美國AI研究員走訪中國36小時：這里不造神，靠年輕人把模型往死里磨

硅谷把AI科學家捧成明星，而中國把開發大模型做成了流水線。

近日，艾倫人工智能研究所研究員內森·蘭伯特（Nathan Lambert）結束了一場36小時的中國AI連軸訪問，智譜AI、月之暗面、清華、美團、小米、零一萬物，一口氣跑了六七家機構。他最后得出的結論并不是"中國AI有什么神秘捷徑"，而是它把大模型這件事做得更像一條高度協作的工程流水線。

在他看來，今天的大模型競爭，已經不只是比誰能提出一個天才想法，而是比誰能把數據清洗、架構微調、強化學習這些不性感的細節，一輪輪磨到極限。

01 拒絕"神化"：把AI從神壇拉回流水線

在硅谷的敘事里，AI開發帶有濃厚的"精英主義"色彩，頂級科學家被視為改變世界的先知。但蘭伯特發現，中國實驗室正在把這層"神性"剝掉，讓AI開發回歸嚴謹的系統工程。

·執行力勝過自我意識：硅谷的科研文化強調個人成名，這往往導致內耗。例如Meta的Llama團隊曾因內部利益沖突而動蕩，甚至有實驗室需要支付重金才能平息研究員對技術路徑的怨言。

·集體主義的優勢：相比之下，中國研究者更愿意為了模型整體性能的"多目標優化"而擱置個人創意。這種甘于幕后打磨的特質，使得中國實驗室在數據清洗、算法實現等瑣碎但關鍵的環節上，展現出了極高的工程質量。

02 "去精英化"的奇跡：學生軍與工程師紅利

令這位硅谷研究員最震撼的，是中國實驗室里那一張張年輕的面孔。跟OpenAI、Anthropic等拒絕實習生或將其邊緣化的硅谷巨頭不同，中國AI實驗室的進步正由一支龐大的"學生軍"深度驅動。

·無負擔的進化：年輕學生沒經歷過往昔AI泡沫的洗禮，反而能更快吸收智能體、強化學習等前沿技術。

·"空杯"心態：他們愿意舍棄固有假設，全身心投入模型的每一次微小提升。這種大規模、高素質的"人才紅利"，讓中國在大語言模型的追趕賽中擁有了取之不盡的人力資源。

03 極致的實用主義：不談哲學，只談"所有權"與"商業終局"

在深度交流中，蘭伯特發現了一個有趣的文化差異：當硅谷在為AI的長期社會風險和道德哲學爭論不休時，中國研究員只是表現出一種"簡單的困惑"。

在他眼中，中國的AI研究員更傾向于把自己定位為"建造者"而非"哲學家"。他們極少參與關于AGI能力的道德辯論，而是專注于如何造出更強的工具。

蘭伯特還發現，業內正展開一場關于商業終局的博弈：AI究竟會重蹈SaaS的覆轍(止步于小眾應用)，還是會效仿"云模式"(成為通用的底層基礎設施)？目前共識正向后者傾斜。這意味著AI將不再是可有可無的訂閱工具，而是像電力一樣不可或缺的生產要素，通過規模化的推理需求來重塑商業閉環。

這種對"云化"未來的預判，也解釋了為何美團、螞蟻集團等應用型巨頭會親自下場造模型。他們清醒地意識到LLM將是未來技術棧的核心，必須擁有"自主所有權"。

不同于部分西方實驗室的封閉策略，中國實驗室傾向于"開源優先"。這本質上也是實用主義的體現：通過開源迅速換取社區反饋、積累推理規模，在實戰中快速反哺模型進化，強化自身的技術護城河。

04 起重機下的中國速度：算力約束下的生存最優解

短短36小時內，蘭伯特連續走訪了智譜AI、月之暗面、零一萬物等多家明星獨角獸。在北京的五道口和中關村，他感受到了不亞于舊金山灣區的競爭烈度，更洞察到了中國AI生態在硬件困境下的韌性。

