美国AI影响力人物 Nathan Lampe 近日走访了中国多家头部AI实验室，行程涵盖阿里北京园区、Moonshot AI、智谱（Z.ai）、清华系公司、小米等，在离开中国的高铁上写下了这封长信。
这不是一篇技术报告，是一次文化比较视角下的AI产业观察。
中国团队的结构性优势：学生军团
最被反复提及的一点：中国各大AI实验室里有大量在读学生直接参与核心模型构建。
这些学生有几个显著特征：
- 新鲜视角：没有被前几轮AI hype cycles的预设观念束缚，吸收新技术的速度极快
- 直接：没有哲学式的冗长讨论，"这个能帮模型提升吗"是唯一的问题
- 勤奋：主动愿意花时间在RL训练环境的打磨上，不求光鲜
作者特别提到，这与硅谷顶级实验室形成对比——OpenAI、Anthropic、Cursor等根本不开放实习岗位，Google的实习项目也大多与Gemini核心工作隔离。
文化差异：ego与执行
文章认为，中美AI研究文化的最显著差异不在于个人智力，而在于ego的权重。
在美国的文化里，"为自己的工作发声"是职业发展的重要路径。这在个人层面合理，但在组织层面容易造成冲突——有人坚持自己的idea必须进最终模型，甚至需要用额外报酬来让他们停止抱怨。
中国的实验室文化里，个人的ego相对被压制，更看重最终模型的全局最优。这带来几个直接优势：
- 更多人愿意做"不出彩"的工作
- 组织结构更容易横向扩展
- 更少的人把系统游戏化
生态视角：竞争还是共同体？
作者观察到，中国的LLM社区更像是生态系统，而非对立的部落。
各实验室之间互相尊重，鲜少互相攻击。DeepSeek是所有人口中"技术品味最好"的实验室，但字节跳动（Doubao）是唯一被所有实验室忌惮的市场赢家。
有趣的是，各公司愿意开源模型，并不完全出于"开放精神"，而是实用主义：帮助模型获得反馈、回馈社区、赋能自身使命。
开发者生态：Claude是中国开发者的事实标准
一个反直觉但明确的数据点：中国几乎所有AI开发者都在用Claude构建产品——尽管Claude在中国名义上被屏蔽。
很少有人提到Codex。这与湾区的趋势形成了鲜明对比。
同时，"中国公司不愿意为软件付费"这个传统SaaS命题，正在被AI工具打破——企业级AI支出的走向（是跟随SaaS市场还是云市场），是中国AI Labs最关注的不确定因素。
硬件现实：算力饥渴
几乎每一家实验室都面临Nvidia芯片供应不足的问题。如果芯片供应充足，没有人会犹豫。
华为昇腾等国产加速器在推理侧被积极使用，但训练侧仍以Nvidia为 gold standard。
几个关键判断
- DeepSeek是技术领袖，但不是市场领袖——它设定技术方向，但商业化能力相对弱
- "中国政府对AI的帮助"被高估了——分散的行政体系，能提供的更多是"去除官僚红标"而非直接干预技术决策
- 数据行业相对不成熟——RL训练环境的质量不如美国自建方案，各公司倾向于内部构建
- 中国科技公司的"拥有者心态"——美团、小米这类公司做LLM，不是追风口，是确保自己控制最核心技术栈
作者的核心结论是：中美AI生态的差异，不是能用"中国落后几年"来简单描述的。两边有不同的文化化学、不同的人才结构、不同的组织激励。关键问题是，这些差异最终会产出本质上不同的模型，还是中国模型永远只是在追赶美国前沿的某个时间差版本。
这个问题，目前没有答案。