所有實(shí)驗(yàn)室都怕字節(jié)，所有人都在夸DeepSeek！美國(guó)研究員中國(guó)AI行

Jay 發(fā)自 凹非寺
量子位 | 公眾號(hào) QbitAI
中國(guó)AI研究員的性格、魅力和真誠(chéng)……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(guó)之行后，發(fā)自內(nèi)心的一番感慨。

在Nathan眼里，國(guó)內(nèi)的LLM圈子簡(jiǎn)直是天堂，大家彼此尊重、即便立場(chǎng)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(méi)眼看。

天天激情互噴，跟部落爭(zhēng)霸似的……

并非場(chǎng)面客套話。

這次來(lái)中國(guó)的36小時(shí)，Nathan幾乎把國(guó)內(nèi)AI圈打卡了個(gè)遍，月之暗面、智譜、清華、美團(tuán)、小米、千問(wèn)……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(gè)結(jié)論：

這里的AI玩家，在合作共贏。

基于此，Nathan寫(xiě)下長(zhǎng)文，分享了他此次中國(guó)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(jiǎn)直跟硅谷一樣，他36小時(shí)內(nèi)跑了6家AI公司。
• 他問(wèn)一名中國(guó)研究員對(duì)AI風(fēng)險(xiǎn)的看法，對(duì)方困惑地愣住了——這似乎是個(gè)不合適的問(wèn)題。
• 美團(tuán)、小米這種公司也會(huì)自研大模型，這在中國(guó)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(guó)工程師文化的一種具象化。

實(shí)在太真誠(chéng)了，連MiniMax都跑來(lái)前排圍觀，表示希望下次Nathan的「中國(guó)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(guó)研究員的心態(tài)

Nathan在文中花了大篇幅聊一個(gè)事：為什么中國(guó)實(shí)驗(yàn)室這么擅長(zhǎng)追趕前沿？

他的核心判斷是，文化。

今天做一個(gè)好的LLM，靠的是從數(shù)據(jù)到架構(gòu)到RL算法，全棧每個(gè)細(xì)節(jié)的打磨。每個(gè)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(gè)極其復(fù)雜的多目標(biāo)優(yōu)化問(wèn)題。

有時(shí)候某個(gè)天才研究員的工作，需要為模型的整體工作讓路。

在美國(guó)，這種事經(jīng)常引爆沖突。

Nathan透露了個(gè)瓜：Llama團(tuán)隊(duì)據(jù)傳就是因?yàn)閮?nèi)部政治斗爭(zhēng)過(guò)重而崩盤(pán)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(qián)安撫頂級(jí)研究員，才能讓他們別再抱怨自己的想法沒(méi)被采納。

據(jù)此，他得出一個(gè)結(jié)論：

過(guò)強(qiáng)的Ego和野心，會(huì)妨礙做出最好的模型。

而中國(guó)這邊，他觀察到一個(gè)微妙差異：

中國(guó)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(huì)愿意做那些不那么Sexy的工作，無(wú)所謂，只要能讓模型變好就行。

反觀美國(guó)呢？OpenAI、Anthropic、Cursor這些頂級(jí)公司干脆就不開(kāi)實(shí)習(xí)。

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

但中國(guó)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(lái)了一個(gè)意想不到的優(yōu)勢(shì)：全新的視角。

過(guò)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(zhǎng)這個(gè)。他們擅長(zhǎng)快速學(xué)習(xí)，也樂(lè)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(wèn)中國(guó)研究員對(duì)AI的經(jīng)濟(jì)影響或長(zhǎng)遠(yuǎn)社會(huì)風(fēng)險(xiǎn)有什么看法時(shí)，很多人的反應(yīng)是——

愣了一下。

不是不想回答，是真的覺(jué)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(guó)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(dòng)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(lè)忠于上Dwarkesh、Lex Fridman這種超級(jí)播客節(jié)目。

一位研究員引用了Dan Wang那個(gè)經(jīng)典說(shuō)法，很精辟：中國(guó)是工程師治國(guó)，美國(guó)是律師治國(guó)。

工程師考慮的是解決問(wèn)題，而律師考慮的，是定義問(wèn)題。

概括一下，Nathan覺(jué)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(shí)，讓組織結(jié)構(gòu)能稍微更好地?cái)U(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(wèn)題。

