ARTICLE · 人工智能
美国 AI 研究员的中国之旅：年轻人，追赶者，算力焦虑与“AGI 展示厅” ｜专访 Nathan Lambert
一语总结美国 AI 研究员 Nathan Lambert 分享中国之行见闻，深度剖析中国 AI 实验室的年轻人才生态、务实开源策略、算力瓶颈与「AGI 展厅」文化，并判断美国已输掉开源模型领导权。
本文是对美国知名 AI 研究员 Nathan Lambert 的专访，围绕其 2026 年 4 月走访中国多家 AI 实验室的经历展开。Nathan 详细描述了他在北京、杭州拜访阿里巴巴（千问团队）、月之暗面（Kimi）、智谱 AI、美团、小米、蚂蚁集团及清华大学等机构的见闻。他观察到中国 AI 公司拥有极其年轻且专注的研究员队伍，产业与学术界交融紧密；这些公司普遍抱有「技术所有权心态」，倾向于自研模型以掌握长期竞争力，而非依赖外部 API。文章深入探讨了中美 AI 发展的关键差异：中国实验室通过快速发布开源模型来获取「存在感」和客户，以此弥补性能差距；算力是普遍瓶颈，华为芯片多用于推理而非训练；中国缺乏类似美国的中间层云服务生态，更倾向垂直整合。Nathan 认为，从 2025 年夏天起，美国已将开源模型的领导权输给中国，并指出英伟达可能是美国夺回该地位的最大希望。访谈还涉及月之暗面的团队凝聚力、智谱的「AGI 展厅」文化、零一万物的 ToB 转型挑战，以及对中美模型差距在基准测试与实际应用层面不同表现的判断。
- 中国 AI 实验室的年轻人才生态极具竞争力。
Nathan 发现中国 AI 研究员普遍非常年轻，20 岁出头便深度参与核心工作，且产业与学术界交融紧密，学生能更专注地吸收庞大知识体系，这构成了结构性的优势。
- 中国公司通过快速发布开源模型获取「存在感」和客户，这是一种务实的市场策略。
由于在闭源前沿模型上落后，中国实验室将开源视为进入全球讨论、吸引用户和建立品牌的主要路径，并通过加快发布节奏来缩小用户实际体验的性能差距。
- 美国已输掉开源模型的领导权，英伟达是夺回该地位的关键变量。
Nathan 明确指出，自 2025 年夏天起，最具影响力的开源模型均来自中国。Meta 等美国巨头因商业考量放缓了开源步伐，而英伟达出于财务利益（不希望 AI 被单一公司垄断）最有可能通过发布强大开源模型来改变局面。
- 中国 AI 公司普遍抱有「技术所有权心态」，倾向于自研而非购买外部服务。
从美团到小米，许多非传统 AI 公司也选择自研大模型，因为他们认为 AI 是未来产品的核心，自己做可能更便宜且能掌握长期走向，这与中国产业追求垂直整合的历史路径一致。
- 算力是中国 AI 实验室当前最大的瓶颈，且生态与美国存在结构性差异。
受访者普遍提及算力限制，华为芯片主要用于推理而非训练。同时，中国缺乏类似 CoreWeave、Together AI 等繁荣的中间层云服务商，导致生态更倾向于垂直整合而非多方协作。
美国 AI 研究员的中国之旅：年轻人，追赶者，算力焦虑与“AGI 展示厅” ｜专访 Nathan Lambert
本文是对美国知名 AI 研究员 Nathan Lambert 的专访，围绕其 2026 年 4 月走访中国多家 AI 实验室的经历展开。Nathan 详细描述了他在北京、杭州拜访阿里巴巴（千问团队）、月之暗面（Kimi）、智谱 AI、美团、小米、蚂蚁集团及清华大学等机构的见闻。他观察到中国 AI 公司拥有极其年轻且专注的研究员队伍，产业与学术界交融紧密；这些公司普遍抱有「技术所有权心态」，倾向于自研模型以掌握长期竞争力，而非依赖外部 API。文章深入探讨了中美 AI 发展的关键差异：中国实验室通过快速发布开源模型来获取「存在感」和客户，以此弥补性能差距；算力是普遍瓶颈，华为芯片多用于推理而非训练；中国缺乏类似美国的中间层云服务生态，更倾向垂直整合。Nathan 认为，从 2025 年夏天起，美国已将开源模型的领导权输给中国，并指出英伟达可能是美国夺回该地位的最大希望。访谈还涉及月之暗面的团队凝聚力、智谱的「AGI 展厅」文化、零一万物的 ToB 转型挑战，以及对中美模型差距在基准测试与实际应用层面不同表现的判断。
这篇深度访谈通过 Nathan Lambert 的中国 AI 实验室走访，呈现年轻研究者、开源策略、算力约束和中美模型生态差异。适合关心 AI 产业格局、开源模型和全球竞争的读者。
文章金句
"过去一年，美国已经把开源模型的领导权让给了中国。
"这些公司也很主动地在借这个势：当模型在 OpenRouter 上火起来，他们就顺势去推，这是一种很好的、会自我强化的联合品牌效应。
"中国发布得更快，相当于把用户实际拿到的性能差距给缩小了，因为最终的性能差距，是人们真正能用到的模型之间的差距。
"能自己做就尽量自己做，而不是购买别人的服务，这样才能掌握长期的走向。
"这些模型能有这么强的竞争力确实让人惊讶，但当你进一步了解那里的人才和整个生态之后，又会觉得这件事变得合理了。