中美 AI 工具差距：从字节 AI 实验室说起

最近听了一期播客，题目叫《A Year Inside ByteDance's AI Lab》。嘉宾张弛曾经在字节跳动 Seed 团队工作一年，现在回到北京大学任教。他在节目里讲了很多字节 AI 实验室内部的情况，也讲了他对中美 AI 差距的判断：中国大模型不但没有真正追上美国前沿模型，差距可能还在扩大。

这期播客很有价值，因为它提供了一个少见的内部视角：一个真正参与中国头部 AI 公司模型研发的人，如何看待中美 AI 差距。

播客链接：https://www.buzzsprout.com/2546300/episodes/19057945-a-year-inside-bytedance-s-ai-lab

接下来，我将文章分为两部分。

第一部分，我先简要整理这期播客的主要内容。
第二部分，我再讲我自己的判断：为什么中国 AI 工具可能会长期落后于美国。

第一部分：这期播客到底讲了什么？

张弛在节目里先讲了自己的经历。他在浙江大学读计算机，后来到 UCLA 做 AI 博士，跟随朱松纯做研究。回国后，他先在北京通用人工智能研究院工作，之后加入字节跳动 Seed 团队，正式成为大语言模型工程师。

Seed 是字节今天最重要的 AI 部门之一，承担着豆包、Seedance 等产品背后的模型能力。张弛所在的方向主要和数学、代码、强化学习有关，目标之一是让模型在数学推理上达到很高水平，甚至冲击国际数学奥林匹克竞赛级别的表现。

播客里有几个重点，值得单独拎出来。

1. 中国模型很会刷榜，但真实使用未必好

张弛提到，中国大厂普遍有很强的 benchmark 压力。也就是说，每个团队都要盯着某些评测榜单，想办法把分数做上去。

这并不奇怪。公司需要 KPI，部门需要证明自己，模型也需要一个可以公开展示的成绩单。

问题是，榜单成绩不等于真实使用体验。

张弛在播客里说，很多中国大厂的模型“在纸面上”看起来可以追上美国前沿模型，但从他自己的使用经验看，并不够好。尤其是在 coding agent、agentic AI 这类真正替人干活的工具上，他认为中国模型和美国模型的差距很明显。

这句话很重要。

因为 AI 正在从“聊天机器人”变成“工作代理”。聊天机器人回答得像人，只是第一步；真正的下一步，是它能不能打开文件、理解项目、调用工具、写代码、修错误、完成任务。

在这个阶段，模型不是靠说得漂亮取胜，而是靠能不能把事情做完。

2. 差距不只是聪明才智，而是迭代速度

张弛认为，中美差距并不是因为中国工程师不聪明，也不是因为没有努力，而是和工程、算力、数据、基础设施有关。

他在节目里举了一个很直观的例子：传闻 Google 可以大约三个月完成一轮完整的大模型训练和后训练迭代，而字节可能需要半年。

三个月和半年，听上去只是时间差。但在 AI 这种行业里，这个差距非常大。

如果别人一年可以跑四轮，你一年只能跑两轮；别人错了可以马上改，你错了要等很久才知道；别人每一轮都能积累更多用户反馈、更高质量数据、更强模型能力，那么几年以后，差距就不是一两个月，而是一个系统性鸿沟。

短期看，两个人都在进步。长期看，差距会越来越大。

3. 芯片是硬约束，国产芯片还不能完全替代

播客里也谈到芯片。张弛说，字节主要使用英伟达芯片，包括面向中国市场的 H20；先进芯片会被留给预训练、后训练等最重要的团队。

他还提到，字节内部虽然也有国产芯片，但真正追求训练速度的团队通常不会优先使用它们。原因不是一句“国产不行”这么简单，而是大模型训练是一整套系统工程：芯片、驱动、编译器、框架、网络、集群调度、稳定性，任何一环不顺，都会拖慢训练。