·對英偉達的"渴求"與華為的"突圍"：蘭伯特觀察到一個有趣的現象，英偉達芯片仍是訓練端無可爭議的"金標準"，各家實驗室都在不計代價地通過各種渠道掃貨儲備算力。然而在推理端，華為等國產加速器卻獲得了出人意料的正面評價。許多頂尖實驗室已大規模部署國產芯片處理推理任務，這種"訓練靠外援、推理靠自給"的混合算力模式，正成為中國大模型維持迭代速度的底層支撐。

·流動的生態系統：這里的AI圈更像一個共生的生態系統，而非敵對的部落。盡管人才爭奪激烈，同行之間保持著高度的尊重。

·敏銳的開發者：中國開發者展現出了極強的適應性。盡管環境受限，他們依然是Claude等前沿工具的深度使用者，并對DeepSeek等展現出極高工程品味的本土實驗室推崇備至。

05 結語：全球均衡下的"建設者文化"

蘭伯特在筆記的最后流露出一種深切的謙卑。他意識到，雖然硅谷依然在"從0到1"的領域引領風騷，但中國憑借對工程細節的極致磨練、極高的實用主義以及深度嵌入核心的年輕人才梯隊，已經形成了一套西方決策模式極難模擬的運行邏輯。

在他看來，中國AI的崛起不應被簡單視為"模仿"，而是一場扎根于本土基建能量的工程進化。那種"必須掌控技術命脈"的渴望，正與中國宏大的建設文化交織在一起。蘭伯特直言，作為美國人，他自然希望美國能捍衛其在開源與前沿領域的領導地位，但他也由衷擔憂各種因素造成的隔閡會割裂這個全球化的技術共同體。

他最后感嘆，中國實驗室展現出的真誠與溫情，讓他意識到技術競爭之外更深層的連接。當硅谷繼續追問星空深處，大洋彼岸腳踏實地的"建造者"，也正在以自己的方式，為全球AI生態的未來書寫不可或缺的一章。

以下為文章正文：

中國AI實驗室實地見聞：走訪頭部廠商后的幾點啟示

當我疾馳在杭滬高鐵上，窗外落日的余暉正勾勒出壯麗的山脊輪廓，風力發電機的剪影在天際線上錯落有致；遠方的群山、綿延的農田與拔地而起的摩天大樓群交相輝映。

這次中國之行令我深感謙卑。置身于一個如此陌生的國度，卻能收獲如此誠摯而熱烈的歡迎，這種撲面而來的溫情令我深受觸動。我有幸結識了許多此前僅在屏幕另一端關注的AI圈同仁，他們的熱情讓我深刻意識到：無論是我的日常工作，還是整個AI生態系統，其本質早已是全球化的共同體。

一、中國研究者的心態

中國的大模型企業常被冠以技術"極致追隨者"的稱號。這一標簽既植根于其深厚的教育與職場文化傳統，也源自構建科技企業時那些細微卻關鍵的路徑抉擇。從產出端(如支持智能體工作流的頂尖大模型)和投入端(如頂尖人才、海量數據、算力加速)來看，中美實驗室在宏觀上已極為接近。而真正持久的差異，實則隱藏在這些要素的組織范式與所面臨的約束條件之中。

長期以來，我始終認為中國實驗室之所以能如此迅速地躋身并緊跟全球技術前沿，很大程度上源于其文化特質與這項任務的高度契合。但在未與真人面對面交流之前，我一直持謹慎態度，不愿輕易將這種直覺定性為核心驅動力。而此次通過與中國頂尖實驗室中許多卓越、謙虛且心態開放的科學家深度對話，我的諸多預判終于得到了印證。

如今，打造頂尖大語言模型(LLM)已在很大程度上演變為一場對極致細節的角力，從數據清洗、架構微調到強化學習(RL)算法的落地，整個技術棧都需經過絲絲入扣的打磨。模型性能的每一次微增都離不開對各環節的極限榨取，而將這些變量整合為一個有機整體，則是一項極其復雜的系統工程。在這個過程中，為了追求模型整體在多目標優化下的全局最優解，一些才華橫溢的個體研究成果往往不得不做出犧牲，甚至被無限期擱置。

