美国AI研究员的中国之旅：年轻人，追赶者，算力焦虑与“AGI展示厅” ｜专访Nathan Lambert

核心摘要：2026年4月，美国Hugging Face前RLHF研究负责人、研究艾伦AI研究院（Ai2）大模型后训练负责人Nathan Lambert深入中国，中国之旅I展专访实地走访了北京、年轻杭州、人追上海的算力示厅AI实验室。在与阿里巴巴、焦虑月之暗面、美国智谱、研究清华、中国之旅I展专访美团、年轻小米、人追蚂蚁及零一万物等团队的算力示厅密集交流中，他揭示了中国AI生态的焦虑独特面貌：年轻化的研究团队、务实的美国“技术所有权”心态、对算力的极度焦虑，以及中美在开源模型竞争中的新平衡。

一、 旅程背景：打破“信息墙”，看见真实的人

2026年4月，美国AI圈极具影响力的研究者Nathan Lambert专程来到中国。他密集拜访了阿里巴巴（千问）、月之暗面（Kimi）、智谱AI、清华大学、美团、小米、蚂蚁集团（百灵）和零一万物等团队。回国后，他撰写了《Notes from inside China's AI labs》（中国AI实验室内部观察随笔），在美国科技圈引发热议。

Nathan Lambert不仅是Hugging Face RLHF研究团队的组建者，也是Lex Fridman播客的常客。在DeepSeek引爆全球讨论后，他多次在节目中深度剖析全球AI进展。此次中国行，旨在打破中美科技圈长期存在的“信息墙”，理解中国模型背后的研发逻辑与人才生态。

Nathan的核心观点：
* 去神秘化：中国AI并非“惊天大料”，而是由一群务实、年轻、充满激情的人推动的。
* 桥梁作用：许多决策并非由一线研究员做出，但他们是技术的直接构建者。看见“人”，有助于缓解地缘政治带来的极端化叙事。
* 生态互补：美国公司致力于围绕开放模型构建服务，而许多底层模型来自中国。两堵墙（如Meta/Google的出差限制）正在慢慢被打通。

二、 实地探访：从北京到杭州的AI地图

Nathan的行程主要集中在北京和杭州，时间约为六七个晚上。

• 北京：以清华大学为中心，形成了类似硅谷的AI创业聚集区。拜访了月之暗面（Kimi）、智谱AI、美团、小米园区及清华团队。
• 杭州：拜访了阿里巴巴（通义千问）、蚂蚁集团（百灵）及魔搭社区（ModelScope）。
• 上海：部分同行成员与MiniMax及阶跃星辰（StepFun）进行了交流。

被提及最多的“缺席者”：
* DeepSeek：被视为神秘的先行者，几乎所有团队都在讨论它。
* 字节跳动：拥有海量资源的闭源巨头，因豆包的主流地位而显得“忌惮”，外界对其内部动态知之甚少。

三、 中国AI生态的四大特征

1. 极度年轻化的研究团队

Nathan观察到，中国AI研究员的年龄显著低于美国同行。
* 现象：月之暗面有17岁高中生参与核心论文（《Attention Residuals》），小米、智谱等多家公司有大量20岁出头的研究员深度参与核心工作。
* 原因：中国产业与学术界交融更深（如清华与周边创业公司），人才重叠度高。年轻人生活牵扯少，能全身心投入庞大且稳定的知识体系（如后训练的全流程理解）。
* 优势：新人没有“旧范式”包袱，更愿意直接吸收最新技术（如MoE、RLHF），执行效率极高。

2. “技术所有权”与务实主义

• 自研逻辑：美团、小米等巨头不满足于调用API，而是选择自研模型。逻辑是：“我们有算力、人才，且能更便宜地控制技术栈。”
• 展厅文化：智谱等公司设有浓厚的“AGI展示厅”，强调进度与愿景，但内部运作极其务实。
• 开源策略：中国公司发布开源模型并非出于纯粹的“开放科学”信仰，而是为了获得反馈、建立存在感并吸引用户。这是一种“快速跟随”后的差异化竞争手段。

3. 算力焦虑与华为芯片的局限

• 瓶颈：算力是中国实验室最大的痛点。相比Meta或OpenAI，中国实验室的GPU资源稀缺，容错率低。
• 华为现状：共识是“华为芯片推理可用，训练难用”。目前仅小模型尝试用华为训练，大模型仍依赖英伟达。
• 策略影响：算力限制迫使中国团队追求极致的效率优化（如DeepSeek的架构创新），但也限制了动态算法实验的空间。

