Linux走訪中國AI公司之后：美國根本不知道這里正在發(fā)生什么

2026 年 4 月下旬，Linux 基金會(huì)全球人工智能首席技術(shù)官 Matt White 等人在北京、上海和杭州進(jìn)行了為期 8 天的實(shí)地考察。

8 天時(shí)間里，他先后與 DeepSeek、月之暗面、智譜 AI、MiniMax、阿里云、螞蟻集團(tuán)、字節(jié)跳動(dòng)、小米、零一萬物等公司進(jìn)行了交流，也走訪了清華大學(xué)智能產(chǎn)業(yè)研究院，以及宇樹科技、星海圖和銀河通用等機(jī)器人企業(yè)。

Matt 到訪期間，恰逢國內(nèi)模型發(fā)布進(jìn)入密集周期：Kimi K2.6、Qwen 3.6-27B、MiMo V2.5 系列、Ling-2.6-1T、DeepSeek V4 等模型接連亮相。

回到美國后，他寫下了長篇文章《在中國的八天：我從 AI 實(shí)驗(yàn)室、機(jī)器人初創(chuàng)公司和學(xué)術(shù)界學(xué)到了什么》，最近又在播客中詳細(xì)談起這次行程。

他的核心感受是：美國對(duì)中國 AI 內(nèi)部正在發(fā)生什么，了解得遠(yuǎn)比想象中少。外界可以看到論文、模型和榜單，卻很難從公開發(fā)布中感受到實(shí)驗(yàn)室的研究熱情、團(tuán)隊(duì)文化以及不同城市之間正在形成的產(chǎn)業(yè)密度。真正進(jìn)入這些機(jī)構(gòu)后，他發(fā)現(xiàn)，中國研究團(tuán)隊(duì)并不封閉。他們不會(huì)透露商業(yè)路線圖，卻愿意討論研究、分享技術(shù)判斷，也急于把成果放到全球坐標(biāo)系里檢驗(yàn)。

不同公司的氣質(zhì)也很鮮明。月之暗面的團(tuán)隊(duì)年輕，辦公室?guī)е鴵u滾文化；DeepSeek 給他的感覺則是低調(diào)、務(wù)實(shí)。團(tuán)隊(duì)成員更關(guān)心一起把問題解決，而不是誰當(dāng)論文第一作者、誰拿到更高薪水。

人才流向也讓他印象很深。中國不少 AI 創(chuàng)始人和研究人員曾在伯克利、卡內(nèi)基梅隆、斯坦福等西方高校學(xué)習(xí)，后來選擇回國工作。過去，優(yōu)秀學(xué)生畢業(yè)后留在美國是常見路徑；如今，越來越多研究人員和創(chuàng)業(yè)者愿意回到中國。Matt 認(rèn)為，中國對(duì)創(chuàng)新和創(chuàng)業(yè)的支持正在增強(qiáng)這種吸引力。全球 AI 的人才中心不再只有舊金山灣區(qū)，深圳、杭州和北京也在形成自己的聚集效應(yīng)。

芯片受限沒有讓競爭停下來

外界一直有一種判斷：拿不到最先進(jìn)的芯片，中國 AI 的速度早晚會(huì)慢下來。Matt 的看法卻沒有這么簡單：限制當(dāng)然會(huì)影響訓(xùn)練，但資源越緊，團(tuán)隊(duì)越會(huì)想辦法提高效率。

以 DeepSeek 為代表的公司就是用更少資源做更多事情。無論是 GRPO、推理訓(xùn)練方法，還是在有限算力下提升模型效率的架構(gòu)創(chuàng)新，DeepSeek 的成果都被其他團(tuán)隊(duì)反復(fù)引用和采用。他提到，同行對(duì) DeepSeek 的態(tài)度更接近敬佩，而非單純競爭：這是一支依靠精干團(tuán)隊(duì)和原創(chuàng)技術(shù)改變行業(yè)規(guī)則的研究力量。

這種創(chuàng)新并不是誰關(guān)起門來獨(dú)自完成的。DeepSeek 的 GRPO、月之暗面對(duì) Muon 優(yōu)化器的研究、字節(jié)跳動(dòng)的 VeRL、MiniMax 的線性注意力，都建立在前人的工作上。Muon 最初來自美國研究，后來被不同團(tuán)隊(duì)繼續(xù)改進(jìn)。AI 研究本來就是這樣：一個(gè)人先做出來，另一個(gè)人改進(jìn)，更多人再把它用到實(shí)際訓(xùn)練中，Transformer 架構(gòu)就是這樣演化的。

