Mengapa AI di Tiongkok berkembang begitu cepat? Jawabannya tersembunyi di dalam laboratorium

Judul asli: Catatan dari Dalam Laboratorium AI China
Penulis asli: Nathan Lambert
Diterjemahkan: Peggy, BlockBeats

Penulis asli: BlockBeats

Sumber asli:

Dikutip dari: Huoxing Caijing

Pengantar editor: Laboratorium AI di China semakin menjadi kekuatan yang sulit diabaikan dalam kompetisi model besar global. Keunggulan mereka tidak hanya terletak pada banyaknya talenta, kekuatan rekayasa, dan kecepatan iterasi, tetapi juga berasal dari sebuah cara organisasi yang sangat realistis: sedikit berbicara konsep, lebih banyak membangun model; sedikit menekankan bintang individu, lebih menekankan eksekusi tim; sedikit bergantung pada layanan eksternal, lebih cenderung menguasai tumpukan teknologi inti sendiri.

Penulis artikel ini, Nathan Lambert, setelah mengunjungi beberapa laboratorium AI terkemuka di China, menemukan bahwa ekosistem AI China dan AS tidak sepenuhnya sama. AS lebih menekankan paradigma orisinal, investasi modal, dan pengaruh pribadi ilmuwan top; China lebih mahir dalam mengejar cepat di bidang yang sudah ada, melalui open source, optimisasi rekayasa, dan investasi dari banyak peneliti muda, sehingga kemampuan model dapat dengan cepat didorong ke garis depan.

Yang paling patut diperhatikan bukanlah apakah AI China sudah melampaui AS, tetapi bahwa dua jalur perkembangan yang berbeda sedang terbentuk: AS lebih seperti kompetisi terdepan yang didorong oleh modal dan laboratorium bintang, sedangkan China lebih seperti kompetisi industri yang didorong oleh kemampuan rekayasa, ekosistem open source, dan kesadaran kendali teknologi.

Ini berarti, di masa depan, kompetisi AI tidak hanya akan menjadi perlombaan peringkat model, tetapi juga kompetisi kemampuan organisasi, ekosistem pengembang, dan eksekusi industri. Perubahan nyata dari AI China adalah bahwa ia tidak lagi sekadar menyalin Silicon Valley, tetapi berpartisipasi dalam garis depan global dengan caranya sendiri.

Berikut adalah teks aslinya:

Duduk di kereta cepat baru dari Hangzhou ke Shanghai, saya menatap ke luar jendela, melihat punggungan pegunungan yang berlekuk jelas, di puncaknya bertebar turbin angin, membentuk siluet di bawah cahaya matahari terbenam. Gunung-gunung menjadi latar belakang, sementara di depan mata adalah hamparan ladang dan gedung tinggi yang saling bersilangan.

Dengan kerendahan hati yang besar, saya kembali dari China. Pergi ke tempat yang begitu asing, tetapi disambut dengan begitu hangat, adalah pengalaman yang sangat menghangatkan dan penuh kehangatan manusiawi. Saya berkesempatan bertemu banyak orang di ekosistem AI, mereka adalah orang yang sebelumnya hanya saya kenal dari jauh; dan mereka menyambut saya dengan senyum cerah dan antusiasme, membuat saya kembali menyadari bahwa pekerjaan saya dan seluruh ekosistem AI itu sendiri adalah fenomena global.

Mindset Peneliti China

Perusahaan-perusahaan China yang sedang membangun model bahasa dapat dikatakan sangat cocok sebagai “pengejar cepat” teknologi ini. Mereka didasarkan pada tradisi budaya pendidikan dan kerja jangka panjang di China, sekaligus memiliki cara membangun perusahaan teknologi yang sedikit berbeda dari Barat.

Jika hanya melihat outputnya—yakni model terbaru dan terbesar, serta alur kerja berbasis kecerdasan buatan yang didukung model-model ini—dan juga faktor input seperti ilmuwan hebat, data skala besar, dan sumber daya komputasi yang dipercepat, maka laboratorium China dan AS tampak cukup serupa. Perbedaan yang benar-benar bertahan lama terletak pada bagaimana faktor-faktor ini diorganisasi dan dibentuk.

Saya selalu percaya bahwa salah satu alasan laboratorium China sangat mahir mengejar dan tetap dekat dengan garis depan adalah karena mereka sangat cocok secara budaya dengan tugas ini. Tapi sebelum berbicara langsung dengan banyak ilmuwan hebat dan rendah hati dari laboratorium terkemuka di China, saya merasa tidak pantas mengaitkan intuisi ini dengan pengaruh penting tertentu. Setelah berbicara dengan banyak ilmuwan yang terbuka dan rendah hati, banyak pemikiran saya menjadi lebih jelas.

