科技愛好者週刊（第 381 期）：中國 AI 大模型領導者在想什麼

這裡記錄每週值得分享的科技內容，週五發佈。

本雜誌開源，歡迎投稿。另有《誰在招人》服務，發佈程序員招聘信息。合作請郵件聯繫（[email protected]）。

封面圖

剛剛運營的北京通州站位於地下，為了充分利用自然光，屋頂採用了透光的膜結構，上方還有一個風帆形狀的保護架。（via）

中國 AI 大模型領導者在想什麼

上週六（1月10日），北京有一場"AGI-Next 前沿峰會"，由清華大學基礎模型實驗室主辦。

中國頂尖的 AI 大模型領導者，很多都出席了。

唐傑：清華大學教授，智譜創始人

楊植麟：月之暗面 Kimi 創始人

林俊暘：阿里 Qwen 技術負責人

姚順雨：OpenAI 前核心研究者、騰訊 AI 新部門負責人

他們談了對大模型和中國 AI 發展的看法，網上有發言實錄。

內容非常多，有意思的發言也很多，下面是我摘錄的部分內容。

一、唐傑的發言

1、智譜的起源

2019年，我們開始研究，能不能讓機器像人一樣思考，當時就從清華成果轉化，在學校的大力支持下，成立了智譜這麼一家公司，我現在是智譜的首席科學家。

那個時候，我們實驗室在圖神經網絡、知識圖譜方面，在國際上做的還行，但我們堅定地把這兩個方向暫停了，暫時不做了，所有的人都轉向做大模型。

2、泛化和 Scaling

我們希望機器有泛化能力，我教它一點點，它就能舉一反三。就和人一樣，教小孩子的時候，我們總希望教三個問題，他就會第四個、第十個，甚至連沒教過的也會。怎麼讓機器擁有這種能力？

目前為止，我們主要通過 Scaling（規模化）達到這個目標，在不同層面提高泛化能力。

（1）我們最早期用 Transformer 訓練模型，把所有的知識記憶下來。訓練數據越多、算力越多，模型的記憶能力就越強，也就是說，它把世界上所有的知識都背下來了，並且有一定的泛化能力，可以抽象，可以做簡單的推理。比如，你問中國的首都是什麼？這時候模型不需要推理，它只是從知識庫裡拿出來。

（2）第二層是把模型進行對齊和推理，讓它有更復雜的推理能力，以及理解我們的意圖。我們需要持續的 Scaling SFT（Supervised Fine-Tuning，監督式微調），甚至強化學習。通過人類大量的數據反饋，不斷 Scaling 反饋數據，可以讓模型變得更聰明、更準確。

（3）今年是 RLVR（強化學習與可驗證獎勵）爆發年。這裡的"可驗證"是什麼意思？比如，數學可以驗證、編程可能可以驗證，但更廣泛地，網頁好不好看，就不大好驗證了，它需要人來判斷。

這就是為什麼這個事情很難做，我們原來只能通過人類反饋數據來做，但人類反饋的數據裡面噪音也非常多，而且場景也非常單一。

如果我們有一個可驗證的環境，這時候我們可以讓機器自己去探索、自己去發現這個反饋數據，自己來成長。這是我們面臨的一個挑戰。

3、從 Chat 到做事：新範式的開始

大家可能會問，是不是不停地訓練模型，智能就越來越強？其實也不是。

2025年初，DeepSeek 出來，真是橫空出世。大家原來在學術界、產業界都沒有料到 DeepSeek 會突然出來，而且性能確實很強，一下子讓很多人感到很震撼。

我們當時就想一個問題，也許在 DeepSeek 這種範式下，Chat（對話）差不多算是解決了。也就是說我們做得再好，在 Chat 上可能做到最後跟 DeepSeek 差不多。或許我們可以再個性化一點，變成有情感的 Chat，或者再複雜一點，但是總的來講，這個範式可能基本到頭了，剩下更多的反而是工程和技術的問題。

那麼，AI 下一步朝哪個方向發展？我們當時的想法是，讓每個人能夠用 AI 做一件事情，這可能是下一個範式，原來是 Chat，現在是真的做事了。

當時有兩個方向，一個是編程，做 Coding、做 Agent；另一個是用 AI 來幫我們做研究，類似於 DeepResearch，甚至寫一個複雜的研究報告。我們現在的選擇是把 Coding、Agentic、Reasoning 這三個能力整合在一起。

二、林俊暘的發言

4、千問是怎麼開源的

千問的開源模型比較多，很多人問這是為什麼？

這起源於2023年8月3日，我們開源了一個小模型，它是我們內部用來做實驗的 1.8B 模型。我們做預訓練，資源畢竟有限，你做實驗的話不能通通用 7B 的模型來驗，就拿 1.8B 的來驗。

當時我的師弟跟我說，我們要把這個模型開源出去。我非常不理解，我說這個模型在2023年幾乎是一個不可用的狀態，為什麼要開源出去？他跟我說 7B 很消耗機器資源，很多碩士生和博士生沒有機器資源做實驗，如果 1.8B 開源出去的話，很多同學就有機會畢業了，這是很好的初心。

