@MaxForAI: 一个刚在浙大读完CS硕士的日本人,写了一篇《中国AI为什么发展》,比很多中文互联网的自嗨分析更接近现实。 它的核心不是夸中国,也不是骂日本,而是指出一个很朴素的事实: 中国AI人才不是凭空出现的,而是被一整套残酷但有效的系统训练出来的。 …

X AI KOLs Timeline 新闻

摘要

一位曾在浙江大学读完CS硕士的日本人撰文分析中国AI人才体系的运作机制,指出中国AI发展依靠的是从高考到研究生的高强度筛选和系统化训练,而非奇迹。文章还涉及GPU管制、华为芯片现状等观察。

一个刚在浙大读完CS硕士的日本人,写了一篇《中国AI为什么发展》,比很多中文互联网的自嗨分析更接近现实。 它的核心不是夸中国,也不是骂日本,而是指出一个很朴素的事实: 中国AI人才不是凭空出现的,而是被一整套残酷但有效的系统训练出来的。 高考决定学校和专业,进了大学也不轻松,因为好工作有限,很多人一进本科就开始准备考研。 作者认为,中国学生等于经历了两轮高强度筛选: 一次高考,一次考研,所以基础数学、英语、学习耐力都会被拉得很高。 然后到了研究生阶段,压力继续加码。 以他所在的浙大CS硕士为例,毕业要过校内审查、外部专家审查、答辩委员会,还需要CCF认可的会议/期刊论文,或者中国专利。 作者因此认为中国AI相关专利多,不只是因为企业申报多,也和高校毕业机制有关。 他还提到博士要求更狠,CCF会议分A/B/C类,A类包括CVPR、NeurIPS、AAAI等顶会。 按他的说法,中国博士毕业需要A会2篇、B会1篇,这套机制会稳定产出“能力被证明过”的博士。 他还有几个有意思的判断: 第一,他认为中国AI能发展,是因为CS真的能改变命运。一个平均收入不高的国家,顶尖CS新卒可以拿到远高于平均水平的收入,所以父母和学生都会把资源压向CS。 第二,他认为中国擅长追赶式创新,但破坏式创新比较难。原因是教育系统太体系化,大家更擅长在系统内优化,而美国更擅长探索。 第三,他认为GPU管制是有效的。没有GPU,大学很难做有影响力的AI研究,所以优秀学生会去有GPU的大厂实习。没有算力的学校,只能做更小规模的研究。 第四,他对华为芯片判断比较冷淡,说长期可能有价值,但现阶段还没到实用水平,并且他没见过真正对华为芯片很乐观的中国AI学生。 中国AI的强,不是神话,也不是奇迹,是很多人从十几岁开始一路卷出来的产物。 这个写的非常不错,可以说是血淋淋的现实了。
查看原文
查看缓存全文

缓存时间: 2026/06/09 14:51

一个刚在浙大读完CS硕士的日本人,写了一篇《中国AI为什么发展》,比很多中文互联网的自嗨分析更接近现实。

它的核心不是夸中国,也不是骂日本,而是指出一个很朴素的事实:

中国AI人才不是凭空出现的,而是被一整套残酷但有效的系统训练出来的。

高考决定学校和专业,进了大学也不轻松,因为好工作有限,很多人一进本科就开始准备考研。

作者认为,中国学生等于经历了两轮高强度筛选: 一次高考,一次考研,所以基础数学、英语、学习耐力都会被拉得很高。

然后到了研究生阶段,压力继续加码。

以他所在的浙大CS硕士为例,毕业要过校内审查、外部专家审查、答辩委员会,还需要CCF认可的会议/期刊论文,或者中国专利。

作者因此认为中国AI相关专利多,不只是因为企业申报多,也和高校毕业机制有关。

他还提到博士要求更狠,CCF会议分A/B/C类,A类包括CVPR、NeurIPS、AAAI等顶会。

按他的说法,中国博士毕业需要A会2篇、B会1篇,这套机制会稳定产出“能力被证明过”的博士。

他还有几个有意思的判断: 第一,他认为中国AI能发展,是因为CS真的能改变命运。一个平均收入不高的国家,顶尖CS新卒可以拿到远高于平均水平的收入,所以父母和学生都会把资源压向CS。

第二,他认为中国擅长追赶式创新,但破坏式创新比较难。原因是教育系统太体系化,大家更擅长在系统内优化,而美国更擅长探索。

第三,他认为GPU管制是有效的。没有GPU,大学很难做有影响力的AI研究,所以优秀学生会去有GPU的大厂实习。没有算力的学校,只能做更小规模的研究。

第四,他对华为芯片判断比较冷淡,说长期可能有价值,但现阶段还没到实用水平,并且他没见过真正对华为芯片很乐观的中国AI学生。

中国AI的强,不是神话,也不是奇迹,是很多人从十几岁开始一路卷出来的产物。

这个写的非常不错,可以说是血淋淋的现实了。

Goshi Aoki (@goshi_aoki): 中国の浙江大学(Zhejiang University)のComputer Scienceの修士課程を1年前に修了しましたが、中国人のトップAI人材との対話や大学院に在籍する中で知った、中国のAI人材育成システムについて、まとめてみました↓

相似文章

@dongxi_nlp: 好有价值的文章,最后的 6 条 take away 值得思考。 其中最后两条: 5. 数据行业远未发达。 Anthropic 和 OpenAI为单个环境花费1000万美元以上,而中国 AI 实验室基本上是“自建而非购买”心态。 6. 无数…

X AI KOLs Timeline

文章总结了AI数据行业的现状,指出数据行业尚未成熟,Anthropic和OpenAI为单个环境花费超过1000万美元,而中国AI实验室倾向于自建而非购买;此外,许多实验室虽能使用华为芯片但仍渴望更多英伟达芯片。

@snowboat84: https://x.com/snowboat84/status/2061962883651731602

X AI KOLs Timeline

本文是AI工程全景系列的上篇,从历史角度梳理了GPU从游戏显卡到AI加速器的演化、CUDA的豪赌、谷歌TPU的独立路径,以及英伟达为何最终胜出,详细剖析了芯片、供应链、网络、电力等AI基础设施的底层逻辑。

中国AI实验室内部笔记(18分钟阅读)

TLDR AI

作者回顾了对中国AI实验室的访问,比较了中国和美国实验室在构建LLM方面的文化差异。中国实验室受益于集体工作和学生参与的文化,而美国实验室则面临个人自我和职业抱负带来的挑战。