原文标题：Notes from inside China's AI labs
原文作者：Nathan Lambert
编译：Peggy，BlockBeats

编者按：中国 AI 实验室正在成为全球大模型竞争中越来越难忽视的力量。它们的优势不只是人才多、工程强、迭代快，更来自一种很现实的组织方式：少谈概念，多做模型；少强调个人明星，多强调团队执行；少依赖外部服务，更倾向于自己掌握核心技术栈。

本文作者 Nathan Lambert 走访了多家中国头部 AI 实验室后发现，中国 AI 生态和美国并不完全一样。美国更重视原创范式、资本投入和顶尖科学家的个人影响力；中国则更擅长在已有方向上快速追赶，通过开源、工程优化和大量年轻研究者的投入，把模型能力迅速推向前沿。

最值得关注的，不是中国 AI 是否已经超过美国，而是两种不同的发展路径正在形成：美国更像是由资本和明星实验室驱动的前沿竞赛，中国则更像是由工程能力、开源生态和技术自控意识共同推动的产业竞赛。

这意味着，未来 AI 竞争不只是模型排行榜之争，也会是组织能力、开发者生态和产业执行力之争。中国 AI 的真正变化，正在于它不再只是复制硅谷，而是在用自己的方式参与全球前沿。

以下为原文：

坐在从杭州开往上海的新式高铁上，我望向窗外，看到起伏分明的山脊，山上点缀着风力涡轮机，在落日映照下形成剪影。群山构成了背景，眼前则是大片田野与成片高楼交错的景象。

我带着极大的谦逊从中国返回。去到一个如此陌生的地方，却受到如此热情的欢迎，这是一种非常温暖、也非常具有人情味的体验。我有幸见到了许多 AI 生态中的人，他们是我此前只在远处知道的人；而他们用灿烂的笑容和热情迎接我，让我再次意识到，我的工作以及整个 AI 生态本身，都是全球性的。

中国研究者的心态

正在构建语言模型的中国公司，可以说非常适合作为这项技术的「快速跟随者」。它们建立在中国长期以来的教育与工作文化传统之上，同时也有着与西方略有不同的技术公司建设方式。

如果只看产出，也就是最新、最大的模型，以及这些模型所支持的智能体式工作流；再看投入要素，比如优秀的科学家、大规模数据和加速计算资源，那么中国实验室和美国实验室看起来大体相似。真正长期存在的差异，出现在这些要素被如何组织、如何塑造之中。

我一直认为，中国实验室之所以非常擅长追赶并保持在前沿附近，一个原因在于它们在文化上与这项任务非常匹配。但在没有直接和人交流之前，我觉得自己不适合把这种直觉归因于某种重要影响。与中国头部实验室中许多优秀、谦逊且开放的科学家交谈之后，我的很多想法变得更加清晰了。

今天要构建最好的大语言模型，很大程度上取决于贯穿整个技术栈的细致工作：从数据，到架构细节，再到强化学习算法的实现。模型的每一个环节都有可能带来一些提升，而如何把这些提升组合在一起，是一个复杂过程。在这个过程中，一些非常聪明的个人所做的工作，可能必须被搁置，以便让整体模型在多目标优化中达到最大化。

美国研究者显然也非常擅长解决单个组件的问题，但美国更有一种「为自己发声」的文化。作为科学家，当你主动为自己的工作争取关注时，你往往会更成功；而当代文化也正在推动一种新的成名路径，也就是成为「头部 AI 科学家」。这会带来直接冲突。

外界广泛传闻称，Llama 组织曾在这些利益诉求嵌入层级化组织之后，因政治压力而崩塌。我也听其他实验室说过，有时可能需要「安抚」一位顶尖研究者，让他们停止抱怨自己的想法没有被纳入最终模型。无论这是否完全属实，意思都很清楚：自我意识和职业晋升欲望，确实会妨碍人们构建最好的模型。美国和中国之间，哪怕只是这种文化上的一个小幅方向性差异，也可能对最终产出产生有意义的影响。

其中一部分差异，和中国到底是谁在构建这些模型有关。在所有实验室里，一个很直接的现实是：核心贡献者中有很大比例是仍在读书的学生。这些实验室都相当年轻，这让我想起我们在 Ai2 的组织方式：学生被视为同伴，并被直接整合进大语言模型团队。

这和美国顶尖实验室非常不同。在美国，OpenAI、Anthropic、Cursor 等公司根本不提供实习机会。Google 等其他公司名义上会提供和 Gemini 相关的实习，但很多人都会担心，自己的实习会不会被隔离在真正核心工作之外。