盡管美國研究者在攻克單點技術難題上同樣出類拔萃，但美國文化更推崇"自我彰顯"。這種環境下，科學家往往需要通過博取話語權來贏得成功；而當代大模型浪潮，也確實為"頂級AI科學家"開辟了一條通往名利雙收的新路徑。然而，這種文化也帶來了直接的沖突。傳聞中Llama團隊的"分崩離析"，很大程度上便是因為個人利益在層級體系中相互博弈，導致了沉重的內耗。我甚至聽說過，某些實驗室為了讓頂尖研究員不再抱怨其個人想法被主模型舍棄，不得不支付一筆變相的"封口費"。無論傳言真實性幾何，其核心邏輯清晰可見：過強的自我意識和對個人晉升的執念，確實會成為打造頂尖模型的絆腳石。中美之間在這一文化傾向上的毫厘之差，最終會對結果產生顯著影響。

這在某種程度上也源于中國AI研發團隊的人才構成。一個顯著的共性是：中國各大實驗室的核心貢獻者中，有著極高比例的在校生。這種極度年輕化的團隊架構，讓我想起了艾倫人工智能研究所(Ai2)的模式，學生被視為并肩作戰的隊友，并直接深度嵌入到大模型的核心研發鏈中。

這與美國頂尖實驗室的氛圍截然不同。像OpenAI、Anthropic甚至Cursor這樣的公司，幾乎不提供實習機會。而像谷歌等巨頭雖然名義上設有與Gemini相關的實習崗位，但實習生普遍面臨被邊緣化的尷尬，他們很難觸及核心技術，更像是游離于核心業務之外的旁觀者。總結而言，這些細微的文化差異通過以下維度顯著提升了模型構建能力：

·甘于"幕后打磨"：研發人員更愿意為了追求模型最終性能的極致，去承擔那些瑣碎、枯燥且難以彰顯個人名望的底層工作。

·擺脫"歷史包袱"：剛入行的研發新人未受過往AI炒作周期的思維束縛，能夠更純粹、更快速地擁抱現代新技術范式(對此，一位中國科學家深有共鳴)。

·組織擴容的高效性：較弱的個人英雄主義色彩降低了內部損耗，由于鮮有人執迷于鉆營規則或博取私利，組織架構在快速擴張時更具協同效應。

·強大的"確定性攻堅"能力：擁有海量的工程人才儲備，他們極度擅長將"已被證明可行"的技術路徑，通過高強度的工程實踐轉化為確定性的成果。

這種更傾向于實用技能的特質，與長期以來外界對中國研究者的刻板印象形成了鮮明對比，即認為他們缺乏創造力，難以做出"從0到1"的開創性學術研究。在我們走訪的一些偏學術性質的實驗室中，許多負責人都談到了要培養更具雄心的科研文化。但與此同時，也有一些技術領軍人物對此持懷疑態度，他們認為短期內很難重塑這種科研范式，因為這涉及對教育和激勵體制的徹底革新，而在當前的經濟環境下，這種變革的代價過于沉重。因此，現有的文化似乎正源源不斷地培養出大批極其擅長"大模型構建競賽"的在校生和工程師。

這些在校生還向我透露，中國也正經歷著與美國類似的"人才流失"：許多原本志在學術道路的人，現在都轉身投向了工業界的懷抱。最風趣的一段對話來自一位研究員，他曾渴望成為教授，以此深耕教育事業，但他隨后感嘆道，大模型似乎已經把教育問題給"解決"了。他自嘲說："既然大模型什么都知道，學生們干嘛還來找我聊呢！"在校生的優勢在于能以全新的視角看待LLM。在過去幾年里，LLM的核心范式從擴展MoE(混合專家模型)轉向擴展強化學習(RL)，再到實現智能體(Agents)。要做好其中任何一項，都需要迅速從海量文獻和公司的技術棧中吸收背景知識。學生們習慣于這樣做，并且樂于放下所有關于"什么應該有效"的成見。他們全身心投入，為獲得改進模型的一線機會而努力拼搏。