所以，Matt 認(rèn)為，把中國 AI 簡單說成復(fù)制美國并不準(zhǔn)確。今天已經(jīng)有不少中國技術(shù)被美國的開放模型和商業(yè)產(chǎn)品采用。技術(shù)在不同國家之間來回流動(dòng)，很難再分出一條涇渭分明的邊界。

限制帶來的影響也不只在模型端。中國正在加快本土芯片投入，一批芯片公司隨之出現(xiàn)。再加上制造業(yè)、供應(yīng)鏈和應(yīng)用市場，中國有機(jī)會(huì)把芯片、模型、設(shè)備和部署連在一起。先進(jìn)算力仍然是短板，但從行業(yè)發(fā)展的角度看，短板也在迫使企業(yè)尋找替代方案。

圖 |Matt White 在阿里云（來源：Matt White）

開源在中國已經(jīng)勝出，但還得算經(jīng)濟(jì)賬

2026 年 3 月，Hugging Face 官方發(fā)了一組數(shù)據(jù)：過去一年（約 2025 年 2 月至 2026 年 2 月），中國模型占全球下載量的 41%，美國約為 36.5%。

Matt 認(rèn)為，中國開放模型下載量快速增長，背后有很現(xiàn)實(shí)的原因。以 Qwen 為代表的一批中小型模型，性能不錯(cuò)、成本較低。對(duì)開發(fā)者來說，小型和中型模型可以在本地運(yùn)行；對(duì)企業(yè)來說，自行部署能減少 API 費(fèi)用，也能控制數(shù)據(jù)和升級(jí)節(jié)奏。

但 Matt 提醒，“開放模型”“開放權(quán)重”和“開放科學(xué)”不是一回事。有些模型雖然可以下載權(quán)重，許可證卻限制商業(yè)用途；有些模型允許使用，卻沒有公開訓(xùn)練數(shù)據(jù)和訓(xùn)練方法。真正完整的開放科學(xué)，還應(yīng)包括數(shù)據(jù)集、訓(xùn)練代碼、訓(xùn)練配方和測試方法，讓別人能夠復(fù)現(xiàn)。

這對(duì)創(chuàng)業(yè)公司尤其重要。模型能下載，不等于能放心拿來做生意。它基于哪個(gè)底座訓(xùn)練、經(jīng)過哪些微調(diào)、許可證是否被改過，都可能影響產(chǎn)品上線。以后企業(yè)挑模型，不能只看榜單，還要像檢查軟件供應(yīng)鏈一樣檢查來源。

蒸餾爭議也是同樣的問題。Matt 認(rèn)為，用大模型生成數(shù)據(jù)、訓(xùn)練小模型，是中美實(shí)驗(yàn)室都在做的常見方法。關(guān)鍵不在于給蒸餾貼上“攻擊”標(biāo)簽，而在于是否遵守服務(wù)條款，數(shù)據(jù)和商業(yè)使用是否合規(guī)。

與此同時(shí)，開源也要面對(duì)賺錢的問題。訓(xùn)練超大模型花費(fèi)巨大，一些中國實(shí)驗(yàn)室已經(jīng)上市，另一些正在尋求融資。投資人需要回報(bào)，公司也需要收入繼續(xù)訓(xùn)練。Matt 判斷，中國模型公司可能逐漸形成開放模型做生態(tài)、商業(yè) API 做收入的混合模式，用付費(fèi)服務(wù)補(bǔ)貼下一輪研究與訓(xùn)練。

智能體和機(jī)器人很熱，但離完全自主還有距離

從模型繼續(xù)往應(yīng)用看，Matt 在中國聽到最多的詞之一是智能體。OpenClaw、Hermes Agent 被頻繁討論，“一人公司”（OPC）概念也很流行。大家希望智能體能訂票、購物、處理工作，甚至替人賺錢。

如果智能體真的能代表用戶辦事，軟件入口也會(huì)變化。網(wǎng)站不會(huì)馬上消失，但商店、酒店和航空公司可能同時(shí)提供適合智能體讀取的接口。屆時(shí)，一個(gè)界面給人看，另一套接口供智能體下單和付款。想象很豐滿，難點(diǎn)仍是身份、支付、權(quán)限和出了問題由誰負(fù)責(zé)。

