中國AI研究員的性格、魅力和真誠……讓人倍感親切。

這是艾倫研究所（Ai2）的研究員Nathan Lambert，在最近結(jié)束中國之行后，發(fā)自內(nèi)心的一番感慨。

在Nathan眼里，國內(nèi)的LLM圈子簡直是天堂，大家彼此尊重、即便立場不同也客客氣氣的。

反觀大洋彼岸的御三家，他突然有點(diǎn)沒眼看。

天天激情互噴，跟部落爭霸似的……

并非場面客套話。

這次來中國的36小時，Nathan幾乎把國內(nèi)AI圈打卡了個遍，月之暗面、智譜、清華、美團(tuán)、小米、千問……都有深度交流。

在和大量一線AI研究員、學(xué)生聊完天后，Nathan得出了這個結(jié)論：

這里的AI玩家，在合作共贏。

基于此，Nathan寫下長文，分享了他此次中國行期間令他印象深刻的種種事跡——

• 所有實(shí)驗(yàn)室都有點(diǎn)怕字節(jié)，所有人都敬佩DeepSeek。

• 北京簡直跟硅谷一樣，他36小時內(nèi)跑了6家AI公司。

• 他問一名中國研究員對AI風(fēng)險的看法，對方困惑地愣住了——這似乎是個不合適的問題。

• 美團(tuán)、小米這種公司也會自研大模型，這在中國是理所當(dāng)然的事。

• 從筆記本上抬起頭，總能看到地平線上的起重機(jī)，仿佛中國工程師文化的一種具象化。

實(shí)在太真誠了，連MiniMax都跑來前排圍觀，表示希望下次Nathan的「中國行」能把上海和深圳也安排上。

以下是整理后的文章節(jié)選。

Enjoy。

中國研究員的心態(tài)

Nathan在文中花了大篇幅聊一個事：為什么中國實(shí)驗(yàn)室這么擅長追趕前沿？

他的核心判斷是，文化。

今天做一個好的LLM，靠的是從數(shù)據(jù)到架構(gòu)到RL算法，全棧每個細(xì)節(jié)的打磨。每個環(huán)節(jié)都能榨出一些提升，但怎么把這些提升拼到一起，是一個極其復(fù)雜的多目標(biāo)優(yōu)化問題。

有時候某個天才研究員的工作，需要為模型的整體工作讓路。

在美國，這種事經(jīng)常引爆沖突。

Nathan透露了個瓜：Llama團(tuán)隊據(jù)傳就是因?yàn)閮?nèi)部政治斗爭過重而崩盤的。

大家都想讓別人按自己的想法做事，有實(shí)驗(yàn)室需要花錢安撫頂級研究員，才能讓他們別再抱怨自己的想法沒被采納。

據(jù)此，他得出一個結(jié)論：

過強(qiáng)的Ego和野心，會妨礙做出最好的模型。

而中國這邊，他觀察到一個微妙差異：

中國實(shí)驗(yàn)室的核心貢獻(xiàn)者有大量都是在讀學(xué)生，在這里，學(xué)生被當(dāng)成同事直接參與核心研發(fā)。

他們會愿意做那些不那么Sexy的工作，無所謂，只要能讓模型變好就行。

反觀美國呢？OpenAI、Anthropic、Cursor這些頂級公司干脆就不開實(shí)習(xí)。

Google這類公司名義上會有和Gemini相關(guān)的實(shí)習(xí)，但事實(shí)上，大家會擔(dān)心實(shí)習(xí)生會被隔離在邊緣區(qū)域，接觸不到核心工作。

但中國經(jīng)驗(yàn)證明，學(xué)生的參與，反而能大幅加快行進(jìn)速度。

除此之外，這些學(xué)生還帶來了一個意想不到的優(yōu)勢：全新的視角。

過去幾年LLM的關(guān)鍵范式從Scaling MoE，到Scaling RL，再到Agent，每一次轉(zhuǎn)換都需要瘋狂吸收新的上下文。

學(xué)生恰恰最擅長這個。他們擅長快速學(xué)習(xí)，也樂于放下一切預(yù)設(shè)，一頭扎進(jìn)去。

Nathan還注意到一件有意思的事。當(dāng)他問中國研究員對AI的經(jīng)濟(jì)影響或長遠(yuǎn)社會風(fēng)險有什么看法時，很多人的反應(yīng)是——

