เหตุใดนักวิจัย AI จีนจึงเป็นที่อิจฉาของเพื่อนร่วมงานชาวอเมริกัน? การเดินทาง 36 ชั่วโมงในปักกิ่งเผยให้เห็นความแตกต่างทางวัฒนธรรม

ทำไมนักวิจัย AI จีนถึงทำให้เพื่อนร่วมงานอเมริกันอิจฉา? การเดินทาง 36 ชั่วโมงในปักกิ่งเผยให้เห็นความแตกต่างทางวัฒนธรรม

“บุคลิกภาพ เสน่ห์ และความจริงใจของนักวิจัย AI จีน… ทำให้รู้สึกอบอุ่นใจอย่างยิ่ง”

นี่คือคำพูดจากใจของ Nathan Lambert นักวิจัยจาก Allen Institute for AI (Ai2) หลังจากสิ้นสุดการเดินทางไปจีนครั้งล่าสุด

ในมุมมองของ Nathan วงการ LLM ในจีนเปรียบเสมือนสวรรค์—ทุกคนเคารพซึ่งกันและกัน แม้จะมีจุดยืนที่แตกต่างกันก็ยังสุภาพอ่อนโยน เมื่อมองย้อนกลับไปที่ “สามยักษ์ใหญ่” ฝั่งอเมริกา เขากลับรู้สึก “ไม่อยากมอง”—ทุกวันมีการโต้เถียงกันอย่างดุเดือด ราวกับสงครามระหว่างเผ่า

นี่ไม่ใช่คำพูดที่เกินจริง ในระหว่างการเดินทางในปักกิ่งเพียง 36 ชั่วโมง Nathan ได้เยี่ยมชมวงการ AI จีนเกือบทุกแห่ง: Moonshot AI, Zhipu AI, มหาวิทยาลัยชิงหัว, Meituan, Xiaomi, Qwen… เขาได้พูดคุยอย่างลึกซึ้งกับนักวิจัย AI ชั้นนำและนักศึกษาจำนวนมาก และสรุปได้ว่า: ผู้เล่น AI ที่นี่ร่วมมือกันเพื่อชัยชนะร่วมกัน

จากนี้ Nathan ได้เขียนบทความเพื่อแบ่งปันประสบการณ์ที่น่าประทับใจระหว่างการเดินทางไปจีนครั้งนี้:

• ทุกห้องปฏิบัติการ “กลัว” ByteDance เล็กน้อย แต่ทุกคนเคารพ DeepSeek
• ปักกิ่งเหมือน Silicon Valley เลย—เขาไปเยี่ยมบริษัท AI 6 แห่งใน 36 ชั่วโมง
• เขาถามนักวิจัยจีนคนหนึ่งเกี่ยวกับความเสี่ยงของ AI และอีกฝ่ายก็อึ้งไปชั่วขณะ—เหมือนเป็นคำถามที่ไม่เหมาะสม
• บริษัทอย่าง Meituan และ Xiaomi ก็พัฒนาโมเดลขนาดใหญ่ด้วยตัวเอง—ในจีน นี่เป็นเรื่องปกติ
• เมื่อเงยหน้าจากแล็ปท็อป มักจะเห็นเครนบนเส้นขอบฟ้า เหมือนเป็นสัญลักษณ์ของวัฒนธรรมวิศวกรจีน

จริงใจมากถึงขนาดที่ MiniMax ก็เข้ามาดูและหวังว่า Nathan จะรวมเซี่ยงไฮ้และเซินเจิ้นในการเดินทางครั้งต่อไป

ต่อไปนี้เป็นข้อความที่ตัดตอนมาจากบทความที่เรียบเรียงแล้ว ขอให้สนุก

ทัศนคติของนักวิจัยจีน

Nathan ใช้พื้นที่ในบทความจำนวนมากเพื่อสำรวจคำถาม: ทำไมห้องปฏิบัติการจีนถึงเก่งในการไล่ตามเทคโนโลยี前沿? คำตอบหลักของเขาคือ—วัฒนธรรม

ทุกวันนี้ การสร้าง LLM ที่ดีต้องอาศัยการปรับแต่งทุกรายละเอียดตั้งแต่ข้อมูล สถาปัตยกรรม ไปจนถึงอัลกอริทึม RL แต่ละขั้นตอนสามารถเพิ่มประสิทธิภาพได้ แต่การรวมการปรับปรุงเหล่านี้เข้าด้วยกันเป็นปัญหาการเพิ่มประสิทธิภาพหลายวัตถุประสงค์ที่ซับซ้อนอย่างยิ่ง บางครั้ง งานของนักวิจัยอัจฉริยะคนหนึ่งต้องถูกปรับให้เข้ากับเป้าหมายโดยรวมของโมเดล

