当硅谷开始说“打不过国内”

公司、技术、壁垒，甚至一个人最相信的能力，都在被重新定价。

8 月的一个下午，我从旧金山机场出来，上 101 高速往南开。

湾区的夏天几乎没有云，阳光把路面晒得发白。机场附近还是仓库和低矮的办公楼，再往南，风景慢慢被广告牌接管。

这条路的广告牌，一直是硅谷最诚实的风向标。两年前挤满 SaaS，去年还能看到一点消费品牌，今年清一色全是 AI 公司。

图一：Kimi 也加入了旧金山 “AI 广告牌” 大战；图二：Codex 的广告牌在旧金山越来越多，花了血本与 ClaudeCode 竞争

没有任何迹象表明 AI慢下来了，钱、卡、人还在往这里涌。真正超出我预料的是，一些过去很难听到的判断，开始出现在最核心的人群里。

几位 OpenAI 的朋友，花了很长时间复盘过去一年押错的方向，也认真拆解中国模型公司到底强在哪；Google 的researcher 聊到多模态，很直接地说：“打不过国内。” 这当然不能概括今天中美 AI的整体位置，但几年前，很难想象这样的判断会从硅谷一线的 researcher 嘴里说出来。

大家开始重新估计中美之间的差距到底有多大，不过这个问题也已经没有一个统一判断：在预训练、后训练和多模态上，答案可能完全不同。

另一种变化，发生在过去两年最贵的那批 Neo lab 身上。

Thinking Machines Lab 的 researcher 告诉我，他们今天经历的痛苦，其他 Neo lab迟早还会再经历一遍。而我越来越怀疑，下一家真正跑出来的 Neo lab，不会长成今天这个样子。

这可能是我这次在硅谷最强烈的感受：过去两年形成的很多边界和共识，并没有想象中那么牢固：

最顶尖的 researcher 聚在一起，是不是就能再造一家 OpenAI？美国最好的Lab，是不是在每一个战场上都能领先？模型、数据、应用和算力，到底谁是谁的上游？最强的模型，是不是就应该一直卖最贵的价格？……

甚至连最漂亮的增长故事，也被重新计算：8 月，彭博报道 Anthropic 的 ARR 达到了 650 亿美元，比两个月前又涨了180 亿。放在任何一家公司身上，这都是惊人的增长。但它仍然低于市场此前的期待，一些投资者原本预期，这个数字会达到 700多亿美元。

五个月前我写 “全员 token-maxxing”，那时候硅谷最强烈的情绪是怕跟不上，更多token、更多卡、更大的模型、更快的迭代，速度本身就是答案。

但五个月后，越来越多人开始回头问：过去两年我们最相信的那些东西，到底还有多少成立？

“打不过国内”

这次在硅谷出差，我反复听到一句以前很少听到的话：

“打不过国内。”

说这句话的人都挺核心。有 Google 做多模态的 researcher，也有 xAI 和其他 frontier lab的人，还有的是在研究美国的开源模型。这句话在不同的人、不同的场景里反复出现，听得多了，很难再把它当成随口抱怨。

这里的 “打不过国内”，指向的是一个个具体方向，不同训练阶段、不同模态、不同任务，答案可能完全相反。

做多模态的人，说的是 Seedance；做开源模型的人，盯着的是 K3；有人看到的是数据和operation。同时美国自己的几个开源模型和 Neo lab，进展又明显没有达到预期。

还有在多模态，一个让我意外的是，一直是多模态最坚定的投入者 Google，最王牌的团队也被砍了算力，无论是做图片编辑的 NanoBanana，还是做视频的 Veo（现在的 Omni），虽然在美国都已是绝对的第一梯队，但现在几乎人人都在转方向。当 Google 的researcher 朋友说 “打不过国内” 时，这个背景也很重要。

