原文标题：来自中国 AI 实验室内部的笔记
原文作者：Nathan Lambert
编译：Peggy，区块链快讯

编者按：中国的 AI 实验室正逐渐成为全球大型模型竞争中不容忽视的力量。它们的优势不仅在于人才众多、工程实力强大、迭代速度快，更源自一种非常现实的组织方式：少谈理论，多做模型；少强调个人明星，多注重团队执行；少依赖外部服务，更倾向于内部掌握核心技术栈。

本文作者 Nathan Lambert 参观了多家中国顶尖 AI 实验室后发现，中国的 AI 生态与美国并不完全相同。美国更注重原创范式、资本投入和顶尖科学家的个人影响力；而中国则更擅长快速追赶已有方向，通过开源、工程优化和大量年轻研究者的投入，迅速将模型能力推向前沿。

最值得关注的不是中国是否已超越美国在 AI 领域，而是两种不同的发展路径正在形成：美国更像是由资本和顶尖实验室推动的前沿竞赛，而中国则更像是由工程实力、开源生态和技术自主意识共同推动的产业竞争。

这意味着，未来的 AI 竞争不仅仅是模型排名的竞争，还将是组织能力、开发者生态和产业执行力的竞争。中国 AI 的真正变革在于它不再仅仅是复制硅谷，而是用自身方式参与全球前沿。

以下为原文：

坐在从杭州开往上海的新型高铁上，我望向窗外，看到起伏的山脊，山上点缀着风力涡轮机，在落日的映衬下形成剪影。群山作为背景，眼前则是大片田野与高楼大厦交错的景象。

怀着极大的谦卑之心，我离开中国。踏入一个如此陌生的地方，却受到如此热情的欢迎，这是一种非常温暖、也充满人情味的经历。我有幸见识了许多 AI 生态中的人，他们是我之前只在远方听说的人；而他们用灿烂的笑容和热情迎接我，让我再次意识到，我的工作以及整个 AI 生态本身，都是全球性的。

中国研究人员的心态

正在开发语言模型的中国公司，可以说非常适合作为这项技术的「快速追赶者」。它们建立在中国长期教育与工作文化传统之上，同时也采用与西方略有不同的技术公司建设方式。

Nếu chỉ xem xét về sản phẩm, nghĩa là mô hình mới nhất, lớn nhất và quy trình làm việc với các đại lý thông minh mà các mô hình này hỗ trợ; và xem xét về yếu tố đầu vào như các nhà khoa học xuất sắc, dữ liệu quy mô lớn và tài nguyên tính toán tăng tốc, thì có vẻ như các phòng thí nghiệm ở Trung Quốc và Mỹ giống nhau. Sự khác biệt thực sự tồn tại lâu dài nằm ở cách các yếu tố này được tổ chức, được hình thành ra sao.

Tôi luôn cho rằng, lý do mà các phòng thí nghiệm ở Trung Quốc rất giỏi trong việc đuổi kịp và giữ vững vị trí hàng đầu, một phần được đặt ở việc chúng phù hợp rất nhiều với nhiệm vụ trong mặt văn hóa. Nhưng trước khi tôi liên lạc trực tiếp với người, tôi nghĩ rằng mình không thích hợp khi quyết định rằng thì giác mềm này do ảnh hưởng quan trọng nào đó. Sau khi trò chuyện với nhiều nhà khoa học xuất sắc, khiêm tốn và cởi mở trong các phòng thí nghiệm hàng đầu của Trung Quốc, nhiều suy nghĩ của tôi trở nên rõ ràng hơn.

Hôm nay, việc xây dựng mô hình ngôn ngữ lớn nhất chủ yếu phụ thuộc vào công việc tỷ mỉ xuyên suốt toàn bộ kỹ thuật cơ bản: từ dữ liệu, tới chi tiết cấu trúc, và đến việc triển khai thuật toán học tăng cường. Mỗi phần của mô hình có thể mang đến sự cải thiện, và cách kết hợp những cải thiện này là một quá trình phức tạp. Trong quá trình này, công việc của một số cá nhân rất thông minh có thể buộc phải tạm gác lại để mô hình tổng thể đạt được tối đa trong tối ưu hóa đa mục tiêu.

