AI Infra：中美大模型研发工程范式的异同研究

中美现在的大模型研发工程差异，历史上出现过相似的结构，就是冷战时期美苏武器研发路线的差异。美苏两条路线的核心差异在于资源禀赋与工程哲学：美国追求“宽裕可靠”，苏联追求“极致效率”

一、美苏武器研发路线的经典差异

冷战期间，美苏在高性能武器（尤其是航空、导弹、坦克等领域）的研发确实形成了鲜明对比：

美国路线：模块化、冗余与“货架产品”导向

美国拥有更雄厚的工业基础和供应链优势，倾向于使用成熟的商用现成组件（COTS），强调系统整体的可靠性和可维护性。单个子系统（如发动机、航电、雷达）往往追求最高技术指标，并留有较大冗余裕度。即使某部件失效，整体性能也不会大幅下降。

典型例子包括F-15战斗机、M1 Abrams坦克：重量大、油耗高、维护成本高，但战场生存力和持续作战能力极强。（F-15 甚至有一侧机翼损坏，但仍然返航的奇迹。）

苏联路线：系统优化、极限压榨与定制化巧思

苏联受资源约束更大，工业体系相对封闭，因此更注重整体系统工程，将每个部件的性能潜力压榨到极限，常通过巧妙的设计创新弥补单一组件的差距。定制化程度高，容错裕度小，一旦关键部件出问题可能导致整体失效。

典型例子包括MiG-25拦截机（用不锈钢而非钛合金大幅降低成本却实现极高速度）、T-72坦克（自动装弹机大幅减重但牺牲了部分安全性）。这种路线在特定指标上经常实现“弯道超车”，但长期可靠性和升级潜力较弱。

将这一模式映射到2023–2026年间的中美大模型竞争，确实存在高度结构上的相似性：

美国路线：算力充裕、组件顶尖、体系冗余

OpenAI、Google、Anthropic、Meta等美国机构拥有最先进的NVIDIA H100/H200/Blackwell系列芯片供应链，几乎无限制地堆叠算力。模型设计倾向于使用超大规模参数（GPT-4系列、Gemini Ultra、Llama 3等动辄千亿至万亿参数），训练时留有较大安全裕度（如多卡冗余、分布式容错）。

单个组件（如Transformer架构、RLHF对齐技术、数据清洗流水线）都代表当前最高水准，整体体系强调通用性、易部署性和生态兼容性（大量开源、API标准化）。结果是模型在广谱通用任务上表现稳健，但单位算力效率并非最高。

中国路线：系统优化、资源受限下的极限压榨

受实体清单限制，中国企业（百度文心、阿里通义、字节豆包、智谱GLM、DeepSeek、MiniMax等）难以获取最顶级海外芯片，大量依赖华为昇腾、壁仞、寒武纪等国产算力平台。

在这种约束下，中国团队更倾向于全栈系统工程优化：模型压缩（量化、稀疏化、蒸馏）、高效训练算法（FlashAttention变种、ZeRO优化深化）、架构创新（如MoE混合专家模型的深度应用、RWKV等非Transformer探索）、以及数据合成与清洗的极致工程。DeepSeek、Qwen系列等模型在同等显存下往往实现更高有效性能，单位算力性价比突出，体现出强烈的“压榨每一滴性能”的特征。

二、中美差异来源于算力供给差异

中美模型研发路线的差异，本质上是算力预算不同所诱导的最优工程解不同；算力规模决定了模型设计的自由度、容错率与组织形态，从而系统性地塑造了研发范式。

2.1 算力不是资源，而是“设计自由度”

当算力足够大时，你获得的不是线性放大的性能，而是额外的设计自由度：

2.1.1 可以容忍“非最优”

• 更大的模型
• 更长的上下文
• 更冗余的数据
• 更宽松的超参
• 更频繁的失败实验

这会自然推动：

• 通用大模型
• 模块化系统
• 工程冗余
• 平台化研发

也就是前面所说的“货架产品”路线。

2.1.2 算力受限时，最优解变得“尖锐”

