中国 AI 追赶，先从清华实验室长出来
WSJ 沿着唐杰、杨植麟与梁文锋的经历，拆解中国 AI 追赶背后的清华人才网络、开源工程和芯片约束。
WSJ 这篇报道真正讲的，不是中国 AI 突然追平了谁，而是一套持续二十多年的研究、创业与工程网络，终于把差距压到了几个月。
作者丨 AI 科技评论
编辑丨 AI 科技评论
过去几年，全球 AI 竞争最容易被看见的是模型榜单。
华盛顿和硅谷更难忽略的，是中国公司追赶速度已经快到必须重新解释。
《华尔街日报》记者 Raffaele Huang 在 2026 年 8 月 20 日发表的深度报道《The Brains Who Powered China's Surprising AI Leap》，没有把答案归结为某一次融资、某一款模型或某一个政策。
它沿着清华大学教授唐杰、他的学生杨植麟，以及 DeepSeek 创始人梁文锋的经历往回追，写出了一张中国 AI 人才、开源技术和工程优化互相传递的网络。1
原文定位：先看一张关系图
WSJ 的核心判断是，中国 AI 公司的进展并非突然发生。
清华等高校在二十多年前就开始培养机器学习和计算机视觉人才，政府资金、大学实验室、互联网数据和产业竞争随后把这批人才推到了创业一线。1
唐杰创办了 Z.AI，杨植麟领导 Moonshot AI，梁文锋则把 DeepSeek 从量化基金中分拆出来。
他们没有在同一家公司工作，却持续共享研究方法、人才和开源技术。
这篇报道值得读的地方，正是它把「中国模型追平美国」拆成了几个可以核对的动作：人才从哪里来，技术如何流动，资本如何进入，芯片少了以后团队怎样继续训练模型。
01｜清华实验室，长出了三家模型公司
唐杰今年 49 岁，在清华大学从博士阶段一路任教，做了大约四分之一世纪的机器学习研究。
2005 年，图灵奖得主姚期智在清华建立姚班，专门培养顶尖计算机科学人才。
唐杰的实验室后来成为中国 AI 工程师的重要来源之一。
杨植麟曾是唐杰的学生，也曾被唐杰提名为清华大学的重要学术奖项候选人。
杨植麟后来前往卡内基梅隆大学攻读博士，回到中国后创办了 Moonshot AI。1
梁文锋的起点不同。
他在二十年前进入计算机视觉领域，后来创办量化基金，用 AI 分析金融市场。
2023 年，他把 DeepSeek 从量化基金中分拆出来。
唐杰曾与梁文锋交流，后来在给员工的谈话中称赞梁文锋有「不同的思考方式」。1
三个人的共同点，不是都来自同一家公司。
他们都经历了中国高校、计算机视觉、互联网数据和 AI 创业这几层训练。
WSJ 把这批研究者描述成中国科技中心里一座没有围墙的「硅谷」。
论文发表和开源软件让知识流动得更快，研究者则不断在实验室、创业公司和大厂之间移动。
2018 年，北京允许国家研究机构和高校的研究人员创办公司并商业化技术。
这条人才链解释了一个常被忽略的事实：模型公司的起跑线，早在模型发布前就已经铺好了。
02｜真正的追赶方式，是把每一块芯片用得更久
中国公司知道自己缺什么。
WSJ 报道称，和美国同行相比，中国 AI 公司面对的是更少的资金，以及受出口管制影响的先进芯片供给。1
所以，DeepSeek 团队没有只等更多芯片进来。
他们先改模型结构。
多头潜在注意力，也就是 MLA，可以减少模型在聊天过程中保存历史信息所需要的内存。
内存占用降低后，模型训练和运行所需的计算资源与成本都会下降。
DeepSeek 也是中国较早采用混合专家模型，也就是 MoE 的团队之一。
MoE 会先把问题分发给不同的专业模块，而不是让整个模型每次都同时工作。
WSJ 用后厨分工来解释这个机制：点到意大利面时，负责分单的人把任务交给意大利菜厨师。
模型性能由此可以继续提升，芯片压力却不必按同样速度增加。1
这套方法后来扩散到竞争对手。
Moonshot 的 K2 和 K3 采用了 MoE 设计以及 MLA 的变体。
DeepSeek 也反过来使用了 Moonshot 优化的一项技术，以改善训练效率和稳定性。
开源在这里不是一句价值宣言。
它是一条把工程经验从一家实验室传给另一家公司的短管道。
蒸馏争议，不能被压成一个词
WSJ 同时写到了更有争议的路径：蒸馏。
蒸馏的基本做法，是让一个新模型向已有模型提出数十万甚至更多问题，再分析已有模型给出的答案，用这些答案训练自己的系统。1
Anthropic 指控包括 Z.AI 和 Moonshot 在内的中国公司大规模进行蒸馏，并违反了 Anthropic 的使用政策。
WSJ 报道称，Z.AI 和 Moonshot 没有就这个问题发表评论。
报道还援引中国模型开发者的说法称，蒸馏在全球都很普遍，一些中国公司可能比美国同行使用得更激进。1
这里有两条线必须分开。
公开论文、开源模型和模型结构的复用，是一条可追踪的工程传播路径。
针对特定商业模型的大规模提取，则涉及服务条款、数据来源和使用授权。
WSJ 的报道把 Anthropic 的内容写成指控，而不是已经完成的监管或司法结论。
