当一位美国AI科学家走访中国后，他对中国同行有何评价？

当一位深耕AI领域的美国研究者，亲自走访中国几乎所有顶尖AI实验室后，会得出怎样的结论？

近日，美国AI从业者内森·兰伯特（Nathan Lambert）发布了一篇中国AI实验室走访手记，记录了他在杭州、北京等地的所见所闻，以及与中国AI研究者深入交流后的思考。

先介绍一下作者，内森·兰伯特是一位机器学习研究员，拥有伯克利人工智能实验室博士学位，曾任职于Meta、DeepMind、HuggingFace，目前在艾伦人工智能研究所（AI2）主持后训练工作。

作为美国标准的AI从业者，他的视角跳出了地缘博弈的滤镜，用最真实的观察，揭开了中国AI实验室的真实面貌。

这篇手记，或许能让我们跳出自我审视的视角，看看在全球AI同行眼中，中国AI到底强在哪里、有哪些独特之处，又面临着怎样的挑战。

01 从业者差异：中国AI更纯粹更年轻

在出发前，内森对中国AI实验室的认知，大多停留在“快速跟进者”的刻板印象中。但真正深入交流后，他发现中国研究者的核心特质，恰恰是西方AI圈最稀缺的“务实与谦逊”。

他提到，美国AI圈崇尚“自我表达”“打造明星科学家”，人们都希望获得“顶尖 AI 科学家” 头衔，这种争斗往往引发了内部矛盾。

但中国研究者更信奉“集体最优”。打造顶尖大语言模型的过程中，从数据处理、架构细节到强化学习算法落地，每一个环节都需要精细化打磨，而为了实现模型的整体优化，即便是天才研究者的个人方案，也可能被暂时搁置。

此外，内森观察到一个中美AI行业非常大的一个差异，中国AI实验室的核心贡献者中，有大量在读学生。

“而美国顶尖实验室，OpenAI、Anthropic、Cursor 等机构基本不提供实习岗位；谷歌虽名义上有 Gemini 相关实习，但实习生普遍担心自己被隔离在核心工作之外。”

他还感慨的一点是，和美国不同，中国的AI氛围更加纯粹。

在美国，几乎所有AI从业者都痴迷于产业趋势、融资动态，而中国研究者的全部精力，都集中在技术本身。

人们致力于打造最好的模型，而不是被卷入AI 哲学问题中，“让中国研究者评论 AI 引发的经济不确定性、通用人工智能的边界，或是模型行为的道德争议时，都能感受到他们极致的谦逊。这不仅是专注工作，更是不谈论自己不了解的问题。”

当然，中美AI从业者也有很多相同点，比如中国多数开发者也受 Claude 影响。

尽管 Claude 在中国未正式开放，中国 AI 开发者仍对其极度痴迷，深受其开发模式影响。部分研究者会使用 Kimi、GLM 等国产工具，但所有人都提到用 Claude 开发。

02 生态差异：中国AI圈更喜欢自研

除了研究者的特质，中国AI生态的整体氛围，也与西方形成了鲜明对比。

内森用“硅谷平替”来形容北京的AI氛围——顶尖实验室相距不过步行或打车路程，阿里巴巴、智谱AI、月之暗面、零一万物等机构密集分布，人才流动频繁，却没有西方实验室那种“剑拔弩张”的竞争感。

在美国，OpenAI、Anthropic、Google既要在技术上争锋，又要在市场上决出胜负，竞争犹如角斗场。而在中国，技术旗帜（DeepSeek）与市场巨头（字节、阿里）的角色可以分离，形成了一种奇妙的分工。

相对于美国AI实验室私下火药味十足的情况不同，中国AI从业者对同行更加尊重。所有人都忌惮字节跳动（及其豆包模型），因为它是中国唯一的闭源前沿实验室；所有人都认可深度求索（DeepSeek），因为它的研发品味与执行力堪称行业标杆。

这种“共生而非对抗”的氛围，背后是中国企业的“技术自主”理念。内森发现，几乎所有中国大型科技企业，哪怕是美团（外卖服务）、小米（消费电子）这类看似与AI无关的公司，都在自研通用大语言模型。

这与美国同类企业形成了鲜明反差——美国企业更倾向于“购买服务”，而中国企业则坚持“掌控自己的技术栈”。他们认为，大语言模型是未来所有科技产品的核心，只有自己掌握核心技术，才能避免被“卡脖子”。

这种理念，也让中国AI实验室形成了“自研优先”的习惯：数据产业质量不足，就自己搭建训练环境；缺乏外部工具支持，就自主研发适配自身需求的工具。

03 中国AI的“优势”与“短板”

在肯定中国AI发展成就的同时，内森也客观指出了中国AI实验室面临的机遇与挑战。

他认为，中国AI的核心竞争力在于“人才储备”与“市场潜力”。海量的年轻研究者的加入，为行业注入了新鲜活力；而国内庞大的云计算市场，也让AI需求有了坚实的落地基础。

有一个广为流传的假设认为中国AI市场会更小，因为中国公司通常不为软件付费，但是内森认为这仅适用于SaaS生态，但现在情况不一样，中国有庞大的云市场会推翻这种假设。

挑战同样不容忽视。最突出的问题是“算力短缺”与“数据产业滞后”。

他发现英伟达芯片仍是中国AI实验室的“刚需”，芯片供应不足直接限制了研发进度；而数据产业的质量偏低，也让实验室不得不投入大量人力物力自建训练环境。

此外，中国AI在“从0到1”的原创性研究上，仍与西方存在差距，这种差距的缩小，需要教育与激励体系的长期调整。

内森坦言，此次中国之行让他“满载而归”。他原本以为自己对中国AI足够了解，却发现只是刚刚触及皮毛——中国AI的发展，无法用西方的规则来定义，它深深植根于中国的文化土壤，有着自己的发展逻辑与节奏。

在他眼中，中国AI生态展现出的谦逊务实、专注技术、生态协作的特点，与美国实验室的个性张扬、哲学讨论和竞争对抗形成鲜明对照。

在全球AI竞赛中，中国实验室的独特文化可能成为其竞争优势——专注于模型本身而非外部噪音，强大的学生力量带来新鲜视角，企业间的尊重与协作而非恶性竞争。随着AI技术日益成熟，这些特质，让中国AI在全球竞争中占据了独特的位置，也让全球AI生态变得更加多元。

04 看向窗外，在家国立场与全球理想之间徘徊

在文章的结尾，Lambert放下技术分析，展现出罕见的真诚。

他坦言，作为美国人，他"希望美国实验室在AI栈的每个部分都是明确的领导者——我是一个美国人。"

但他也希望全球开放生态本身能蓬勃发展，因为这可以为世界创造更安全、更可及、更有用的AI。

这种在民族情感与全球开放理想之间的坦诚拉扯，使这篇文章超越了简单的技术观察，展现出一种难得的人文温度。

当他走出实验室，看向窗外："当我从笔记本电脑上抬起头，总能看到地平线上成群的起重机。"

这个画面本身就是一个强有力的隐喻：一个仍在全力建设、务实进取的AI新大陆，正以自己独特的方式参与全球竞赛。

正如Lambert总结的那样："中国不是一个可以用规则或套路来表达的地方，而是一个有着截然不同的动力学和化学反应的地方。这里的文化如此古老、如此深厚，且可以与最先进的技术交织在一起。"