中国 AI 实验室从 15 家减到 6 家，算力差距是 15 比 1

China Talk 通讯和播客的主持人 Jordan Schneider 做客红点创投的播客《Unsupervised Learning》，与 Jacob Effron 对谈。两人已经做了大约 15 年的朋友。Effron 请他先给一个全景式的概览：ChatGPT 之前和之后，中国的 AI 生态分别是什么样子。Schneider 的第一个判断是一种范式上的分野。ChatGPT 之前，中国企业也在做 AI，其中一些视觉方面的工作达到了世界一流水平，机器人模型也已经露出苗头。但它们没有把大笔钱投进“规模就是一切”的 Transformer 技术栈，而正是这条技术栈催生了过去三年的 OpenAI、Anthropic 和整个行业的格局。

ChatGPT 确实是一记警钟。有人感叹美国做出了一个很酷的东西，而中国没有。同时也有一股劲头，因为资本、人才、算力和电力，在一段漫长的低迷期之后依然都在。Schneider 把这段低迷期从 2018 到 2019 年的科技行业反噬算起，一直延续到 2022 年秋天，其中包括新冠疫情。2023 年和 2024 年，一批实验室陆续冒了出来。如果把“可信”的标准放宽一些，他估计大约有 12 到 15 家。

Effron 想知道这一波浪潮的协调程度有多高。Schneider 的回答要从一个长期存在的偏好说起：改革时代之后，尤其是习近平执政以来，中国政府更看重硬件，对软件则没那么重视。在北京的设想里，软件公司并不是国家实力的贡献者。在他看来，这正是蚂蚁金服和滴滴风波的根源。决策者没有把以软件为主的公司，看成能让中国按党设想的方式繁荣起来的基础性工作的承担者。

这种隐含的社会理论比忽视更严厉。在这种看法里，搞算法和模型的优秀工程师，明明可以去设计汽车和武器系统，却在浪费时间，腐蚀孩子们的大脑。所以 Schneider 觉得 2023 年很有意思：这一轮扩张几乎完全由私人资金推动。用他的话说，国内的风险投资“真的很惨”。消费互联网整顿之后，有人写了催泪的文章，问他们接下来该投什么。大模型给了他们一个新故事。而北京很早就禁止西方闭源模型在中国境内部署，这些实验室因此继承了一个受保护的市场。Schneider 说，这种模式在中国企业过去 30 年的故事里出现过很多次。

另一本账是硬件。过去 15 年，中国投入了数千亿美元，试图建立一套不受制于台积电、东京电子和 ASML 的半导体技术栈，软件拿到的钱很少。Schneider 坚持认为，DeepSeek、阿里巴巴的 Qwen、MiniMax 和 Kimi 都不是中国政府的创新故事。它们是中国的工程师、中国的私人资本，以及在被骂了五年之后交出全球竞争力模型的大型软件公司。

主要参与者的构成很杂。DeepSeek 是个奇怪的例外：一位对冲基金创始人（founder）觉得模型很酷，在芯片变得难以买到之前囤了大量英伟达芯片，并把团队从高频交易模型转向大语言模型（LLM）。Schneider 说，业内流传的说法是，梁文锋的英语甚至不够进中国顶尖的研究生院，所以他根本不打算去美国。他坚持只招国内人才，因为他认为这些人才被低估了。阿里巴巴则是另一极：中国最大的云服务商，拥有最大的电商平台，还有支付和金融业务，有足够多的计算机人才可以持续投入。字节跳动有人才、资本和算力。一些较小的实验室拿到了风险投资，金额从几千万美元到一亿美元出头不等，商业模式还待定，往往还要倚仗西方实验室的背景。

西方的背景依然一举两得。研究人员靠它们向成熟的中国科技公司证明自己，也靠它们融资。Schneider 说，这种情况正在变化。过去五年一直悬而未决的问题是：中国工程师能不能做到，有没有足够的创造力。这个问题的答案已经是肯定的。中国是个大国，聪明人很多。看西方的实验室，大约三分之一的研究人员有华人姓氏；在这三分之一里，他估计有三分之二到四分之三是在中国大陆长大的。即使地缘政治的声音越来越响，人员和思想的交流仍在继续。

这种合作能否持续，就没那么清楚了。Schneider 即将前往圣地亚哥参加 NeurIPS。这是该会议第一次不得不在墨西哥另设一个异地会场，因为中国研究人员很难拿到签证，去参加全球最重要的 AI 会议。他把这件事看作一个缩影。这是两用技术，也是这个十年最重要的增长故事。两个生态系统并不处在完美的开放市场中，彼此和气相处也越来越难。