ในสหรัฐอเมริกา สิ่งนี้มักก่อให้เกิดความขัดแย้ง Nathan เปิดเผย “ข่าวลือ”: ทีม Llama ถูกกล่าวหาว่าล่มสลายเพราะการเมืองภายในที่หนักหน่วง ทุกคนอยากให้คนอื่นทำตามความคิดของตน บางห้องปฏิบัติการถึงกับต้องจ่ายเงินเพื่อเอาใจนักวิจัยระดับสูงเพื่อให้พวกเขาหยุดบ่นว่าความคิดของตนไม่ได้รับการยอมรับ จากนี้ เขาสรุปว่า: อีโก้และความทะเยอทะยานที่มากเกินไปอาจขัดขวางการสร้างโมเดลที่ดีที่สุด

ในจีน เขาสังเกตเห็นความแตกต่างที่ละเอียดอ่อน: ในบรรดาผู้มีส่วนร่วมหลักของห้องปฏิบัติการจีน มีนักศึกษาจำนวนมากที่กำลังศึกษาอยู่ ที่นี่ นักศึกษาถูกปฏิบัติเหมือนเพื่อนร่วมงานและมีส่วนร่วมในการวิจัยหลักโดยตรง พวกเขาเต็มใจทำงานที่ไม่ “เซ็กซี่” เท่าไหร่ ไม่เป็นไร ตราบใดที่มันทำให้โมเดลดีขึ้น

ในทางกลับกัน ในสหรัฐอเมริกา? บริษัทชั้นนำอย่าง OpenAI, Anthropic, Cursor ไม่เปิดรับนักศึกษาฝึกงานเลย บริษัทอย่าง Google มีตำแหน่งฝึกงานที่เกี่ยวข้องกับ Gemini ในนาม แต่จริงๆ แล้ว ทุกคนกังวลว่านักศึกษาฝึกงานจะถูกแยกไว้ในพื้นที่รอบนอกและไม่สามารถเข้าถึงงานหลักได้ แต่ประสบการณ์ของจีนพิสูจน์ให้เห็นว่าการมีส่วนร่วมของนักศึกษาสามารถเร่งความเร็วในการพัฒนาได้อย่างมาก

นอกจากนี้ นักศึกษาเหล่านี้ยังนำข้อได้เปรียบที่ไม่คาดคิดมาด้วย: มุมมองใหม่ ในช่วงไม่กี่ปีที่ผ่านมา กระบวนทัศน์หลักของ LLM เปลี่ยนจาก Scaling MoE เป็น Scaling RL และเป็น Agent ทุกครั้งต้องมีการดูดซับบริบทใหม่จำนวนมาก นักศึกษาเก่งที่สุดในเรื่องนี้—พวกเขาเรียนรู้ได้เร็วและเต็มใจที่จะละทิ้งสมมติฐานเดิมทั้งหมดและดำดิ่งลงไป

Nathan ยังสังเกตเห็นสิ่งที่น่าสนใจ: เมื่อเขาถามนักวิจัยจีนเกี่ยวกับผลกระทบทางเศรษฐกิจของ AI หรือความเสี่ยงทางสังคมในระยะยาว หลายคนมีปฏิกิริยา—อึ้งไปชั่วขณะ ไม่ใช่ว่าไม่อยากตอบ แต่จริงๆ แล้วพวกเขาไม่คิดว่ามันเป็นเรื่องของพวกเขา หน้าที่ของพวกเขาคือสร้างโมเดลที่ดีที่สุด ส่วนเรื่องอื่นไม่ใช่ขอบเขตที่พวกเขาต้องกังวล

ในทางตรงกันข้าม วัฒนธรรมอเมริกันเน้นการแสดงออกถึงตัวเอง ในฐานะนักวิทยาศาสตร์ ยิ่งคุณสามารถพูดถึงงานของตัวเองได้มากเท่าไหร่ คุณก็ยิ่งประสบความสำเร็จมากขึ้นเท่านั้น วัฒนธรรม Silicon Valley ยังผลักดันเส้นทางสู่ชื่อเสียงใหม่ นั่นคือการเป็นนักวิทยาศาสตร์ AI ที่โด่งดัง ดังนั้นทุกคนจึงกระตือรือร้นที่จะไปออกรายการพอดแคสต์ยอดนิยมอย่าง Dwarkesh, Lex Fridman นักวิจัยคนหนึ่งอ้างถึงคำพูดคลาสสิกของ Dan Wang ที่เฉียบคม: จีนปกครองโดยวิศวกร สหรัฐอเมริกาปกครองโดยทนายความ วิศวกรคิดถึงการแก้ปัญหา ในขณะที่ทนายความคิดถึงการกำหนดปัญหา

