更巧的是，这场对决中的美国一方领队，正是主持召开达特茅斯会议的约翰·麦卡锡。
然而，赢得如此“标志性”对决的苏联一方AI先驱，却没能跟麦卡锡一样载入史册，更没能在全球AI的发展史册中留下只言片语。
他们的故事不仅当时不为外人道，后来还因为苏联1991年解体倒塌，更不被知道。
直到最近，才有好事者从尘封的故纸堆中找出了这段风云往事，连带揭开了背后的苏联AI发展往事。
让人唏嘘的是，这背后不仅是个人成就和命运的错配，还有一个民族和国家在时代际遇中的阴差阳错。
跟其他前沿探索一样，苏联赢得了那场标志性的AI对决，却输掉了一个时代的先发之战。
从核物理所走出的象棋AI
苏联AI事业的起源，与亚历山大·科诺罗德（Alexander Kronrod）密不可分。
生于1921年的他，年少就展现出数学兴趣和天赋。1938年，17岁，进入国立莫斯科大学学习力学和数学。
但生逢乱世，学业和研究受到战争打乱，科诺罗德两次入伍，两次受伤，为后来的羸弱埋下伏笔。
1945年，二战结束，从战场返回的科诺罗德进入了苏联库尔恰托夫研究所（Kurchatov Institute），这是苏联、乃至今日俄罗斯，实力最强的核物理研究机构。
△ 库尔恰托夫研究所
苏联当时的重心在重工业，所以科诺罗德一开始并非从事AI研究，而是在核能所搞计算数学，负责反应堆和加速器中基本粒子的数学计算、处理云室观测结果。
在工作过程中，科诺罗德逐渐意识到，计算不是计算机的主要功能，算法可能蕴含着更深刻、更强大的内涵和功能，已经远远超出了传统数学的范畴。
但在当时的制度下，科诺罗德的首要任务是支持物理研究，很难分出精力去搞算法。
即便如此，科诺罗德凭着对AI前景的坚信不移，没让苏联直接错过一个时代的开幕。
4年之后，1949年，科诺罗德成为了苏联新成立的理论与实验物理研究所（ITEP）数学室主任。
在这里，他正式开始了AI的探索研究。
凭借他本人在物理所的影响力，他带领着他的研究小组在完成物理所任务之外，开始了最早棋牌AI算法研究。
彼时，正值「通用图灵机」提出不久，信息论之父香农几年来一直在尝试教会计算机玩国际象棋。
即便铁幕森严，但香农的想法很快就流行开来，美国和苏联的科研机构纷纷跟进。
在美国，MIT的约翰·麦卡锡小组于1962年首先开发出了象棋AI「Kotok-McCarthy」。
在苏联，科诺罗德带领着他的团队，在1963年也开发出了象棋AI「Kaissa」，意思是「象棋之母」。
这个研究小组中，还包括日后苏联AI事业的重要骨干：乔治·安德森·威尔斯基（Georgy Adelson-Velsky）、弗拉基米尔·阿拉扎洛夫（Vladimir Arlazarov）、安德烈·莱曼（Andrey Leman）等人。
1965年，约翰·麦卡锡访问苏联，在拜会了科诺罗德之后，两人商定举办第一次国际AI象棋比赛。
于是一年后的11月，这场人类史上首次计算机程序大战，拉开帷幕。
比赛前后持续了9个月时间，双方团队在各自的实验室里，通过电报联系，并在各自的棋盘上实时复现对局，最终苏联的「Kaissa」以3：1的成绩击败了美国象棋AI「Kotok-McCarthy」。
但结果还不是全部。
1965年的面见，让麦卡锡记住了科诺罗德的一句名言：“国际象棋是人工智能的果蝇。”
在科诺罗德看来，如果像遗传学家一样，从1910年开始将精力集中在果蝇的育种上，那么计算机象棋就会发展到和遗传学一样强大。
只可惜，听者有意，说的一方却遭遇来自“同一阵营”的不理解。
苏联其他科学家根本没有意识到这是怎样的时刻。IETP的物理学家投诉，说科诺罗德的小组使用实验室资源玩游戏。
当时，这一批苏联计算机先驱们，正在编写纸牌和象棋程序，希望教会计算机一种思维模式，却成了“玩游戏”。
更严重且致命的是，苏联国内严酷的政治环境，又给了AI小组更重的打击。
1968年，科诺罗德因营救苏联诗人叶赛宁的儿子沃尔品，被当局谴责，早就看他不爽的IETP物理学家们，趁势把他赶下了台。
科诺罗德本人还因此被开除莫斯科国立师范大学的教授职位，实验室被迫解散……
他的数学和计算机学术生涯，就此彻底结束。
另一条路线的成果
象棋AI同时，苏联还有另一条AI研究路线上的成果。
