AI研究员 @natolambert ，AI 时事通讯 Moonshot, Zhipu, Meituan, Xiaomi, Qwen, Ant Ling, and 等AI Lab 写了个笔记 从研究心态对比中美差异： -在中国一些杰出个人的工作成果需要被搁置，以保证整体模型能够最大化多目标优化（个体服从整体）， -而美国研究者更注重个人表达和自我利益，他举了个meta的例子（传言），Llama组织正是由于这些利益集团将自身利益嵌入到层级分明的组织结构中而最终崩溃。听说其他实验室也表示，有时需要向顶尖研究人员支付报酬，才能让他们停止抱怨自己的想法最终没有被纳入模型 -中国模型的构建者是谁，中国很大一部分核心贡献者都是在校学生。这些实验室都比较年轻，这让我想起了我们在Ai2的模式，在那里学生被视为同龄人，并直接融入LLM团队。这与美国顶尖实验室截然不同，像OpenAI、Anthropic、Cursor等公司根本不提供实习机会。 -关于教育和产业人才，中国也面临着与美国类似的“人才流失”问题，许多原本考虑走学术道路的人现在都打算留在工业界。最搞笑的是一位研究人员的发言，他原本想当教授，以便更贴近教育体系，但他却说教育问题可以通过法学硕士（LLM）来解决——“学生为什么要跟我说话！” AI影响上的思维方式差异： -AI影响上的思维方式差异，这些学生的思维方式也异常直接，不受一些可能分散科学家注意力的哲学思辨所干扰。当被问及他们对模型的经济性或长期社会风险的看法时，很少有中国研究人员拥有成熟的见解，也没有动力去影响这些见解。他们的职责是构建最佳模型，一位学者甚至引用了王丹的著名论断——中国是由工程师主导，而美国则是由律师主导。 -试图让中国科学家就人工智能引发的经济不确定性、超出通用人工智能（AGI）能力范围的问题，以及关于模型行为方式的道德辩论发表评论，都展现了这些科学家极其谦逊的态度。他们不仅敬业，而且不愿就自己不了解的问题发表评论。 中国人工智能产业与西方实验室的异同之处： -国内人工智能需求初现端倪，中国SaaS生态不发达，付费意愿差，市场规模小，而云计算则发展的很好。而目前来看中国的AI市场更像云计算市场，而不是saas生态。 -大多数开发者都对 Claude 趋之若鹜 -中国企业拥有技术所有权意识，一些头部科技企业都在自己做模型，如美团，小米等。而美国则头部企业会使用第三方服务。 -数据产业的发展远不及美国，数据标注类公司，和RL模拟环境类公司相对较少，模型公司大部分是自己做数据和做RL模拟环境来训练。美国则大部分都是采用第三方服务。 （备注：昨天研究了下RL模拟环境的美国市场地图，可以看到确实非常庞大，并且有实际采用，可以看看 也） -对英伟达芯片的迫切需求

立党讲座36：AI研究学习完整教程（第二期）AI是如何进行数学革命的？AI如何在网络安全领域爆发？AI能否成为下一个威胁？哪些软件开发工作会被AI替代？AI Agent还有哪些潜在的爆发方向？

美国研究员看智谱：市场非常“奖励”上市AI公司 这是我们专访美国知名AI研究员、艾伦人工智能研究所（Ai2）后训练负责人Nathan Lambert的精华节选。 今年4月，Nathan来到中国，实地走访了智谱、月之暗面、小米等团队。他最先感受到的，是一种很强的“展厅文化”。 他发现，虽然智谱和Kimi有很多相似之处，但智谱已经更早进入了一个“大公司时刻”：更公开、更受关注，也更接近资本市场和全球竞争的中心。 这背后不只是公司气质的差异，也关系到中国开源模型接下来怎么进入开发者社区、借助平台热度获得使用反馈，并在更低成本的Agent生态里找到自己的位置。 感兴趣的朋友，欢迎观看完整视频。

美国研究员看Kimi：“氛围最好”的中国AI人才 这是我们专访美国知名AI研究员、艾伦人工智能研究所（Ai2）后训练负责人Nathan Lambert的精华节选。 Nathan在走访月之暗面、智谱、小米等团队后发现，中国AI公司吸纳年轻研究员的速度很快，也更愿意让他们直接进入核心项目。 在他看来，这不只是年龄问题。年轻人没有太多旧路径依赖，也更容易把全部精力投入到这一轮技术浪潮里：理解最前沿的方法，吸收训练和后训练的复杂细节，再沿着现有路径快速优化。 感兴趣的朋友，欢迎观看完整视频。

一位西方 AI 研究学者，花了 10 天走访了中国十几家 AI 实验室，月之暗面、小米、MiniMax、智谱、美团、阿里、蚂蚁、零一万物、宇树…… 给他留下最深印象的，是这里的研究者非常谦逊。DeepSeek 被频繁提及，人们谈论 DeepSeek 的论文时带着“真正的钦佩”。许多研究者彼此是亲密朋友，来自同一所大学或共享同一个家乡，坦诚地讨论自己的工作。 这与美国形成了鲜明对比。在美国，氛围更像零和游戏，实验室对定位很谨慎，领导者会在“泄露的备忘录中互相侮辱和攻击”。 他们不讨论 AI 的政治或哲学影响，不考虑大规模失业、永久底层阶级，也不讨论模型是否有意识。 他们只想训练更好的模型。 “当听说你用了他们的模型时，他们的眼睛会发光。他们渴望在下一代模型中修复当前模型的所有缺陷。他们通宵达旦推动模型发布，之后仍然出现在办公室。” 整体氛围和旧金山出奇地相似。研究者们极度在线，在 Twitter 和小红书上大量阅读。他们在开会时监控训练运行，观察奖励曲线上升，抱怨算力不够，对当前基准测试的状态感到沮丧。 研究者的乐观情绪也延伸到了普通民众，他们似乎对技术以及 AI 和机器人的前景更加乐观。旅途中有人讲，他们的父母和祖父母在用豆包和 DeepSeek 做各种事情，包括讨论数学定理。 他说：“这与西方明显不同，那里的普通民众厌恶 AI。”

对了，Meta在AI研究员圈子里疯狂砸钱挖人的结果，还有一个很微妙的结构变化，那就是： Yann LeCun，Meta的首席AI科学家，图灵三巨头之一，卷积神经网络的创造者，64岁的大牛，现在，事实上，要向Meta新任命的AI一把手，之前从事数据标注的，28岁的MIT辍学生Alexandr Wang，汇报。 在大浪袭来的当口，资历、辈分、荣誉这些通通都被撇开了。 很多人在推上「关心」Yann LeCun的感受，他老人家倒是圆得心平气和，觉得自己本来就应该待在学术岗位上，老板是谁并没有那么重要。 也有预测Yann LeCun会在一年内辞职的猜测，除了诛心的原因之外，还和Yann LeCun本人其实一直对这波大模型的发展方向持负面态度有关，如果他坚信Meta豪赌的架构是错的，那么工作起来势必更加难受。

一个年轻人想做 AI 研究、想写论文，手里只有一张 12G 显存的破卡。谁看了都觉得没戏。 结果真相刚好相反：LoRA、QLoRA、GaLore 这些改变了整个行业的算法，全是被「算力不够」逼出来的。 显存小不是天花板，是你的研究定位。约束从来不是终点，恰恰是起点。真正拦住人的，从来不是那张卡，是「我条件不行」这句自我判决。