在算力、卡型、互联受限的条件下：

• 模型结构选择空间急剧收缩
• 每一层、每一参数的性价比都变得重要
• “浪费”直接变成不可承受的失败

于是研发自然演化为：

• 端到端系统工程
• 定制化结构
• 极限压榨效率
• 高耦合设计

这正是“苏联式 / 中国式”的系统工程路径。

2.2 算力规模如何具体塑造模型路线

2.2.1. Scaling Law 的“使用方式”不同

• 高算力环境：Scaling law 是“放心的保险”，可以用更粗的方式逼近最优（加参数、加数据）。
• 受限算力环境：Scaling law 要求必须在给定预算下求最优点。

这直接导致：

• 前者偏好 模型规模驱动
• 后者偏好 效率驱动（架构 / 数据 / 训练技巧）

2.2.2 数据策略的差异

算力充裕 → 可以：

• 用更嘈杂的数据
• 容忍重复与低质量
• 后处理弥补缺陷

算力受限 → 必须：

• 精挑高信噪比数据
• 强化数据配比、课程学习
• 用数据结构代替参数规模

于是出现：

• 数据蒸馏
• 合成数据闭环
• 高价值数据的“系统设计”

2.2.3 工程容错率差异

算力规模决定了实验失败的成本和试错的并行度，这会反过来塑造组织行为：

• 高算力 → 大团队、并行试错、平台化
• 低算力 → 小团队、专家驱动、一次成型

这点和美苏军工体系几乎一一对应，两边都会出现极其优秀的设计和产品。

2.3 进入某条路线，就会形成路径依赖

算力差异不只是“现在”的差异，而会在时间上放大。

• 高算力 → 更多成功实验 → 更强平台 → 更低边际成本
• 低算力 → 更少试错 → 更依赖专家 → 难以规模化复制

美国出现了大量优秀的巨型公司；苏联出现了大量的天才的设计总师。衰退的路线也不相同，美国是军工复合体让产品越来越贵，庞大的研发预算让创新难以持续；苏联则出现在设计总师去世或离开之后，设计局辉煌不再。

三、华裔 AI 研究人员流动带来的影响

华裔 AI 研究人员在中美之间的流动，在认知层面、方法层面削弱了双方的路径依赖，但在结构层面（算力、资本、制度、产业化路径）几乎不起决定性作用，因此只能“软化”而不能“逆转”路径依赖。

3.1 先区分三种“路径依赖”

3.1.1 认知路径依赖（最容易被削弱）

包括：

• 研究问题如何被定义
• 什么被视为“好模型 / 好论文 / 好产品”
• 对 scaling、架构、数据、工程的直觉判断

结论：华裔研究人员流动，对这一层影响最大。

典型表现：

• 把美式 scaling 直觉带回中国（“这个问题不是调参问题，是规模问题”）
• 把中式效率/系统直觉带到美国（“这个指标不值这么多算力”）

这也是我们能看到：

• 中美论文风格、模型设计在方法论上越来越相似
• 对 MoE、蒸馏、合成数据、RAG 等手段形成共识

3.1.2 方法路径依赖（部分削弱）

包括：

• 实验流程
• 代码工程习惯
• 评测与复现标准
• 组织协作方式（platform team vs elite team）

结论：被削弱，但存在“吸收上限”。

原因是：

• 方法必须嵌入具体的组织与基础设施
• 个人可以迁移方法，但无法迁移整个工程体系

典型例子：

• 回国研究员理解平台化研发，但在算力/合规/数据条件下只能“局部复刻”
• 在美研究员认可极限优化，但在大厂流程中难以系统落地

3.1.3 结构路径依赖（几乎不被削弱）

包括：

• 算力规模与获取方式
• 资本结构与容错率
• 合规与地缘政治
• 下游产业吸收能力

结论：几乎不受人员流动影响。

因为：

• 这些不是“知识”，而是不可由个体携带的约束条件
• 正是这些约束决定了前面两层的“有效性边界”