愣了一下。

不是不想回答，是真的覺得不關(guān)他們事。他們的任務(wù)就是做出最好的模型，其他的事，不是他們操心的范圍。

相比之下，美國文化更強(qiáng)調(diào)為自己發(fā)聲。

作為科學(xué)家，你越能為自己的工作發(fā)聲，就越容易成功。

而硅谷文化也在推動一種新的成名路徑，也就是成為明星AI科學(xué)家。所以大家樂忠于上Dwarkesh、Lex Fridman這種超級播客節(jié)目。

一位研究員引用了Dan Wang那個經(jīng)典說法，很精辟：中國是工程師治國，美國是律師治國。

工程師考慮的是解決問題，而律師考慮的，是定義問題。

概括一下，Nathan覺得有四點(diǎn)比較重要的文化差異：

1、更愿意做那些不那么光鮮，但能提升最終模型的工作。

2、剛進(jìn)入AI構(gòu)建領(lǐng)域的人，不受上一輪AI炒作周期的路徑依賴束縛，因此能更快適應(yīng)新的現(xiàn)代技術(shù)。

3、更少的自我意識，讓組織結(jié)構(gòu)能稍微更好地擴(kuò)張，因?yàn)楦儆腥嗽噲D鉆組織系統(tǒng)的空子。

4、大量人才非常適合解決那些已經(jīng)在別處有概念驗(yàn)證的問題。

北京=硅谷

Nathan的北京游挺有意思。

他說北京簡直像灣區(qū)。隨便走兩步就是一個競爭對手的辦公室。

他下了飛機(jī)，去酒店的路上順便就拐進(jìn)了阿里巴巴北京園區(qū)。然后在36個小時內(nèi)，他依次去了智譜、月之暗面、清華、美團(tuán)、小米、零一萬物。

線下交流中，他向研究員們八卦中國的人才爭奪情況怎么樣。回答是：

跟美國差不多。

跳槽很正常，主要看當(dāng)前哪個團(tuán)隊氛圍最好。

但有一點(diǎn)跟美國很不一樣。

在中國的AI圈，實(shí)驗(yàn)室之間更像是一個生態(tài)，而不是互相廝殺的部落。在很多私下交流中，大家對同行都是尊重的。

所有實(shí)驗(yàn)室都對字節(jié)跳動和豆包保持高度關(guān)注，在Nathan看來，字節(jié)是中國少數(shù)走閉源路線推進(jìn)的大模型玩家。

所有人都敬佩DeepSeek，認(rèn)為它是研究品味最好的實(shí)驗(yàn)室。

這讓Nathan很驚訝，和美國研究員的線下對話，火藥味可比這濃多了。

但在中國，大家似乎冥冥中形成了一種默契的共識。

還有一點(diǎn)他覺得很奇怪——

中國研究員談到商業(yè)化的時候經(jīng)常聳聳肩，說：那不是我的事。

而美國這邊，從數(shù)據(jù)供應(yīng)商到算力到融資，人人都對各種生態(tài)級別的產(chǎn)業(yè)趨勢如數(shù)家珍。

中國AI產(chǎn)業(yè)的真實(shí)樣貌

聊完文化，Nathan接著聊了聊產(chǎn)業(yè)層面他觀察到的幾個關(guān)鍵差異。我挑幾個最有意思的說。

1、國內(nèi)AI需求的早期信號

一直有一種說法：中國AI市場會比較小，因?yàn)橹袊静惶敢鉃檐浖顿M(fèi)。Nathan認(rèn)為這個判斷只對了一半。不愿意花錢的部分對應(yīng)的是SaaS生態(tài)，這在中國確實(shí)很小。但中國有一個龐大的云計算市場。