Có vẻ rõ ràng rằng nhà nghiên cứu ở Mỹ cũng rất giỏi trong việc giải quyết vấn đề của các bộ phận đơn lẻ, nhưng Mỹ lại có một văn hóa "đại diện cho chính mình". Như là một nhà khoa học, khi bạn tự cố tìm kiếm sự chú ý cho công việc của mình, bạn thường sẽ thành công hơn; và văn hóa hiện đại cũng đang thúc đẩy một con đường nổi tiếng mới, đó là trở thành một "nhà khoa học trưởng AI". Điều này có thể dẫn đến va chạm trực tiếp.

Đại đa số thông tin đồn đại nói rằng Tổ chức Llama từng sụp đổ sau khi cắt vào cái sở thích lợi ích này vào cấp tổ chức. Tôi cũng nghe các phòng thí nghiệm khác nói rằng, đôi khi có thể cần phải "an ủi" một nhà nghiên cứu hàng đầu, để họ dừng lời phàn nàn rằng suy nghĩ của họ không được tính vào mô hình cuối cùng. Dù là thật tâm hoàn toàn hay không, ý nghĩa rõ ràng là: tự nhận thức và ham muốn thăng tiến nghề nghiệp thực sự có thể làm trở ngại cho việc xây dựng mô hình tốt nhất. Ngay cả một chút khác biệt nhỏ về hướng đi trong văn hóa giữa Mỹ và Trung Quốc, cũng có thể tạo ra ảnh hưởng ý nghĩa đối với sản phẩm cuối cùng.

Một phần khác của sự khác biệt, liên quan đến việc ở Trung Quốc đang xây dựng những mô hình. Ở tất cả các phòng thí nghiệm, một sự thật rất rõ ràng là: một tỷ lệ lớn trong số các người góp phần cốt lõi vẫn còn là sinh viên. Các phòng thí nghiệm này đều khá trẻ, điều này làm tôi liên tưởng đến cách chúng tôi tổ chức tại Ai2: sinh viên được xem như đồng nghiệp, và được tích hợp trực tiếp vào nhóm mô hình ngôn ngữ lớn.

Điều này rất khác biệt so với các phòng thí nghiệm hàng đầu ở Mỹ. Ở Mỹ, các công ty như OpenAI, Anthropic, Cursor không cung cấp cơ hội thực tập chút nào. Google và các công ty khác có tên cũng sẽ cung cấp cơ hội thực tập liên quan đến Gemini, nhưng nhiều người lo lắng liệu thực tập của mình có bị cô lập khỏi công việc lõi thực sự hay không.

Nói chung, sự khác biệt văn hóa nhỏ này có thể cải thiện khả năng xây dựng mô hình theo cách sau: Để cải thiện mô hình cuối cùng, mọi người sẵn lòng thực hiện công việc không hấp dẫn; Những người mới bắt đầu tham gia xây dựng trí tuệ nhân tạo có thể không bị ảnh hưởng bởi chu kỳ héo lánh trước đó của trí tuệ nhân tạo, do đó có thể nhanh chóng thích nghi với các phương pháp công nghệ hiện đại mới. Trong thực tế, một nhà khoa học Trung Quốc mà tôi đã trò chuyện rõ ràng đã xem xét điểm này như một ưu điểm; Ý thức bản thân thấp hơn giúp cấu trúc tổ chức mở rộng dễ dàng hơn ở một mức độ nào đó, vì mọi người hiếm khi cố gắng 'hack' hệ thống; Có rất nhiều tài năng rất phù hợp để giải quyết những vấn đề mà đã có sự xác nhận ý tưởng ở nơi khác, và vân vân.

Thái độ này được ưa chuộng hơn trong việc xây dựng mô hình ngôn ngữ hiện nay, và tạo ra một sự so sánh với một định kiến đã được biết đến: Người ta thường nghĩ rằng các nhà nghiên cứu Trung Quốc ít sản xuất loại nghiên cứu học năng động hơn, có thể mở lối vào lĩnh vực mới từ '0 đến 1'.