人才可以跨越边界，但算力、资本与制度不会。

3.2 为什么削弱是“不对称的”

3.2.1 对中国路径依赖的削弱 > 对美国的

• 美国路径依赖来自“资源充裕带来的惯性”
• 中国路径依赖来自“资源约束带来的最优策略”

当华裔研究人员在美训练出的scaling 直觉、工程规范、platform mindset等回流到中国时，会：把“本可通过规模解决的问题”从系统工程中解放出来，提前判断哪些优化不值得投入。因此对中国而言，这是减轻过度工程化的力量。

3.2.2. 对美国路径依赖的削弱是有限的

美国的问题不是“不知道效率优化”，而是“没必要为效率付出复杂度成本”。即便研究员知道,更高效的架构和更极限的系统技巧，但在现实中：算力更便宜、平台更重稳定性、组织更厌恶高耦合风险。所以这些技巧往往停留在论文或被封装为可选模块，而非主干路线。

3.3 真正削弱的不是“路径依赖”，而是“误判”

华裔研究人员在流动过程中，产生了一些关键作用：

• 防止双方对彼此路线的过度神话或妖魔化
• 让决策更接近真实约束条件下的最优解

例如：

• “他们不是不会做 X，而是没必要 / 做不起”
• “这个问题不是文化差异，而是预算差异”

这在战略层面极其重要，但它不等于改变结构现实。

3.4 流动可能“强化长期分化”

华裔 AI 研究人员的跨国流动，显著降低了中美在“认知与方法层面”的路径依赖，但对由算力、资本与制度构成的“结构性路径依赖”影响甚微；其结果不是路线融合，而是更理性、更稳定的分化。

当信息更对称后，双方会更清楚地认识到自己的约束不可短期改变，从而更理性地在各自最优路径上加速。结果可能是：方法论趋同，系统形态反而更分化。

就像美苏冷战后期：

• 工程知识并非完全隔绝
• 但武器体系分化更彻底

3.5 对现实的隐含启示

• 公司层面：不要指望“挖人”来改变结构性劣势；高价值人才的作用在于减少战略误判，而非替代资源投入
• 个人层面：真正稀缺的不是技术，而是“跨结构环境形成的判断力”

四、中美模型路线“更极端化”可能是必然

当人员流动因签证、地缘政治等因素下降时，中美 AI 模型研发路线不会趋同，而会在各自结构约束下加速范式纯化；这种“极端化”提高了局部最优，却降低了跨体系迁移与全球协同的可能性。

4.1 为什么人员流动下降会放大差异

4.1.1 信息摩擦上升 → 纠偏机制消失

跨国研究人员的流动，承担着一种“软校准器”的角色：

• 纠正对对方技术路线的误读
• 提供真实的资源约束信息
• 抑制极端叙事（如“他们不会做 X”）

当这一通道收缩：

• 决策更依赖本地成功案例
• 失败案例更容易被归因为“路线错误”而非“约束不同”
• 组织更倾向于复制内部范式

这会自然导致：路线单一化、范式内自证循环。

4.1.2 组织学习的“内循环化”

人员流动下降，意味着人才训练、晋升、评估更多发生在单一体系内，什么是“好研究”“好模型”的定义被固化，结果是：

• 美国体系：更强化 scaling + platform + safety by process
• 中国体系：更强化 效率 + 系统工程 + 端到端定制

这不是意识形态，而是组织学习在封闭环境中的自然结果。

4.1.3 风险厌恶与“可解释安全感”的上升

在地缘政治不确定性上升时：

• 组织倾向于选择自己最熟悉、最可控的路线
• 混合范式被视为“不可预测风险源”

因此：

• 美国更不愿引入高耦合、难审计的极限优化
• 中国更不愿押注对算力高度敏感、不可持续的 scaling 路线

极端化，本质是风险管理策略的收缩。

4.2 “极端化”具体会长什么样

4.2.1 美国侧的“极端化”核心是“厚重”

