Nathan Lambert访华:中国AI实验室的速度、文化与全球竞赛

美国AI研究员Nathan Lambert深入探访北京、杭州多家中国顶尖AI实验室后分享观察。他认为中国AI生态系统已形成独特的技术所有权文化,年轻人才充沛,执行力强,擅长快速跟进。中美在开源模型领域已形成动态竞争,中国在特定方面领先,但在算力与前沿探索上仍存差距。

Nathan Lambert

导语

2026年4月,美国AI研究员Nathan Lambert开启了一场中国AI实验室深度探访之旅。他密集走访了北京和杭州的月之暗面、智谱、清华系团队、美团、小米、蚂蚁、灵异万物(即01.AI)等多家机构。回到美国后,他撰文分享了此行的“谦卑”收获与核心观察。本文基于《硅谷101》对他的专访,提炼出这位长期活跃在美国开源模型最前沿的研究者,如何透过第一视角,理解中国AI生态的结构、文化与中美竞赛的微妙动态。

大纲与深读 9 章

展开「深读」看每一段讨论的问题与论据。

01

美国研究者访华背景

  • 美国AI研究者Nathan Lambert于2026年4月访问中国北京、杭州、上海的多家AI实验室
  • Nathan在Hugging Face和AI2有丰富经验,是开源模型领域的知名人物
  • 他回国后撰文引发美国科技界讨论,本期播客对其进行了专访
深读这一段

讨论的问题:Nathan Lambert访华的核心动机是什么?

论据 / 案例:Nathan是Hugging Face RLHF研究团队组建者、AI2大模型后训练负责人,参与打造了Omo和Tulu等开源模型

02

访华行程与见闻

08:00
  • 访问了阿里巴巴、月之暗面、智谱、清华、美团、小米、蚂蚁等多家机构
  • 行程六七天,主要在北京和杭州,北京的AI初创公司集群让他联想到硅谷
  • 目标是与研究者对话,了解他们构建模型的动机和实际考量
深读这一段

讨论的问题:Nathan访问了哪些中国AI机构,有何感受?

论据 / 案例:访问了阿里巴巴两个办公室、Moonshot、ZAI、美团、清华大学、小米校园、蚂蚁团队、ModelScope等;北京的AI公司集群让他感觉像硅谷,可以步行穿梭于领先公司之间

03

谦逊的感悟

16:00
  • Nathan表示作为美国科学家,原以为对中国科技生态无话可说,但访问后仍感需学习甚多
  • 认识到理解中国需要更全面的知识体系,包括教育系统、人才输送等结构性因素
  • 阅读了相关书籍但仍是有限视角,离开后更觉知之甚少
深读这一段

讨论的问题:Nathan从中国之行中获得了什么最重要的感悟?

论据 / 案例:阅读了《Backfire》和《Apple in China》两本书;参观清华大学时,校方讨论了中国研究者在“从0到1”创新方面的不足及原因

04

访谈方式与问题

24:00
  • 主要与研究者交流,也接触到一些高管,但高管更受媒体训练,信息可能受限
  • 核心问题包括:为何发布模型、当前瓶颈、AI对劳动力市场的影响等
  • 中国研究者对社会影响等话题分享较少,更倾向于谈论具体技术任务
深读这一段

讨论的问题:Nathan主要向中国AI研究者提出哪些问题?

论据 / 案例:许多公司表示构建模型是因为需要服务自身用户并掌握全栈技术;研究者对华为芯片的评价是适合推理而非训练;中国研究者较少讨论AI的社会责任和影响

05

公司文化差异

32:00
  • 月之暗面被描述为“氛围最佳”的公司,团队紧密、充满构建酷事物的热情
  • 智谱AGI导向明确,团队年轻且有自豪感;阿里则更像大型科技公司,企业文化更正式
  • 中国AI实验室的研究者普遍非常年轻,博士生深度参与前沿研究
深读这一段

讨论的问题:不同中国AI公司的文化和团队构成有何特点?

论据 / 案例:月之暗面(Kimi)团队紧密;智谱AI有年轻研究者如20岁的学生在X上活跃;小米研究者W Lee是博士生也是主要研究者之一;中国实验室的年轻人才比例显著高于美国

06

开源模型生态

40:00
  • 中国公司发布众多强力开源模型是获得行业相关性的务实路径,旨在进入前沿对话
  • 自2025年夏天起,美国已将开源模型领导权让渡给中国,主要开源模型来自中国
  • 目前全球最佳开源模型可能是月之暗面的Kimi K2和智谱的GLM 5.1
深读这一段

讨论的问题:为何中国AI实验室如此积极发布开源模型?