北京=硅谷

Nathan的北京游挺有意思。

他說(shuō)北京簡(jiǎn)直像灣區(qū)。隨便走兩步就是一個(gè)競(jìng)爭(zhēng)對(duì)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(gè)小時(shí)內(nèi)，他依次去了智譜、月之暗面、清華、美團(tuán)、小米、零一萬(wàn)物。

線下交流中，他向研究員們八卦中國(guó)的人才爭(zhēng)奪情況怎么樣。回答是：

跟美國(guó)差不多。

跳槽很正常，主要看當(dāng)前哪個(gè)團(tuán)隊(duì)氛圍最好。

但有一點(diǎn)跟美國(guó)很不一樣。

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

所有實(shí)驗(yàn)室都對(duì)字節(jié)跳動(dòng)和豆包保持高度關(guān)注，在Nathan看來(lái)，字節(jié)是中國(guó)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(guó)研究員的線下對(duì)話，火藥味可比這濃多了。

但在中國(guó)，大家似乎冥冥中形成了一種默契的共識(shí)。

還有一點(diǎn)他覺(jué)得很奇怪——

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

而美國(guó)這邊，從數(shù)據(jù)供應(yīng)商到算力到融資，人人都對(duì)各種生態(tài)級(jí)別的產(chǎn)業(yè)趨勢(shì)如數(shù)家珍。

中國(guó)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(gè)關(guān)鍵差異。我挑幾個(gè)最有意思的說(shuō)。

1、國(guó)內(nèi)AI需求的早期信號(hào)

一直有一種說(shuō)法：中國(guó)AI市場(chǎng)會(huì)比較小，因?yàn)橹袊?guó)公司不太愿意為軟件付費(fèi)。Nathan認(rèn)為這個(gè)判斷只對(duì)了一半。不愿意花錢(qián)的部分對(duì)應(yīng)的是SaaS生態(tài)，這在中國(guó)確實(shí)很小。但中國(guó)有一個(gè)龐大的云計(jì)算市場(chǎng)。

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

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

2、中國(guó)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(huì)覺(jué)得奇怪。

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

不過(guò)，雖然自研，但也開(kāi)源。

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

開(kāi)源不是信仰，是實(shí)用主義——它能獲得社區(qū)反饋，能回饋開(kāi)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(gè)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(tīng)說(shuō)過(guò)Anthropic和OpenAI動(dòng)輒花1000萬(wàn)美元以上買(mǎi)單個(gè)RL訓(xùn)練環(huán)境，每年累計(jì)花費(fèi)數(shù)億美元來(lái)推動(dòng)前沿。

他很好奇，中國(guó)實(shí)驗(yàn)室是不是也在從美國(guó)公司買(mǎi)這些環(huán)境？或者有鏡像的國(guó)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(lái)說(shuō)研究員們會(huì)親自花大量時(shí)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(duì)。

尾聲

Nathan文章最后的一段話，關(guān)乎「了解」。

Nathan表示，來(lái)之前就知道自己對(duì)中國(guó)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(guó)不是一個(gè)能用規(guī)則或公式來(lái)概括的地方，它有完全不同的動(dòng)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(guó)領(lǐng)先AI實(shí)驗(yàn)室交談后，他發(fā)現(xiàn)中國(guó)有很多特質(zhì)和直覺(jué)，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(kāi)源自己好不容易訓(xùn)練出來(lái)的模型。

它們不會(huì)認(rèn)為自己構(gòu)建的每一個(gè)模型都必須開(kāi)源，但都非常有意愿支持開(kāi)發(fā)者、支持生態(tài)，并且把開(kāi)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(méi)有想過(guò)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(shuō)我不希望美國(guó)實(shí)驗(yàn)室在AI的每個(gè)領(lǐng)域都保持明確領(lǐng)先——特別是在開(kāi)源模型這塊——那我就是在騙人。
我是美國(guó)人，這是一個(gè)誠(chéng)實(shí)的偏好。
我希望開(kāi)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(wèn)題是，硅谷是否能保住這個(gè)領(lǐng)導(dǎo)地位？

歸根結(jié)底，依舊是在談中國(guó)開(kāi)源文化這件事。

關(guān)于這一點(diǎn)，Nathan說(shuō)了一句非常有畫(huà)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(guó)的開(kāi)源精神，顯然是一脈相承的。

Nathan報(bào)告原文： https://www.interconnects.ai/p/notes-from-inside-chinas-ai-labs