凭借在基础学科上的强大实力，也为世界AI的发展留下了宝贵遗产：
AVL树和GNN。
当时，计算机科学领域，离散算法的计算复杂度问题是一个热门课题，苏联的科诺罗德AI团队为此做出了重要的贡献。
其研究小组的两位成员乔治·安德森·威尔斯基（Georgy Adelson-Velsky）和叶甫盖尼·兰迪斯（Evgenii Landis），提出了世界首个自平衡二叉树，即AVL树。
之后，随着首个多项式可解问题和NP（Non-deterministic Polynomial）完全问题引起计算机科学界的关注，科诺罗德实验室开始致力于寻找快速解答算法。
大多数问题都能很快地排除在P问题和NP完全问题集之外，不过线性规划和图同构问题，却不在其中。
图同构问题吸引了包括安德烈·莱曼（Andrey Leman）和鲍里斯·威斯菲勒（Boris Weisfeiler）在内的科诺罗德实验室成员的关注。
他们二人在这个问题上的首个重要的研究成果便是知名的Weisfeiler-Leman算法。
WL算法奠定了如今机器学习中图神经网络（GNN）的基础。
WL算法的内容可以简单描述为：给定一张图，图中每个节点都有某种颜色。在每一轮迭代中，每个节点都会获取一组其邻居节点的颜色信息，并以特定的方式更新其颜色。
该算法主要的用途是检验两图是否同构。如果最后的着色情况不同，则这两张图「非同构」。如果两张图有相同的最终着色结果，那么WL将输出它们「可能同构」，但这仍然意味着它们有很小的概率不是同构的。
对于任意两个包含n个顶点的「d-正则图」，其他计算机科学家推理得出，当 n 趋于无穷大时，WL 算法失败的可能性为0，这是一种相当强大的算法。
近年来随着GNN的发展，计算机界对WL算法的关注度也越来越高。
然而，这篇论文在当时的苏联，却遭受的不公平的待遇。
1971年，WL算法的提出者之一莱曼在科诺罗德的指导下完成这篇论文，但是负责授予高级学位的苏联高级认证委员会（HAC）却拒绝了莱曼，还给出了“这不是数学”的评价。
原因是科诺罗德的立场问题。
莱曼愤怒地回应说：“我不是数学家，我是一名程序员。”
这种以立场来论研究的风气还只是冰山一角。随着苏联国内越来越严酷的环境，AI的研究基本陷入了停滞，科诺罗德、莱曼、威斯菲勒等苏联AI先驱，在历史的进程中走向不同的人生轨迹。
也成为了后来世界格局变幻的前兆和缩影。
先驱结局：一个国家的时代遗憾
苏联AI先驱们，后来在历史浪潮中作出了不同的个人选择。
其中，安德烈·莱曼和鲍里斯·威斯菲勒，兜兜转转，最终依然在AI领域发光发热，但建设的是另一个国家。
科诺罗德的实验室在1968年被解散以后，莱曼继续和其他同事在控制问题研究所任职，1976年之后又到系统分析研究所工作，直到苏联解体前夕。
△左侧为安德烈·莱曼
1990年，莱曼移民硅谷，和其他移民的苏联科学家一起创立了Cognitive Technology公司，从事光学识别系统（OCR）的研发，并成为了文档OCR领域的领导者。
他们的解决方案Cuneiform OCR被许多IT巨头使用，例如甲骨文、IBM和三星。
从1995年到2012年，莱曼在多家高科技创业公司担任程序员。他最后的雇主是一家基因医疗公司Invitae，在那里他开发了至今仍被员工大量使用的基础设施系统。
莱曼于2012年去世。
WL算法的另一位创造者，鲍里斯·威斯菲勒，犹太裔苏联人，七十年代初，他因拒绝写联名信告发同事而被扣上「反苏联」的罪名……
1975年离开苏联前往美国。
威斯菲勒后来到宾夕法尼亚大学任教授，1981年加入美国籍。
他的其后的研究进展，资料并不多。
最后的“失踪”也同样神秘。
威斯菲勒是一位经验丰富的户外运动专家，但他在1984年底独自前往智利翻越安第斯山脉的过程中，失踪了。
从此再无音讯。
△苏联AI之父亚历山大·科诺罗德
相比上述两位大牛，他们的前辈，后来被誉为“苏联AI之父”的科诺罗德，在遭受打击之后依然无法舍弃故土，他一直留在了苏联，但再也没机会接触他热爱的学科。
自1968年被从ITEP被赶出来以后，科诺罗德去了苏联中央地球物理考察实验室。
在那里从事石油天然气勘探的计算工作，这项工作对他来说既无挑战也没有创新机遇。