DeepSeek 之后，中国实验室集体转向开源模型。Schneider 的看法是，这既是一场市场推广的打法，也是一场逐底竞争。如果真正好的模型是开源免费的，那么一个强不了多少的闭源模型就很难卖出去。过去三年，美国确实有相当大的差距：如果你想要最好的能力，就得付钱。Meta 试过开源路线，后来又退了回去。另一个变化是，不用动辄几十亿美元的训练投入，也能做到很接近，这让中国的玩家更容易卖出能用的产品。

热闹的研究年代已经过去了。最初的 15 家实验室，现在只剩五六家。DeepSeek 仍是例外，其余大多数与腾讯或阿里巴巴有关联。应用场景也变得更直接了。如果你是亚马逊，你需要一个模型，免得 ChatGPT 接管购物生态；阿里巴巴的逻辑也一样。OpenAI 在中国并没有真正诞生。现在是一些小玩家在摆弄还不错的模型，加上几家巨头，它们能为前沿工作买单，因为其他业务源源不断地产生现金流。

结构上的差异在于风险投资。西方有更多风险资金在流动，足以把 OpenAI 或 Anthropic 一路养到能与谷歌竞争。Schneider 在中国的新入局者身上，看不到这种相对独立性。目前，北京愿意让企业自己打出高下。比亚迪没有被钦定，华为也没有被钦定，它打了几十年才有今天。他不认为今天的技术是《AI 2027》里“一次训练统治一切”的设想。这是一场重复博弈，商业模式还在摸索，更不用说能不能靠在地下室里囤够芯片，就迎来 AGI。中国企业仍然可以在海外租到最好的英伟达芯片，字节跳动在美国的甲骨文上租用算力就是最典型的例子，因此算力约束与其说是协调问题，不如说同样是资本问题。

Schneider 说，中国公布的 AI 行动计划还算平稳，没有太多戏剧性：在教育和医疗中更多使用 AI，开源模型很好，还有一些套话，比如到 2035 年所有企业的采用率达到 70%。人们担心的对模型输出的严厉管控，并没有真正到来。过去有人争辩说，在中国的审查之下做不出好模型。Schneider 的回应是：如果你能让模型不带种族歧视，那你也能让它不说政治敏感的话，而这类问题只占很小的一部分。用户问的是篮球鞋，不是 1989 年。相比之下，半导体产业政策就坎坷得多：一只约 1000 亿美元规模的基金，其中最上面的七个人因腐败被带走调查，据报道，是在习近平对国产化进度不满之后发生的。软件 AI 的管控出人意料地宽松。他认为，如果“索伦之眼”转向这边，下行风险会比上行空间大得多。

政治局仍然保留着毛泽东时代的学习会：请专家来，听讲座，然后提问。今年 5 月举办过一次关于 AI 的学习会。China Talk 写过这次会议的报道，嘉宾发言四平八稳：AI 很重要，我们需要重视它。几乎没有末日论调。中国没有自己的 Eliezer。Schneider 说，正确的观察角度是国家实力和政治稳定。就业替代被理解为既是机遇，也是风险，官员们把它和1990 年代初的国企改革相比，评价相当正面，并且比较有把握，体制能够消化这一冲击。政府在安全问题上的表态，偶尔只是一两句话。更值得注意的信号来自私下：阿里巴巴一位顶尖的 AI 人物，在公司的年度大会上花了 30 分钟讲 AGI，措辞与 Schneider 在旧金山听到的非常相似。出自这样一家成熟的公司，颇为不同寻常。

信息流动是单向的，这让他很恼火。整个中国的媒体机构都在翻译硅谷的访谈。反过来，他数了数，大约只有十个人的工作是向美国解释中国的 AI 生态。不过，日常之中，创始人并没有活在一种竞赛叙事里。约 90% 的担忧，是竞争压力下求生存的焦虑。美国的 AI 实验室已经开始搞 996，中国从来没有停过。梁文锋的访谈语气带着人文色彩，追求的是开辟新的科学视野。另一个极端是张一鸣。他在 2000 年代末和 2010 年代初的旧社交帖子，让他看起来颇为自由派，对审查感到挫败，当时他在经营一个技术驱动的类 BuzzFeed 平台。随着抖音的增长，他和管理层消失了几天。然后在一个周一的早上 5 点 12 分，他发布了一条道歉：内容审核做得很差，他们需要更好地为党服务，没有坚持社会主义价值观。Schneider 的结论很悲观：许多领军人物对自己正在做的事情怀有世界主义的看法，但他们生活在一个这种看法无关紧要的体制里。如果政府继续像习近平过去 15 年那样运作，正和博弈的空间就会缩小。