สรุปแล้ว Nathan คิดว่ามีความแตกต่างทางวัฒนธรรมที่สำคัญสี่ประการ:

1. เต็มใจทำงานที่ไม่โดดเด่นแต่สามารถปรับปรุงโมเดลสุดท้ายได้
2. ผู้ที่เพิ่งเข้าสู่การสร้าง AI ไม่ถูกผูกมัดโดยเส้นทางที่ขึ้นอยู่กับวงจร AI ก่อนหน้านี้ จึงปรับตัวเข้ากับเทคโนโลยีสมัยใหม่ใหม่ได้เร็วขึ้น
3. ความตระหนักในตนเองน้อยลง ทำให้โครงสร้างองค์กรขยายตัวได้ดีขึ้นเล็กน้อย เพราะมีคนพยายามหาช่องโหว่ในระบบองค์กรน้อยลง
4. มีพรสวรรค์จำนวนมากที่เหมาะกับการแก้ปัญหาที่มีการพิสูจน์แนวคิดในที่อื่นแล้ว

ปักกิ่ง = Silicon Valley

การเดินทางไปปักกิ่งของ Nathan น่าสนใจมาก เขาบอกว่าปักกิ่งเหมือน湾区—เดินไปไม่กี่ก้าวก็เจอสำนักงานของคู่แข่ง เขาลงจากเครื่องบิน ระหว่างทางไปโรงแรมก็แวะที่วิทยาเขต Alibaba ปักกิ่ง จากนั้นใน 36 ชั่วโมง เขาไปที่ Zhipu AI, Moonshot AI, มหาวิทยาลัยชิงหัว, Meituan, Xiaomi, 01.AI

ในการสนทนาสด เขาถามนักวิจัยเกี่ยวกับสถานการณ์การแย่งชิงบุคลากรในจีน คำตอบคือ: คล้ายกับสหรัฐอเมริกา การเปลี่ยนงานเป็นเรื่องปกติ ขึ้นอยู่กับว่าทีมไหนมีบรรยากาศดีที่สุดในขณะนั้น แต่มีสิ่งหนึ่งที่แตกต่างจากสหรัฐอเมริกามาก: ในวงการ AI จีน ห้องปฏิบัติการ更像ระบบนิเวศ ไม่ใช่เผ่าที่ต่อสู้กัน ในการสนทนาส่วนตัวหลายครั้ง ทุกคนเคารพซึ่งกันและกัน

ทุกห้องปฏิบัติการจับตาดู ByteDance และ Doubao อย่างใกล้ชิด—ในมุมมองของ Nathan ByteDance เป็นหนึ่งในผู้เล่นไม่กี่รายในจีนที่เดินหน้าโมเดลขนาดใหญ่แบบปิด ทุกคนเคารพ DeepSeek และมองว่าเป็นห้องปฏิบัติการที่มีรสนิยมการวิจัยดีที่สุด สิ่งนี้ทำให้ Nathan ประหลาดใจมาก: การสนทนาสดระหว่างนักวิจัยอเมริกันมีกลิ่นอายของความขัดแย้งมากกว่านี้มาก แต่ในจีน ทุกคนดูเหมือนจะมีฉันทามติที่เงียบงัน

อีกสิ่งหนึ่งที่เขาพบว่าแปลก: เมื่อนักวิจัยจีนพูดถึงการ商业化 พวกเขามักจะยักไหล่และพูดว่า “นั่นไม่ใช่เรื่องของฉัน” ในขณะที่ฝั่งอเมริกา ตั้งแต่ผู้ให้บริการข้อมูลไปจนถึงพลังการคำนวณและการระดมทุน ทุกคนรู้รายละเอียดเกี่ยวกับแนวโน้มอุตสาหกรรมในระดับระบบนิเวศ

ภาพจริงของอุตสาหกรรม AI จีน

หลังจากพูดถึงวัฒนธรรม Nathan ก็พูดถึงความแตกต่างสำคัญบางประการในระดับอุตสาหกรรมที่เขาสังเกตเห็น ฉันจะเลือกสิ่งที่น่าสนใจที่สุดมาพูด