幹著幹著，手機廠商跑來跟我們說 7B 太大，1.8B 太小，能不能給我們幹一個 3B 或 4B 的，這個容易，沒有什麼很難的事情。一路幹下來，型號類型越來越多，跟服務大家多多少少有一點關係。

5、我們的追求是多模態模型

我們自己內心追求的，不僅僅是服務開發者或者服務科研人員，而是能不能做一個 Multimodal Foundation Agent（多模態基礎智能體）。

我特別相信這件事情，2023年的時候大模型是一個大家都不要的東西，多多少少有那麼幾分大煉鋼鐵的成分，多模態是我們從那時就一直想做的事情。

為什麼呢？我們覺得如果你想做一個智能的東西，天然的應該是 Multimodal（多模態），當然帶有不同看法，各個學者都有一些看法，多模態能不能驅動智力的問題。我懶得吵這個架，人有眼睛和耳朵可以做更多的事情，我更多的考慮是 Foundation（基礎智能體）有更多的生產力，能不能更好地幫助人類，毫無疑問我們應該做視覺，我們應該做語音。

更進一步，我們要做什麼東西呢？Omni 的模型（全模態模型）不僅僅是能夠理解文本、視覺、音頻，我們可能還讓它生成文本、音頻。今天我們已經做到了，但是我們還沒有做到把視覺生成結合在一起。如果做到三進三出，我覺得至少是我個人喜歡的東西。

三、姚順雨的發言

6、To C 和 To B 的差異

我的一個觀察是 To C（消費者模型）和 To B（商業用戶模型）發生了明顯的分化。

大家一想到 AI，就會想到兩個東西，一個是 ChatGPT，另外一個是 Claude Code。它們就是做 To C 和 To B 的典範。

對於 To C 來說，大部分人大部分時候不需要用到那麼強的智能，可能今天的 ChatGPT 和去年相比，研究分析的能力變強了，但是大部分人大部分時候感受不到，更多把它當作搜索引擎的加強版，很多時候也不知道該怎麼去用，才能把它的智能激發出來。

但對於 To B 來說，很明顯的一點是智能越高，代表生產力越高，也就越值錢。所以，大部分時候很多人就是願意用最強的模型。一個模型是200美元/月，第二強或者差一些的模型是50美元/月、20美元/月，我們今天發現很多美國的人願意花溢價用最好的模型。可能他的年薪是20萬美元，每天要做10個任務，一個非常強的模型可能10個任務中八九個做對了，差的是做對五六個，問題是你不知道這五六個是哪五六個的情況下，需要花額外精力去監控這個事情。

所以，在 To B 這個市場上，強的模型和稍微弱點的模型，分化會越來越明顯。

7、垂直整合和模型應用分層

我的第二點觀察是，基礎模型和上層應用，到底是垂直整合，還是模型應用分層，也開始出現了分化。

比如，ChatGPT Agent 是垂直整合，Claude（或者 Gemini）+ Manus 是模型應用分層。過去大家認為，當你有垂直整合能力肯定做得更好，但起碼今天來看並不一定。

首先，模型層和應用層需要的能力還是挺不一樣的，尤其是對於 To B 或者生產力這樣的場景來說，可能更大的預訓練還是一個非常關鍵的事情，這個事情對於產品公司確實很難做。但是想要把這麼一個特別好的模型用好，或者讓這樣的模型有溢出能力，也需要在應用側或者環境這一側做很多相應的事情。

我們發現，其實在 To C 的應用上，垂直整合還是成立的，無論 ChatGPT 還是豆包，模型和產品是非常強耦合、緊密迭代的。但是對於 To B 來說，這個趨勢似乎是相反的，模型在變得越來越強、越來越好，但同樣會有很多應用層的東西將好的模型用在不同的生產力環節。

8、需要更大的 Context

怎麼讓今天的大模型或者 AI 能夠給用戶提供更多價值？我們發現，很多時候需要的是額外的 Context（上下文）。

比如，我問 AI 今天該去吃什麼？其實，你今天問 ChatGPT 和你去年問或者明天問，答案應該會差很多。這個事情想要做好，不是說你需要更大的模型、更強的預訓練、更強的強化學習，而是可能需要更多額外的輸入，或者叫 Context。如果它知道我今天特別冷，我需要吃些暖和的，我在今天這樣的範圍活動，可能我老婆在另一個地方吃什麼等各種各樣的事情，它的回答就會更好。

回答這樣的問題，更多需要的是額外的輸入。我和老婆聊了很多天，我們可以把聊天記錄轉發給元寶，把額外的輸入用好，會給用戶帶來很多額外的價值。這是我們對 To C 的思考。

四、圓桌對話：中國 AI 的未來

李廣密（主持人）：我想問大家一個問題，在三年和五年以後，全球最領先的 AI 公司是中國團隊的概率有多大？我們從今天的跟隨者變成未來的引領者，這個過程到底還有哪些需要去做好？

