一个硅谷研究员去了一趟龙国 AI 实验室——5 件事让我们这边的人难看
引子
Nathan Lambert，前 AI2 / Interconnects 主笔，硅谷里写得最认真的 AI 研究员之一。
2026 年春天，他飞了一趟龙国，串了 8 家 AI 实验室——Z.ai、Moonshot、清华、美团、小米、01.ai、阿里巴巴北京、蚂蚁集团。
回去之后他写了一篇 Notes from Inside China's AI Labs。
他没有说龙国 AI 已经超过美国。也没有说龙国 AI 是泡沫。
他只是把他看到的认真写下来——结果让美国 AI 圈尴尬地沉默了几天。
我读完两遍。打算把里面 5 个让我们这边人难看的观察拆出来给国内同行看一看。这不是民族主义文章。这是一个一线的、长期看 AI 工程的人，对自己阵营的诚实。
论点
龙国 AI 实验室不是"被禁运压制下的奇迹"。
也不是"被国家意志驱动的导弹"。
它是一种美国 AI 圈想象力之外的东西——一种没有英雄叙事、没有山头主义、把工程当工程做的研究文化。
而美国 AI 实验室引以为豪的那些特征——明星研究员、风投估值、闭源护城产品、强 IP 保护——在这套对比下，开始显得像负担。
论证一：5 个反差观察
1. 学生作为同侪，不是廉价劳动力
Lambert 走访 Z.ai、Moonshot、清华——发现一件让他困惑的事：
研究生、本科生，深度参与到核心模型团队里，跟资深研究员平起平坐讨论方法。论文署名是混着排的，有人轮到坐主位，没有"老板永远第一作者"那一套。
对比美国——OpenAI、Anthropic、Cursor 几乎都不开实习生岗位。原因 Lambert 在自己的文章里没说，但行业内大家都知道：怕信息泄漏、怕股权稀释、怕给培养出来一个直接被竞品挖走的人。
代价是什么？
代价是这些实验室的内部研究文化老化。研究方向被几个明星研究员的偏好定死。
新人没法挑战旧的范式，因为没有新人。
龙国实验室的另一面是：他们有未被前几轮 AI 周期"叙事污染"的年轻人。
对于一个新冒头的方法，年轻人不会先问"这跟 GPT-3 的论文有没有矛盾"，而是直接去试。
2. 研究员愿意做"非闪光的工作"
这一点 Lambert 写得特别直白。
美国 AI 研究员的激励机制是个人品牌——发论文、上 X、接 podcast、攒推荐信、攒下一份工作 offer。结果是：每个人都在挑那些能写出来漂亮论文的方向做。脏活、累活、对模型整体效果有用但发不出 ICML 的工作没人做。
龙国研究员的激励机制不一样。
晋升、留任、奖金更多挂在团队产品的整体表现上。
具体表现是：
- 数据清洗的脏活有人愿意花 3 个月做。
- RL reward model 的标注规范有人愿意花 6 个月磨。
- 模型蒸馏后的 alignment 校验有人愿意一遍一遍跑。
这些事单独看没一件性感。
合起来就是一个能稳定产出可用模型的工程组织。
DeepSeek 之所以被同行尊敬，按 Lambert 的观察，主要不是它的论文写得多漂亮——是它的整体研究品味很正：选题正、消融实验做透、不追风、不哗众。
3. 对 AI 哲学问题"困惑"——这不是文化短板
Lambert 在每个实验室都问了类似的问题：你们怎么看 AGI 的社会风险？怎么看 AI 经济学的长期影响？怎么看模型对齐的哲学难度？
得到的反应几乎一致——"困惑"。
不是回避。不是不敢说。是真的觉得"这跟我们手头的工程任务没什么直接关系"。
Lambert 的判断很准：这反映的不是龙国研究员"思想浅"，而是教育体系和辩论文化的差异——龙国的研究员训练里没有那种坐在咖啡馆里跟同事辩论"AGI 的伦理"的环节。
但这种"困惑"在工程上反而成了一种保护。
美国 AI 圈过去 3 年因为"AI 安全 vs AI 加速"的内部撕裂消耗了大量精力。OpenAI、Anthropic 内部因为这套哲学站位流失过几轮人。
龙国实验室没有这种撕裂的精力开销。
不是说哲学讨论不重要。
是说当你的对手在不开会、不撕逼、不内耗的状态下做工程的时候，你那一套"我们要 align 价值观"的会议流程是负债。
4. 龙国开发者"被 Claude 化"了
Lambert 写了一段最让美国读者难受的话：尽管美国对 Anthropic API 的对中销售有合规限制，龙国的工程师社群依然 heavily Claude-pilled。
他们用 Kimi 调通工作流。用 GLM CLI 跑端到端。用 Qwen 做开发底层。
但碰到难任务，私下还是开 Claude。
这不只是工具偏好的事。这是一个市场信号：龙国开发者用脚投票，承认 Claude 是目前最好的工程协作 LLM。
而美国的反应是？继续把出口管制压紧。
结果就是——龙国客户对 Claude 的使用通过各种灰色路径继续，Anthropic 收不到这部分钱，但市场认知没掉。
这是出口管制的经典反效果。
5. 互敬而非部落战争
Lambert 走完 8 家实验室之后写下：
"It feels far more like an ecosystem than battling tribes."