1. สัญญาณ早期ของความต้องการ AI ในจีน

มีข้อกล่าวหามาโดยตลอดว่าตลาด AI จีนจะค่อนข้างเล็ก เพราะบริษัทจีนไม่เต็มใจจ่ายเงินสำหรับซอฟต์แวร์ Nathan คิดว่าการตัดสินนี้ถูกเพียงครึ่งเดียว: ส่วนที่ไม่เต็มใจจ่ายเงินสอดคล้องกับระบบนิเวศ SaaS ซึ่งในจีนมีขนาดเล็กจริงๆ แต่จีนมีตลาดคลาวด์คอมพิวติ้งขนาดใหญ่ ปัญหาสำคัญคือ: การใช้จ่ายด้าน AI ของบริษัทจะไปตามเส้นทาง SaaS หรือคลาวด์? ความรู้สึกของ Nathan คือ AI ใกล้เคียงกับคลาวด์มากกว่า และไม่มีใครกังวลว่าตลาดจะเติบโตรอบเครื่องมือใหม่หรือไม่

2. ความยึดมั่นในการพัฒนาเทคโนโลยีเองของบริษัทจีน

ทำไมบริษัทอย่าง Meituan และ Ant Group ถึงพัฒนาโมเดลขนาดใหญ่ด้วยตัวเอง? ชาวตะวันตกอาจคิดว่าแปลก แต่ในมุมมองของ Nathan ตรรกะของคนจีนคือ: LLM จะกลายเป็นแกนหลักของผลิตภัณฑ์เทคโนโลยีในอนาคตอย่างชัดเจน ดังนั้นจึงต้องควบคุมด้วยตัวเอง อย่างไรก็ตาม แม้จะพัฒนาด้วยตัวเอง แต่ก็เปิดซอร์สด้วย ฝึกโมเดลพื้นฐานทั่วไปก่อน เปิดซอร์สให้ชุมชนช่วยปรับแต่ง จากนั้นปรับแต่งเวอร์ชันภายในเพื่อใช้ในผลิตภัณฑ์ของตน การเปิดซอร์สไม่ใช่ความเชื่อ แต่เป็น实用主义—มันช่วยให้ได้รับคำติชมจากชุมชน ตอบแทนระบบนิเวศโอเพนซอร์ส และช่วยให้พวกเขาเข้าใจโมเดลของตนดีขึ้น

3. พลังการคำนวณไม่เพียงพอ

NVIDIA ยังคงเป็นมาตรฐานทองคำสำหรับการฝึก ทุกห้องปฏิบัติการถูกจำกัดเพราะชิปไม่เพียงพอ

4. อุตสาหกรรมข้อมูลยังไม่成熟

Nathan เคยได้ยินว่า Anthropic และ OpenAI ใช้เงินมากกว่า 10 ล้านดอลลาร์สหรัฐเพื่อซื้อสภาพแวดล้อมการฝึก RL แต่ละรายการ และใช้เงินหลายร้อยล้านดอลลาร์ต่อปีเพื่อผลักดันขอบเขต เขาสงสัยว่าห้องปฏิบัติการจีนซื้อสภาพแวดล้อมเหล่านี้จากบริษัทอเมริกันหรือมีห่วงโซ่อุปทานในประเทศที่สะท้อนกัน? คำตอบคือ: มีอุตสาหกรรมข้อมูล แต่คุณภาพไม่สม่ำเสมอ ดังนั้นการทำเองจึงเชื่อถือได้มากกว่า โดยทั่วไป นักวิจัยจะใช้เวลาส่วนใหญ่ในการสร้างสภาพแวดล้อมการฝึก RL ด้วยตัวเอง ในขณะที่บริษัทใหญ่ๆ อย่าง ByteDance และ Alibaba มีทีม标注ข้อมูลภายใน

บทส่งท้าย

ย่อหน้าสุดท้ายของบทความของ Nathan เกี่ยวข้องกับ “ความเข้าใจ” Nathan บอกว่าก่อนมาเขารู้ว่าตัวเองรู้เรื่องจีนน้อยมาก และหลังจากเดินทาง一圈 เขากลับรู้สึกมากขึ้นว่าตัวเองไม่เข้าใจดินแดนนี้เลย

จีนไม่ใช่สถานที่ที่สามารถสรุปได้ด้วยกฎหรือสูตร มันมีพลศาสตร์และปฏิกิริยาเคมีที่แตกต่างอย่างสิ้นเชิง วัฒนธรรมที่เก่าแก่และลึกซึ้งเช่นนี้ แต่กลับถักทอเข้ากับการสร้างเทคโนโลยีในปัจจุบันอย่างสมบูรณ์