Matt 對(duì)這個(gè)方向很期待，但沒有那么樂觀。他認(rèn)為，現(xiàn)在的智能體更適合完成一段具體任務(wù)，比如讀取收據(jù)、整理表格、生成初稿，再交給人檢查。讓一個(gè)智能體從頭到尾承擔(dān)復(fù)雜工作，特別是涉及資金和責(zé)任的工作，仍然不現(xiàn)實(shí)。

機(jī)器人也是類似情況。中國公司的長處是機(jī)械、執(zhí)行器制造和系統(tǒng)集成，美國公司更關(guān)注機(jī)器人的“大腦”。中國可能已有 150 多家人形機(jī)器人公司，競爭十分擁擠。但很多機(jī)器人仍依賴遙控或預(yù)先編程，真正困難的靈巧操作和自主決策，還沒有完全解決。

圖 | Matt White 在宇樹科技（來源：Matt White）

這也是“世界模型”受到關(guān)注的原因。機(jī)器人要在真實(shí)環(huán)境中行動(dòng)，不能只會(huì)識(shí)別文字和圖片，還要理解空間、物體，以及一個(gè)動(dòng)作可能帶來的結(jié)果。Matt 認(rèn)為，世界模型最值得關(guān)注的用途就在于機(jī)器人和具身智能，但它目前仍有不同技術(shù)路線，離統(tǒng)一方案還很遠(yuǎn)。

因此，行業(yè)下一步比拼的不會(huì)只是演示效果，而是誰能穩(wěn)定解決真實(shí)問題。機(jī)器人能不能連續(xù)工作，智能體會(huì)不會(huì)越權(quán)，出了錯(cuò)誰來負(fù)責(zé)，這些問題比一次漂亮展示更重要。

“如果只有 100 萬美元，我投向智能體”

模型只負(fù)責(zé)生成答案時(shí)，答錯(cuò)了可能只是信息不準(zhǔn)；智能體一旦能調(diào)用工具、訪問數(shù)據(jù)、付款或退款，錯(cuò)誤就會(huì)帶來實(shí)際損失。Matt 因此反復(fù)強(qiáng)調(diào)，安全不能只做在模型上，還要寫進(jìn)程序和執(zhí)行框架。

比如客服智能體可以退多少錢、投資智能體能動(dòng)用多少資金，不能只靠提示詞提醒。模型有隨機(jī)性，規(guī)則卻必須是確定的。權(quán)限、金額、數(shù)據(jù)范圍和人工確認(rèn)，都要用代碼鎖住。

尤其是多智能體系統(tǒng)會(huì)讓問題更復(fù)雜。一個(gè)智能體把任務(wù)交給另一個(gè)，權(quán)限和錯(cuò)誤也可能沿著鏈條傳下去。

這也是 Matt 在訪談最后給創(chuàng)業(yè)者的答案。主持人問他，如果今天手里只有 100 萬美元，會(huì)把錢投向哪里？Matt 的回答是智能體。“我對(duì)智能體非常看好。”

他解釋道：今天的智能體仍不擅長處理長期、復(fù)雜任務(wù)，多智能體協(xié)作也存在安全、隱私和可靠性問題。金融等強(qiáng)監(jiān)管行業(yè)已經(jīng)開始為具體場景搭建防護(hù)措施，但市場仍缺少能夠跨行業(yè)使用的通用方案。由于智能體會(huì)繼承大模型的幻覺等問題，不能指望單靠模型解決一切，而應(yīng)通過限制上下文、增加確定性代碼、設(shè)置權(quán)限和執(zhí)行框架，提高系統(tǒng)的可控性。未來更值得投入的方向，不只是訓(xùn)練更強(qiáng)的模型，而是圍繞模型建立一套安全、可靠、可監(jiān)控的完整系統(tǒng)。

模型說得像人，不代表它真的像人一樣思考

談到大模型的“推理”，Matt 的看法很明確：模型越來越會(huì)解題，不等于它擁有了人類的思考方式。大語言模型仍是在預(yù)測下一個(gè)詞，只是經(jīng)過訓(xùn)練后，越來越擅長模仿人類寫下的推理過程。

這并不妨礙模型有用。工具不需要像人一樣思考，照樣可以完成任務(wù)。真正需要警惕的，是人們因?yàn)樗f話流暢、有耐心，便把它當(dāng)成一個(gè)真正理解自己的人。

