（本文约4200字，阅读约需10分钟）
1954年，钱学森在美国出版了《工程控制论》（Engineering Cybernetics）一书。这本书的研究对象是工程设计中“被控制系统”与“被操纵系统”两个层次之间的关系。但它的重点不在于数学公式本身，而在于“给人们提供一个更加广阔的视野和更加系统的解决问题方法”，总结了实际中不同应用领域里的共性理论。钱学森将“工程控制论”的内容界定为系统各个部分之间的相互作用的定性性质，以及整个系统的运转状态。换言之，他不只看“某个零件怎么工作”，而是看整个系统怎么运转。
这本书的核心思想，可以概括为一句话：用系统性的眼光看待复杂问题，在不确定性中寻找控制方法，把实践经验提炼为一般性理论，再回到实践中去验证和改进。七十多年后，当中国在AI领域走出一条与硅谷截然不同的道路时，回头再看这句话，会发现一种跨越时空的呼应。
一、两种路径：All in AI vs AI in All
上海交通大学中国发展研究院院长何帆在2025年的调研中发现了一个现象：很多国外企业在讲“All in AI”，而中国企业是“AI in All”。美国的策略是“All in AI”——把所有的资本都向AI行业倾斜；中国的策略则是“AI in all”——把AI分到了每一个行业的手里。美国在“造工具”，中国在用工具改造世界。
截至2026年3月，中美顶尖AI模型的性能差距已缩小至仅2.7%。美国在基础模型创新、资本投入和算力基础设施上仍保持领先，拥有5427个数据中心。但中国的优势在于另一条赛道——中国职场AI使用率已超80%，而美国的采用率仅排全球第24位。当模型性能差距几乎消失时，决定胜负的不再是“谁能做出更聪明的模型”，而是“谁能把AI更好地嵌入到真实世界中”。这正是中国“AI in All”路径的底层逻辑——不是在一个点上追求极致领先，而是把AI铺到所有产业里去。这条路径的哲学根源，可以在钱学森的《工程控制论》中找到。
二、顶层设计：一种系统性的“工程控制论”式布局
2026年1月7日，工业和信息化部、中央网信办、国家发展改革委等八部门联合印发《“人工智能+制造”专项行动实施意见》。这份文件的目标很清晰：到2027年，推动3—5个通用大模型在制造业深度应用，推出1000个高水平工业智能体，打造100个工业领域高质量数据集，推广500个典型应用场景。《意见》围绕创新筑基、赋智升级、产品突破、主体培育、生态壮大、安全护航、国际合作七大方向及21项行动举措展开。这不是“先把AI做大再考虑怎么用”，而是在AI还不够大的时候，就已经想好了它要服务于谁。
深圳随即在2月发布《“人工智能+”先进制造业行动计划（2026-2027年）》，锚定新型工业化战略目标，推动AI向制造业研发设计、生产管理、生产作业、运营管理等各环节加速渗透。这种“先想清楚系统怎么运转，再决定每个部分怎么发力”的做法，正是钱学森所说的“系统各个部分之间的相互作用的定性性质，以及整个系统的运转状态”。不是先做工具再做场景，而是先想好系统需要什么，再决定造什么工具。
三、华为的实践：AI不是“玩”的，是“用”的
2026年，华为提出“2025年是‘行业+AI’深度融合元年，2026年则是深耕之年”。华为的做法不是发布一个通用大模型让所有人去用，而是深入到每一个行业里去——跟行业里的人一起，把AI“种”进去。
在矿山，华为与山东能源联合，将通用AI大模型融入矿山数据、安全规程、工艺知识后，训练出懂矿业的行业大模型，再孵化出敲帮问顶、防冲卸压、洗煤优化等应用场景模型。在港口，天津港PortGPT推动港口管理综合效能提升40%。在能源，中国石油实现油气输送管亚毫米级缺陷识别效率提升40%。在钢铁，沙钢携手华为召开行业AI大模型项目启动会，正式开启AI赋能钢铁的新征程。柳钢集团携手华为、中国移动发布“玄铁”钢铁大模型。在油气矿山，华为发布了2026年八大“行业+AI”旗舰解决方案，面向油气矿山的智慧作业区方案、面向钢铁行业的智能冶炼方案成为重要切口。
华为云坚持“深入产业”，攻关真实产业中的三大难题：场景之难——深入矿山井下；数据之难——每个行业的数据都是独特的；落地之难——AI必须能在真实环境中稳定运行。这种逻辑，和钱学森说的“把实践经验提炼为一般性理论，再回到实践中去验证和改进”完全一致。 华为不是先有了完美的理论再去套行业，而是在行业的真实场景里不断试错、不断积累、不断提炼——这正是工程控制论的实践哲学。
四、DeepSeek的论文：工程化思维的典型样本
2026年6月27日，DeepSeek联合北京大学正式发布论文，介绍了其推理加速框架DSpark。这篇论文有一个值得注意的细节：DeepSeek创始人梁文锋位列论文作者名单。在完成首轮融资的当下，创始人依然亲自参与技术论文撰写，这在AI行业并不多见。DSpark旨在解决大语言模型在高并发场景下的推理效率瓶颈。实测数据显示，在同等系统总吞吐规模下，V4-Flash单用户生成速度提升60%-85%，V4-Pro提升57%-78%。