芯片不是一块孤立的硅片，而是一整套生态。

这也是为什么先进 AI 芯片限制会影响中国 AI 的发展。它影响的不只是“能不能训练一个模型”，而是能不能快速、稳定、低成本地做很多轮实验。

4. 中国 AI 的最大短板之一，是高质量数据和反馈循环

播客里另一个非常关键的点，是“用户反馈循环”。

Claude、ChatGPT、Gemini、Cursor 这些工具有大量全球用户，尤其是程序员、研究者、创业者、公司员工。这些用户每天把真实任务交给模型，模型公司可以从中得到大量高质量反馈。

用户使用得越多，模型公司越容易看到失败案例，越容易收集高质量反馈，再用这些反馈改进下一代模型。

这就是一个正循环：

好模型吸引重要用户，重要用户带来复杂任务，复杂任务产生高质量反馈，高质量反馈继续改善模型。

中国模型的问题是，如果一开始不够好，用户就不会把重要工作交给它；用户不交给它重要工作，它就拿不到真正高价值的反馈；拿不到反馈，就更难变好。

张弛还谈到，中国公司有时会走“快路”，比如通过蒸馏美国模型来获得数据。蒸馏不是完全没用，但它很难替代自己建设高质量数据管线。因为你复制到的往往只是别人的结果，而不是产生结果的完整系统。

5. 中国的优势可能在制造和具身智能，但这还不是答案

节目最后也谈到中国的优势。张弛认为，中国在制造业、硬件供应链、机器人本体等方面有优势。比如宇树这类公司，在电机、运动控制和成本上确实很强。

但他也提醒，很多机器人目前只是“会动”，还不是真正有智能。跳舞、走路、翻跟头，不等于能理解环境、处理异常、完成复杂任务。

也就是说，中国可能在具身智能里有机会，但前提仍然是：要把真正的智能装进机器里。最终还是绕不开模型、数据和系统能力。

第二部分：我对中美 AI 工具差距的几个判断

以上是播客内容。下面是我自己的观点。

我认为，中国 AI 工具落后于美国，不只是某家公司不努力，也不是某个模型没做好，而是由几个结构性因素共同造成的。

这些因素包括：

1. 硬件限制：不仅仅是没有芯片，而是没有足够好的迭代条件

很多人一谈 AI 芯片，就会把问题简化成“有没有 H100”。

这个说法不够准确。

更准确地说，前沿大模型需要的是万卡级甚至更大规模的稳定集群能力。它不是买几张显卡插上就能跑，而是要长期、高频、低故障地支撑训练、后训练、推理和评测。

美国前沿 AI 公司拥有更强的芯片供应、更成熟的云基础设施、更完整的数据中心经验，也有更丰富的工程工具链。中国公司当然也有能力，也非常努力，但在先进芯片受限的情况下，试错成本更高，迭代速度更慢。

AI 行业最残酷的地方就在这里：你慢一点，不只是晚发布几个月，而是少积累几轮经验。

模型能力不是一次训练出来的，而是在一轮又一轮失败、修正、重训、上线、反馈中长出来的。

所以硬件限制真正影响的，不只是“当前这一版模型能不能训练出来”，而是“未来三年能不能保持足够快的学习速度”。

2. 审查问题：AI 越聪明，越容易碰到边界

第二个问题更复杂，也更难解决。

中国生成式 AI 服务面对明确的内容合规要求。

从监管角度看，这是一套治理框架。但从模型能力角度看，它会带来一个现实问题：模型必须非常谨慎。

谨慎本身不是坏事。任何 AI 都需要安全边界。问题是，如果边界过宽、过模糊、过敏感，模型就会形成一种“不要出事”的倾向。

它会越来越会回避，越来越会说套话，越来越会在复杂问题前变得圆滑。

据DeepSeek 说，DeepSeek 有超过35万条敏感词！  豆包、文心一言、混元等人工智能敏感词库规模也都在20万到40万条之间，跟DeepSeek 相当。

一个真正好用的 AI 工具，需要敢于提出假设，敢于质疑前提，敢于告诉用户“你这个想法可能不对”。但如果它从训练到上线都被要求尽量不碰边界，它就容易变成一个很安全、很礼貌、很不冒犯，也很没用的助手。