這些在校生還表現出一種神奇的直率，沒有那些讓科學家分心的"哲學清談"。當問及對模型經濟學或長期社會風險的看法時，很少有中國研究者對此有復雜的見解或施加影響的沖動。他們的角色就是構建最好的模型。

這種差異極為微妙，也極易被忽視或否認。但當你與一位談吐優雅、英語流利且才華橫溢的研究者進行深度長談時，你會最真切地感受到：那些在西方被反復咀嚼的AI哲學命題，在這里往往會被一種"純粹的困惑"所取代。對他們而言，去糾結那些形而上的哲學危機更像是一種"范疇錯誤"(Category error)。在探討這些領域時，一位研究者甚至引用了斯坦福研究員王旦(Dan Wang)那個著名的論斷：中國是工程師治國，而美國則是律師治國。這有力地佐證了他們內心深處那種構建技術的純粹渴望。此外，中國并沒有像Dwarkesh或Lex Fridman這種具備全球影響力的頂級播客，去系統性地為科學家們加冕"明星光環"。

當我試著引導中國科學家去談論AI引發的經濟動蕩、超越通用人工智能(AGI)的終極命題，或是關于模型行為的道德辯論時，他們的反應折射出了其成長背景與教育經歷的深刻烙印。他們對技術研究極度專注，因為成長環境并不鼓勵對"社會結構應如何調整"這類宏大議題發表見解或展開辯論。

放大視角來看，北京的氛圍與硅谷灣區如出一轍：競爭對手的實驗室近在咫尺，步行或打車片刻即達。我剛下飛機，就在去酒店的途中順道拜訪了阿里巴巴北京總部。隨后在短短36小時內，我們密集走訪了生數科技、月之暗面、清華大學、美團、小米以及零一萬物。在這里，叫一輛滴滴非常方便，如果你選了商務車，接你的往往是一輛配備了按摩座椅的純電MPV。當我們向研究人員打聽"人才戰"時，他們表示這里的情況與美國驚人地相似：跳槽如同家常便飯，而大家最終選擇投奔哪家實驗室，很大程度上看哪里的"氣場"最對味。

在中國，LLM社區給人的感覺更像是一個生態系統，而不是相互征伐的部落。在許多不具名的交流中，大家對同行充滿尊重。所有的中國實驗室都對字節跳動及其大火的"豆包"模型抱有敬畏，那是中國唯一的頂尖閉源模型。與此同時，大家也對深度求索(DeepSeek)充滿敬意，認為它是執行中極具"研究品味"的實驗室。相比之下，在美國非正式會面時，同行間的火藥味往往更濃。

中國研究者謙遜感最顯著的體現是，他們對業務端往往表現出"事不關己"的態度，認為這不是他們的問題；而美國人似乎對各種生態層級的產業趨勢，從數據供應商到算力或融資，都表現得極度癡迷。

二、中國AI產業與西方實驗室的異同

如今構建AI模型之所以有趣，是因為它不再只是把一群優秀的研究員關在樓里搞出個工程奇跡。過去或許如此，但為了維持AI商業模式，LLM正成為構建、部署、融資和獲取用戶這幾者的混合體。領先的AI公司存在于復雜的生態系統中，由資金、算力、數據等要素供養，以持續推向前沿。

以Anthropic和OpenAI為代表的西方生態系統對于如何整合這些要素已有了一套清晰的范式。因此，中國實驗室在思維定式上展現出的巨大差異，預示著中美企業可能在未來做出截然不同的戰略押注。當然，這些愿景最終能在多大程度上實現，很大程度仍受限于資金紅利與算力供給。

