中国AI追赶速度令美媒惊叹：人才网络与算力效率成关键加速器

8月25日，据《华尔街日报》报道，中国AI模型近年来快速缩小与美国头部模型的差距。报道指出，这一进展并非源于短期技术突破，而是清华大学等高校长期构建的人才网络、开源技术普及、人才回流以及算力效率提升等多重因素共同作用的结果。

以智谱AI联合创始人唐杰、月之暗面创始人杨植麟以及DeepSeek创始人梁文锋为代表的研究者群体，构成了中国AI追赶的核心力量。中美行业人士普遍认为，中国最优秀的AI模型与美国最先进模型的能力差距已缩小至数月。今年6月，马斯克曾预测中国要到2027年第一季度才能追上Anthropic的顶级模型，唐杰随即回应称“不会需要那么久”。

报道将中国AI人才体系的源头追溯至2005年。当时，图灵奖得主姚期智在清华大学创办“姚班”，培养顶尖计算机人才。唐杰长期在清华从事数据挖掘与机器学习研究，其实验室成为AI人才的重要摇篮。杨植麟曾师从唐杰，后赴卡内基梅隆大学攻读博士，回国后创立月之暗面。高校与创业公司的人员流动，逐渐织成一张紧密的AI人才网络。

在资金和先进芯片受限的背景下，提高算力利用效率成为中国企业的关键路径。DeepSeek通过多头潜在注意力机制（MLA）降低内存消耗，并较早采用混合专家模型（MoE），减少对芯片算力的依赖。这些技术奠定了2025年初“DeepSeek冲击”的基础，其低成本开源模型引发美国科技股震荡，也促使中国同行重新审视技术路线。

技术交流与人才回流进一步加速迭代。月之暗面后续模型采用了DeepSeek验证过的MoE及MLA变体，而DeepSeek也借鉴了月之暗面的训练技术。腾讯、字节跳动等企业则吸引海外人才回流。但算力仍是主要瓶颈，梁文锋曾表示芯片差距比人才更关键。阿里巴巴、智谱等实验室获得的高端芯片数量通常仅为美国同行的五分之一。