Trong các chuyến thăm phòng thí nghiệm mang tính học thuật hơn trong chuyến đi lần này, nhiều lãnh đạo đã đề cập rằng họ đang phát triển văn hóa nghiên cứu năng động hơn này. Trong khi đó, một số lãnh đạo kỹ thuật mà chúng tôi đã trò chuyện thì nghi ngờ liệu việc tái tạo cách thức nghiên cứu này có thể được thực hiện trong tương lai ngắn hạn, vì nó đòi hỏi thiết kế lại hệ thống giáo dục và hệ thống động cơ, những thay đổi này quá lớn và khó mà xảy ra trong cơ cấu kinh tế hiện nay.

Văn hóa này dường như đang huấn luyện một nhóm sinh viên và kỹ sư rất giỏi tại "trò chơi xây dựng mô hình ngôn ngữ lớn". Tất nhiên, số lượng của họ cũng rất đầy đủ.

Những sinh viên này cho biết, Trung Quốc cũng đang trải qua hiện tượng chảy ra nước ngoài tài năng tương tự như Mỹ: nhiều người trước đây suy nghĩ về sự nghiệp học thuật, giờ đây quyết định ở lại ngành công nghiệp. Một trong những câu nói thú vị nhất đến từ một nhà nghiên cứu ban đầu muốn trở thành giáo sư, người này nói rằng anh muốn trở thành giáo sư vì muốn gần gũi hệ thống giáo dục; nhưng anh ta sau đó phát biểu, rằng hệ thống giáo dục đã được mô hình ngôn ngữ lớn giải quyết — “Học sinh tại sao còn cần đến tôi trò chuyện!”

Sinh viên tiếp cận lĩnh vực mô hình ngôn ngữ lớn với tầm nhìn mới mẻ, đây là một ưu điểm. Trong vài năm qua, chúng tôi đã chứng kiến mô hình ngôn ngữ lớn chuyển đổi liên tục: từ mở rộng MoE, đến mở rộng học tăng cường, rồi đến hỗ trợ tác nhân thông minh. Để thực hiện bất kỳ trong số những điều này đều cần phải nhanh chóng hấp thụ một lượng lớn thông tin nền, bao gồm cả văn học rộng lớn hơn và cả kỹ thuật số trong công ty.

Sinh viên quen thuộc với việc làm những việc như vậy, cũng sẵn lòng để bỏ mọi giả định về "những gì phải hiệu quả". Họ nhảy vào, dành cả cuộc đời mình cho việc này, chỉ để có cơ hội cải thiện mô hình.

Những sinh viên này cũng rất trực tiếp, không có những cuộc trò chuyện triết học có thể để làm phân tâm nhà khoa học. Khi tôi hỏi họ nghĩ gì về ảnh hưởng kinh tế của mô hình hoặc nguy cơ xã hội lâu dài, những nhà nghiên cứu Trung Quốc có quan điểm phức tạp và mong muốn tác động trong các vấn đề này rõ ràng ít hơn. Họ tin rằng vai trò của họ là xây dựng mô hình tốt nhất.

Sự khác biệt này rất tinh tế, và cực kỳ dễ bị phủ nhận. Nhưng khi bạn trò chuyện lâu dài với một nhà nghiên cứu lịch lãm, thông minh, và có thể diễn đạt rõ ràng bằng tiếng Anh, điều này trở nên dễ nhận ra nhất: khi bạn đặt câu hỏi về một số vấn đề AI ở tầm cao hơn về triết học, những câu hỏi cơ bản đó trôi trong không khí, trong khi đối phương tỏ ra một sự hoang mang đơn giản. Đối với họ, đó là một loại sai lầm trong hạng mục.

Thậm chí có một nhà nghiên cứu trích dẫn câu phán đoán nổi tiếng của Dan Wang: So với Mỹ do luật sư dẫn dắt, Trung Quốc được thống trị bởi các kỹ sư. Trong khi thảo luận về những vấn đề này, anh ấy sử dụng định ngữ này để nhấn mạnh ước muốn mà họ muốn xây dựng. Ở Trung Quốc, không có một con đường có hệ thống nào, giống như những ngôi sao ảnh hưởng siêu việt như Dwarkesh hoặc Lex truyền hình sáng tạo các nhà khoa học ở Trung Quốc.