概括来说，这种轻微的文化差异，可能通过以下方式提升模型构建能力：为了提升最终模型，人们更愿意去做那些不那么光鲜的工作；刚开始参与 AI 构建的人，可能不受此前几轮 AI 炒作周期的影响，因此能够更快适应新的现代技术方法。事实上，我交谈过的一位中国科学家非常明确地把这一点视为优势；较低的自我意识，让组织架构在一定程度上更容易扩展，因为人们较少试图「玩弄系统」；大量人才非常适合解决那些在别处已经有概念验证的问题，等等。

这种更有利于构建当下语言模型的能力倾向，与一种已知刻板印象形成对照：人们常认为，中国研究者较少产出那种更具创造性、能够开辟新领域的「从 0 到 1」的学术研究。

在此次行程中几次更偏学术的实验室访问里，许多负责人都谈到，他们正在培养这种更具雄心的研究文化。与此同时，我们交谈过的一些技术负责人则怀疑，这种科学研究方式的重塑在短期内是否可能实现，因为它需要重新设计教育体系和激励体系，而这个改造太大，很难在当前经济均衡下发生。

这种文化似乎正在训练出一批非常擅长「大语言模型构建游戏」的学生和工程师。当然，他们的数量也极其充足。

这些学生告诉我，中国也正在发生与美国类似的人才外流：许多此前考虑走学术道路的人，如今打算留在产业界。其中最有趣的一句话来自一位原本想当教授的研究者，他说自己想当教授，是因为希望接近教育系统；但他随后又评论说，教育已经被大语言模型解决了——「学生为什么还要来找我聊天！」

学生们带着新鲜眼光进入大语言模型领域，这是一个优势。过去几年里，我们看到大语言模型的关键范式不断变化：从扩展 MoE，到扩展强化学习，再到支持智能体。要把这些事情中的任何一件做好，都需要极其快速地吸收大量背景信息，既包括更广泛的文献，也包括所在公司内部的技术栈。

学生习惯于做这类事情，也愿意带着谦逊心态放下对「什么应该有效」的所有预设。他们一头扎进去，把人生投入其中，只为获得改进模型的机会。

这些学生也非常神奇地直接，并且没有一些会让科学家分心的哲学闲谈。当我问他们如何看待模型的经济影响或长期社会风险时，拥有复杂观点、并希望在这些议题上施加影响的中国研究者明显少得多。他们认为自己的角色就是构建最好的模型。

这种差异很微妙，也很容易被否认。但当你和一位优雅、聪明、能够用英语清晰表达的研究者进行长时间交谈时，它最容易被感受到：当你问起一些关于 AI 的更哲学层面的问题，这些基础问题会悬在空气中，而对方流露出一种简单的困惑。对他们来说，这是一种范畴错误。

甚至有一位研究者引用了 Dan Wang 的著名判断：相较于由律师主导的美国，中国是由工程师治理的。在谈到这些问题时，他用这个类比强调他们想要建设的愿望。在中国，并没有一种系统性路径，能够像 Dwarkesh 或 Lex 这类超级主流播客那样，培养中国科学家的明星影响力。

我试图让中国科学家评论由 AI 引发的未来经济不确定性、超越简单 AGI 能力的问题，或者模型应该如何表现的道德争论；这些问题最终都让我看到了这些科学家的成长背景和教育背景（已编辑 1）。他们极其专注于自己的工作，但他们成长于一个并不鼓励讨论和表达社会应如何组织、如何改变的体系。

把视角拉远看，尤其是北京，给我的感觉很像湾区：一个有竞争力的实验室，可能就在步行或打车几分钟之外。我下飞机之后，在去酒店的路上顺便去了阿里巴巴北京园区。接下来的 36 小时里，我们去了智谱 AI、月之暗面、清华大学、美团、小米和 01.ai。

在中国坐滴滴出行很方便。如果你选择 XL 车型，经常会被分配到带按摩椅的电动小型面包车。我们向研究者询问人才争夺战，他们说这和我们在美国经历的非常相似。研究者跳槽很正常，而人们选择去哪里，很大程度上取决于当下哪里的氛围最好。

在中国，大语言模型社区给人的感觉更像一个生态系统，而不是彼此交战的部落。在许多非公开对话中，我听到的几乎全是对同行的尊重。所有中国实验室都很忌惮字节跳动及其流行的豆包模型，因为它是中国唯一一家前沿闭源实验室。与此同时，所有实验室都非常尊重 DeepSeek，认为它是在执行层面最具研究品味的实验室。在美国，当你和实验室成员进行非公开交流时，火花往往很快就会四溅。

