实地走访中国 AI 实验室：研究员揭「芯片与数据缺口」成中美差距关键

AI 研究員 Nathan Lambert 日前走訪多个中国大型 AI 实验室，包括月之暗面（Moonshot AI）、智譜（Zhipu）、美團、小米、阿里巴巴通義千问（Qwen）、螞蟻集團（Ant Ling）与零一万物（01.ai）等，並寫下这份深度觀察紀錄。他坦言此行让他重新认识了中国 AI 生態，这份紀錄不只是一名研究員的旅遊见聞，更是一份从技術文化到产业結構的第一手中国 AI 診斷报告。

中国 AI 的核心優勢：文化、人才与務实心態

中国研究員的競爭力从何而来：傾向埋头苦幹

Lambert 认为，中国实验室之所以能快速跟上甚至比肩前沿 AI，背后有一个常被忽略的关鍵因素：研究文化与組织氛圍。

相较於美国研究者普遍有強烈的个人表现欲，傾向为自己的研究成果发聲、追求在媒體与社群上建立个人品牌，中国研究者更傾向把自我置於模型品质之后。他們更願意从事那些默默无聞、卻能確实提升模型表现的工作，也更能接受自己的想法在多目標優化中被捨棄。

Lambert 指出，美国甚至傳出有实验室需要「付钱給顶尖研究員，才能让他停止抱怨自己的方案沒被採用」，象徵西方实验室背后的組织摩擦是真实存在的。

这種文化差異在組织層面产生了顯著效果：自我意识较低让組织架構更容易向上擴展，不同層級的研究者能夠更有效協作，而非各自捍衛利益。

学生融入 LLM 开发團队成主要力量之一

另一个令 Lambert 印象深刻的现象，是各实验室相当高比例的核心貢獻者仍是在校学生。这些学生並不会被差異化对待，而是直接融入 LLM 开发團队。这与 OpenAI、Anthropic 幾乎不提供实習机会、或即使有实習也会被隔离在核心业務之外的美国生態形成对比：

学生的優勢在於「沒有包袱」，他們沒有经歷过前幾个 AI 浪潮留下的慣性假设，更容易快速吸收新的技術，从 MoE 擴展、強化学習到智能體开发。每一次的典範转移对他們来说都是全新的起点，无需拋棄舊有认知。

競爭还是合作？揭露中国「工程師治国」生態

Lambert 注意到，当他試圖与中国研究者討論 AI 的长期社会风险、经濟衝擊或模型行为的道德辯論时，对話往往陷入一種沉默。他理解到，对方並非刻意迴避，而是这些问題对他們来说真的不在思考範疇之內。

他引用了学者 Dan Wang 关於「中国由工程師治理，美国由律師治理」的觀察来解釋自己的立场：「他們的任務就是把模型做好，其他的问題留給別人。」

这使得中国 AI 社群在 Lambert 眼中更像一个「共同體」，而非相互競爭的部落。各实验室之间普遍相互尊重，对字節跳动等巨头保持敬畏、对 DeepSeek 的研究品味与執行力高度推崇，卻沒有美国实验室那種火藥味十足的競爭張力。

中国 AI 的限制与劣勢：晶片、數據与創造力缺口

輝达晶片成所有实验室的共同瓶頸

受到美国出口管制影響，輝达（Nvidia）算力的供应不足是中国所有实验室面臨的共同限制。Lambert 觀察到，幾乎每一家实验室都明確表示，如果算力供应足夠，他們会毫不猶豫地擴大採購。

华为（Huawei）等国产加速器在推論端獲得正面評价，眾多实验室也已大量使用；但在訓練端，輝达仍是不可取代的黄金標準，而这个缺口短期內很难靠其他方案完全填補。

數據产业成最大弱点，自建成主流选擇

相较於 Anthropic、OpenAI 每年投入數亿美元購买強化学習訓練環境，中国的外部數據产业在品质上仍有明顯落差。Lambert 觀察到，多數实验室认为市场上可購买的數據品质偏低，因此寧願將资源投入自建訓練環境，研究人員本身也花费大量时间在環境建構上。

字節跳动、阿里巴巴等大型企业雖有內部资料團队可支援，但如同 Citrini 分析師 Zephyr 所言，这仍是中国 AI 生態最大的弱点。

（中国新創 Moonshot 机器人自稱 Claude，蒸餾 Anthropic 模型露餡）

开源背后是務实，而非意识形態

面对外界对「美團、小米这種企业为何需要建立並开放通用大模型」的问題，Lambert 认为这背后是一套非常務实的商业逻辑：开源能獲得外部社群回饋、強化模型品质；同时，企业可保留內部微调版本用於自家产品，掌控核心技術棧。

这種「技術所有權」心態，驅动幾乎所有主要中国科技公司自建基礎模型，而非依賴外部服務，这与美国 AI 企业的选擇截然不同。

Delphi Ventures 創辦人視角：執行力強，但缺乏創造力

Delphi Ventures 共同創辦人 José Maria Macedo 日前也深度走訪中国 AI 生態，並从投资人角度提供了另一層觀察，与 Lambert 的技術視角形成对照。

Macedo 认为，中国創辦人普遍擁有无可挑剔的履歷与驚人的執行力，但相较之下，「从零到一」的原創創业衝动较为罕见：「他們更擅长把既有方向做出優秀的升級版本，而非提出市场还沒意识到的全新问題。」他將此歸因於教育體系长期強化「解題者」而非「提问者」的思維模式。

（顶尖人才滿街跑，卻做不出 OpenAI？投资人深度走訪两週揭中国 AI 真正问題）

美国仍应爭取开放生態的领導位置

Lambert 坦言，中国是一个无法用西方框架簡單套用理解的地方：「它的文化太古老、太深沉，与技術生態的交织方式有其獨特的化学反应。」

他身为美国人，希望以开放模型为主的美国 AI 实验室能持续保持领先；但他更擔憂的是，若美国透过行政命令限制开放模型的发展，反而会削弱自身在全球开放 AI 生態中的主導地位，让这场競爭的天秤朝著难以预料的方向傾斜。

这篇文章 实地走訪中国 AI 实验室：研究員揭「晶片与數據缺口」成中美差距关鍵 最早出现於 链新聞 ABMedia。