Effron 问，融资缺口是否会迫使北京出手。Schneider 想给出一个综合判断。要大规模部署优秀的模型，你需要人才、能源和算力。中国的人才不输任何国家。未来几年的能源大概也够。算力才是真正的约束。特朗普政府延续了拜登时期的做法，没有给中国大陆它所希望的那么多访问权限。所以，竞赛的关键在于：西方的金融资本，加上台积电，再加上整个西方半导体设备供应链，能否在华为可能领先 10 倍、也许 15 倍的情况下，把规模做得超过它。

电动车和太阳能，是 Schneider 想先提醒的一点。那些是中等难度的新兴技术，中国把它们做到了远超世界其他地方的规模。但他仍然认为半导体不一样。北京对硬件生态一直敞开账户，要花多少钱就花多少钱，所以才有了今天的位置。“中国政府可以花很多钱，但全球资本主义可以花得多得多。”阿里巴巴市值大约 2000 亿美元，英伟达市值则是 4 万亿到 5 万亿美元。摇摆不定的资本，正在流向美国。他看不到日本倒戈、前来救场的可能。

被问到明年年底美国和中国模型的差距会变大还是变小，他把模型本身和提供服务的能力分开来说。如果你觉得 Claude 和 OpenAI 的速率限制已经很糟，那就试试中国的模型。提供服务需要算力和资金。只要禁令挡住了中国，让它买不到最好的芯片，而生产这些芯片的厂商产量是国内竞争对手的十倍，西方就有很大的优势。这种优势未必体现为闭源模型质量上的巨大差距，更多体现在每个人能拿到多少 token 上。这一点，在相当长的时间里都会是中国相对西方受限的地方。

Schneider 梳理政策演变，从 2015 到 2016 年、奥巴马任期后期说起。那时美国的共识从“接触能让中国走向自由化”，转向对习近平走向的不安。特朗普第一任期后期才把重点放在电信和华为上。拜登团队上台时，白宫里已经有少数人明白算力对新范式有多重要。他提到了 Jason Matheny、Ben Buchanan、Chris McGuire 和 Saif Khan，其中几位与 CSET 有关，多年来一直在研读相关论文。2022 年 10 月，即 ChatGPT 问世前一个月，美国开始限制 AI 芯片和半导体制造设备的出口。一个月后产品问世，那些觉得这些管制很奇怪的人，突然明白了规模定律意味着什么。

拜登的几年是一场来回拉扯。英伟达把芯片做到刚好低于限制线，政府就说不行。制造设备的管制参数随时间不断变化。华盛顿希望荷兰和日本同步行动，这拖慢了进度。台积电被发现向华为的一家中间公司卖出大量晶圆，结果挨了罚。Schneider 给这段时期打的分不算好，也不算太差，但在边际上，它拖慢了中国的半导体和更广泛的 AI 生态。特朗普第二任期之初，团队在管制问题上看起来是一致的。后来 David Sacks 加入，对华强硬派在 Laura Loomer 的一番干预之后离开，黄仁勋也走进了特朗普的生活。关于是否把美国最好的芯片卖给中国，这出卖还是不卖的戏码，一直让人眼花缭乱。

2025 年出现了 H20 这个反常的情况。这些芯片不错，但谈不上最好，落后一代，某些方面受限，但仍然很强。政府决定把它们卖进中国，中国政府则表示不想要。Schneider 说，业界仍在争论原因。也许是习近平拿到了错误的信息，华为的游说者宣称他们拥有比实际更好、更多的芯片。也许这是为了换取 Blackwell 的谈判筹码，而不是一款“残次山寨品”。在首尔峰会之前，英伟达股价因为对出售的预期而上涨了 10%，Lutnick、Rubio、Bessent 和 Greer 在空军一号上凑在一起，劝特朗普别卖。他下了飞机，没有卖。现在又有一种说法：政府正在考虑这一方案的某个版本。Schneider 认为，政府内部在两种想法之间摇摆：一是保住优势，二是让中国在一段时间内继续依赖英伟达。

