實地走訪中國 AI 實驗室：研究員揭「晶片與數據缺口」成中美差距關鍵

AI 研究員 Nathan Lambert 日前走訪多個中國大型 AI 實驗室，包括月之暗面（Moonshot AI）、智譜（Zhipu）、美團、小米、阿里巴巴通義千問（Qwen）、螞蟻集團（Ant Ling）與零一萬物（01.ai）等，並寫下這份深度觀察紀錄。他坦言此行讓他重新認識了中國 AI 生態，這份紀錄不只是一名研究員的旅遊見聞，更是一份從技術文化到產業結構的第一手中國 AI 診斷報告。

中國 AI 的核心優勢：文化、人才與務實心態

中國研究員的競爭力從何而來：傾向埋頭苦幹

Lambert 認為，中國實驗室之所以能快速跟上甚至比肩前沿 AI，背後有一個常被忽略的關鍵因素：研究文化與組織氛圍。

相較於美國研究者普遍有強烈的個人表現欲，傾向為自己的研究成果發聲、追求在媒體與社群上建立個人品牌，中國研究者更傾向把自我置於模型品質之後。他們更願意從事那些默默無聞、卻能確實提升模型表現的工作，也更能接受自己的想法在多目標優化中被捨棄。

Lambert 指出，美國甚至傳出有實驗室需要「付錢給頂尖研究員，才能讓他停止抱怨自己的方案沒被採用」，象徵西方實驗室背後的組織摩擦是真實存在的。

這種文化差異在組織層面產生了顯著效果：自我意識較低讓組織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。

學生融入 LLM 開發團隊成主要力量之一

另一個令 Lambert 印象深刻的現象，是各實驗室相當高比例的核心貢獻者仍是在校學生。這些學生並不會被差異化對待，而是直接融入 LLM 開發團隊。這與 OpenAI、Anthropic 幾乎不提供實習機會、或即使有實習也會被隔離在核心業務之外的美國生態形成對比：

學生的優勢在於「沒有包袱」，他們沒有經歷過前幾個 AI 浪潮留下的慣性假設，更容易快速吸收新的技術，從 MoE 擴展、強化學習到智能體開發。每一次的典範轉移對他們來說都是全新的起點，無需拋棄舊有認知。

競爭還是合作？揭露中國「工程師治國」生態

Lambert 注意到，當他試圖與中國研究者討論 AI 的長期社會風險、經濟衝擊或模型行為的道德辯論時，對話往往陷入一種沉默。他理解到，對方並非刻意迴避，而是這些問題對他們來說真的不在思考範疇之內。

他引用了學者 Dan Wang 關於「中國由工程師治理，美國由律師治理」的觀察來解釋自己的立場：「他們的任務就是把模型做好，其他的問題留給別人。」

這使得中國 AI 社群在 Lambert 眼中更像一個「共同體」，而非相互競爭的部落。各實驗室之間普遍相互尊重，對字節跳動等巨頭保持敬畏、對 DeepSeek 的研究品味與執行力高度推崇，卻沒有美國實驗室那種火藥味十足的競爭張力。

中國 AI 的限制與劣勢：晶片、數據與創造力缺口

輝達晶片成所有實驗室的共同瓶頸

受到美國出口管制影響，輝達（Nvidia）算力的供應不足是中國所有實驗室面臨的共同限制。Lambert 觀察到，幾乎每一家實驗室都明確表示，如果算力供應足夠，他們會毫不猶豫地擴大採購。

華為（Huawei）等國產加速器在推論端獲得正面評價，眾多實驗室也已大量使用；但在訓練端，輝達仍是不可取代的黃金標準，而這個缺口短期內很難靠其他方案完全填補。

數據產業成最大弱點，自建成主流選擇

相較於 Anthropic、OpenAI 每年投入數億美元購買強化學習訓練環境，中國的外部數據產業在品質上仍有明顯落差。Lambert 觀察到，多數實驗室認為市場上可購買的數據品質偏低，因此寧願將資源投入自建訓練環境，研究人員本身也花費大量時間在環境建構上。

字節跳動、阿里巴巴等大型企業雖有內部資料團隊可支援，但如同 Citrini 分析師 Zephyr 所言，這仍是中國 AI 生態最大的弱點。

（中國新創 Moonshot 機器人自稱 Claude，蒸餾 Anthropic 模型露餡）

開源背後是務實，而非意識形態

面對外界對「美團、小米這種企業為何需要建立並開放通用大模型」的問題，Lambert 認為這背後是一套非常務實的商業邏輯：開源能獲得外部社群回饋、強化模型品質；同時，企業可保留內部微調版本用於自家產品，掌控核心技術棧。

這種「技術所有權」心態，驅動幾乎所有主要中國科技公司自建基礎模型，而非依賴外部服務，這與美國 AI 企業的選擇截然不同。

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 日前也深度走訪中國 AI 生態，並從投資人角度提供了另一層觀察，與 Lambert 的技術視角形成對照。

Macedo 認為，中國創辦人普遍擁有無可挑剔的履歷與驚人的執行力，但相較之下，「從零到一」的原創創業衝動較為罕見：「他們更擅長把既有方向做出優秀的升級版本，而非提出市場還沒意識到的全新問題。」他將此歸因於教育體系長期強化「解題者」而非「提問者」的思維模式。

（頂尖人才滿街跑，卻做不出 OpenAI？投資人深度走訪兩週揭中國 AI 真正問題）

美國仍應爭取開放生態的領導位置

Lambert 坦言，中國是一個無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，與技術生態的交織方式有其獨特的化學反應。」

他身為美國人，希望以開放模型為主的美國 AI 實驗室能持續保持領先；但他更擔憂的是，若美國透過行政命令限制開放模型的發展，反而會削弱自身在全球開放 AI 生態中的主導地位，讓這場競爭的天秤朝著難以預料的方向傾斜。

這篇文章 實地走訪中國 AI 實驗室：研究員揭「晶片與數據缺口」成中美差距關鍵 最早出現於 鏈新聞 ABMedia。