论据 / 案例:发布模型是“获得相关性的路径”,让希望拥有自有AI模型的人关注并尝试;2025年夏天后美国失去开源模型领导地位;Kimi K2.6和GLM 5.1是目前最出色的开源模型

07

中美AI差距与人才

48:00
  • 在传统基准上,美国领先约6-9个月,但在新范式(如推理模型)中差距更小,且中国发布更快
  • 中国AI人才库庞大,年轻研究者专注任务、善于吸收最新范式,适合快速跟进
  • 美国前沿实验室高度依赖包括中国在内的国际人才,限制高技能移民对国家不利
深读这一段

讨论的问题:中美在AI模型能力上的差距有多大,趋势如何?

论据 / 案例:传统基准差距6-9个月;中国实验室发布速度快,缩小了用户体验差距;美国实验室(如AI2、OpenAI)有许多关键角色由中国或华裔研究者担任

08

中国研究者特质

56:00
  • 中国AI研究者更倾向于技术驱动和务实执行,较少讨论AI的哲学方向或社会影响
  • 教育体系可能更利于培养快速跟进的执行者,而非颠覆性的远见者
  • 中国研究者普遍英语水平高,密切关注西方AI生态;美国研究者则较少关注中国动态
深读这一段

讨论的问题:中国AI研究者与美国同行有何核心差异?

论据 / 案例:中国研究者对AI社会影响的讨论较少;中国的教育体系被描述为奖励记忆和标准化考试,可能不利于培养颠覆性愿景;中国研究者密切关注西方AI动态,反之则不然

09

全球生态与中国角色

64:00
  • 中国AI实验室的快速执行能力得益于年轻人才、资源专注和技术快速扩散
  • 中国公司普遍有“技术所有权”心态,倾向于自建全栈而非依赖外部服务
  • 中美AI发展正变得更加整合,尽管历史和地缘政治因素曾造成隔阂
深读这一段

讨论的问题:中国在全球AI竞赛中的独特角色和优势是什么?

论据 / 案例:中国公司(如美团、小米)倾向于自建模型服务内部产品(如智能体、汽车功能),以掌握长期轨迹并优化成本;中国拥有庞大的AI人才池,研究者专注于具体任务并高效组织

金句

  • "If you put a gun to my head, I would say of today, the biggest Chinese [model] is... Me and GP, then all of these Chinese companies combined." ——如果非要我说,我认为如今中国最大的模型是... Me和GP(指代某些模型),然后才是其他所有中国公司的模型加起来。
  • "The models are so competitive, but then when you learn more about all the talent there, it becomes somewhat normalized." ——这些模型如此有竞争力,但当你了解到那里的人才储备时,这又变得有些常态化了。
  • "It feels like a Bay Area feeling where you can just walk between all the leading AI companies of the region." ——这感觉就像湾区,你可以在区域内所有领先的AI公司之间步行穿梭。
  • "Chinese companies have a technology ownership mentality. They want to build rather than buy if at all possible." ——中国公司有一种技术所有权心态。如果可能,他们更愿意自建而非购买。
  • "In the last year, US has ceded the open model leadership to China, especially since the summer of 2025." ——过去一年,美国在开源模型领域的领导地位已经让给了中国,尤其是从2025年夏天开始。

原文链接

查看完整访谈

=== SUGGEST=== topic | stance | quote | date 中国AI生态的“技术所有权”文化 | 中国公司倾向于自研而非采购AI技术,以掌控长期发展和成本。 | “Chinese companies have a technology ownership mentality. They want to build rather than buy if at all possible.” | 2026-04 中美开源模型领导地位转移 | 自2025年夏天起,中国已在开源模型领域取得领先地位。 | “In the last year, US has ceded the open model leadership to China, especially since the summer of 2025.” | 2026-04 中国AI人才的年轻化优势 | 中国实验室大量启用极其年轻的核心研究者,他们专注、全身心投入,加速项目推进。 | “You go to the labs... a lot of these researchers are so young... These people are so hungry.” | 2026-04 中美AI研究文化差异 | 中国研究更务实、聚焦技术实现,美国则更多讨论AI的社会影响与哲学方向。 | “Top US researchers are talking about where AI will be going... that whole conversation didn't really come up in China.” | 2026-04 算力是共同瓶颈,但社会焦虑不同 | 中国研究者对算力受限感到焦虑,但社会层面缺乏美国那样的AI失业广泛焦虑。 | “There's definitely an anxiety of not being able to keep up in compute... Otherwise, there's less social anxiety.” | 2026-04

完整内容见原文:硅谷101 · Nathan Lambert访华:中国AI实验室的速度、文化与全球竞赛