หลังจากพูดคุยกับห้องปฏิบัติการ AI ชั้นนำของจีนเกือบทั้งหมด Nathan พบว่าจีนมีลักษณะเฉพาะและสัญชาตญาณมากมายที่ยากจะจำลองด้วยกรอบการตัดสินใจแบบตะวันตก เขาไม่เข้าใจว่าทำไมห้องปฏิบัติการเหล่านี้ถึงเปิดซอร์สโมเดลที่พวกเขาฝึกมาอย่างยากลำบาก พวกเขาไม่คิดว่าทุกโมเดลที่สร้างขึ้นต้องเปิดซอร์ส แต่เต็มใจอย่างยิ่งที่จะสนับสนุนนักพัฒนา สนับสนุนระบบนิเวศ และใช้การเปิดซอร์สเป็นวิธีหนึ่งในการทำความเข้าใจโมเดลให้ดียิ่งขึ้น บริษัทเหล่านี้สร้าง LLM ไม่ใช่เพราะไล่ตามกระแสหรือต้องการแสดงตัวตนในเทคโนโลยีใหม่ เบื้องหลังทั้งหมดนี้คือความปรารถนาอันลึกซึ้งที่ Nathan ไม่เคยคิดมาก่อน: การควบคุมสแตกเทคโนโลยีไว้ในมือของตัวเอง

สิ่งนี้ทำให้ Nathan ในตอนท้ายของบทความ ยอมรับว่าตัวเองรู้สึกกังวลเล็กน้อย

พูดตามตรง ถ้าฉันบอกว่าฉันไม่อยากให้ห้องปฏิบัติการอเมริกันครองความเป็นผู้นำในทุกสาขาย่อยของ AI—โดยเฉพาะในด้านโมเดลโอเพนซอร์ส—นั่นก็คือการหลอกตัวเอง

ในฐานะคนอเมริกัน นี่คือจุดยืนที่ซื่อสัตย์ของฉัน

ฉันหวังอย่างจริงใจว่าระบบนิเวศโอเพนซอร์สจะเติบโตไปทั่วโลก สิ่งนี้จะทำให้ AI ปลอดภัยขึ้น เข้าถึงได้ง่ายขึ้น และมีประโยชน์มากขึ้น เป็นประโยชน์ต่อคนทั้งโลก

แต่ปัญหาสำคัญในตอนนี้คือ: Silicon Valley ยังคงรักษาความเป็นผู้นำนี้ไว้ได้หรือไม่?

ท้ายที่สุดแล้ว ทั้งหมดนี้ยังคงวนเวียนอยู่กับหัวข้อวัฒนธรรมโอเพนซอร์สของจีน

สำหรับสิ่งนี้ Nathan ใช้คำอธิบายที่ชัดเจนมาก เหมาะสำหรับการปิดท้าย:

ทุกครั้งที่ฉันเงยหน้าจากแล็ปท็อป ฉันมักจะเห็นเครนเป็นกลุ่มๆ บนเส้นขอบฟ้า

ซึ่งสอดคล้องกับแก่นแท้ของจิตวิญญาณโอเพนซอร์สจีนอย่างชัดเจน

รายงานต้นฉบับของ Nathan: https://www.interconnects.ai/p/notes-from-inside-chinas-ai-labs

— จบ —

20 พฤษภาคม เราจะจัดงานประชุม AIGC อุตสาหกรรมจีนประจำปีที่ โรงแรม Jin Mao Renaissance ปักกิ่ง

รายชื่อวิทยากรชุดแรกเปิดเผยแล้ว! Fang Han จาก Kunlun Wanwei, Wu Weijie จาก Zhipu AI, Deng Yafeng จาก EverMind, Yi Zhengchao จาก Fengxing Online, Zhu Guangxiang จาก Baidu Miaoda, Zhang Lu จาก Fusion Fund, Huang Chao จาก University of Hong Kong, Feng Lei จาก MarsWave ยืนยันเข้าร่วมแล้ว 🔍ดูรายละเอียด

เชิญคุณร่วมเดินทางกับเรา ไม่ใช่แค่พูดถึงอนาคตของ AI แต่เริ่มใช้งานได้เลยตอนนี้ 👉 ลงทะเบียนเข้าร่วม

กดติดตาม 👇 เปิดดาว

ติดตามข่าวสาร前沿เทคโนโลยีทุกวัน