这是艾伦研究所（Ai2）的研究员Nathan Lambert，在最近结束中国之行后，发自内心的一番感慨。
在Nathan眼里，国内的LLM圈子简直是天堂，大家彼此尊重、即便立场不同也客客气气的。
这次来中国的36小时，Nathan几乎把国内AI圈打卡了个遍，月之暗面、智谱、清华、美团、小米、千问……都有深度交流。
实在太真诚了，连MiniMax都跑来前排围观，表示希望下次Nathan的「中国行」能把上海和深圳也安排上。
今天做一个好的LLM，靠的是从数据到架构到RL算法，全栈每个细节的打磨。每个环节都能榨出一些提升，但怎么把这些提升拼到一起，是一个极其复杂的多目标优化问题。
大家都想让别人按自己的想法做事，有实验室需要花钱安抚顶级研究员，才能让他们别再抱怨自己的想法没被采纳。
中国实验室的核心贡献者有大量都是在读学生，在这里，学生被当成同事直接参与核心研发。
反观美国呢？OpenAI、Anthropic、Cursor这些顶级公司干脆就不开实习。
Google这类公司名义上会有和Gemini相关的实习，但事实上，大家会担心实习生会被隔离在边缘区域，接触不到核心工作。
过去几年LLM的关键范式从Scaling MoE，到Scaling RL，再到Agent，每一次转换都需要疯狂吸收新的上下文。
Nathan还注意到一件有意思的事。当他问中国研究员对AI的经济影响或长远社会风险有什么看法时，很多人的反应是——
不是不想回答，是真的觉得不关他们事。他们的任务就是做出最好的模型，其他的事，不是他们操心的范围。
而硅谷文化也在推动一种新的成名路径，也就是成为明星AI科学家。所以大家乐忠于上Dwarkesh、Lex Fridman这种超级播客节目。
一位研究员引用了Dan Wang那个经典说法，很精辟：中国是工程师治国，美国是律师治国。
2、刚进入AI构建领域的人，不受上一轮AI炒作周期的路径依赖束缚，因此能更快适应新的现代技术。
3、更少的自我意识，让组织结构能稍微更好地扩张，因为更少有人试图钻组织系统的空子。
他下了飞机，去酒店的路上顺便就拐进了阿里巴巴北京园区。然后在36个小时内，他依次去了智谱、月之暗面、清华、美团、小米、零一万物。
在中国的AI圈，实验室之间更像是一个生态，而不是互相厮杀的部落。在很多私下交流中，大家对同行都是尊重的。
所有实验室都对字节跳动和豆包保持高度关注，在Nathan看来，字节是中国少数走闭源路线推进的大模型玩家。
聊完文化，Nathan接着聊了聊产业层面他观察到的几个关键差异。我挑几个最有意思的说。
一直有一种说法：中国AI市场会比较小，因为中国公司不太愿意为软件付费。Nathan认为这个判断只对了一半。不愿意花钱的部分对应的是SaaS生态，这在中国确实很小。但中国有一个庞大的云计算市场。
但在Nathan看来，中国人的逻辑是：LLM显然会成为未来科技产品的核心，所以必须自己掌握。
开源不是信仰，是实用主义——它能获得社区反馈，能回馈开源生态，也能帮助他们更好地理解自己的模型。
Nathan听说过Anthropic和OpenAI动辄花1000万美元以上买单个RL训练环境，每年累计花费数亿美元来推动前沿。
所以自己做更靠谱。一般来说研究员们会亲自花大量时间搭RL训练环境，字节和阿里这种大公司则有内部数据标注团队。
Nathan表示，来之前就知道自己对中国了解甚少，走了一圈之后反而更强烈地感受到，自己根本不了解这块土地。
在Nathan跟几乎所有中国领先AI实验室交谈后，他发现中国有很多特质和直觉，是很难用西方的决策框架去建模的。
它们不会认为自己构建的每一个模型都必须开源，但都非常有意愿支持开发者、支持生态，并且把开源进一步了解模型的一种方式。
如果说我不希望美国实验室在AI的每个领域都保持明确领先——特别是在开源模型这块——那我就是在骗人。
Nathan报告原文： https://www.interconnects.ai/p/notes-from-inside-chinas-ai-labs
量子位 QbitAI