过去那种拿一张榜单、一条 scaling curve，就给中美模型排出一个总名次的方式，早就失效了。

听得多了，我越来越想弄清楚：到底哪些地方真的追上来了，哪些地方差距还很大，以及为什么会出现这种分化。

先从 pre-train 说起。

过去一年，中国模型公司补得最快的一课，是怎么 “爬 ladder”。

一个几百亿、几千亿参数的模型，很少直接从头跑到尾。团队会先在更小的模型上验证数据、架构和训练方法，再一级级往上scale。梯子搭得够不够完整，决定了一个小实验里的误差，最后会不会在大模型上变成一次几千万美元的失败。

几位 frontier lab 做预训练的朋友告诉我，今年国内头部 Lab 的 scaling ladder已经明显完善，训练方法越来越科学。

所以 pre-train今天是一个有点反直觉的状态：看起来，中国和美国的差距仍然很大，但其实在方法论上已经很接近了，剩下的主要是卡和相应的系统工程经验。

最前沿的 pre-train 依然需要巨量算力，美国 Lab 跑过更多超大规模训练，有更多卡、更成熟的集群，也更知道几万张GPU 跑起来以后，可能会出现什么问题，中国缺的还是这种 “把同一套方法稳定 scale 上去” 的经验。

换句话说，pre-train 的路大家都已经知道该怎么走，只是美国走得更远、跑得更多。

Frontier Lab 的算力重心正在快速转移，Pre-train 的占比持续下降，post-training/RL快速上升。过去拼的是把模型 “训出来”，接下来越来越多算力花在让模型 “变得更好” 和真正跑起来

到了 post-train，就不能这么给答案了，因为事情开始分化。

Post-train 不是一套统一的方法，需要的能力很多：怎么定义问题，怎么设计 environment、reward 和eval，怎么把训练稳定地跑起来，都很重要。但如果看中美之间最容易拉开差距的地方，有三项尤其明显：大规模 RL、humanoperation，以及蒸馏。

中国在这三件事上的位置，并不一样。

最难补的，其实是第一种：大规模 RL。

今天前沿的 post-train，一次 RL 的 Big Run可能要同时占用上万张卡，一个任务要连续跑上千步，中间任何一个环节不稳定，整条 trajectory 都可能报废。你还得知道什么environment 值得搭，什么 reward 真正有效，rubric怎么定义，规模从一百步涨到一千步以后，原来的经验还成不成立。

这些东西很难靠看论文学会，它更像一种只有真正跑过很多次大规模实验，才会留下来的 “肌肉记忆”。

中国过去没有那么多卡，也没有跑过足够多这种规模的 RL，所以这一块的差距，反而比 pre-train 的方法论差距更深。

但 post-train 还有另外一半。

一旦模型要优化的目标已经被定义清楚，接下来需要大量人把数据、标注、评测和反馈一层层铺出来，这就是中国公司非常擅长的地方。

Seedance 是一个很好的例子。字节自己拥有最终的视频分发平台，它比单纯的模型公司更容易知道：一个视频模型到底什么叫“好”？什么样的运镜用户喜欢，什么样的人物一致性不可接受，哪一种生成结果真的有人愿意发出去……这些东西很难靠一个 benchmark去提前定义，分发平台本身就在不停帮它定义 benchmark。

一旦目标清楚，后面的事情就开始变得很 “中国”：快速组织大量的人，把数据、标注、评测和训练一轮一轮往上推。

这里面当然有算法的因素，但越来越多的差距，藏在算法之外。

这也是为什么，在多模态领域，特别容易把中国公司的优势放大。它不像 Coding，很多时候没有一个干净的 “对” 或“错”，大量判断仍然要人来做，目标越模糊，human operation 的价值越高。

OpenAI 和 Google 的朋友，把这种差距概括成了operation（运营）能力：在一些训练目标没有那么标准化的领域，中国公司的优势反而会被放大：一旦方向明确，就可以迅速组织大量人力，来搞定大量数据、标注、评测和后训练的繁杂工作。

美国公司其实也在补这一课。

Meta 最近组建了一个大约 6500 人的内部团队，叫 Applied AI，大量 Meta员工被调去出题、造场景、做评测。有人甚至不是主动申请，而是直接收到调岗通知。