美国AI研究员的中国实验室观察：人才年轻、务实与算力焦虑

2026 年 4 月，长期活跃于美国开源 AI 一线的研究者 Nathan Lambert 专程来到中国，在六七个晚上的时间里密集走访了北京和杭州的多家 AI 实验室与公司，包括阿里巴巴通义千问（Qwen）团队、月之暗面（Kimi）、智谱 AI、清华大学、美团、小米、蚂蚁集团百灵团队以及魔搭社区（ModelScope）等。回到美国后，他在 Substack 发表了《Notes from inside China's AI labs》一文，在美国科技圈引发讨论。36 氪《硅谷101》节目主持人陈茜与 Nathan 进行了一次长访谈，本文整理了这次对话的核心内容。

走访背景：从 RLHF 到开源大模型

Nathan 在 AI 圈并非新面孔：他参与组建了 Hugging Face 的 RLHF（基于人类反馈的强化学习）研究团队，后来在艾伦人工智能研究院（Ai2）担任大模型后训练负责人，参与打造了 OLMo 和 Tülu 等开源模型，也是知名播客主 Lex Fridman 节目中的常客。2025 年 DeepSeek 引爆全球讨论后，Lex 曾邀请 Nathan 与 SemiAnalysis 创始人 Dylan Patel 进行了超过五小时的深度对谈。

在访谈中，Nathan 坦言这趟中国之行并没有带来「惊天大料」式的发现——AI 领域里谁在做模型、哪些团队在推进，很多信息已经相对公开。让他更在意的是「认识做这些模型的人，理解他们为什么做这件事，感受其中的细微差别」。他认为，过去美国与中国科技圈的工作方式交集不多，中间一直存在一堵「墙」：比如在 Meta 或 Google 的员工去中国出差，电脑基本就废了。现在这堵墙正在被慢慢打通，他对此非常感兴趣。

中国 AI 实验室的直观印象

Nathan 将月之暗面（Kimi）形容为他拜访过的公司里「氛围最好」的一家。走进办公室能直觉感受到这群人关系特别近，做出一个很酷的东西本身就让他们兴奋，并且还能把它商业化。相比之下，阿里巴巴的氛围则非常「公司化」，蚂蚁百灵团队也有类似感觉。智谱给人的印象则非常「AGI 导向」，也很有自豪感。

一个有趣的细节是，中国公司普遍有「展厅文化」，访客一到就会展示公司历史。智谱的展厅里几乎每块展示板都有 AGI 相关元素，比如「AGI 加载中」或「AGI 进度 42%」（《银河系漫游指南》的梗）。

Nathan 还在正式拜访之外，通过微信与一些研究员私下交流。在他看来，最好的对话往往发生在没有公关和经理在场的场合——「那种对话更有意思」，可以很直接地听到「你现在在做什么」。

普遍年轻的研究者与「从 0 到 1」之问

月之暗面曾有一篇论文《Attention Residuals》，其中一位作者是 17 岁的高中生，马斯克在 X 上转发并评价「Kimi 的研究成果令人印象深刻」。Nathan 认为这并非月之暗面独有的现象：在中国这些 AI 公司里，人才都非常年轻，他在拜访中接连遇到大概 20 出头、已经深度参与核心工作的研究员。

他对比了 Ai2 的情况：Ai2 背后是华盛顿大学，有博士生同时参与 OLMo 等核心项目，这种「产业与学术交融」的做法在美国并不普遍，「通常是顶尖中的顶尖」。而在中国，尤其是清华与周边创业公司之间，人才的重叠度要高得多。

一位研究员向 Nathan 解释了这背后的逻辑：年轻学生没有深度学习早期发展留下的「先入为主」的想法，不会一上来就想换架构，而是「先知道当前最先进的方法是什么，然后把它做得更好」。这在语言模型这样一个需要掌握庞大而稳定知识体系的领域里，反而是优势。

Nathan 注意到一个值得深思的外部印象：过去外界认为中国研究员似乎不那么擅长「从 0 到 1」的科学创新。这种说法本身模糊，涉及人的训练方式以及人才如何从广阔国内网络层层流向不同机构。但他强调：「你要想对一个地方形成比较准确的直觉，需要更接近『全栈式』的了解。作为美国人，我可能要花一辈子才能真正理解这些。」

算力焦虑与务实态度

在与各团队的交流中，Nathan 通常从一个直接的问题开始：「你们为什么要自己做模型，而不直接用 DeepSeek 的？」多数公司的回答很务实：需要 AI 来服务自己的用户，也想掌握完整的技术栈。相比美国「做前沿实验室超级昂贵、几乎只有少数公司能做的事」的氛围，中国公司对自己做 AI 模型没有那种畏难感。

话题很快会延伸到「最大的瓶颈是什么」，答案几乎一致卡在算力上。Nathan 提到，很多人会评价华为芯片做推理还不错，但「基本不会用来训练」。

另一个让他印象深刻的差异是中国研究员相对不太愿意展开谈太多宏观看法。他将这种务实与「谦逊」区分开来：一个人可以很谦逊，也可能只是身处一种不习惯被问这些问题的环境里。美国有很强的播客生态，研究人员能通过增加曝光获得认可甚至影响公司方向；中国没有这样的生态，整体氛围更偏「我把东西做出来了」。

缺席者：DeepSeek 与字节跳动

这次行程的名单很长，但「最明显缺席的是 DeepSeek，它是最神秘的一家，还有字节跳动」。Nathan 观察到，几乎所有人都在谈 DeepSeek，因为「它像是一个神秘的先行者」；而字节跳动是「那个坐拥海量资源的闭源 AI 实验室」，大家似乎都有点忌惮，「毕竟豆包现在是最主流的聊天机器人」。

在行程结束后的总结中，Nathan 表示自己「带着一种谦卑」回来。他原本就知道自己了解得不多，去过之后更确信如此。「中国这些模型能有这么强的竞争力确实让人惊讶，但当你进一步了解那里的人才和整个生态之后，又会觉得这件事变得合理了。」他计划继续关注并试用这些开源模型，搭建中美 AI 研究者之间更多的连接。