• 更大模型、更长上下文
• 更强的平台化（模型即基础设施）
• 更严格的安全、评测、合规模块
• 对效率优化的系统性封装（而非主路径）

结果是：

模型像操作系统，创新发生在上层生态。

4.2.2 中国侧的“极端化”核心是“工程化”

• 更小但高度定制的模型族
• 更深的软硬协同（算子、编译、推理栈）
• 更激进的蒸馏、合成数据、任务特化
• 强调“可部署性”而非“参数规模”

结果是：

模型像设备，创新发生在系统级集成。

4.3 范式纯化可能提高“局部最优”

范式纯化并不降低整体技术水平，反而可能提高“局部最优”。

历史对照：

• 美苏武器体系在隔绝中都达到各自巅峰
• 但体系间互操作性与迁移成本极高

对 AI 的含义是：

• 各自路线在“自己的约束空间”里会更高效
• 但跨体系复用能力下降
• 全球技术碎片化加剧

4.4 什么时候“极端化”会变成问题

1. 评价体系完全内生化
   只用本地 benchmark、只对内解释成功。
2. 替代路径被制度性排除
   不是“做得不好”，而是“不被允许尝试”。
3. 工程复杂度超过组织消化能力
   尤其在高度定制化系统中，人员断层会造成系统失控。

这三点一旦出现，极端化就会从“纯化”转为“僵化”。

五、路径锁定的突破可能性

在范式分化加深的背景下，只有那些“改变算力边际收益、且可作为插入式改进”的基础技术突破，才可能成为跨体系共识；它们不会消除分化，但会重塑分化发生的地形。

5.1 成为“跨体系共识”的必要条件

一项技术若要打破路径锁定，必须同时满足四个条件：

1. 对算力的边际收益函数产生变化，不是“更便宜一点”，而是改变 scaling 的斜率或拐点
2. 不要求整体组织与基础设施重构，能作为“插入式改进”（drop-in improvement）落地

3. 在两种约束下都是 Pareto 改进

   • 对高算力体系：更强 / 更稳 / 更安全
   • 对低算力体系：更省 / 更可控 / 更可部署
4. 可被现有评测与商业逻辑捕获，否则难以在现实中扩散

只有极少数方向符合这四条。

5.2 最有可能形成跨体系共识的三类突破

第一类：训练与推理中“无损或近无损效率提升”的基础算法

典型特征：

• 不改变模型语义
• 不要求重新设计系统
• 直接降低 FLOPs / 内存 / 通信

例子（抽象层面）：

• 更好的 attention 近似或稀疏化（在等质量下）
• 更稳定的低精度训练/推理（无需精调）
• 通用可证明收敛的并行化 / 通信压缩

为什么会成为共识：

• 对美国：规模更大、成本更低、训练更稳
• 对中国：同等算力下性能直接提升
• 对双方：这是“白捡”的改进

没人会拒绝更好，更高效的 GPU kernel

第二类：“能力密度”显著提升的架构或训练范式

不是更大模型，而是每个参数更“聪明”。典型方向：

• MoE 的稳定化与可控路由（减少浪费）
• 参数共享 / 复用的可泛化机制
• 在不牺牲通用性的前提下减少冗余表示

为什么可能跨体系：

• 美国可以把“省下的参数”继续 scale
• 中国可以把“同等能力装进更小模型”

关键在于：

能力密度提升必须是结构性的，而非任务特化。一旦需要大量定制，它就会被某一体系拒绝。

第三类：改变“训练—使用”分工的范式

这类突破最有潜力，但也最难。核心思想是：

• 把部分“智能”从离线训练，迁移到在线使用
• 让模型在推理时以更低代价获得适配能力

抽象例子：

• 高效、可控的 test-time adaptation
• 极低开销的内存/检索增强（非工程堆砌）
• 学习到的“工具使用”而非参数内化

为什么有潜力：

• 美国：减少反复大规模再训练
• 中国：减少对一次性大模型的依赖

为什么难：

• 评测难
• 安全/稳定性挑战大
• 很容易退化成“系统工程技巧”，失去共识性

5.3 哪些方向很难成为跨体系共识

1. 高度依赖特定硬件的协同设计，会被算力充裕方视为供应链风险
2. 极端任务特化的小模型技巧，通用体系不会为此牺牲一致性
3. 需要重塑组织流程的范式，大厂与国家级系统的阻力极大
4. 无法被标准 benchmark 捕获的能力，再好也难扩散

