中国AI快速追赶背后的关键力量

近年来，中国人工智能模型的整体能力与美国头部模型的差距正在快速缩小。据《华尔街日报》报道，中美两国多位行业人士认为，中国最好的AI模型与最先进模型的差距目前已经缩短至数月之内。这一追赶进程并非源于短期突发的技术突破，而是由高校人才网络、开源技术生态、人才回流以及更高算力利用效率等多重因素共同推动的。

中国AI人才体系的形成可以追溯至二十多年前。2005年，图灵奖得主姚期智在清华大学创办“姚班”，致力于培养计算机领域的顶尖人才。与此同时，唐杰长期在清华从事数据挖掘和机器学习研究，其实验室逐步成为中国AI人才的重要输出地之一。月之暗面创始人杨植麟曾师从唐杰，在完成清华学业后赴卡内基梅隆大学攻读博士，回国后创办了自己的公司。智谱AI联合创始人唐杰、月之暗面创始人杨植麟以及DeepSeek创始人梁文锋等人，共同构成了中国这一轮AI技术追赶的核心力量。

高校与创业公司之间的人员流动逐渐编织出一张紧密的AI人才网络。2018年，中国进一步放宽科研人员创业及科研成果商业化的限制，次年唐杰便从清华实验室孵化出后来发展为智谱AI的公司。早在OpenAI于2020年发布GPT-3之后，智谱就已将开发同等级模型作为目标。这种从学术研究到产业落地的转化路径，为中国AI企业提供了持续的人才与技术储备。

相比美国企业，中国AI公司在资金和先进芯片获取方面长期处于劣势。据杰富瑞测算，在相关时期内，中国科技公司的投入规模不到美国同行的五分之一。面对这一制约，提高算力利用效率成为中国AI企业追赶的重要途径。DeepSeek便是其中代表：通过多头潜在注意力机制（MLA）降低模型运行时的内存消耗，并较早采用混合专家模型（MoE），从而减少对芯片算力的依赖。这些技术成为2025年初“DeepSeek冲击”的重要基础，当时其推出的低成本开源模型引发市场广泛关注，也促使中国同行重新审视技术路线。

中国AI企业之间的技术交流也显著加快了迭代速度。月之暗面后续模型采用了DeepSeek使用或验证过的MoE及MLA变体，而DeepSeek也吸收了月之暗面优化的训练技术。不同团队通过论文、开源模型与技术实践互相借鉴，形成了与封闭模型路线不同的技术扩散机制，极大地提升了整个行业的进步效率。

人才回流为技术追赶提供了另一条路径。腾讯招募了曾在OpenAI工作的两位清华毕业生，字节跳动则引入了曾供职于谷歌的中国研究人员。海外人才带回的先进经验，与中国本土研究网络形成互补，加速了技术积累。然而，算力仍是主要制约因素。梁文锋今年5月表示，芯片而非人才，才是中美AI公司之间最关键的差距。阿里巴巴、智谱等头部实验室的研究人员也称，他们获得的高端芯片数量往往只有OpenAI、谷歌同行的五分之一。尽管挑战依然存在，但中国AI产业凭借人才网络与技术创新路径，正持续缩小与全球领先水平的差距。