Tôi đã cố gắng để những nhà khoa học Trung Quốc nhận xét về sự không chắc chắn về kinh tế tương lai do AI gây ra, các vấn đề vượt qua khả năng AGI đơn giản, hoặc cuộc tranh luận đạo đức về mô hình nên thể hiện như thế nào; những vấn đề này cuối cùng đều khiến tôi thấy nền tảng học vấn và giáo dục của những nhà khoa học này (đã được chỉnh sửa 1). Họ tập trung cực kỳ vào công việc của mình, nhưng họ phát triển trong một hệ thống không khuyến khích thảo luận và diễn đạt về cách tổ chức xã hội hoặc thay đổi phải như thế nào.

Mở tầm nhìn ra xa, đặc biệt là ở Bắc Kinh, mang lại cho tôi cảm giác giống với Vịnh San Francisco: một phòng thí nghiệm cạnh tranh, có thể chỉ cách đi bộ hoặc xe taxi vài phút. Sau khi tôi hạ cánh, trên đường đến khách sạn, tôi ghé qua Khu công nghệ AI của Alibaba ở Bắc Kinh. Trong vòng 36 giờ tiếp theo, chúng tôi đã đến thăm iFlytek AI, Mặt trăng Phía sau, Đại học Thanh hóa, Meituan, Xiaomi và 01.ai.

Đi xe Didi ở Trung Quốc rất tiện lợi. Nếu bạn chọn loại xe XL, thường sẽ được phân bố xe hạng MPV điều chỉnh có ghế mát-xa. Chúng tôi hỏi nhà nghiên cứu về cuộc chiến tài năng, họ nói rằng điều này khá giống với những gì chúng tôi đã trải qua ở Mỹ. Việc nhà nghiên cứu chuyển việc là điều bình thường, và người ta chọn đi đâu phụ thuộc lớn vào không khí ở hiện tại ở đâu tốt nhất.

Ở Trung Quốc, cộng đồng mô hình ngôn ngữ lớn mang lại cảm giác của một hệ sinh thái hơn là các bộ tộc đối đầu với nhau. Trong nhiều cuộc trò chuyện không công khai, tôi nghe thấy hầu như mọi thứ đều là sự tôn trọng đối với đồng nghiệp. Tất cả các phòng thí nghiệm ở Trung Quốc đều dè dặt với ByteDance và mô hình DouZero phổ biến của nó, vì nó là phòng thí nghiệm đóng cửa tiên tiến duy nhất ở Trung Quốc. Đồng thời, tất cả các phòng thí nghiệm đều rất tôn trọng DeepSeek, coi nó là phòng thí nghiệm có gu vị nghiên cứu nhất ở mức thực thi. Ở Mỹ, khi bạn thực hiện trò chuyện không công khai với các thành viên phòng thí nghiệm, tia lửa thường hay bập bùng.

Trong sự khiêm tốn của nhà nghiên cứu Trung Quốc, điều ấn tượng nhất với tôi là, họ thường xuyên lắc đầu từ chối ở mặt thương mại, nói rằng đó không phải là vấn đề của họ. Trong khi ở Mỹ, dường như mọi người đều say mê với các xu hướng công nghiệp ở nhiều mức sinh thái, từ người bán dữ liệu, đến khả năng tính toán, rồi đến tài chính.

Giống nhau và khác biệt giữa ngành công nghiệp trí tuệ nhân tạo tại Trung Quốc và phương Tây

Hôm nay, việc xây dựng một mô hình trí tuệ nhân tạo trở nên thú vị vì điều này không chỉ là việc có một nhóm nghiên cứu xuất sắc cùng nhau tại cùng một tòa nhà, cùng nhau tạo ra một kỳ tích kỹ thuật. Trước đây, thuật ngữ này khá giống như vậy, nhưng để duy trì doanh nghiệp trí tuệ nhân tạo, mô hình ngôn ngữ lớn đang trở thành một dạng hybride: nó bao gồm việc xây dựng, triển khai, tài trợ, và thúc đẩy sự tiếp nhận của sáng tạo này.