之后他开始研究治疗癌症的药物，并通过医生免费提供给患者，由于该药物未获得批准，这险些让他遭受牢狱之灾。最后因为患者亲属要求用这种药物继续治疗，诉讼被驳回。
也有资料称，科诺罗德曾在当局不批准动物实验的情况下，在自己身上进行药物实验。他自己认为抗癌药物研究是他这一生最重要的工作。
科诺罗德另一项最著名的成果是用于数值积分法的Gauss-Kronrod求积公式。
但AI方面的进展，再也没有了。
科诺罗德晚年多次中风，严重损害了他的读写能力，最终在1986年10月6日因第三次中风与世长辞。
5年后，苏联解体。
复盘：硬件走错路的苏联AI
除了人才方面没有抓住机会，现在复盘苏联的错过，也有另一种观点：
硬件方向走了错路。
苏联在数学和计算机领域有很多优势，如首次提出提出模糊控制论概念，象棋AI的技术起点也比美国高出很多。
但是，这种强大的理论和实践的优势并没有传承下来。
进入70年代中后期，在勃列日涅夫的统治下，苏联更加激进地向战争机器转型，主要资源投向军事工业和能源产业。
AI这种类无法快速取得突破并运用在军事上的科研领域，自然进展寥寥。
而工业工程中依赖的计算机，苏联则用当时轻易赚来的石油美元从西方进口，本国的计算机发展也趋于停滞。
从另一方面讲，苏联在关键的半导体技术也误入歧途。
在美苏两国争相发展集成电路的时期，也正是核武器日新月异高速发展的时期。
在核战环境下，存在大量的电磁脉冲，电子管基本不受干扰，而晶体管则无法正常工作。
苏联认为集成电路并不适合核战争，所以走上了一条电子管小型化的道路。直到苏联意识到真空电子管再也无法缩小，才开始摸索集成电路技术。
当年美苏两国象棋AI大战里，美方使用的是IBM 7090大型机，也是第一台晶体管商用计算机，而苏方使用的是列别捷夫精密机械与计算机工程学院制造的M-20，这台计算机部分使用晶体管、寄存器。
后来的事情，大家都知道了，IBM一直是商用大型机的巨头，美国还有仙童这样的半导体企业为后来的英特尔、AMD孵化了大量人才。
80年代，是美国半导体行业飞速发展的时代，英特尔8086处理器取得了巨大的成功，而此时却是苏联政局最为动荡的时期。
最终，苏联不仅错过了个人计算机浪潮，也错过了AI革命。
对了，象棋AI完胜美国，还不是苏联AI的最高光时刻。
1974年，瑞典斯德哥尔摩还举办了世界首届计算机程序象棋冠军赛。
比赛持续了五个夜晚，总共有来自8个国家的13个象棋程序相互较量。
苏联AI在所有4场比赛中全部取胜，击败了美国在内的其他象棋程序，勇夺冠军。
消息传回国内，苏联举国上下备受鼓舞，都为本国科学家取得的成绩骄傲。
然而谁也没想到，这几乎成为了苏联AI最后的高光时刻。
动辄上纲上线的氛围，举报盛行的学术风气，科研投入的严重失衡……最终让战斗民族，在AI始发站迷失，也赶不上后续的复兴，大批数学物理计算机人才，反倒成为了硅谷奇迹的中坚。
可悲亦可叹。
AI本质上是一个强依赖于应用场景的新兴产业。而全球哪个国家拥有这部分基础呢?毫无疑问，中国和美国。GMS生态制霸中国以外市场，互联网和移动端领域又是AI的前沿阵地，美国在这方面有天然优势。而中国得益于基础设施完善和政治制度，可以把AI场景在多角度做扩展。
因此当下全球AI市场，是中美二分天下，其他国家都没有多少知名AI公司(杠精别杠)
另外深度学习，神经网络的兴起使得AI对算力的要求越来越高。美国拥有Intel,英伟达，IBM等知名硬件制造商，其算力在世界上首屈一指，如果有算力要求，最先满足的应该就是美国。而中国有阿里，腾讯，华为的云计算产业，同样可以支撑AI发展。反观俄罗斯，无论应用场景还是计算产业，都是不具备竞争力的。
再者还要谈一谈当下的AI，数学相对于AI说重要也重要，说不重要也没有那么重要，纵观cv，nlp领域近几年的发展，很多突破性进展都在与建立各种各样的网络上，我相信没有多少人能用数学计算说清，为什么他建立的损失函数就比之前人的优秀，最多就是考虑的角度不一样，考虑的点不一样，与一般学科不一样的是，如今的AI只重结果，如果你设计一个结构，准确率100%，恐怕没人去问你为什么。(可能真就是不关心你机器咋学的吧，就和有人问你你怎么学习的呀，你也不可能详细解释一样)所以俄罗斯在数学理论上的优势就不算明显了。