與這些實驗室交流后，我在"AI產業"層面最大的幾點收獲如下：

1. AI需求的早期跡象：坊間盛行一種假設，由于中國公司不習慣為軟件付費，這會導致中國AI市場的天花板較低，進而無法支撐起實驗室所需的龐大推理市場。但這種看法僅適用于SaaS生態，中國的SaaS市場確實歷來微不足道。然而，硬幣的另一面是中國擁有規模驚人的云服務市場。當前一個懸而未決、且令中國實驗室反復爭論的關鍵點在于：企業的AI支出究竟會重蹈SaaS的覆轍(止步于小眾應用)，還是會效仿云模式(成為底層的通用基礎設施)？目前看來，AI的發展勢頭更趨近于云模式，業內并無多少人擔心市場會因為新技術工具的涌現而出現萎縮。

2. 大多數開發者是"Claude粉"：盡管Claude在名義上并未對中國開放，但國內絕大多數AI開發者都對其推崇備至，甚至陷入了某種"癡迷"，他們驚嘆于Claude徹底重塑了軟件開發的工作流。雖然中國市場在軟件付費上向來謹慎，但我并不認為這會阻礙推理需求的爆發式增長。中國技術人員那種務實、謙遜且充滿干勁的狀態，足以打破任何不愿消費的陳舊慣例。

有些研究者提到會使用本土工具(如Kimi或GLM的命令行界面)，但幾乎所有人在談到實際開發工作時，都會首選Claude。令人意外的是，在硅谷灣區正大紅大紫的Codex，在這里卻鮮有人提及。

3. "技術自主權"至上的心態：中國的文化基因與轟鳴的經濟引擎交織，催生出了一系列不可預知的成果。我有一種強烈的預感：中國大模型層出不窮的現狀，其實反映了本土科技企業在務實驅動下達成的一種動態平衡。這里并沒有所謂的"宏偉藍圖"，整個行業的格局主要取決于對字節跳動和阿里巴巴的敬畏，人們普遍預測，這兩家巨頭將憑借碾壓級的資源收割大部分市場份額。而DeepSeek是公認的技術風向標，卻遠非市場霸主：他們指引了技術方向，但在商業變現上并非贏家。

正因如此，美團或螞蟻集團等公司的加入顯得格外有趣，西方觀察者或許會驚訝于這類應用型企業竟然也在親自下場造模型。實際上，他們深知LLM將是未來所有科技產品的內核，因此必須掌握堅實的底層技術。通過打磨自有的強大通用模型，他們不僅鞏固了自身的技術護城河，還避免了受制于外部開源社區的演進節奏，并能針對核心業務保留獨家的內測版本。這種"開源優先"的行業心態本質上是實用主義的體現，它既能讓模型通過社區反饋快速進化，又能回饋生態，從而更好地完成企業自身的技術使命。

4. 政府支持確實存在，但具體邊界模糊：外界普遍認為中國政府正在全力助推開源大模型競賽。然而，各級政府之間其實并沒有一份統一的"行動劇本"。以北京為例，各個區甚至在互相競爭，搶奪優質科技公司入駐。政府提供的"助力"幾乎可以肯定包含掃清審批門檻、打破壁壘等軟性支持，但其介入深度究竟如何？政府在多大程度上能左右人才流向？能否在芯片困境上出奇招？在走訪過程中，政府的關注與扶持被反復提及，但由于缺乏具體細節，目前尚難定論政府究竟在多大程度上改寫了中國AI的發展軌跡。

當然，目前沒有任何跡象表明政府干預了模型的具體技術路徑或決策。

5. 數據產業尚處起步階段：早前聽說Anthropic或OpenAI會為單個訓練環境斥資千萬美元，每年在強化學習(RL)前沿領域的投入更是累計高達數億美金。因此，我們非常好奇中國實驗室究竟是直接購買美國的成熟環境，還是由國內類似的生態系統提供支持。得到的答案是：中國國內并非沒有數據產業，但研究者普遍認為現有第三方服務的質量堪憂。相比之下，他們更傾向于在內部自建環境或處理數據。研究人員會投入大量精力親自打造RL訓練環境，而像字節跳動和阿里巴巴這樣的大廠，則通常依賴內部的標注團隊。這再次印證了前文提到的那種"自力更生，拒絕外包"的務實心態。