个人比较看好 Infra 层面的细节改进，可能带来奇效，所谓“弱者道之用”

六、模型开源，是中国大模型的必然选择

中国大模型更倾向开源，并非价值观差异，而是算力规模、市场结构与研发范式共同作用下的理性均衡；开源在此承担了放大系统工程效率、分散研发风险、替代平台协调的功能。也就是说，当算力与平台控制力不足以形成事实垄断时，开源是“放大体系能力”的最优制度设计。

6.1 算力规模“推导”出开源

6.1.1 闭源大模型的隐含前提

闭源路线在经济上成立，至少需要同时满足三点：

1. 持续可得的超大规模算力
2. 足以覆盖成本的全球化市场
3. 通过 API 或平台形成的事实标准

这是美国头部模型公司能够走通闭源路线的结构性原因。2026年1月刚刚发生的 Claude 封锁 Opencode 事件，也是一个小小注脚。

6.1.2 当这些前提不成立时会发生什么

在算力受限、市场碎片化、标准尚未确立的环境下：

• 闭源 → 成本集中、风险集中、生态弱
• 开源 → 成本分散、能力扩散、生态加速

对中国大模型而言：

• 单点闭源很难形成全球“锁定效应”
• 开源可以把研发不确定性转移给生态共同体，是风险与收益的最优再分配。

6.2 开源如何与“系统工程 / 效率路线”形成互补

6.2.1 开源放大“系统优化”的外部性

系统工程路线的一个天然问题是：

• 优化高度分散
• 场景碎片化
• 单一团队难以覆盖

开源能：

• 把不同场景的效率优化并行化
• 让架构、数据、推理技巧在社区中自然竞争
• 快速筛选“单位算力最优解”

这与中国路线强调的：在给定算力预算下寻找全局最优是一致的。

6.2.2 开源降低“极端化”的风险

在前面所述的范式纯化趋势下：

• 闭源容易加速体系内自证
• 开源保留外部视角与反事实

这对算力受限方尤其重要，可以避免过早锁定某一架构，保留技术路线的可逆性。

6.3 为什么美国体系“反而”不急于开源

这点常被误读为“封闭保守”，但实质是领先状态下的理性。

6.3.1 平台垄断的最优策略是闭源

当你能：

• 通过 API 定价算力
• 通过平台吸纳生态
• 通过规模持续领先

那么：

• 开源/开放反而会稀释护城河
• 闭源/封闭是保持结构优势的自然选择

6.3.2 美国仍在“开源”，但位置不同

关键差异在于开源发生在栈的不同层：

• 美国更倾向于开源：

  • 框架（PyTorch）
  • 底层库
  • 工具链

• 中国更倾向于开源：

  • 模型权重
  • 推理方案
  • 端到端系统

这是两种体系对“控制点”的不同选择，目的都是放大自己的优势，避免自己的劣势。

6.3.3 开源承担着“非市场化协同机制”的角色

在一个行业集中度不高，标准尚未统一，商业闭环多样的环境中，开源：

• 实际上替代了“平台整合者”的部分功能
• 成为事实上的技术协调层

这在美国由超大平台完成，在中国则更多由开源承担。

七、能源供给的巨大影响

当前中美在能源供给和算力芯片供给上存在巨大差异，在较长的一段时间里，差异会长期存在

7.1 能源供给：中国显著占优

中国电力产能已远超美国，总发电量约为美国的两倍以上，并预计到2026年进一步扩大至三倍左右。这一优势源于大规模可再生能源投资（风电、太阳能领先全球）、核电建设加速以及庞大的电网基础设施。中国数据中心电力供应充裕、成本较低，且备用容量充足（预计2030年达400吉瓦），这直接支持超大规模AI训练集群的持续运行。