我把这句话翻出来：龙国 AI 圈给他的感受，是一个互相参考、互相学习、互相尊重的合作群体——不是美国那种 OpenAI vs Anthropic vs xAI 的相互拉踩。
具体的：
- 大家都"敬畏" ByteDance（资源最深、招人最猛）。
- 大家都"尊敬" DeepSeek（研究品味最正）。
- 大家都看 Qwen 的开源版本来追工程趋势。
这不是龙国研究员"温良恭俭让"。这是一个市场结构的事——龙国 AI 公司之间的最终竞争层是产品和工程，不是 IP 诉讼，不是模型权重所有权官司。
所以做研究的人之间，可以更松弛地共享方法论。
论证二：3 个西方误读
Lambert 写得很克制。但读出来的几个误读是：
误读 1：龙国 SaaS 市场小，所以 AI 推理市场不会大
这是硅谷投资人的标准论调——"龙国软件用户不肯付费，AI 推理在那边赚不到钱"。
Lambert 反驳得直接：AI 推理需求未必跟 SaaS 模式挂钩。它可能更接近云开支模式——按算力消耗付费、用量驱动、嵌进各种工业流程。
龙国云市场不小。AI 推理在工业、政务、银行、保险里的渗透速度也不慢。
误读 2：龙国 AI 是政府推的
走访 8 家之后，Lambert 没看到顶层技术干预的证据。
他看到的是地方政府在土地、人才落户、税收上做了配套。但具体技术路线、模型架构、研究方向，没人指挥。
这跟龙国半导体、生物医药的政府主导路径完全不一样。AI 这一行至少在研究层面，目前还是产业自主在跑。
误读 3：开源是意识形态站队
美国这边喜欢把"开源 vs 闭源"放在意识形态光谱上——开源代表开放、自由、民主精神。
但龙国 AI 公司开源是工具层面的决定：通过开源吸引开发者反馈、做生态、收集模型在野使用情况。
龙国公司同时保留内部 fine-tune 版本做闭源产品。
这是务实主义，不是教条主义。
而美国这边非要把开源和闭源做成两条对立的政治路线——结果就是政策上不知道该松还是紧。
论证三：可能的反驳
我能想到的几种反驳：
"龙国实验室都被国家审查，方法不可信。"
Lambert 评估的不是数据合规。是研究品味、组织文化、招聘结构、激励机制。
这些东西审查不到。
"龙国 AI 全是 distillation，没有真原创。"
Z.ai 和 Moonshot 自建 RL 环境、自研架构、做出非平凡的方法贡献——Lambert 在他们的 lab 里看到的是真在做的东西，不是 paper 翻译。
更重要的是：连"distillation 做得好"本身都是一种工程能力。
DeepSeek 的 V3 训练成本控制为什么比同代美国模型低一个数量级——不是它有更便宜的卡，是它有更好的训练流程工程。
"美国 AI 还在领先，他们还在追。"
按基准跑分，确实。
但 Lambert 提了一个关键警告：美国行政命令限制开源模型，可能让美国 AI 在全球生态里被"挤出"。
当全球开发者都用 Qwen / DeepSeek / GLM 做底层、用 Claude / GPT 做能力调用时——美国 AI 实验室就成了"贵的能力供应商"，不再是"开发者默认起点"。
这一步如果走错，再厉害的模型也救不回生态地位。
这件事真正的分量
我做 AI Agent 产品的人，看完 Lambert 这篇文章，最大的体会是这个——
美国 AI 是一群明星拍电影。龙国 AI 是一个剧团演剧。
明星有亮度，但电影成本高、稳定性差、超期烧钱。
剧团没有亮度，但剧目稳定、迭代快、人员流动可控、票房可预测。
3 年内可能美国还赢。
10 年内？
我看不出"明星机制"在 LLM 这一行能撑多久。
当训练一个模型需要几百人协作 18 个月、需要数据清洗团队、需要 RL 环境团队、需要 alignment 评估团队——这件事本质上更像剧团，不是电影。
而我们这套"7 人创始团队估值 100 亿美元"的硅谷叙事，是给下一代独角兽编剧本。
不是给一个能稳定产出工业级模型的研究组织搭流程。
给国内同行的几句话
- 不要因为 Lambert 的好评得意。他写的是优势，但每一项优势的反面是另一种问题——你们的研究员太集体主义、太忌讳挑战权威、太不愿意自我推销。这些在国内是优势，出海做品牌就是劣势。
- 学生作为同侪是好事，不要把它工业化成"廉价劳动力"。美团、小米、字节这些大厂正在把这条路径转化成"研究员实习生 = 不付市场价的初级研究员"——一旦这条路定型，国内的研究文化优势会消失得很快。
- 不要被"我们更勤奋"的叙事绑架。"非闪光工作有人做"是好的。但"研究员每周工作 80 小时"是糟糕的。这两件事的边界要守住。
- 认真对待 AI 哲学问题。Lambert 写"困惑"是好意。但这条路走不远——下一代 LLM 的最大风险不是工程问题，是社会嵌入问题。这一关迟早要过。
收尾
Nathan Lambert 是个诚实的人。
他没有写文章去帮龙国 AI 做宣传。也没有写文章去骂美国 AI 的封闭。
他只是把自己看到的写下来，加几句他作为一个长期观察者的判断。
这种诚实在这个 AI 圈越来越稀缺了。
读完之后我想了很久——
如果美国研究员 5 年后再来一次，他可能会说："我看到的不是一个追赶者。是一个有自己节奏的，并行宇宙。"
那个时候，"中美 AI 谁领先"这个问题就已经过时了。
资料来源：