但这篇论文真正的价值不在于“提速多少”，而在于它代表了什么。有分析指出，DeepSeek这套方案的精髓在于系统工程和模型协同设计，其难能可贵之处在于将各类技术融合为一套自适应完整系统，实现了端到端的显著性能优化。换句话说：这篇论文的核心不是“提出了什么新理论”，而是“解决了什么工程问题”。它不是从0到1的原创发现，而是从1到N的工程化落地。随DSpark一同开源的DeepSpec，是一个全栈代码库，包含数据准备工具、草稿模型实现、训练代码和评估脚本，支持MIT许可。这意味着任何人都可以自由使用、修改和分发。
“从实践中来，到实践中去”——DSpark的发布本身就是一个完整的工程闭环。 这不是一篇“发完就结束”的论文，而是一个“发完还能继续改进”的工具。
五、更深层的文化基因：敢试、快试、在试中总结
中国社会对AI的态度，有一个显著特点：愿意尝试，敢于尝试，行动迅速。这种态度在政策层面有体现——八部门的文件从出台到落地，周期极短。在企业层面有体现——华为一年内从“元年”进入“深耕年”。在用户层面也有体现——中国职场AI使用率已超80%。这种“边做边想、边试边改”的做法，本身就是工程控制论在组织层面的体现。 钱学森在《工程控制论》中讨论过一个核心问题：控制系统的性质和参数常常存在误差或变化，需要用鲁棒性、自适应、自校正等方法“针对某种不确定性使系统保持预定的品质”。中国的AI实践也是如此——没有人确切知道AI在某个行业里会碰到什么问题，但大家的态度是：先试，出了问题再调整。美国“All in AI”的逻辑是“先把工具做到极致，再考虑怎么用”；中国“AI in All”的逻辑是“先用起来，在用的过程中把工具打磨好”。前者是产品思维，后者是工程思维。
六、结语：AI时代的“工程控制论”
钱学森1954年在《工程控制论》中埋下的思想种子——系统思维、工程方法、实践导向——正在AI时代开花结果。美国在“造工具”——把AI本身做到极致，追求模型参数的领先。中国在用工具改造世界——把AI分到每一个行业手里，追求技术与场景的深度融合。当AI模型本身的性能差距被拉平到2.7%时，决定胜负的就不再是“谁的模型更聪明”，而是“谁能把AI更好地嵌入到真实世界中”。何帆在一次访谈中表示：“如果比较两种策略的话，中国的AI in all和美国的all in AI，我更看好AI in all。”
钱学森在《工程控制论》中给人们提供的，不是一套固定的公式，而是一种方法——用系统性的眼光看待复杂问题，在不确定性中寻找控制方法，把实践经验提炼为一般性理论，再回到实践中去验证和改进。七十多年后，当中国企业把AI“装进矿山的巷道里、港口的龙门吊上、钢铁的高炉边”时，他们正在用行动重演这套方法。AI不会自己改变世界。改变世界的，永远是那个决定“把AI用到哪里、怎么用、为什么用”的人。而中国选择的这条“AI in All”之路，本质上是一种工程控制论式的选择——不追求在别人的赛道上领先，而是把AI变成改造所有产业的工具。这正是钱学森和他的《工程控制论》留给这个时代最宝贵的思想遗产。
参考来源
上海交通大学安泰经济与管理学院，“安泰聚焦 | 人工智能：美国和中国的策略有什么区别？”，2026年1月13日
上海交通大学中银科技金融学院，中美AI路径对比分析，2026年1月28日
澎湃新闻，“中美AI路径有何区别？何帆：美国‘All in AI’，中国‘AI in All’”，2026年4月29日
工信部等八部门，《“人工智能+制造”专项行动实施意见》，2026年1月7日
深圳市人民政府，《深圳市“人工智能+”先进制造业行动计划（2026-2027年）》，2026年2月13日
光明网，“美大学发布报告：中美AI模型性能差距缩小至2.7%”，2026年4月17日
36氪，“10张图看懂2026年AI现状：中美差距仅2.7%”，2026年4月15日
斯坦福HAI，《2026年AI指数报告》，2026年4月13日
新浪财经，“看华为‘行业+AI’如何落地能源与钢铁”，2026年4月10日
中国电子报，“华为云CloudMatrix AI Infra获选2025新质生产力示范案例”，2026年1月29日
沙钢集团，“沙钢华为联手吹响‘AI＋钢铁’奋进号角”，2026年2月10日
华为官网，“柳钢集团携手华为、中国移动发布‘玄铁’钢铁大模型”，2026年5月22日
东方财富网，“大模型推理最高提速85%！DeepSeek发表重磅论文”，2026年6月28日
量子位，“梁文锋署名的DSpark，看懂这10个点就够了！”，2026年6月28日
雷锋网，“单用户提速60-85%！DeepSeek联手北大开源DSpark”，2026年6月27日
南方+，“DeepSeek最新论文，梁文锋署名”，2026年6月27日
中国教育和科研计算机网，“钱学森工程控制论”
中国青年网，“创立工程控制论”，2026年4月20日
关于本文
本文探讨了钱学森《工程控制论》的核心思想与中国AI发展路径“AI in All”之间的内在关联。文章从何帆提出的中美AI路径差异出发，结合中国八部门“人工智能+制造”专项行动、华为的行业大模型实践、DeepSeek的DSpark工程化论文等具体案例，分析了一条贯穿七十年的思想线索——用系统性的眼光看待复杂问题，在不确定性中寻找控制方法，把实践经验提炼为一般性理论，再回到实践中去验证和改进。文中案例与数据均来自公开可查的政府文件、官方媒体报道及权威研究报告，截至2026年7月。欢迎交流讨论，如有转载或使用请注明来源和作者。