TL;DR：
作为站在开源AI前沿的美国研究者，Nathan Lambert通过实地走访揭示了中国AI实验室以“年轻人才与技术所有权”为核心的独特生态。他指出，尽管中国实验室在算力资源上受到制约，但其高效的组织协作模式与务实的开源文化，正成为全球AI竞赛中不可忽视的力量。
在2026年4月的北京，当Nathan Lambert走在奥林匹克中心附近，他看到的不仅是林立的写字楼，还有清华大学周边浓缩的“AI硅谷”。作为Hugging Face早期RLHF团队的组建者和Ai2的大模型负责人，Lambert的到来本身就是一种符号。他并非为了寻找某款模型的“杀手级”性能参数，而是试图解开一个困扰美国科技圈已久的谜题：为什么在一堵无形的“墙”背后，中国AI模型展现出了惊人的生命力？
走进“AGI展示厅”的内核
Lambert此行极为密集。从阿里的千问（Qwen）团队到月之暗面的Kimi，从智谱AI到小米的研发园区，他像一名穿行于电路板间的工程师，试图触摸这些实验室的体温。
在月之暗面，他感受到了一种久违的凝聚力。“这些人都太年轻了。”Lambert在谈及那群平均年龄20出头的核心开发者时感叹道。不同于美国顶尖实验室那种等级森严的科研建制，中国实验室更像是一个个精密运作的创业部落。那种“大家都在为了同一个酷东西而拼命”的氛围，让他想起早期的极客文化。
而在智谱AI，他看到了所谓的“AGI展示厅”。墙面上关于AGI进度比例的数字，象征着中国实验室对AGI坚定不移的信仰。这种信仰并非某种虚无缥缈的口号，而是转化为一种务实的“技术所有权心态”。正如他观察到的，中国科技巨头倾向于将模型能力掌握在自己手中，将其融入美团、小米或蚂蚁的庞大生态，而非单纯依赖外部API。
工程师逻辑下的“追赶哲学”
Lambert将中美AI的差异归结为一种组织能力的博弈。他认为，现代大模型研发已不再是单点天才的迸发，而是一场极其复杂的系统工程。“如果把研发模型比作一场战争，美国实验室正处于一种极度纠结的、关于AI生存危机的哲学思辨中，而中国实验室则展现出了极高的工程执行力。”
这种高效的执行力源于两个核心支柱：
- 人才的组织模式：中国高校与产业界的深度交融，使得年轻人才能够迅速进入核心研发序列，且他们没有过往范式的包袱，能迅速吸收MoE、RLVR等最新技术。
- 务实的开源策略：对于中国实验室而言，发布开源模型不仅仅是回馈社区，更是获得高质量用户反馈、确立行业影响力的最优解。
然而，Lambert并不回避这种模式的局限。他直言不讳地指出，算力始终是中国实验室头顶的“达摩克利斯之剑”。虽然在推理层面对华为芯片等国产算力的探索成效显著，但在大规模预训练所需的算力总量上，中国仍与美国存在显性差距。
寻找全球AI的共同语言
Lambert在采访中多次提到“信息不对称”。他发现，硅谷正陷入一种狭窄的文化隧道，过分沉溺于奇点论或地缘政治叙事，这反而遮蔽了对真实技术进展的观察。
“如果能见到这些技术背后真实的人，那些被政治化包装的决策就会显得温和得多。”他试图通过自己的观察，搭建一座理性对话的桥梁。他呼吁美国应该更开放地看待全球人才流动，因为无论是Claude Code的流行还是Cursor的进化，本质上都是全球AI协作的结果。
在他看来，开源生态是平衡算力鸿沟的唯一希望。如果英伟达和全球开源社区能够保持模型的流动性，那么AI的发展将不再是零和游戏，而是一场关于如何让“智能”成为普惠工具的长期竞赛。
对于未来的全球格局，Lambert给出了一个冷静的预测：尽管算力存在差距，但中国AI实验室在开源领域通过频繁发布模型积累的“工程实战经验”，将成为其在应用层实现局部突围的关键底牌。