对于大多数个人使用者，这个问题或许没有那么严重。可是商业公司以挣钱为目的，谁愿意把时间，把钱花在这些浪费青春的事情上。

尤其在写作、研究、法律、历史、社会问题、商业判断这类领域，用户需要的不是“正确废话”，而是有信息密度、有推理、有边界感的分析。模型如果长期习惯绕开问题，用户就会形成一个判断：小事可以给它，大事还是算了。

一旦用户不把重要工作交给它，模型又会失去最珍贵的真实反馈。

3. 付费模式和商业模式：低价不是胜利，低价可能是困境

第三个问题是商业模式。

中国用户愿意为游戏、直播、短视频、电商会员、网文、打赏付费，但对独立软件、AI 工具、效率工具的长期订阅，接受度明显低很多。

以我自己的人生经历来看，像我一样订阅了 Office 365，使用正版的 Photoshop，使用正版的 Final Cut Pro，这样的人我几乎没有遇到第二个。

工作原因我参加了很多 AI 培训课，最常听到的一句话是：

我给大家推荐一个免费的。

美国 AI 公司已经形成了比较明确的付费体系：

虽然 ChatGPT 的付费转化率并不算特别高（网传 200 美元每月的 Pro 会员，订阅用户占比在 10% 左右），但它的用户基数极大。即使只有一小部分用户付费，也能形成巨大的现金流。

如果一个市场永远追求免费，那么 AI 公司就很难建立健康商业模式。它们可能有很多用户，但没有足够收入。没有收入，就很难持续购买算力、雇佣顶级人才、建设数据管线、做长期研发。

这会让中国 AI 公司陷入一种危险循环：

免费吸引用户；
用户不愿付费；
公司靠补贴支撑；
收入不足；
无法持续投入前沿模型；
模型能力追不上；
用户更不愿意付费。

这不是技术问题，而是商业生态问题。

4. 中文语料欠缺：不是中文没人用，而是高质量开放内容太少

第四个问题，是中文语料。

这个问题很反常识。中文使用者非常多。按 Ethnologue 2026 的口径，普通话总使用者约 11.83 亿；如果把粤语、吴语、闽南语、客家话等更广义的汉语族也算进去，中文世界的人口规模接近全球五分之一。

但在开放网页上，中文的存在感非常低。 W3Techs 的网站内容语言统计显示，截至 2026 年 6 月 15 日，中文在网站内容语言中的占比约 1.2%。这远远违反我个人的认识：一个接近五分之一人口所使用的语言，它应当在全世界有一个举足轻重的分量。中文在开放网页世界里的可见度，和它的人口规模严重不匹配。

为什么会这样？

原因可能有几个。

第一，中文互联网高度 App 化。

中国互联网很早就从网页时代跳到了移动 App 时代。大量内容在微信、抖音、小红书、快手、B站、淘宝、知乎等平台内流动，而不是以开放网页形式沉淀。

第二，平台封闭。

英文互联网的很多内容是网页、博客、论坛、GitHub、Stack Overflow、Wikipedia、新闻站、大学网页。中文互联网的很多内容在 App 内、登录墙后、推荐流里、评论区里。人能看见，爬虫未必能看见。

第三，搜索生态弱化。

英文互联网长期围绕 Google 形成“网页可搜索、可引用、可链接”的结构。中文互联网越来越像一个个孤岛：微信一套，小红书一套，抖音一套，知乎一套。内容很多，但互相不通。