读者也不能因为蒸馏争议存在，就抹掉 MLA、MoE 和人才流动这些公开可讨论的工程因素。
中国 AI 的追赶既不是一条纯粹的复制路线，也不是一段脱离全球知识流动、从零开始的独立故事。
03｜人才让差距缩短，芯片决定上限
2025 年 1 月，DeepSeek 发布低成本的开源模型，引发全球市场震动。
梁文锋的团队把 MLA、MoE 等方法变成了可运行的产品，迫使中国竞争对手重新估计自己的速度。
杨植麟随后接到担忧的投资人电话，其中一位投资人问他为什么没有提前预见 DeepSeek 的崛起。
这件事也改变了 Moonshot 的技术路线。
但开源扩散并没有消除资源差距。
WSJ 引述 Jefferies 的计算称，在那几年，中国科技公司的相关投入不到美国同行的五分之一。
唐杰的 Z.AI 到 2025 年年中从中国科技公司、香港投资人和政府支持基金获得约 12.5 亿美元融资。
2026 年 1 月，Z.AI 以当时仍使用的智谱名义在香港上市，成为第一家上市的中国 AI 模型创业公司。
这个数字说明中国模型公司已经出现了真实的商业化收入。
它没有说明中国公司已经拥有和美国头部实验室相同的资源。
同一篇报道提到，Anthropic 2026 年 7 月的年度收入达到 650 亿美元。
差距从收入表上仍然很大。
差距在算力上更加直接。
梁文锋在 DeepSeek 的一次会议上说，芯片而不是人才，是中美 AI 公司之间最关键的差距。
这也解释了为什么「参数规模」不能单独用来判断竞争结果。
WSJ 报道称，一些中国 AI 开发者正在训练 5 万亿到 10 万亿参数的模型。
参数数量能描述模型规模，却不能替代训练时间、芯片型号、数据质量、推理成本和用户收入这些业务指标。
当中国公司用更少芯片把模型做大时，美国公司则可以用更先进的芯片和更多资金去探索尚未验证的路线。
两边的试错方式不同。
中国公司的效率优势，暂时更像一条绕开资源短板的窄路；它能让追赶继续，却没有把资源短板变成优势。
读者接下来该看什么
WSJ 这篇报道把中国 AI 的进展放在一条长链上。
读者要判断这条链能否继续向前，可以盯住五类更具体的信号：
- 模型能力。 公司公布的测试结果是否能被独立复现，能力是否从单项榜单扩展到长周期任务、代码、科学研究和真实企业工作流。
- 工程效率。 MLA、MoE 或新的系统优化是否转化成更低的训练成本、更短的迭代周期，或者在有限芯片下稳定运行。
- 算力条件。 公司拿到的芯片数量、型号、使用位置和训练周期是否出现可核对的变化。
- 商业收入。 ARR 是否来自持续付费客户，收入增长是否伴随 API 调用、企业合同或产品使用量的增长。
- 数据与知识来源。 开源代码、公开论文、合成数据和商业模型输出之间的边界是否被清楚说明，蒸馏争议是否出现公司回应、平台处理或监管结论。
这五项指标放在一起，才能区分「模型看起来很强」和「公司已经形成可持续的竞争能力」。
单看人才，会低估芯片和资本的约束。
单看芯片，又会漏掉中国团队如何把有限资源变成工程进展。
原文引语：追赶是一种长期组织能力
唐杰曾向科技作者 Mehran Gul 表达过留在中国的原因：
I thought I could do something big in China and also in that way maybe I can help China better. So I decided to stay. 1
WSJ 在文中引用这句话，说明唐杰的选择早于今天的中美 AI 竞争叙事。
它不是对某个模型的判断，而是一个研究者决定在哪里积累实验室、学生和公司。
梁文锋在 DeepSeek 会议上谈到开源竞争时说：
I'm not worried about competition because the market is big enough. 1
这句话对应的是 DeepSeek 把方法公开、竞争者再把方法带回自己模型的循环。
唐杰在 2026 年 7 月写给员工的备忘录里说：
Whoever is first to push the technological limit even an inch higher will redefine what's possible across every industry. 1
AI 科技评论注意到，这篇报道最重要的变化，不是把某一家中国公司推到美国公司之前。
它让读者看见，中国 AI 追赶已经从单点突破变成一套可以复制的组织方式：高校培养人才，创业公司承接研究，开源让方法扩散，工程优化抵消部分芯片短缺，政府资金和市场收入再把公司推向下一轮训练。
人才让这条路开始有了方向。
芯片，决定它还能把方向抬高多少。
References
- 1
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.