中国研究者的谦逊中，最让我印象深刻的一点是，他们在商业层面也经常耸耸肩，说那不是他们的问题。而在美国，似乎每个人都沉迷于各种生态层面的产业趋势，从数据卖方，到算力，再到融资。

中国 AI 产业与西方实验室的不同与相似之处

今天构建一个 AI 模型之所以如此有趣，是因为这已经不只是把一群优秀研究者聚在同一栋楼里、共同打造一个工程奇迹。过去确实更像这样，但为了维持 AI 业务，大语言模型正在变成一种混合体：它涉及构建、部署、融资，以及推动这一创造物被采用。

头部 AI 公司存在于复杂生态系统之中。这些生态系统提供资金、算力、数据以及更多资源，以便持续推动前沿向前发展。

西方生态系统中，围绕创造和维持大语言模型所需各种投入要素的整合方式，已经被相对充分地概念化和绘制出来。Anthropic 和 OpenAI 就是典型代表。因此，如果我们能发现中国实验室在这些问题上的思考方式有明显不同，就能看出不同公司可能在未来押注于哪些有意义的差异。当然，这些未来也会受到融资和／或算力约束的强烈影响。

我把与这些实验室交流后得到的几个最大「AI 产业层面」的收获整理如下：

第一，国内 AI 需求已经出现早期迹象。
有一种被广泛讨论的假设认为，中国 AI 市场会更小，因为中国公司通常不愿意为软件付费，因此永远无法释放一个足以支撑实验室的巨大推理市场。

但这个判断只适用于与 SaaS 生态相对应的软件支出。而 SaaS 生态在中国历史上一直很小。另一方面，中国显然仍然有一个庞大的云市场。

一个关键且尚未回答的问题是：中国企业在 AI 上的支出，到底会更像 SaaS 市场，也就是规模较小；还是更像云市场，也就是基础性支出。这个问题连中国实验室内部也在讨论。总体来看，我感觉 AI 正在更接近云市场，而没有人真正担心围绕新工具形成的市场无法增长。

第二，大多数开发者都深受 Claude 影响。
尽管 Claude 名义上在中国被禁用，但中国大多数 AI 开发者都非常迷恋 Claude，以及它如何改变了他们构建软件的方式。仅仅因为中国过去不太愿意购买软件，并不意味着我会认为中国不会出现一轮巨大的推理需求增长。

中国技术人员非常务实、谦逊且有动力。这一点给我的感觉，比任何「不花钱买软件」的历史习惯都更强。

一些中国研究者会提到他们使用自己的工具进行构建，比如 Kimi 或 GLM 的命令行工具，但所有人都会提到他们使用 Claude。令人意外的是，很少有人提到 Codex，而 Codex 在湾区显然正在迅速流行。

第三，中国公司有一种技术所有权心态。
中国文化正在与一个轰鸣运转的经济引擎结合，产生一些难以预测的结果。我留下的一个深刻感受是，数量众多的 AI 模型，反映的是这里许多技术企业在现实中的一种务实均衡。并不存在一个总规划。

这个产业由一种对字节跳动和阿里巴巴的尊重所定义。它们是被认为会凭借强大资源赢下许多市场的大型在位者。DeepSeek 是受到尊敬的技术领导者，但远不是市场领导者。它们设定方向，但并不具备经济上赢得市场的结构。

这就留下了像美团或蚂蚁集团这样的公司。西方人可能会惊讶于它们为什么也在构建这些模型。但实际上，它们显然把大语言模型视为未来技术产品的核心，因此它们需要一个强大的基础。

当它们对一个强大的通用模型进行微调时，开源社区对模型的反馈会让它们的技术栈更坚固，同时它们也可以为自己的产品保留内部微调版本。这个行业中的「开放优先」心态，很大程度上由务实主义定义：它能帮助模型获得强反馈，能回馈开源社区，也能赋能它们自身的使命。

第四，政府支持是真实存在的，但规模尚不清楚。
人们经常断言，中国政府正在积极帮助开放大语言模型竞赛。但这是一个由许多层级构成的、相对去中心化的政府体系，而每一层并没有一套清晰的操作手册，规定自己到底应该做什么。

北京不同街区之间会竞争，争取让科技公司把办公室设在那里。提供给这些公司的「帮助」，几乎可以肯定包括移除许可证等官僚流程中的繁文缛节。但这种帮助能走多远？政府的不同层级能否帮助吸引人才？它们能否帮助走私芯片？

