DeepSeek V4發(fā)布，并沒(méi)有復(fù)刻去年的狂歡，實(shí)際上跟半年前發(fā)布的Claude Sonnet 4.5相比，兩者能力大致在同一檔，差距遠(yuǎn)大于半年，因?yàn)镾onnet 4.5在半年前也只能算第二梯隊(duì)。但是在社交媒體的稿子里，常�？吹街袊�(guó)的各家大模型跑分?jǐn)?shù)據(jù)一個(gè)比一個(gè)漂亮，"只差半年"、"基本拉平"的論調(diào)不絕于耳。

中美AI差距的事實(shí)情況，到底是什么樣的？

4月22日，在《走進(jìn)亞洲》（Into Asia）的播客中，北京大學(xué)人工智能方向的助理教授張馳，講述了他眼中的真相。張馳現(xiàn)任北京大學(xué)助理教授，剛從字節(jié)跳動(dòng)的大模型核心團(tuán)隊(duì)（Seed LLM）離職不久。

作為真正在大廠(chǎng)一線(xiàn)摸爬滾打過(guò)的研發(fā)人員，他對(duì)當(dāng)前國(guó)產(chǎn)AI的判斷相當(dāng)扎心：

"我不同意'中國(guó)模型正在趕上'這個(gè)觀點(diǎn)。我相信我們還差得遠(yuǎn)，而且這個(gè)差距，可能正在變大。"

虛假的繁榮：大家都在"應(yīng)試刷榜"，實(shí)戰(zhàn)卻拉胯

在外界看來(lái)，各家大廠(chǎng)的模型在各種Benchmark（基準(zhǔn)測(cè)試）上神仙打架，分?jǐn)?shù)屢創(chuàng)新高。但在內(nèi)部，這只是一場(chǎng)大型的大模型應(yīng)試教育。

張馳在采訪(fǎng)中透露，在字節(jié)跳動(dòng)內(nèi)部（他推測(cè)其他大廠(chǎng)也類(lèi)似），工作氛圍其實(shí)相對(duì)"佛系"（中午有兩小時(shí)的午休時(shí)間，實(shí)際每天工作9小時(shí)左右），但大家都面臨著一種隱性的KPI壓力——刷榜（Bench-maxing）。

領(lǐng)導(dǎo)們高度關(guān)注模型在特定榜單上的分?jǐn)?shù)。如果你負(fù)責(zé)的模塊分?jǐn)?shù)沒(méi)有追平美國(guó)前沿模型，你的績(jī)效就會(huì)很難看。

結(jié)果就是：紙面數(shù)據(jù)極其華麗，但一旦落到真實(shí)世界的復(fù)雜應(yīng)用中，體驗(yàn)讓人抓狂。

算力與基建的鴻溝：別人三個(gè)月，我們可能要半年

硬件被卡脖子，這是個(gè)老生常談的問(wèn)題，但它帶來(lái)的連鎖反應(yīng)比我們想象的更深。

目前，國(guó)內(nèi)大廠(chǎng)用來(lái)訓(xùn)練最核心大模型的，很大一部分仍是禁令前囤積的英偉達(dá)芯片，或者合規(guī)的特供版H20。好在DeepSeek V4開(kāi)始，全面使用華為昇騰顯卡，有望后續(xù)完善國(guó)產(chǎn)訓(xùn)練生態(tài)。

但算力的差距，已經(jīng)直接體現(xiàn)在了"迭代速度"上。

張馳提到了一個(gè)業(yè)內(nèi)傳聞：谷歌現(xiàn)在可能只需要3個(gè)月，就能跑完一整輪大語(yǔ)言模型的預(yù)訓(xùn)練加后訓(xùn)練。而對(duì)國(guó)內(nèi)大廠(chǎng)來(lái)說(shuō)，受限于算力規(guī)模和基礎(chǔ)設(shè)施，這個(gè)周期可能長(zhǎng)達(dá)半年。

更隱秘的差距在基礎(chǔ)設(shè)施（Infra）。張馳曾在谷歌實(shí)習(xí)，他感慨那里的底層基建做得太好了，研究員只需要在絲滑的圖形界面上寫(xiě)代碼，根本不用操心底層架構(gòu)。而在國(guó)內(nèi)大廠(chǎng)，訓(xùn)練動(dòng)不動(dòng)就卡死、報(bào)錯(cuò)，這些摩擦成本都在無(wú)形中拖慢了追趕的腳步。

"用戶(hù)都在用美國(guó)模型，我們哪來(lái)的數(shù)據(jù)改良？"

如果說(shuō)算力是中國(guó)AI頭頂懸著的第一把劍，那么在張馳看來(lái)，第二把劍，也是目前最無(wú)解的一把，是"數(shù)據(jù)飛輪"的斷裂。

他在采訪(fǎng)中提出了一個(gè)非常尖銳的洞察：美國(guó)頭部模型建立了極難逾越的正向循環(huán)。 GPT和Claude擁有全球海量的用戶(hù)。這些用戶(hù)在實(shí)際工作中使用模型，并對(duì)結(jié)果進(jìn)行點(diǎn)贊或踩。這些高質(zhì)量的反饋，構(gòu)成了最寶貴的真實(shí)場(chǎng)景訓(xùn)練數(shù)據(jù)。

