使徒行者

中国 AI 为什么追得这么快？美媒找到一批关键人物_我的网站

一 |     8 月 25 日，据《华尔街日报》报道，中国 AI 模型近年来快速缩小与美国头部模型的差距，其背后并非短期突然出现的技术突破，而是清华大学等高校长期形成的人才网络，以及开源技术、人才回流和更高算力效率等因素共同推动的结果。    当前，AI行业加速从模型训练走向产业落地，Token工厂赛道热度持续攀升，但行业普遍存在概念超前、落地滞后的痛点。

二 | 报道认为，以智谱 AI 联合创始人唐杰、月之暗面创始人杨植麟以及 DeepSeek 创始人梁文锋等人为代表的一批研究者，构成了中国这一轮 AI 追赶的重要力量。作为赛道先行者，硅基流动在2024年9月就提出“Token工厂”构想，并依托公有云MaaS模式实现行业早期落地，完成从概念创新到规模化商业运营的跨越式发展。如今，随着公司递交港交所上市申请，其完善的技术体系、成熟的商业模式与多元生态布局，也为AI算力服务行业标准化、规模化发展提供了优质参考范本。《华尔街日报》称，中美两国多名行业人士认为，中国最好的 AI 模型目前与美国最先进模型的能力差距已经缩小至数月。　　　前瞻布局赛道，完成Token工厂从构想至规模化落地据了解，硅基流动提出Token工厂概念，源于对AI行业发展的精准预判。

三 | 今年 6 月，马斯克曾预测中国要到 2027 年第一季度才能追上 Anthropic 的顶级模型，唐杰随后回应称，“不会需要那么久”。报道将中国 AI 人才体系的形成追溯至 20 多年前。团队研判，开源模型性能持续迭代升级，将大幅拓宽AI应用边界，市场推理需求将远超训练需求，而大模型规模化部署的成本、技术门槛，正是AI基础设施企业的核心价值赛道。基于此，公司以“用得上、用得好、用得起”为核心价值导向，打造公有云MaaS平台，通过自研推理引擎优化性能、提升算力利用率、屏蔽底层技术壁垒，实现API一键调用，打通效能与成本的闭环，在此基础上，进一步沉淀为可复制的Token工厂解决方案，助力各类算力中心快速转型，目前已落地互联网、能源、金融、电信等多个头部行业。

四 | 2005 年，图灵奖得主姚期智在清华大学创办“姚班”，培养计算机领域的顶尖人才。

五 | 2025年初成为硅基流动Token工厂规模化发展的关键转折点。与此同时，唐杰长期在清华从事数据挖掘和机器学习研究，其实验室后来成为中国 AI 人才的重要来源之一。DeepSeek系列模型开源引爆市场推理需求，行业需求迎来指数级爆发。杨植麟曾师从唐杰，在清华研究机器学习算法，随后赴卡内基梅隆大学攻读博士，回国后创办月之暗面。这种高校与创业公司的人员流动逐渐形成了一张 AI 人才网络。2018 年，中国进一步放宽科研人员创业及科研成果商业化限制，次年唐杰从清华实验室孵化出后来发展为智谱 AI 的公司。公司率先在华为昇腾上完成DeepSeek R1、V3满血版商业化部署，成为落地世界级大模型商业化推理服务的平台，高效承接海量市场需求。早在 OpenAI 于 2020 年发布 GPT-3 后，智谱就将开发同等级模型作为目标。

六 | 市场的爆发式增长，充分验证了Token工厂模式的可行性，也锤炼了平台的极限承载能力，其注册用户从2024年底12.7万人飙升至2025年底920万人，实现跨越式增长。

七 | 这一成果背后，是硅基流动三大前瞻性行业判断的持续落地：开源模型能力将逐步追平闭源模型、推理需求量级远超训练需求、国产芯片将从“可用”迈向“好用”。

八 | 当前行业发展态势持续印证该判断，开源模型生态日趋成熟，AI Agent规模化落地带动Token消耗暴涨，国产算力供应链持续完善，为Token工厂赛道长期发展筑牢根基。不过，相比美国 AI 企业，中国公司长期面对资金和先进芯片不足的问题。　　　突破多层技术壁垒，重构算力中心转型路径从传统算力中心“裸金属租赁”到Token标准化服务交付，行业存在一条高壁垒技术链路，涵盖芯片适配、模型调优、弹性调度、计量计费等核心环节。杰富瑞测算，在相关时期内，中国科技公司的投入规模不到美国同行的五分之一。在这一背景下，提高算力利用效率成为中国 AI 企业追赶的重要路径。DeepSeek 是其中的代表。报道提到，DeepSeek 通过多头潜在注意力机制（MLA）降低模型运行中的内存消耗，并较早在中国采用混合专家模型（MoE），以减少对芯片算力的需求。

