本文來自微信公眾號：TOP創(chuàng)新區(qū)研究院，作者：產(chǎn)業(yè)研究組

2026年5月，來自艾倫人工智能研究院AI2的技術研究者Nathan Lambert，只用了36小時就走訪了北京中關村、五道口一帶多家核心AI實驗室——包括DeepSeek、月之暗面、智譜，還有美團、小米的底層研發(fā)部門。

回到美國之后，他發(fā)布了一篇長文，直接在硅谷引發(fā)了軒然大波。

他得出了一個出人意料的結論：

中美AI發(fā)展的差距，本質(zhì)上并不由芯片出口禁令決定，真正影響走向的是一個更隱秘、也更關鍵的因素：

組織熵增。

如果問現(xiàn)在的OpenAI或者Anthropic，最大的痛點是什么？

答案不是H100芯片，而是“穩(wěn)定的研發(fā)環(huán)境”。

這個說法該怎么理解？

Lambert點出了當前硅谷AI行業(yè)的一大頑疾：

明星科學家政治。

舊金山灣區(qū)的AI實驗室里，彌漫著濃厚的“AI救世主”精英心態(tài)。

如果頂級研究員提出的模型方案沒有被采納，他們往往不會從團隊全局出發(fā)調(diào)整方向，反而會直接帶著整個團隊離職，還會在社交平臺引發(fā)輿論爭議，給原公司造成巨大壓力。

為了安撫這些頭部研究者，硅谷實驗室只能用高額股權、虛設高管職位來妥協(xié)，內(nèi)耗不斷加劇。

曾經(jīng)引發(fā)Llama團隊分崩離析的核心原因，正是這種內(nèi)部組織內(nèi)耗。

但在北京的AI園區(qū)里，主流的風格是“平民精英協(xié)作”。

走進DeepSeek或者月之暗面的研發(fā)辦公室，你會發(fā)現(xiàn)核心研發(fā)團隊里絕大多數(shù)都是二十出頭的年輕人。他們剛走出清華、北大、浙大等高校的實驗室，沒有“拯救世界”的宏大空談，只有“把每一個問題解決”的務實執(zhí)著。

這種“新人即核心伙伴”的組織模式，帶著近乎極致的工程謙遜，能把每一分算力都用到極致，最終爆發(fā)出驚人的研發(fā)效率：

在這里，沒人會覺得數(shù)據(jù)清洗、算子優(yōu)化是低端的“臟活累活”，大家都把這些基礎工作當成迭代升級的必經(jīng)之路。月之暗面創(chuàng)始人楊植麟在團隊內(nèi)推行扁平化溝通——

這里沒有副總裁、總監(jiān)這些層級頭銜，只看代碼和效果說話。

硅谷在打造AI“造神運動”，北京在搭建AI“作戰(zhàn)軍團”。

神總會有褪去光環(huán)的一天，但軍團只會在實戰(zhàn)中不斷進化。

約束下生長的通用人工智能路徑

當外部限制成為技術進化的催化劑

過去兩年，美國商務部原本以為，只要掐斷高端AI芯片的供應，就能卡住中國AI發(fā)展的脖子。但他們忽略了進化論里的一個基本規(guī)律：極端嚴苛的環(huán)境，反而會催生出適應力極強的新物種。

當硅谷AI企業(yè)習慣了動用幾萬塊H100芯片，用“暴力算力”堆出模型效果的時候，中國的AI實驗室在做什么？

他們在顯存的每一個字節(jié)里，摳出每一分可能的性能提升。

比如多頭潛變量注意力MLA技術：

這個精巧的算法設計，本質(zhì)上就是為了應對算力顯存不足的困境誕生的。

還有混合專家模型MoE的異構架構設計：

這套方案就是為了讓一兩千塊舊芯片，跑出堪比幾萬塊新芯片的吞吐量，把現(xiàn)有硬件的潛力榨到極致。

Lambert忍不住感嘆：中國AI研究者已經(jīng)成了全球最頂尖的“算力魔術師”。

更讓硅谷感到焦慮的是，

這種“低算力高效能”的技術路徑，已經(jīng)開始反向向外輸出。

當全球開發(fā)者發(fā)現(xiàn)，Kimi K2.5的推理成本只有GPT-4o的幾分之一，當代碼編輯器Cursor悄悄把底層引擎換成中國大模型的時候，美國原本靠算力構建的AI優(yōu)勢，正在從內(nèi)部被撼動。