關(guān)鍵問題在于：企業(yè)在AI上的花費(fèi)，最終會走SaaS的路線還是云的路線？

Nathan的感受是，AI更接近云，而且沒有人在擔(dān)心圍繞新工具是否能長出市場。

2、中國公司的技術(shù)自研執(zhí)念

為什么美團(tuán)、螞蟻集團(tuán)這種公司也在自己做大模型？

西方人可能會覺得奇怪。

但在Nathan看來，中國人的邏輯是：LLM顯然會成為未來科技產(chǎn)品的核心，所以必須自己掌握。

不過，雖然自研，但也開源。

先訓(xùn)一個通用底座，開源出去讓社區(qū)幫忙打磨，內(nèi)部再微調(diào)一個版本用到自己的產(chǎn)品里。

開源不是信仰，是實(shí)用主義——它能獲得社區(qū)反饋，能回饋開源生態(tài)，也能幫助他們更好地理解自己的模型。

3、算力不足

英偉達(dá)仍是訓(xùn)練的黃金標(biāo)準(zhǔn)，每個實(shí)驗(yàn)室都因?yàn)樾酒粔蚨芟蕖?/p>

4、數(shù)據(jù)產(chǎn)業(yè)不夠成熟

Nathan聽說過Anthropic和OpenAI動輒花1000萬美元以上買單個RL訓(xùn)練環(huán)境，每年累計花費(fèi)數(shù)億美元來推動前沿。

他很好奇，中國實(shí)驗(yàn)室是不是也在從美國公司買這些環(huán)境？或者有鏡像的國內(nèi)供應(yīng)鏈？

答案是：有數(shù)據(jù)產(chǎn)業(yè)，但質(zhì)量參差不齊。

所以自己做更靠譜。一般來說研究員們會親自花大量時間搭RL訓(xùn)練環(huán)境，字節(jié)和阿里這種大公司則有內(nèi)部數(shù)據(jù)標(biāo)注團(tuán)隊。

尾聲

Nathan文章最后的一段話，關(guān)乎「了解」。

Nathan表示，來之前就知道自己對中國了解甚少，走了一圈之后反而更強(qiáng)烈地感受到，自己根本不了解這塊土地。

中國不是一個能用規(guī)則或公式來概括的地方，它有完全不同的動力學(xué)和化學(xué)反應(yīng)。

如此古老且深厚文化，卻又與當(dāng)下的技術(shù)建設(shè)完全交織在一起。

在Nathan跟幾乎所有中國領(lǐng)先AI實(shí)驗(yàn)室交談后，他發(fā)現(xiàn)中國有很多特質(zhì)和直覺，是很難用西方的決策框架去建模的。

他不明白，為什么這些實(shí)驗(yàn)室要開源自己好不容易訓(xùn)練出來的模型。

它們不會認(rèn)為自己構(gòu)建的每一個模型都必須開源，但都非常有意愿支持開發(fā)者、支持生態(tài)，并且把開源進(jìn)一步了解模型的一種方式。

這些公司構(gòu)建LLM，并不是因?yàn)樽分馃狳c(diǎn)，想在新潮技術(shù)里刷存在感。

這一切的背后，是一種Nathan沒有想過強(qiáng)烈的深層愿望：

把技術(shù)棧掌控在自己手中。

這也讓Nathan在文章結(jié)尾，直言自己有些許焦慮：

如果說我不希望美國實(shí)驗(yàn)室在AI的每個領(lǐng)域都保持明確領(lǐng)先——特別是在開源模型這塊——那我就是在騙人。

我是美國人，這是一個誠實(shí)的偏好。

我希望開源生態(tài)能在全球繁榮。這能為世界創(chuàng)造更安全、更可及、更有用的AI。

但現(xiàn)在的問題是，硅谷是否能保住這個領(lǐng)導(dǎo)地位？

歸根結(jié)底，依舊是在談中國開源文化這件事。

關(guān)于這一點(diǎn)，Nathan說了一句非常有畫面感的話，很適合用作結(jié)尾：

當(dāng)我從筆記本電腦上抬起頭，總能看到地平線上的一簇簇起重機(jī)。

這跟中國的開源精神，顯然是一脈相承的。

Nathan報告原文： https://www.interconnects.ai/p/notes-from-inside-chinas-ai-labs

文章來源：量子位。