Linux基金会高管访华后感叹：美国严重低估了中国AI的真实进展

2026 年 4 月下旬，Linux 基金会全球人工智能首席技术官 Matt White 等人在北京、上海和杭州进行了为期 8 天的实地考察。

8 天时间里，他先后与 DeepSeek、月之暗面、智谱 AI、MiniMax、阿里云、蚂蚁集团、字节跳动、小米、零一万物等公司进行了交流，也走访了清华大学智能产业研究院，以及宇树科技、星海图和银河通用等机器人企业。

Matt 到访期间，恰逢国内模型发布进入密集周期：Kimi K2.6、Qwen 3.6-27B、MiMo V2.5 系列、Ling-2.6-1T、DeepSeek V4 等模型接连亮相。

回到美国后，他写下了长篇文章《在中国的八天：我从 AI 实验室、机器人初创公司和学术界学到了什么》，最近又在播客中详细谈起这次行程。

他的核心感受是：美国对中国 AI 内部正在发生什么，了解得远比想象中少。外界可以看到论文、模型和榜单，却很难从公开发布中感受到实验室的研究热情、团队文化以及不同城市之间正在形成的产业密度。真正进入这些机构后，他发现，中国研究团队并不封闭。他们不会透露商业路线图，却愿意讨论研究、分享技术判断，也急于把成果放到全球坐标系里检验。

不同公司的气质也很鲜明。月之暗面的团队年轻，办公室带着摇滚文化；DeepSeek 给他的感觉则是低调、务实。团队成员更关心一起把问题解决，而不是谁当论文第一作者、谁拿到更高薪水。

人才流向也让他印象很深。中国不少 AI 创始人和研究人员曾在伯克利、卡内基梅隆、斯坦福等西方高校学习，后来选择回国工作。过去，优秀学生毕业后留在美国是常见路径；如今，越来越多研究人员和创业者愿意回到中国。Matt 认为，中国对创新和创业的支持正在增强这种吸引力。全球 AI 的人才中心不再只有旧金山湾区，深圳、杭州和北京也在形成自己的聚集效应。

外界一直有一种判断：拿不到最先进的芯片，中国 AI 的速度早晚会慢下来。Matt 的看法却没有这么简单：限制当然会影响训练，但资源越紧，团队越会想办法提高效率。

以 DeepSeek 为代表的公司就是用更少资源做更多事情。无论是 GRPO、推理训练方法，还是在有限算力下提升模型效率的架构创新，DeepSeek 的成果都被其他团队反复引用和采用。他提到，同行对 DeepSeek 的态度更接近敬佩，而非单纯竞争：这是一支依靠精干团队和原创技术改变行业规则的研究力量。

这种创新并不是谁关起门来独自完成的。DeepSeek 的 GRPO、月之暗面对 Muon 优化器的研究、字节跳动的 VeRL、MiniMax 的线性注意力，都建立在前人的工作上。Muon 最初来自美国研究，后来被不同团队继续改进。AI 研究本来就是这样：一个人先做出来，另一个人改进，更多人再把它用到实际训练中，Transformer架构就是这样演化的。

所以，Matt 认为，把中国 AI 简单说成复制美国并不准确。今天已经有不少中国技术被美国的开放模型和商业产品采用。技术在不同国家之间来回流动，很难再分出一条泾渭分明的边界。

限制带来的影响也不只在模型端。中国正在加快本土芯片投入，一批芯片公司随之出现。再加上制造业、供应链和应用市场，中国有机会把芯片、模型、设备和部署连在一起。先进算力仍然是短板，但从行业发展的角度看，短板也在迫使企业寻找替代方案。

图 |Matt White 在阿里云（