6. 對英偉達芯片的極度渴求：英偉達的算力是模型訓練當之無愧的"金標準"，各家的研發進度無一不受限于手頭的芯片儲備。只要渠道通暢，這些實驗室顯然會不惜代價地全盤掃貨。相比之下，以華為芯片為代表的國產加速器在推理端獲得了不少正面評價，許多實驗室也已經大規模部署了華為芯片。

三、結語：全球均衡

在開啟這次旅程之前，我對中國知之甚少；而此行結束，我發現自己才剛剛叩開了解她的大門。中國并非一個可以用既定規則或公式來定義的模板，這里有著截然不同的運行邏輯與內在張力。這片土地的文化如此底蘊深厚，且早已深深植根于本土技術的構建邏輯之中。前路漫漫，我尚需虛心求教。

當前，美國許多決策機構都將他們對中國的固有認知，視為制定決策的核心思維工具。然而，在親自走訪并深度交流了中國幾乎所有頂尖AI實驗室后，我意識到：中國擁有的許多特質與直覺，是西方決策模式極難模擬的。即便我開誠布公地詢問這些實驗室為何選擇開源其頂尖模型，我依然難以完全理解那種"技術自主權意識"與"對生態系統的真誠支持"是如何完美融合在一起的。

這里的實驗室表現得極為務實，也并不是每個模型都會公之于眾。但在扶持開發者、構建生態系統，并借此深度復盤以反哺模型研發方面，他們展現出了極具前瞻性的戰略定力。

幾乎每一家中國科技巨頭都在自研通用大模型，正如我們所見，連生活服務平臺美團和綜合性消費電子巨頭小米都發布了開源權重模型。換作是美國的同類企業，多半只會選擇購買現成的服務。這些公司之所以親自下場搞LLM，并非為了盲目跟風，而是源于一種骨子里的渴望，即必須絕對掌控自己的技術棧，將時代最核心的技術命脈握在自己手中。每當我從電腦前抬頭，望向地平線上成群結隊的塔吊，我便深切感受到：這種"死磕"底層技術的狂熱，正契合了中國那種更為宏大的建設文化與基建能量。

中國研究者展現出的人格魅力、真誠與溫情，具有極強的感染力。在個人交往中，我發現美國那種劍拔弩張的地緣政治敘事，并未在他們身上留下痕跡。這個世界需要更多這樣純粹的正能量。作為AI共同體的一員，相比于技術競爭，我如今更擔心的是由于國籍標簽而在不同成員與團體之間造成的隔閡與裂痕。

若是聲稱我不希望美國實驗室在AI技術棧的各個領域(尤其是開源模型)保持絕對領先，那我純屬虛偽，畢竟我是美國人，這是我最直率的立場。但與此同時，我也由衷希望全球開源生態能蓬勃發展，因為唯有如此，才能為全世界創造更安全、更普惠、更有價值的AI。而當下的懸念在于，美國實驗室是否會真正采取行動，去捍衛這份領導地位。

就在我收筆之際，關于限制開源模型的美國行政命令正傳得沸沸揚揚。這可能會進一步割裂美國領導力與全球生態系統之間的協同效應，實話說，這并沒能給我多少信心。

衷心感謝月之暗面、智譜、美團、小米、通義千問、螞蟻靈境、零一萬物等機構中與我交流的諸位同仁。感謝每一位的熱情接待，以及你們慷慨分享的時間。隨著我對中國文化與AI產業的思考日益清晰，我將繼續分享我的見解。毋庸置疑，這些觀察與見解將與正處在AI前沿風口浪尖的時代巨變息息相關。

來源 | 網易科技（ID：tech_163）

作者 | 辰辰 ; 編輯 | 蝦餃

內容僅代表作者獨立觀點，不代表早讀課立場