卖芯片最有力的论证来自黄仁勋：加速器既是硅，也是软件；CUDA 因为全球开发者社区的贡献而不断变好；成千上万优秀的中国工程师，宁愿留在英伟达的生态里。封锁芯片，这份投入就会流进华为的技术栈。商务部长 Howard Lutnick 的说法更直接：要让他们对美国芯片上瘾。Schneider 不同意 Ben Thompson 和 SemiAnalysis 的 Dylan Patel 写过的那种“恰到好处”的结局：卖得足够多，让中国懒得搞国产化。如果产品是具有国家战略意义的重要资源，那么不管你喜不喜欢，国内的努力都会到来，而且会因为这些卡脖子的环节而被加速。华为从一个没人愿意打交道的备选，变成了舞台中央。距离下一届政府只有三年，这些公司也不傻。他在许多期 China Talk 节目里，一直在找一位为卖芯片辩护、又与英伟达的涨幅没有经济利益牵扯的专家，至今没有找到。认真对待这个问题的人，普遍倾向于不卖芯片，对卖出制造设备则更是明确反对。

现状比卡通式的禁运更漏。没有任何东西阻止中国公司在海外租用最好的芯片。它们仍在英伟达上训练：有的在马来西亚，有的用手里已有的芯片，有的用偷运进来的芯片，因为英伟达仍然比华为强得多。合法销售可能让英伟达在五年内多获得 100 亿、200 亿，甚至 500 亿美元的营收。但其中有多少是新增的，有多少本来就会花在海外租用上，并不清楚。拜登的 AI 扩散规则陷入了一种奇怪的僵局：美国工业与安全局（BIS）在常见问答里说它不存在，但纸面上并没有把它划掉，Schneider 认为这反映出内部的争斗。这里面很多还是待定的。他不会把宏大的战略投射到一个在他看来只是在迎合情绪和头条的政府身上。

关于华为的进展，他说得很具体。2020 年和 2021 年，华为设计、中芯国际（SMIC）制造的芯片，从设计角度看基本与英伟达相当。难点在于，没有 EUV 就很难在华为和中芯国际的工厂里扩大产能。这让它们停留在 7 纳米左右，只能沿着西方晶圆厂认为效率不如 EUV 光刻的技术路线往下走。拜登时期设备管制的一个讽刺之处在于，2022 年到 2023 年，半导体设备股票大约翻了一番：中国买家看出了风向，把芯片和设备都囤了起来。漏洞依然存在：持股 45% 的子公司，一座晶圆厂在马路这边受管制、另一边却不受管制，还有美国、荷兰和日本规则之间的时间差。它们的厂房里已经有不少设备。相对算力仍是关键。Schneider 用凭感觉编程（vibe coding）做的一张信息图，对比了华为与英伟达、台积电的路线，结论是至少在未来三年里，比例是 15 比 1。对高带宽内存或华为设计能力做不同假设，可能把这个比例拉到 13 比 1 或 10 比 1。十年或二十年之后怎样，还不好说。在近到中期的时间范围内，西方的优势是真实的。

Jake Sullivan 在 Schneider 的节目里讨论过一个假设：美国当初是否应该走更难的路，比如像 FATCA 那样强硬地向盟友施压，即便盟友在国内根本推不动，也要提出这样的要求，而不是用更温和的方式。中国企业买不到 EUV，于是在 DUV 上花了几百亿美元，如今这些设备正在支撑华为和成熟制程芯片的扩产。美国仍然握有一些筹码，因为这些机器里包含美国技术，ASML 的机器也不例外。拜登更看重同盟关系，结果是两步向前、一步后退。人们原本希望特朗普能踩下油门：如果荷兰都在担心美国退出北约，那一家公司的政治经济考量又算什么？但稀土方面的风波，让收紧设备管制的计划搁浅了。如果 Schneider 能挥一挥魔杖，他会绕开出口管制，转而看《芯片与科学法案》里为基础研究和转化型半导体研究拨出的 130 亿美元。拜登花钱慢，也没有在产业界交到朋友。特朗普取消了原本要负责运作这笔资金的非营利机构。这笔钱会流向哪里，是股权、另一种渠道，还是企业研发补贴，尚无定论。这种规模的基础研究资金并不常见，在 10 到 20 年的时间尺度上，这才是真正重要的。