第四，高质量内容转入封闭或付费场景。

真正有价值的中文内容，很多在公众号、付费社群、研报、内部文档、课程、私域、数据库里。公开网页上留下来的，反而经常是搬运、采集、营销和洗稿。

第五，审查和自我审查压缩长尾内容。

很多历史、政治、社会、法律、公共事件相关内容，要么不存在，要么被删改，要么只能用隐晦表达。这会影响中文语料的完整性，尤其影响模型学习复杂社会议题。

第六，中文用户多，但全球化外溢少。

英语是全球第二语言，德国人、日本人、印度人、法国人都会用英文发布内容。中文主要集中在中国大陆、台湾、香港、新加坡和海外华人社区，外部非母语使用者贡献相对少。

这就会带来一个很隐蔽的问题：中文模型不是没有数据，而是“干净、有价值、可持续更新的高质量中文数据” 不够多。

开放网页上能抓到的中文内容，往往质量并不高。大量是：

这会导致一个很糟糕的局面：

真正有价值的中文内容藏在封闭平台里，而开放网页上能被训练模型抓到的中文内容，却越来越低质。

更麻烦的是，AI 生成内容正在反复回流互联网。如果后代模型反复训练在前代模型生成的内容上，真实世界里的长尾信息会慢慢消失，模型输出会变得越来越平均、越来越套路、越来越像模板。

当然，模型坍缩并不是必然发生。高质量合成数据如果经过筛选、验证、标注，仍然可以帮助模型进步。危险的是低质量、未标注、被批量生成的 AI 内容，被下一代模型当作真实人类语料继续吸收。

英文世界也有 AI 垃圾内容，也有 SEO 农场，也有模型互相喂数据的问题。但英文有几个缓冲垫：

用一个不太优雅但很直观的比喻：英文互联网像一片大水库，里面也有垃圾，但水量大、支流多、净化系统强；中文开放网页更像一个小水池，如果不断往里面倒洗稿和 AI 伪原创，水质变差会更快被看见。

结语：真正的问题，是中国 AI 能不能进入重要工作流

所以，今天讨论中美 AI 工具差距，不能只看一个模型发布，也不能只看一个榜单分数。

真正的问题是：

中国 AI 工具能不能进入用户的重要工作流？

程序员会不会放心让它改核心代码？研究员会不会用它做长期项目？企业会不会把内部知识库、业务流程、自动化任务交给它？普通人会不会愿意为它长期付费？

如果答案是肯定的，那么模型会获得真实任务、真实反馈、真实收入，然后继续变强。

如果答案是否定的，那么它就容易停留在免费问答、营销文案、办公小技巧和培训课演示里。看起来很热闹，但离真正的生产力革命还有距离。

我并不认为中国 AI 没有机会。资源受限不等于没有创新。中国制造业、供应链、硬件落地、应用场景，也确实有自己的优势。

但如果我们要诚实面对问题，就不能只用“国产崛起”四个字安慰自己。

下一篇，我想继续聊一个更贴近普通人的问题：如果这些 AI 工具真的进入中国企业，它会怎样影响中国的就业？美国关于 AI 冲击白领工作的讨论已经很多，但中国的情况更复杂，因为我们还叠加了青年失业、灵活就业、平台经济、地产下行和企业利润压力。

AI 不是远处的新闻。

它已经在改写办公室里最安静的那一部分工作。

而最安静的变化，往往最值得警惕。

参考来源

[1] Into Asia, A Year Inside ByteDance's AI Lab, Buzzsprout, 2026-04-22. https://www.buzzsprout.com/2546300/episodes/19057945-a-year-inside-bytedance-s-ai-lab

[2] 国家互联网信息办公室等，生成式人工智能服务管理暂行办法，2023-07-13. https://www.cac.gov.cn/2023-07/13/c_1690898327029107.htm

[3] W3Techs, Historical trends in the usage statistics of content languages for websites, 2026-06-15. https://w3techs.com/technologies/history_overview/content_language

[4] W3Techs, Web Technologies Statistics and Trends: Methodology. https://w3techs.com/technologies

[5] Ilia Shumailov et al., AI models collapse when trained on recursively generated data, Nature, 2024. https://www.nature.com/articles/s41586-024-07566-y

[6] Matthias Gerstgrasser et al., Is Model Collapse Inevitable? Breaking the Curse of Recursion by Accumulating Real and Synthetic Data, arXiv, 2024. https://arxiv.org/abs/2404.01413

[7] DeepSeek API Docs, DeepSeek V4 Preview Release, 2026-04-24. https://api-docs.deepseek.com/news/news260424

[8] DeepSeek API Docs, Models & Pricing. https://api-docs.deepseek.com/quick_start/pricing