聊天機(jī)器人常常順著用戶的話說，把用戶的想法重新包裝后再說回來。對(duì)情緒脆弱的人來說，這種“永遠(yuǎn)回應(yīng)、很少反駁”的交流可能帶來風(fēng)險(xiǎn)。Matt 認(rèn)為，產(chǎn)品應(yīng)該讓用戶清楚地知道，自己面對(duì)的是一個(gè)系統(tǒng)，而不是有經(jīng)驗(yàn)、有責(zé)任、有判斷力的人。

同樣的邊界也出現(xiàn)在 AI 編程中。Matt 自己使用 Claude Code，但生成的代碼不能直接上線，還需要測試、安全檢查和工程優(yōu)化。AI 讓不會(huì)編程的人也能提交代碼，開源項(xiàng)目收到的 PR 因此大增；維護(hù)者又不得不用 AI 來審查這些 PR。寫代碼變?nèi)菀琢耍袛啻a能不能用，反而變得更重要。

企業(yè)不缺 AI 項(xiàng)目，缺的是先把問題想清楚

相比對(duì)前沿技術(shù)的興奮，Matt 談及企業(yè)落地時(shí)相當(dāng)冷靜。他見過最多的失敗，是企業(yè)總覺得我們自己能做得更好，于是從頭訓(xùn)練模型、重復(fù)開發(fā)已有工具，花了半年甚至一年，最后沒有做出真正可用的東西。

他的建議很樸素：如果不是 AI 實(shí)驗(yàn)室，就不要輕易從頭訓(xùn)練模型。中小企業(yè)可以先用現(xiàn)有軟件里的 AI 功能，大公司則可以借助開源工具、供應(yīng)商和顧問。先解決問題，再?zèng)Q定買還是自己做。

企業(yè)還要分清什么只是提高效率，什么才是自己的競爭力。文檔總結(jié)、客服輔助等通用功能，交給供應(yīng)商通常更劃算；如果某項(xiàng)能力直接決定產(chǎn)品體驗(yàn)和商業(yè)模式，才值得投入自有團(tuán)隊(duì)。

也不是所有問題都要用大模型。欺詐檢測、設(shè)備異常識(shí)別等任務(wù)，傳統(tǒng)機(jī)器學(xué)習(xí)往往更穩(wěn)定、更準(zhǔn)確。因?yàn)榇竽Ｐ蜔衢T，就把舊方法全部換掉，未必是進(jìn)步。

更現(xiàn)實(shí)的做法，是先挑風(fēng)險(xiǎn)較低、效果能衡量的場景，建立測試標(biāo)準(zhǔn)，保留人工檢查，再逐步增加自動(dòng)化。智能體可以整理報(bào)稅材料，但最終申報(bào)仍要由人確認(rèn)；它可以買一件便宜商品，卻未必適合替你管理全部資產(chǎn)。企業(yè)真正要問的，不是有沒有用 AI，而是它有沒有讓業(yè)務(wù)變得更快、更省錢、更可靠。

總而言之，八天的訪問沒有讓 Matt 得出一個(gè)簡單的結(jié)論。他沒有認(rèn)為中國 AI 已經(jīng)全面領(lǐng)先，也沒有忽視中國實(shí)驗(yàn)室在芯片、基礎(chǔ)研究、商業(yè)化和開源治理方面的不足。但他更加確定，外界已經(jīng)不能再用復(fù)制、低價(jià)和人海戰(zhàn)術(shù)解釋中國 AI 的發(fā)展。

中國實(shí)驗(yàn)室正在形成自己的路徑：通過資源約束推動(dòng)架構(gòu)創(chuàng)新，通過開放模型進(jìn)入全球社區(qū)，通過龐大的市場驗(yàn)證產(chǎn)品，再依靠云計(jì)算、消費(fèi)互聯(lián)網(wǎng)、制造業(yè)和供應(yīng)鏈把 AI 帶入真實(shí)場景。

1.https://www.youtube.com/watch?v=zHi0jy4MK4c

2.https://matthewdwhite.substack.com/p/eight-days-in-china-what-i-learned?triedRedirect=true

3.https://huggingface.co/blog/huggingface/state-of-os-hf-spring-2026

排版：唐逸蕊

注:封面/首圖由AI輔助生成