在整个访问过程中，确实有许多关于政府兴趣或帮助的提及，但相关信息远远不足以让我以断言的方式报告细节，也不足以让我对政府究竟能如何改变中国 AI 发展轨迹形成一个自信的世界观。

当然，也完全没有迹象表明中国政府最高层在影响模型的任何技术决策。

第五，数据产业远不如西方发达。
我们此前听说，Anthropic 或 OpenAI 会为单个环境花费超过 1000 万美元，每年为了推动强化学习前沿而进行的累计支出达到数亿美元量级。因此，我们很想知道，中国实验室是否也在从美国公司购买同样的环境，或者是否有一个镜像式的国内生态在支持它们。

答案并不是完整意义上的「没有数据产业」，而是说，根据它们的经验，数据产业质量相对较差，因此很多时候更好的做法是内部自建环境或数据。研究者自己会花大量时间制作强化学习训练环境，而字节跳动、阿里巴巴等较大的公司，则可以拥有内部数据标注团队来支持这件事。这一切都呼应了前面提到的「自建而非购买」的心态。

第六，对更多英伟达芯片的渴求非常强烈。
英伟达算力是训练的黄金标准，而每个人的进展都受限于没有更多算力。如果供应充足，显然它们会购买。包括但不限于华为在内的其他加速器，在推理方面得到了正面评价。无数实验室都可以使用华为芯片。

这些要点描绘出一个非常不同的 AI 生态系统。如果快速把西方实验室的运作方式套用到中国同行身上，往往会造成范畴错误。关键问题在于，这些不同生态系统是否会产出有实质差异的模型类型；还是说，中国模型始终会被解释为类似于 3 到 9 个月前的美国前沿模型。

结论：全球均衡

在这次旅行之前，我对中国了解得太少；而离开时，我感觉自己才刚刚开始学习。中国不是一个可以用规则或配方来表达的地方，而是一个有着非常不同动力机制和化学反应的地方。它的文化如此古老、如此深厚，并且仍然与国内技术建设的方式完全交织在一起。我还有很多东西需要学习。

美国当前权力结构中的许多部分，都把它们现有的中国观当作决策中的关键心理工具。在我与中国几乎每一家头部 AI 实验室进行过正式或非正式的面对面交流之后，我发现中国有许多品质和本能，是西方决策方式很难建模的。

即便我直接询问这些实验室为什么要开放发布它们最强的模型，我仍然很难把「所有权心态」和「真诚支持生态」之间的交集完全串联起来。

这里的实验室非常务实，并不一定是开源方面的绝对主义者，并不是它们构建的每一个模型都会开放发布。但它们在支持开发者、支持生态，以及把开放作为进一步了解自身模型的方式上，有着很深的意图。

几乎每一家中国大型科技公司都在构建自己的通用大语言模型。我们已经看到，美团这样的平台型服务公司、小米这样的大型消费科技公司，都发布了开放权重模型。美国的同类公司通常只会购买服务。

这些公司构建大语言模型，并不是为了在热门新事物中刷存在感，而是出于一种深层且根本的愿望：控制自己的技术栈，并发展当下最重要的技术。当我从笔记本电脑上抬头，总能在地平线上看到一簇簇起重机时，这显然与中国更广泛的建设文化和建设能量相契合。

中国研究者身上的人情味、魅力和真诚温暖，非常令人感到亲近。在个人层面上，我们在美国习惯的那种残酷地缘政治讨论，完全没有渗透到他们身上。这个世界可以拥有更多这种简单的积极性。作为 AI 社区的一员，我现在更担心的是，围绕国籍标签，成员和群体之间正在出现裂缝。

如果我说自己不希望美国实验室在 AI 技术栈的每一个部分都成为明确领导者，那是在撒谎。尤其是在我投入大量时间的开放模型领域，我是美国人，这是一个诚实的偏好。

与此同时，我希望开放生态本身能够在全球范围内繁荣发展，因为这可以为世界创造更安全、更可访问、也更有用的 AI。而眼下的问题是，美国实验室是否会采取行动，占据这种领导位置。

在我写完这篇文章时，关于行政命令影响开放模型的更多传闻正在流传。这可能会进一步复杂化美国领导力与全球生态之间的协同关系——这并没有让我更有信心。

感谢我在月之暗面、智谱、美团、小米、通义千问、蚂蚁灵光、01.ai 以及其他机构中有幸交谈的所有优秀人士。每个人都如此热情，也如此慷慨地付出了自己的时间。随着我的想法逐渐成形，我会继续分享关于中国的观察，包括更广泛的文化层面，也包括 AI 领域本身。

显然，这些知识将与 AI 前沿发展正在展开的故事直接相关。

[原文链接]