如果只花500萬美元就能達到別人5億美元才能實現(xiàn)的效果，

到底誰才是真正的技術領先者？

開源生態(tài)與技術蒸餾：中國AI的棋路

中國AI實驗室正在下一盤硅谷完全看不懂的棋。

一位清華大學的副教授曾經(jīng)說過：

“在中國程序員圈子里，開源已經(jīng)成了一種共識?！?/p>

這句話其實只說了一半。

另一半真相是：

開源是中國AI打破美國技術壟斷定價權的核心路徑。

硅谷的AI商業(yè)邏輯是閉環(huán)收費，靠API服務抽取“技術稅”；

中國的AI發(fā)展邏輯是開源普惠，主動開放模型權重給全球開發(fā)者。

當美國投入數(shù)千億研發(fā)AI，中國只用了百億級投入，就將技術差距縮小到個位數(shù)？當阿里、智譜、DeepSeek多次登上Hugging Face開源模型排行榜前列的時候，其實已經(jīng)向全球傳遞了一個清晰的信號：

基礎大模型應該像空氣一樣，成為人人可用的公共基礎設施。

這種開源浪潮直接打破了硅谷搭建的技術壁壘。

如果一個開發(fā)者就能在本地部署一個效果接近Claude、GPT的中國大模型，他為什么還要給硅谷企業(yè)交高額的服務費？

這種技術平權的思路，已經(jīng)讓美國的AI壟斷變成了一件成本高昂的自我狂歡。

當然，我們也必須直面一個無法回避的問題：

模型蒸餾。

2026年，Anthropic和美國白宮已經(jīng)因為這個問題破防，

他們指控中國實驗室利用蒸餾技術，“工業(yè)級竊取”西方模型的技術成果。

前字節(jié)跳動研究員張馳也提出了清醒的提醒：

“如果只依賴模型蒸餾和刷排行榜提升排名，我們和真正的源頭原發(fā)性創(chuàng)新，還有大約三年的代差?！?/p>

這是一個必須承認的現(xiàn)實：

中國AI實驗室在工程組織效率上已經(jīng)做到了極致，

但在底層科學原創(chuàng)想象力上，目前還處于跟隨學習的階段。

當下中國AI的繁榮，很大程度上依賴于對西方頂級模型輸出數(shù)據(jù)的二次加工。這種快速追趕的路徑雖然能在短期內(nèi)縮小差距，但也很容易讓我們陷入路徑依賴的陷阱——

如果未來某一天，OpenAI徹底關閉了所有API輸出通道，或者西方所有模型的訓練數(shù)據(jù)都加上了無法清除的投毒標記，我們還能保持今天這樣的快速進化速度嗎？

工程師導向vs規(guī)則導向：AI發(fā)展的底層邏輯差異

文章的最后，我們需要回到一個更宏大的議題上：

王丹的“工程師國家”理論。

美國AI的發(fā)展方向，是由律師和公關團隊定義的；而中國AI的發(fā)展方向，是由代碼和產(chǎn)業(yè)場景定義的。

這也是最近美國精英圈熱議的話題：美國的治理體系偏向規(guī)則導向，大量環(huán)節(jié)被法律流程約束，而中國更偏向工程師務實導向……

在美國，每一個新的前沿大模型發(fā)布，都要經(jīng)過漫長的安全檢測、法律合規(guī)審核、價值觀對齊調(diào)整。

這些繁復的流程雖然保護了多元價值，卻也拖慢了技術迭代的速度。

而在中國，AI被定位成支撐產(chǎn)業(yè)升級的核心基礎設施。

美團為了優(yōu)化外賣配送路徑自研大模型，小米為了提升智能汽車體驗搭建AI底座，AI在中國不是少數(shù)企業(yè)玩的昂貴資本玩具，而是能實實在在提升各行各業(yè)生產(chǎn)效率的工具。

這種扎根產(chǎn)業(yè)場景驅(qū)動的發(fā)展韌性，是硅谷那些在帕羅奧多咖啡館里空談“AI意識”的研究者很難理解的。

保持謙遜才是長期領跑的關鍵

Lambert在返回美國的飛機上，

一直在思考美國AI實驗室未來的出路。

他在文章里寫道：

“我依然希望美國能保持AI領先，但如果我們不解決明星學者內(nèi)耗這個爛攤子，不學中國年輕開發(fā)者那樣沉下心打磨每一個算子，那現(xiàn)在的領先不過是落日余暉罷了?！?/p>

而對中國AI從業(yè)者來說，

最大的對手不是外部的芯片制裁，

而是“我們已經(jīng)全面超越硅谷”的盲目樂觀。

真正的通用人工智能，絕對不可能只靠模型蒸餾和刷排行榜就能實現(xiàn)。

我們始終相信：

在這場人類歷史上最偉大的技術長跑中，

誰能保持大規(guī)模組織的高效不渙散，

誰能始終給年輕研究者挑戰(zhàn)權威的空間，

誰就能最終贏得這場比賽。