反觀國(guó)內(nèi)，由于基礎(chǔ)能力存在客觀差距，導(dǎo)致最需要AI輔助的那些高價(jià)值用戶(hù)——比如程序員、硬核研究者，正在集體"叛逃"。

"我現(xiàn)在主要用Claude Code和Cursor編程，"張馳直言不諱地說(shuō)，"我甚至覺(jué)得不需要招那么多博士生來(lái)幫我干活了，我完全可以把Claude Code和Cursor當(dāng)作我的學(xué)生，我可以輔導(dǎo)它們，給它們指令讓它們做我想做的事。但我心里又很矛盾，如果我這代人不培養(yǎng)新人，等我老了，誰(shuí)來(lái)接著做研究？"

這種中國(guó)頂尖AI科學(xué)家的日常使用選擇，反應(yīng)的就是當(dāng)下冰冷的現(xiàn)實(shí)：當(dāng)最應(yīng)該為國(guó)產(chǎn)模型貢獻(xiàn)反饋數(shù)據(jù)的頂尖中國(guó)開(kāi)發(fā)者，都在使用美國(guó)模型提效時(shí)，中國(guó)大模型公司去哪里獲取能夠優(yōu)化編程和推理能力的高質(zhì)量交互數(shù)據(jù)？

走捷徑的代價(jià)："蒸餾"出來(lái)的智能，沒(méi)有靈魂

如果沒(méi)有時(shí)間去打磨基礎(chǔ)設(shè)施，又面臨著迫在眉睫的追趕KPI，國(guó)內(nèi)大廠(chǎng)是怎么做的？

答案是兩個(gè)字：蒸餾（Distillation）。

如果你想訓(xùn)練一個(gè)高智商的模型，最硬核的做法是雇傭極其專(zhuān)業(yè)的行業(yè)專(zhuān)家，一筆一劃地寫(xiě)出高質(zhì)量的推導(dǎo)數(shù)據(jù)，這既費(fèi)錢(qián)又費(fèi)時(shí)。

但還有一條捷徑：直接去問(wèn) GPT、Claude 或者Gemini。 拿到正確答案和推理過(guò)程后，直接復(fù)制過(guò)來(lái)，喂給自己的模型。這在AI圈被稱(chēng)為"蒸餾"，就是抄尖子生的作業(yè)。

張馳坦言，我們?cè)?蒸餾"技術(shù)上可能已經(jīng)是世界頂尖，但這也許無(wú)法在長(zhǎng)遠(yuǎn)上轉(zhuǎn)化為真正的優(yōu)勢(shì)。抄作業(yè)能讓你快速?gòu)牟患案褡兂杉案�，甚至考�?0分，但你永遠(yuǎn)無(wú)法通過(guò)抄作業(yè)成為真正的學(xué)神。

因?yàn)槟闳狈儆谧约旱�、深厚的�?shù)據(jù)管道（Data Pipeline）。當(dāng)國(guó)外的模型開(kāi)始自我進(jìn)化時(shí)，"捷徑"反而成了束縛我們?cè)瓌?chuàng)能力的枷鎖。

僅存的底氣：硬件與"具身智能"的夢(mèng)

盡管對(duì)純語(yǔ)言大模型追趕前景表現(xiàn)出強(qiáng)烈的悲觀，張馳依然指出了中國(guó)AI生態(tài)中為數(shù)不多的結(jié)構(gòu)性?xún)?yōu)勢(shì)。

在他看來(lái)，優(yōu)勢(shì)在于制造業(yè)。他提到了近期引爆輿論的宇樹(shù)科技（Unitree），認(rèn)為中國(guó)在硬件軀體、電機(jī)運(yùn)動(dòng)控制方面具備全球競(jìng)爭(zhēng)力。對(duì)于目前火熱的"具身智能"，張馳的觀點(diǎn)是，如果你的語(yǔ)言模型只是用來(lái)執(zhí)行比較簡(jiǎn)單的任務(wù)（比如抓取物體），那么現(xiàn)有中國(guó)大模型的能力是"夠用"的。

但他也潑了一盆冷水：目前絕大多數(shù)機(jī)器人廠(chǎng)商仍停留在"運(yùn)動(dòng)控制"階段，沒(méi)有真正把智能塞進(jìn)機(jī)器人大腦。而一旦涉及到需要復(fù)雜推理和泛化操作的"靈巧操作"，我們很可能再次碰到大語(yǔ)言模型目前的那塊天花板。

未來(lái)怎樣？

芯片受限、數(shù)據(jù)管線(xiàn)薄弱、基礎(chǔ)設(shè)施落后、用戶(hù)反饋循環(huán)缺失、過(guò)度依賴(lài)蒸餾，這些問(wèn)題疊加在一起，不是靠一次技術(shù)突破就能解決的。好在DeepSeek V4全面適配了國(guó)產(chǎn)顯卡，雖然整體能力落后了些，但生態(tài)完善后還是有希望追趕上而且不依賴(lài)蒸餾的。

原播客鏈接：https://www.buzzsprout.com/2546300/episodes/19057945-a-year-inside-bytedance-s-ai-lab