4. 数据产业的差距

• 美国优势：美国拥有庞大的数据服务市场（Scale AI, Mercor等），实验室可购买高质量偏好数据以微调模型。
• 中国短板：中国缺乏成熟的外部数据供应商，主要依赖内部构建。这使得中国模型在特定垂直领域（如医疗、法律）的数据积累上可能落后于美国前沿模型。

四、 中美AI发展对比：差距与变化

1. 模型性能差距：6-9个月？

• 基准测试：传统基准上，美国领先约6-9个月。
• 实际体验：在推理模型等新兴范式上，差距极小。中国发布速度快（训练一周即发布），缩小了用户实际感知到的性能差距。
• 编程领域：Claude Code和Codex凭借易用性和消费者数据反馈，在编程智能体领域领先。中国模型代码质量高，但在“易用性”和真实世界数据回流上存在劣势。

2. 开源领导权的转移

• 现状：Nathan认为，自2025年夏天起，美国已将开源模型领导权让给中国。GLM 4.5、Kimi K2等突破性模型的出现，标志着这一转折。
• 未来希望：英伟达可能成为改变局面的关键。通过发布Nemotron系列开源模型，英伟达旨在维持生态多元化，避免被少数闭源巨头垄断。

3. 文化与心态差异

• 美国：充满社会焦虑（失业担忧）、哲学讨论（AGI风险、奇点）及“隧道视野”。
• 中国：更接地气，焦虑主要源于算力而非社会影响。研究员更关注“先把东西做出来”，对AGI的意识形态讨论较少，更多视为技术演进的一部分。
• 信息不对称：中国年轻研究员英语更好，积极关注西方动态；而美国生态对中国了解有限，导致信息流单向。

五、 重点公司观察

• 月之暗面（Kimi）：氛围最好，团队凝聚力强，关系紧密。既有技术激情，又有商业化落地能力。
• 智谱AI：“AGI导向”，自豪感强，但亲和力略逊于Kimi。上市及实体清单事件使其迅速“公司化”。
• 阿里巴巴（通义千问）：靠持续发布高质量小模型（1B-30B）赢得开源社区认同。大模型（Plus/Max）闭源以服务于阿里云变现。
• 小米：务实且快速崛起。从MiMo 7B到V2.5，迅速成为最强模型团队之一。逻辑是AI将深度融入汽车及硬件生态。
• 美团：自研模型服务于智能体产品（如自动点餐、需求判断）。处于大公司生态与独立实验室之间的中间地带。
• 零一万物：李开复创办，经历转型至ToB。退出前沿大模型竞争，转向小型混合专家模型，被视为明智的战略收缩。

六、 未来展望：12个月与3-5年

• 短期（12个月）：
• 新的智能体产品（Agent）将成为焦点，超越单纯的聊天机器人。
• 中美模型差距可能扩大至6-9个月甚至一年，但中国不会停滞，DeepSeek V5、Kimi K3等新品将不断涌现。

• 美国中型公司（如Together, Fireworks）与中国实验室（Kimi, 智谱）的跨国协作将增加。

• 中长期（3-5年）：

• 部分中国实验室可能因融资问题倒下（如MiniMax或智谱面临挑战）。
• 华为芯片生态将因需求倒逼而加速发展，但短期内难以完全替代英伟达。
• 数据产业将成为关键变量，中国若无法建立类似美国的高质量数据市场，将在智能体任务上受限。

七、 结语：中性视角下的全球竞赛

Nathan Lambert对全球AI竞赛持中性态度。他担忧美国公众舆论对AI的负面看法可能阻碍进展，但也认为中美竞争符合地缘政治预期。

核心建议：
1. 增加人性化：让双方更理解彼此的技术构建者，减少极端化叙事。
2. 关注开源协作：美国中小玩家应更积极地与中国实验室建立联系，利用中国开源模型的生态优势。
3. 理性看待差距：中国模型在效率、速度和年轻人才上具有独特优势，但在数据生态和顶级算力上仍有短板。

“能见到这些技术背后的人，我真的很高兴。这是一个共同向着各种目标迈进的社群。” —— Nathan Lambert

注：本文基于视频访谈改写，部分图片来源于网络。

(责任编辑：休闲)