9、姚順雨的回答

我覺得概率還挺高的，我挺樂觀的。目前看起來，任何一個事情一旦被發現，在中國就能夠很快的復現，在很多局部做得更好，包括之前製造業、電動車這樣的例子已經不斷地發生。

我覺得可能有幾個比較關鍵的點。

（1）中國的光刻機到底能不能突破，如果最終算力變成了瓶頸，我們能不能解決算力問題。

（2）能不能有更成熟的 To B 市場。今天我們看到很多做生產力或者做 To B 的模型和應用，還是會誕生在美國，因為支付意願更強，文化更好。今天在國內做這個事情很難，所以大家都會選擇出海或者國際化。這和算力是比較大的客觀因素。

（3）更重要的是主觀因素，我覺得中國想要突破新的範式或者做非常冒險事情的人可能還不夠多。也就是說，有沒有更多有創業精神或者冒險精神的人，真的想要去做前沿探索或者範式突破的事情。我們到底能不能引領新的範式，這可能是今天中國唯一要解決的問題，因為其他所有做的事情，無論是商業，還是產業設計，還是做工程，我們某種程度上已經比美國做得更好。

10、林俊暘的回答

這個問題是個危險的問題，理論上這個場合是不可以潑冷水的，但如果從概率上來說，我可能想說一下我感受到的中國和美國的差異。比如說，美國的 Compute（算力）可能整體比我們大1-2個數量級，但我看到不管是 OpenAI 還是什麼，他們大量的算力投入到的是下一代研究當中去，我們今天相對來說捉襟見肘，光交付可能就已經佔據了我們絕大部分的算力，這會是一個比較大的差異。

這可能是歷史上就有的問題，創新是發生在有錢的人手裡，還是窮人手裡。窮人不是沒機會，我們覺得這些富哥真的很浪費，他們訓練了這麼多東西，可能訓練了很多也沒什麼用。但今天窮的話，比如今天所謂的算法 Infra（基礎設施）聯合優化的事情，如果你真的很富，就沒有什麼動力去做這個事情。

未來可能還有一個點，如果從軟硬結合的角度，我們下一代的模型和芯片的軟硬結合，是不是真的有可能做出來？

2021年，我在做大模型，阿里做芯片的同學，找我說能不能預測一下，三年之後這個模型是不是 Transformer，是不是多模態。為什麼是三年呢？他說我們需要三年時間才能流片。我當時的回答是三年之後在不在阿里巴巴，我都不知道！但我今天還在阿里巴巴，它果然還是 Transformer，果然還是多模態，我非常懊悔為什麼當時沒有催他去做。當時我們的交流非常雞同鴨講，他給我講了一大堆東西，我完全聽不懂，我給他講，他也不知道我們在做什麼，就錯過了這個機會。這個機會有沒有可能再來一次？我們雖然是一群窮人，是不是窮則思變，創新的機會會不會發生在這裡？

今天我們教育在變好，我屬於90年代靠前一些的，順雨屬於90年代靠後一點的，我們團隊裡面有很多00後，我感覺大家的冒險精神變得越來越強。美國人天然有非常強烈的冒險精神，一個很典型的例子是當時電動車剛出來，甚至開車會意外身亡的情況下，依然會有很多富豪們都願意去做這個事情，但在中國，我相信富豪們是不會去幹這個事情的，大家會做一些很安全的事情。今天大家的冒險精神開始變得更好，中國的營商環境也在變得更好的情況下，我覺得是有可能帶來一些創新的。概率沒那麼大，但真的有可能。

三年到五年後，最領先的 AI 公司是一家中國公司的概率，我覺得是20%吧，20%已經非常樂觀了，因為真的有很多歷史積澱的原因在這裡。

11、唐傑的回答

首先我覺得確實要承認，無論是做研究，尤其是企業界的 AI Lab，和美國是有差距的，這是第一點。

我們做了一些開源，可能有些人覺得很興奮，覺得中國的大模型好像已經超過美國了。其實可能真正的情況是我們的差距也許還在拉大，因為美國那邊的大模型更多的還在閉源，我們是在開源上面玩了讓自己感到高興的，我們的差距並沒有像我們想象的那樣好像在縮小。有些地方我們可能做的還不錯，我們還要承認自己面臨的一些挑戰和差距。

但我覺得，現在慢慢變得越來越好。

（1）90後、00後這一代，遠遠好過之前。一群聰明人真的敢做特別冒險的事，我覺得現在是有的，00後這一代，包括90後這一代是有的，包括俊暘、Kimi、順雨都非常願意冒風險來做這樣的事情。

（2）咱們的環境可能更好一些，無論是國家的環境，比如說大企業和小企業之間的競爭，創業企業之間的問題，包括我們的營商環境。

（3）回到我們每個人自己身上，就是我們能不能堅持。我們能不能願意在一條路上敢做、敢冒險，而且環境還不錯。如果我們笨笨的堅持，也許走到最後的就是我們。