美国 AI 研究员走访中国 36 小时：这里不造神，靠年轻人把模型往死里磨
一句话看懂：艾伦人工智能研究所研究员 Nathan Lambert 在 36 小时内密集走访了智谱 AI、月之暗面、清华、美团、小米、零一万物等机构，发现中国大模型竞争的核心不是天才神话，而是由年轻学生驱动的工程流水线，以及实用主义至上的商业化逻辑。
事件核心：发生了什么
Lambert 在 2025 年初的中国之行中，发现中国 AI 实验室在模型开发上呈现出与硅谷截然不同的文化。硅谷倾向于将顶级科学家视为明星，个人利益常导致团队内耗（如 Meta Llama 团队的传闻）；而中国实验室更强调“去个人化”——年轻学生（包括大量在校生）愿意为模型整体性能牺牲个人创意，专注于数据清洗、架构微调、强化学习等琐碎环节。Lambert 观察到，中国实验室的算力策略是“训练靠英伟达、推理用华为”，在硬件受限下通过混合算力维持迭代速度。商业化方面，中国研究者普遍认为 AI 将像“云模式”一样成为底层基础设施，而非订阅工具，因此美团、蚂蚁等应用公司亲自下场造模型，且倾向于开源优先以换取社区反馈。
为什么重要
Lambert 的观察揭示了中国大模型竞争正在从“人才密度”转向“工程密度”。硅谷仍主导“从 0 到 1”的创新，但中国凭借海量高素质学生人口，将模型训练的“确定性攻坚”做到了极致——这种模式短期内难以被西方复制。同时，中国实验室对 AI 哲学议题（如 AGI 道德风险）的冷漠与实用主义，意味着其技术路线更聚焦于可落地的商业闭环，而非长期社会争论。这种“建造者文化”正在全球 AI 生态中形成独特的竞争位势。
对用户/开发者/创作者的影响
对开发者而言，中国开源模型（如智谱、月之暗面的产品）将进一步降低使用门槛，获得更快迭代和社区支持。对 ToB 企业用户，AI 向“基础设施”演进的趋势意味着 API 成本可能持续下降，但需关注国产芯片推理端的兼容性。对创作者，中国模型在图像生成、智能体工作流等应用场景的工程优化，可能带来更稳定的体验。不过，Lambert 也指出，中国研究员普遍缺乏对长期社会风险的辩论，用户需自行关注数据隐私与模型偏见问题。
值得关注的后续
1. 开源模型迭代节奏：中国实验室的开源策略能否持续推动能力接近闭源模型（如 GPT-4o）？需要关注智谱、零一万物等后续发布的版本在推理、Agent 等能力上的实际表现。2. 芯片供应链变化：若华为等国产推理芯片生态成熟，是否会导致中国大模型在推理成本上形成对英伟达的“去依赖”，进而影响全球算力格局？3. 人才流向：中国 AI 教育是否在培养更多“工程型”人才的同时，抑制了原创性研究？这可能影响未来 2-3 年中美在“从 0 到 1”领域的差距。
来源：Readhub · AI