Các công ty hàng đầu về trí tuệ nhân tạo tồn tại trong một hệ sinh thái phức tạp. Những hệ sinh thái này cung cấp vốn, sức mạnh tính toán, dữ liệu và nhiều tài nguyên khác để duy trì việc đẩy biên giới tiến triển về phía trước.

Trong hệ sinh thái phương Tây, cách tích hợp các yếu tố đầu tư cần thiết để sáng tạo và duy trì mô hình ngôn ngữ lớn đã được khá đầy đủ mô tả và vẽ ra. Các tổ chức Anthropic và OpenAI là ví dụ điển hình. Do đó, nếu chúng ta có thể phát hiện sự khác biệt rõ ràng trong cách các phòng thí nghiệm ở Trung Quốc suy nghĩ về những vấn đề này, ta có thể thấy được các công ty khác biệt có thể đặt cược vào những khác biệt có ý nghĩa nào trong tương lai. Tất nhiên, những tương lai này cũng sẽ chịu ảnh hưởng mạnh mẽ từ hạn chế về tài trợ và/hoặc sức mạnh tính toán.

Tôi đã tổng hợp những điều quan trọng nhất về "Mặt trí tuệ nhân tạo" nhận được sau khi tương tác với những phòng thí nghiệm này:

Thứ nhất, đã xuất hiện dấu hiệu sớm của nhu cầu trí tuệ nhân tạo trong nước.
Điều này phần nào đề xuất, thị trường trí tuệ nhân tạo của Trung Quốc sẽ nhỏ hơn vì các công ty Trung Quốc thường không muốn trả tiền cho phần mềm, vì vậy họ sẽ không bao giờ tạo nên một thị trường suy luận lớn đủ để duy trì một phòng thí nghiệm.

Nhưng sự đánh giá này chỉ áp dụng cho việc chi tiêu phần mềm tương ứng với hệ sinh thái SaaS. Hệ sinh thái SaaS đã luôn nhỏ trong lịch sử Trung Quốc. Ở khía cạnh khác, Trung Quốc vẫn có một thị trường đám mây lớn.

Một vấn đề quan trọng và chưa được trả lời là: chi phí của các doanh nghiệp Trung Quốc cho trí tuệ nhân tạo, cuối cùng, sẽ giống với thị trường SaaS hơn, tức là nhỏ hơn; hoặc giống với thị trường đám mây hơn, tức là chi phí cơ sở. Câu hỏi này đang được thảo luận ngay cả bên trong các phòng thí nghiệm Trung Quốc. Nhìn chung, tôi cảm thấy trí tuệ nhân tạo đang tiến gần hơn về thị trường đám mây, và không ai thực sự lo lắng về việc thị trường xung quanh các công cụ mới không thể tăng trưởng.

Thứ hai, hầu hết các nhà phát triển đều bị ảnh hưởng mạnh mẽ bởi Claude.
Mặc dù Claude về mặt lý thuyết bị cấm ở Trung Quốc, nhưng hầu hết các nhà phát triển trí tuệ nhân tạo ở Trung Quốc đều rất mê Claude, cũng như cách nó đã thay đổi cách họ xây dựng phần mềm. Chỉ vì Trung Quốc trước đây không muốn mua phần mềm, không có nghĩa là tôi nghĩ rằng Trung Quốc sẽ không thấy một đợt tăng cực kỳ lớn trong nhu cầu suy luận.

Các kỹ sư công nghệ Trung Quốc rất thực tế, khiêm tốn và có động lực. Điều này tạo cho tôi cảm giác, mạnh mẽ hơn bất kỳ thói quen lịch sử nào về "không chịu chi phí cho phần mềm".