美国对保卫台湾的政策一直是战略模糊：既不向台北做出能让它敢于反攻大陆的承诺，也不向北京说清楚。拜登好几次即兴表态，说美国会保卫台湾。在特朗普阵营内部，这个问题也有真正的争论。Elbridge Colby 写过一本书，主张美国几乎不该关心别的事，因为台湾生产芯片，而且台湾是遏制中国的关键。Schneider 说，另一派则根本不在乎：远在半个地球之外的 2000 万人，远不如委内瑞拉和贩毒集团那样值得关注。首尔峰会之前，也有人担心特朗普会在台湾问题上让步，白宫的泄露甚至证实过这种担忧。日本新首相把这句潜台词说得更直白，中国随即禁止了海产品进口。Schneider 认为，中国要开出什么样的一揽子条件，才能让美国政界接受“把台湾卖掉”，这很难想象。

他希望人们关注的变量，是台湾岛内的政治。台湾有两大政党：民进党和国民党。国民党是蒋介石的政党，如今却颇有几分“兜了一圈”的意味，成了对北京更友好、对和解更开放的一方。民进党偏左，名义上并不主张独立，但对融合没那么自在。Schneider 描绘的风险是：习近平渐渐不耐烦，看着自己的年龄，读着那些让政治统一越来越渺茫的趋势。相反，如果国民党东山再起，就能减轻北京因为反应过度而陷入一场短促、猛烈对抗的压力。他说，所有人都应该更多关注台湾岛内政治，它大概是这些动态中最重要的变量。

他对习近平的判断是：这不是一个会随便去侵略别国的人。掌权十多年，本身就是一种显示出来的偏好。黄岩岛、与印度的喜马拉雅冲突、战机在台湾空域内外来回穿梭，这些情况还谈不上是普京在全面入侵乌克兰之前，经历格鲁吉亚、叙利亚和 2014 年第一次入侵乌克兰之后那种步步升级的样子。北京不满选举结果，并试探着做出类似封锁的动作，这种情况并非零概率。若放在五年的时间跨度里，他会把概率估在个位数百分比。北京在经济甚至政党稳定的下行风险上并不糊涂。这种风险回报的矩阵并不太说得通。2022 年 2 月的普京，这笔账也同样说不通。这并不是让 Schneider 夜不能寐的事。Ben Thompson 的论点是，如果美国领先太远，中国就会想炸掉晶圆厂。Schneider 说，这也许是对的，不过人们总是抱有希望。更无聊却更现实的事实是，未来几十年，美国和中国各自大约都会占到世界 GDP 的四分之一。那种科幻式的分裂，即美国增长 10%、中国只有 1%，有点像 1941 年的日本那样，看起来很牵强。

被问到什么话题讨论得还不够，Schneider 提到了机器人。西方在芯片制造和数据中心建设上的扩张，甚至比中国还快。但那与大规模制造是两回事。中国已经用无人机和电动车跑通了这套打法。如果大规模、低成本地制造机器人，能解锁 21 世纪的大量价值，那么整个中国生态最终可能拥有真正的领先优势。Effron 指出，中国已经在大量部署机器人，这带来了数据收集上的优势，而美国还在争论如何把机器造出来、运出去。Schneider 回想起 ChatGPT 出现之前的一些书，它们说中国会靠 CCTV 摄像头和封闭生态在大语言模型上胜出。算力、数据和人才的相对权重一直在起起伏伏。美国在模型上仍然更强。模型和算力让你收获大语言模型的好处；而大规模的机器人，才让制造业真正有利可图。一个依赖中国机器人的西方，只有在政府里有人开始拿《我，机器人》当判断依据之前，才算是舒适的稳态。Jacob Helberg 现在就职于美国国务院，几年前他曾用全大写字母在推特上写道，中国的人形机器人必须被禁止。

在快问快答环节，Schneider 说他最近花了些时间研究 AI 的军事应用。可以确定的是，下一场大战来临时，军队不会完全适配当时的技术形势。从 2022 年到今天的乌克兰，已经展示出截然不同的武器、人员和无人机组合。这三年里并没有什么惊人的突破，主要是条令、制造和指挥控制正在消化一个巨大的技术积压。企业靠创造性破坏抵达这一前沿，而且死的人更少。军队则在黑暗中摸索，直到灯亮起来。他一直在读案例史，其中包括 John Ellis 那本 200 页的《The Social History of the Machine Gun》，这本书层层叠叠地讲发明、采办、战术和大战略。那些在机关枪问题上判断错误的人，并不是十足的蠢人。世界很难预见一场会夺走数十万人生命的革命。一些迹象还是能看到的：看过克里米亚战争的美国将军，比起 1807 年那种排成横队的打法，已经更接近意识到不能再那样打了。但并非所有教训都适用。他想强调的原则，是少一些确定性，多一些在不同未来之间的韧性。技术冲击并不独特，我们已经遭遇过很多次了。