九 | 这些技术成为 2025 年初“DeepSeek 冲击”的重要基础，当时其推出的低成本开源模型引发美国科技股震荡，也迫使中国同行重新审视技术路线。硅基流动突破五大核心技术壁垒，将复杂技术链路封装为“一键转型Token工厂”解决方案，有效降低行业转型门槛。

十 | 中国 AI 企业之间的技术交流也进一步加快了迭代速度。

十一 | 在芯片适配层面，公司完成多款不同品牌、不同架构芯片的规模化适配，破解异构芯片兼容难题；通过推理引擎深度调优，以动态量化、多级缓存、算子优化等技术，提升单位算力产出与响应效率。同时，平台实现170+主流模型持续适配迭代，搭建异构算力弹性调度系统，平衡潮汐式推理需求，并重构细粒度Token计量计费体系，完成从硬件售卖到服务化交付的核心蜕变。

十二 | 针对算力行业普遍存在的产能过剩、算力闲置痛点，硅基流动打造“技术+流量”双引擎，构建高效算力消纳商业闭环。月之暗面后续模型采用了 DeepSeek 使用或验证过的 MoE 及 MLA 变体，而 DeepSeek 也采用了月之暗面优化过的训练技术。不同团队通过论文、开源模型和技术实践相互借鉴，形成了与封闭模型路线不同的技术扩散机制。

十三 | 供给侧，公司依托自研技术提升算力产出效率，最大化激活存量闲置算力资源；需求侧，平台坐拥超千万注册用户和1.3万家企业客户，截至2026年4月日均词元吞吐量达5785亿。与此同时，人才回流也成为另一条技术路径。多元均衡的客户结构形成稳定持续的算力负载，避免碎片化流量弊端。腾讯招募了曾在 OpenAI 工作的两名清华毕业生，字节跳动则引入曾供职于谷歌的中国研究人员。报道认为，美国 AI 公司的技术进展、海外人才回流以及中国本土研究网络，共同加快了中国 AI 公司的追赶速度。但算力仍是中国 AI 企业面临的主要制约。梁文锋今年 5 月表示，芯片而非人才，是中美 AI 公司之间最关键的差距。

十四 | 阿里巴巴、智谱等头部实验室研究人员称，他们获得的高端芯片数量往往只有 OpenAI、谷歌同行的五分之一。通过智能算力调度与收益分成机制，平台精准匹配供需资源，如同搭建贯通全网的“算力电网”，让各地Token工厂的算力产能持续变现，解决算力消纳难题。

十五 | 　　　多元生态落地，构建算力消纳全新商业闭环依托成熟的技术与商业模式，硅基流动持续深化产业生态合作，与光谷爱计算、贵州移动、宇信科技达成差异化战略合作，构建多维落地范式。与光谷爱计算的合作聚焦算力联合运营，赋能传统智算中心低成本转型Token工厂；与贵州移动携手打造区域智算标杆，构建“算力+技术+场景”全栈产业闭环；与宇信科技深耕垂直领域，联合打磨金融AI专属解决方案，推进核心业务场景落地。三类合作虽切入点不同，但均推动算力中心完成模式升级，收益从固定卡时租赁转向可持续Token分成，实现算力利用率、收益空间、产业地位的三重升级。伴随智能体AI规模化普及，单任务Token消耗量大幅跃升，推理成为算力消耗核心主力，产业链的关注点已从“拼算力、炼大模型”转向“拼推理、拼应用落地”。

十六 | Token 工厂的竞争维度也在被重新定义：产能端从峰值应对转向持续满产运营，适配智能体的7×24小时平稳运行需求，并具备快速扩容和持续高利用率的双重能力；调度端需支持多轮推理、多模型协同等复杂场景的动态编排；服务端则需提供企业级SLA保障与Token用量管控，确保智能体深度嵌入核心业务后的稳定运行，实现服务从“可用”到“可信、可持续”的进阶。而这些要求，恰恰是硅基流动在平台实际运营中长期积累的核心能力，也是其在这一轮需求升级中的天然优势所在。目前，硅基流动已迈入全新发展阶段。数据显示，2025至2030年中国词元供应市场复合增长率预计达638.3%，赛道仍处于早期爆发阶段。下一步，硅基流动将持续加大研发投入，不断提升Token生产效率、拓展落地场景，深耕企业规模化AI应用服务，同时强化国产算力供应链韧性，依托技术与生态优势推进全球化布局，持续深耕AI算力服务新赛道。

Current article:http://qfdjwo5.liaoenxingunchuanglou.buzz/news/20260826_9045817.html

Published on:17:20:01