Một số nhà nghiên cứu Trung Quốc có thể đề cập đến việc họ sử dụng công cụ tự xây dựng của mình, chẳng hạn như công cụ dòng lệnh Kimi hoặc GLM, nhưng mọi người đều nhắc đến việc họ sử dụng Claude. Bất ngờ là hiếm khi có ai đề cập đến Codex, trong khi Codex dường như đang trở nên phổ biến nhanh chóng tại vịnh.

Thứ ba, các công ty Trung Quốc có một tư duy sở hữu công nghệ.
Văn hóa Trung Quốc đang kết hợp với một động cơ kinh tế đang hút hồi, tạo ra một số kết quả không thể dự đoán. Một cảm nhận sâu sắc mà tôi rời khỏi đó là, số lượng lớn các mô hình AI phản ánh sự cân bằng thực tế của nhiều doanh nghiệp công nghệ ở đây. Không có một kế hoạch tổng thể.

Ngành công nghiệp này được định nghĩa bởi sự tôn trọng đối với ByteDance và Alibaba. Họ được coi là những người ở vị trí lớn sẽ chiến thắng nhiều thị trường nhờ tài nguyên mạnh mẽ của mình. DeepSeek là một nhà lãnh đạo công nghệ được tôn trọng, nhưng không phải là người dẫn đầu thị trường. Họ đặt hướng, nhưng không có cấu trúc kinh tế để chiếm lĩnh thị trường.

Điều này để lại những công ty như Meituan hoặc Ant Group. Người phương Tây có thể sửng sốt khi họ cũng đang xây dựng những mô hình này. Nhưng thực tế là, họ rõ ràng coi mô hình ngôn ngữ lớn là trái tim của sản phẩm công nghệ tương lai, vì vậy họ cần một nền tảng mạnh mẽ.

Khi họ điều chỉnh một mô hình tổng quát mạnh mẽ, phản hồi từ cộng đồng mã nguồn mở sẽ làm cho ngăn đỡ công nghệ của họ trở nên vững chãi hơn, đồng thời họ cũng có thể giữ lại phiên bản điều chỉnh nội bộ của mình. Tư duy "mở trước" trong ngành này, đến một mức độ lớn, được định nghĩa bởi tính thực tế: nó giúp mô hình nhận phản hồi mạnh mẽ, có thể phản hồi cộng đồng mã nguồn mở, cũng như định hình nhiệm vụ của chính họ.

Thứ tư, hỗ trợ từ chính phủ là thực sự tồn tại, nhưng quy mô chưa rõ ràng.
Người ta thường tuyên bố rằng chính phủ Trung Quốc đang tích cực giúp đỡ cuộc thi mô hình ngôn ngữ lớn mở. Nhưng đây là một hệ thống chính phủ tương đối phi trung ương, với mỗi tầng không có một tập hướng dẫn rõ ràng, quy định họ nên làm gì.

Beijing có thể cạnh tranh với nhau giữa các khu vực đường phố để thu hút các công ty công nghệ mở văn phòng ở đó. "Sự giúp đỡ" được cung cấp cho những công ty này, hầu như chắc chắn bao gồm việc loại bỏ các điều kiện trong quy trình hành chính như giấy phép. Nhưng sự giúp đỡ này có thể đi được xa tới đâu? Các tầng khác nhau của chính phủ có thể giúp thu hút tài năng hay không? Họ có thể giúp chiếm đoạt chip không?

Trong suốt quá trình phỏng vấn, có nhiều đề cập đến sự quan tâm hoặc giúp đỡ từ chính phủ, nhưng thông tin liên quan không đủ để tôi báo cáo chi tiết một cách khẳng định, cũng như không đủ để tôi có một quan điểm chắc chắn về liệu chính phủ có thể làm thay đổi được hướng phát triển trí tuệ nhân tạo của Trung Quốc.

Tất nhiên, cũng không có dấu hiệu nào cho thấy có bất kỳ sự can thiệp nào từ các tầng lãnh đạo cao nhất của chính phủ Trung Quốc đối với bất kỳ quyết định công nghệ nào của mô hình.