对研发路径的影响：
这一能源优势缓解了中国在芯片性能差距下的算力瓶颈，允许通过“以量补质”策略构建更大规模国产集群（如华为CloudMatrix系统）。这强化了中国团队的系统优化倾向，进一步压榨效率，并在单位能耗性能上实现突破。

7.2 算力芯片供给：美国持续领先

美国通过NVIDIA Blackwell/Rubin系列主导前沿芯片供应链，单卡性能、能效和互联优势显著。华为Ascend 910C/950PR等国产芯片虽产量大幅提升（2025–2026年达数百万级），但在FP16等关键指标上仍落后约40%，集群级性能需依赖光学互联等创新弥补。

对研发路径的影响：
芯片供给约束仍是中美路径分化的核心根源。美国团队可依赖顶尖硬件进行参数堆叠和冗余实验，而中国则被迫深化架构创新（如MoE、量化技术和自定义分布式框架），形成“极限压榨”的工程文化。

7.3 算力供给 = 芯片 + 能源

首先来定义算力：

算力 ≈ 可获得的高性能计算能力

在现实中，需要把“算力”拆成两个被长期混用的变量，由两个可部分独立的结构性变量共同决定算力：

1. 算力芯片与系统设计能力：制程、架构、互联、软件栈
2. 能源供给与能耗承载能力：电价、稳定性、调度能力、政策约束

中美的差异，恰恰是在这里发生了“结构性交叉”：

这意味着：
双方并不是简单的“强 vs 弱”，而是“要素错配”。

7.4 能源/芯片供给影响“算力 → 范式分化”

7.4.1 短期（1–3 年）：结论基本不变，甚至被强化

在短期内，算力芯片仍是决定性瓶颈：

• 能源无法直接转化为高端训练算力
• 单位算力效率仍高度依赖先进制程
• 美国可以把“能耗问题”外包给海外云区、资本市场

因此：

• 美国继续走 规模 + 冗余 + 平台化
• 中国继续深化 效率 + 系统工程 + 定制优化

7.4.2 中期（3–7 年）：能源开始“重新进入算力函数”

当训练规模持续扩大，一个变化会逐渐显性化：算力不再只受芯片限制，而开始受“可持续能耗”限制。

几个关键趋势：

• 超大模型训练与推理的电力成本成为一阶变量
• 数据中心选址从“靠近用户”转向“靠近能源”
• 能源审批、输电能力成为算力扩展的隐性上限

在这个阶段，中国的优势开始显现：

• 更集中的电网调度能力
• 更快的数据中心审批速度
• 更低的单位电力成本

这会抬高“系统工程能力”的战略价值。

7.5 一个重要但反直觉的推论

能源优势不会自动转化为“美国式算力规模”，但会放大“中国式系统工程路线”的长期回报。

原因在于：

• 芯片受限 → 不能简单 scale up
• 能源充裕 → 可以持续试错、跑长周期优化
• 工程密集 → 更容易把能耗、调度、模型结构一体化设计

这会推动中国路线进一步向以下方向演进：

1. 能耗感知模型设计

   • 把功耗当作 loss 的一部分

2. 训练—推理一体化优化

   • 为长期运行而非一次性 SOTA

3. “便宜算力”的系统放大

   • 用调度、批处理、异步训练换规模

这不是追赶美国，而是在另一条坐标轴上走得更远。

总结：

中美大模型路线，是算力与能源约束下的两种最优解：美国用冗余换通用，中国用工程换效率；人才流动让双方更清醒，但无法改变结构；未来不是融合，而是各自走向极端，唯有能“无损提效”的底层技术，才可能成为全球共识。

标签：算力, ai, agent