Thứ năm, ngành công nghiệp dữ liệu ở Trung Quốc không phát triển bằng phương Tây.
Trước đó, chúng tôi đã nghe nói rằng Anthropic hoặc OpenAI đã chi hơn 10 triệu USD cho một môi trường duy nhất, và tổng chi phí hàng năm để thúc đẩy việc nghiên cứu biên phái học là hàng tỷ USD. Do đó, chúng tôi rất tò mò xem liệu các phòng thí nghiệm ở Trung Quốc có mua các môi trường giống như từ các công ty Mỹ, hay có một hệ sinh thái trong nước hỗ trợ chúng.

Câu trả lời không phải là "không có ngành công nghiệp dữ liệu" mà là, dựa trên kinh nghiệm của họ, chất lượng ngành công nghiệp dữ liệu tương đối kém, vì vậy nhiều lúc cách làm tốt nhất là xây dựng môi trường hoặc dữ liệu bên trong. Các nhà nghiên cứu thường dành nhiều thời gian để tạo ra môi trường huấn luyện biên phái học, trong khi các công ty lớn như ByteDance, Alibaba có thể có đội ngũ đánh dấu dữ liệu nội bộ hỗ trợ việc này. Tất cả này đều thể hiện tư duy "tự xây dựng thay vì mua” đã được đề cập trước đó.

Thứ sáu, nhu cầu về chip NVIDIA cao đến mức đáng kinh ngạc.
Công suất tính của NVIDIA là tiêu chuẩn vàng cho việc huấn luyện, và mọi người đều bị hạn chế vì thiếu công suất tính. Nếu cung cấp đầy đủ, rõ ràng họ sẽ mua. Các trình tăng tốc khác bao gồm Huawei, đã nhận được đánh giá tích cực về khả năng suy luận. Vô số phòng thí nghiệm có thể sử dụng chip Huawei.

Những điểm này vẽ ra một hệ sinh thái AI vô cùng khác biệt. Nếu áp dụng cách làm vận hành của phòng thí nghiệm phương Tây với cộng sự Trung Quốc một cách nhanh chóng, thường sẽ dẫn đến lỗi trong phạm vi. Vấn đề cốt lõi là xem hệ sinh thái khác biệt này có tạo ra mô hình khác biệt về bản chất hay không; hoặc nói cách khác, mô hình Trung Quốc liệu có luôn được giải thích như mô hình tiên tiến tại Mỹ cách đây từ 3 đến 9 tháng.

Kết luận: Cân bằng toàn cầu

Trước chuyến đi này, kiến thức của tôi về Trung Quốc quá ít ỏi; và khi rời đi, tôi cảm thấy mình mới chỉ bắt đầu học hỏi. Trung Quốc không phải là nơi có thể được thể hiện thông qua luật lệ hoặc công thức, mà là nơi có cơ chế vận hành và phản ứng hóa học rất khác nhau. Văn hóa của nó cổ kính đến thế, sâu sắc như vậy, và vẫn hoàn toàn liên kết với cách xây dựng công nghệ bên trong nước. Tôi còn rất nhiều điều cần học hỏi.

Nhiều phần của cấu trúc quyền lực Hiện tại của Mỹ, đều coi quan điểm Trung Quốc hiện có của họ như một công cụ tâm lý quan trọng trong quyết định. Sau khi tôi đã gặp gần như mọi phòng thí nghiệm AI hàng đầu của Trung Quốc thông qua giao tiếp trực tiếp hoặc không chính thức, tôi nhận thấy rằng Trung Quốc có nhiều phẩm chất và bản năng mà cách làm quyết định của phương Tây khó mô hình hóa.

Ngay cả khi tôi trực tiếp hỏi các phòng thí nghiệm này tại sao họ phải công bố các mô hình mạnh nhất của họ, tôi vẫn gặp khó khăn trong việc liên kết hoàn toàn giữa "tư duy sở hữu" và "hỗ trợ sinh thái chân thành".

Phòng thí nghiệm ở đây rất thực tế, không nhất thiết là người tuyệt đối theo trường phái mã nguồn mở, và không phải mọi mô hình họ xây dựng đều được công bố mở. Nhưng họ có ý định sâu sắc trong việc hỗ trợ các nhà phát triển, hỗ trợ sinh thái, và sử dụng sự mở cửa như một cách để hiểu rõ hơn về mô hình của họ.

Hầu hết mọi công ty công nghệ lớn tại Trung Quốc đều đang xây dựng mô hình ngôn ngữ lớn tổng quát của riêng mình. Chúng ta đã thấy các công ty dịch vụ theo mô hình nền tảng như Meituan, các công ty công nghệ tiêu dùng lớn như Xiaomi, đều đã phát hành các mô hình trọng số mở. Các công ty tương tự ở Mỹ thường chỉ sử dụng dịch vụ.

Công việc xây dựng mô hình ngôn ngữ lớn của những công ty này không phải là để tận dụng xu hướng mới nổi, mà là vì một khao khát sâu sắc và cơ bản: kiểm soát ngăn xếp công nghệ của mình và phát triển công nghệ quan trọng nhất hiện tại. Khi tôi nhìn lên từ chiếc laptop của mình, luôn thấy những cụm cẩu thang ở chân trời, điều này rõ ràng phản ánh văn hóa xây dựng và năng lượng xây dựng rộng lớn hơn của Trung Quốc.

Sự giao lưu, sức hút và sự chân thành ấm áp trên các nhà nghiên cứu Trung Quốc rất gần gũi. Ở mặt cá nhân, những cuộc tranh luận chính trị địa lý tàn nhẫn mà chúng ta quen thuộc ở Mỹ không chút nào hiện diện trên họ. Thế giới này có thể có nhiều tính tính chính tích tính tích tính tích tính tích tính tích tích tích tích tích tích tích tính chínn tích tính chính tích tính chí darenc nhiên. Là một thành viên của cộng đồng AI, cái mà tôi lo lắng hơn bây giờ là, các rạn nứt đang xuất hiện xung quanh nhãn quốc tịch, thành viên và nhóm.

Nếu tôi nói rằng tôi không muốn phòng thí nghiệm Mỹ trở thành lãnh đạo rõ ràng trong mọi phần của ngăn xếp công nghệ của AI, thì tôi đang nói dối. Đặc biệt là ở lĩnh vực mô hình mở đó tôi dành rất nhiều thời gian, tôi là người Mỹ, đây là một ưu tiên trung thực.

Đồng thời, tôi hy vọng sinh thái mở chính nó có thể thịnh vượng trên toàn cầu, vì điều này có thể tạo ra một AI an toàn hơn, dễ truy cập hơn và hữu ích hơn cho thế giới. Vấn đề ngay bây giờ là, phòng thí nghiệm Mỹ có sẽ hành động và chiếm lĩnh vị trí lãnh đạo này hay không.

Khi tôi viết xong bài viết này, có nhiều tin đồn hơn về hành động hành pháp ảnh hưởng đến mô hình mở đang lan truyền. Điều này có thể khiến mối quan hệ hợp tác giữa lãnh đạo Mỹ và sinh thái toàn cầu trở nên phức tạp hơn—điều này không khiến tôi cảm thấy bớt tự tin.

Cảm ơn tất cả những người tuyệt vời mà tôi đã may mắn trò chuyện tại Mặt Trăng Tối, Zhi Pu, Meituan, Xiaomi, Tongyi Qianwen, Ant Light of Wisdom, 01.ai và các tổ chức khác. Mỗi người đều rất nhiệt tình và rất hào phóng dành thời gian của mình. Khi những ý tưởng của tôi dần hình thành, tôi sẽ tiếp tục chia sẻ những quan sát về Trung Quốc, bao gồm cả khía cạnh văn hóa rộng hơn cũng như lĩnh vực AI chính.

Rõ ràng, kiến thức này sẽ liên quan trực tiếp đến câu chuyện về sự phát triển bậc tiến của AI đang diễn ra.

[Liên kết bản gốc]

Chào mừng bạn tham gia cộng đồng chính thức của BlockBeats:

Nhóm Telegram đăng ký: https://t.me/theblockbeats

Nhóm Telegram thảo luận: https://t.me/BlockBeats_App

Tài khoản Twitter chính thức: https://twitter.com/BlockBeatsAsia