Saat ini, membangun model bahasa besar terbaik sangat bergantung pada pekerjaan rinci di seluruh tumpukan teknologi: dari data, detail arsitektur, hingga implementasi algoritma pembelajaran penguatan. Setiap bagian dari model berpotensi memberikan peningkatan, dan menggabungkan semua peningkatan ini adalah proses yang kompleks. Dalam proses ini, pekerjaan dari individu yang sangat cerdas mungkin harus ditunda agar model secara keseluruhan dapat dioptimalkan untuk banyak tujuan.

Ilmuwan AS jelas juga sangat mahir memecahkan masalah komponen tunggal, tetapi budaya mereka lebih menonjolkan “berbicara untuk diri sendiri”. Sebagai ilmuwan, ketika Anda secara aktif memperjuangkan perhatian terhadap pekerjaan Anda, Anda cenderung lebih sukses; dan budaya saat ini juga mendorong jalur ketenaran baru, yaitu menjadi “ilmuwan AI top”. Ini bisa menimbulkan konflik langsung.

Ada rumor luas bahwa organisasi Llama pernah runtuh karena tekanan politik setelah kepentingan ini diintegrasikan ke dalam struktur hierarki. Saya juga mendengar dari laboratorium lain bahwa terkadang perlu “menenangkan” seorang peneliti top agar mereka berhenti mengeluh bahwa ide mereka tidak dimasukkan ke model akhir. Tidak peduli seberapa benar hal ini, pesan utamanya jelas: kesadaran diri dan keinginan untuk promosi karier memang bisa menghambat pembangunan model terbaik. Perbedaan budaya kecil ini—antara AS dan China—dapat berpengaruh signifikan terhadap hasil akhir.

Salah satu perbedaan terkait siapa yang membangun model ini di China. Di semua laboratorium, kenyataan langsungnya adalah: sebagian besar kontributor inti adalah mahasiswa yang masih belajar. Laboratorium-laboratorium ini cukup muda, yang mengingatkan saya pada cara kita di Ai2 mengorganisasi: mahasiswa diperlakukan sebagai rekan, dan langsung diintegrasikan ke tim model bahasa besar.

Ini sangat berbeda dari laboratorium top di AS. Di AS, perusahaan seperti OpenAI, Anthropic, Cursor sama sekali tidak menawarkan magang. Perusahaan seperti Google secara formal menawarkan magang terkait Gemini, tetapi banyak yang khawatir bahwa magang mereka akan dikucilkan dari pekerjaan inti yang sesungguhnya.

Secara umum, perbedaan budaya kecil ini mungkin meningkatkan kemampuan pembangunan model melalui cara berikut: untuk meningkatkan model akhir, orang lebih bersedia melakukan pekerjaan yang kurang glamor; mereka yang baru terlibat dalam pembangunan AI tidak terlalu terpengaruh oleh siklus hype AI sebelumnya, sehingga lebih cepat beradaptasi dengan metode teknologi modern; dan seterusnya.

Seorang ilmuwan China yang saya ajak bicara secara tegas menyebut ini sebagai keunggulan; tingkat kesadaran diri yang lebih rendah membuat struktur organisasi lebih mudah berkembang, karena orang kurang mencoba “memainkan sistem”; banyak talenta sangat cocok untuk menyelesaikan masalah yang sudah memiliki konsep terbukti di tempat lain, dan lain-lain.

Kecenderungan ini—yang lebih mendukung pembangunan model bahasa saat ini—berlawanan dengan stereotip yang umum: bahwa peneliti China jarang menghasilkan penelitian akademik yang lebih kreatif dan mampu membuka bidang baru dari nol.

Dalam beberapa kunjungan ke laboratorium yang lebih akademis selama perjalanan ini, banyak kepala laboratorium berbicara tentang upaya mereka menumbuhkan budaya penelitian yang lebih ambisius. Sementara itu, beberapa pemimpin teknologi yang kami ajak bicara meragukan apakah reformasi cara penelitian ini bisa terwujud dalam waktu dekat, karena membutuhkan redesain sistem pendidikan dan insentif yang sangat besar dan sulit dilakukan dalam kondisi ekonomi saat ini.

Budaya ini tampaknya sedang melatih sekelompok mahasiswa dan insinyur yang sangat mahir dalam “permainan pembangunan model bahasa besar”. Tentu saja, jumlah mereka juga sangat cukup.

Mahasiswa-mahasiswa ini memberi tahu saya bahwa China juga mengalami arus keluar talenta yang mirip dengan AS: banyak yang sebelumnya berencana menempuh jalur akademik sekarang berencana tetap di industri. Salah satu pernyataan paling menarik datang dari seorang peneliti yang awalnya ingin menjadi profesor, yang mengatakan bahwa dia ingin menjadi profesor karena ingin dekat dengan sistem pendidikan; tetapi kemudian dia mengomentari bahwa pendidikan sudah diselesaikan oleh model bahasa besar—“mengapa siswa harus datang ke saya untuk ngobrol!”

Para mahasiswa ini memasuki bidang model bahasa besar dengan pandangan segar, dan ini adalah keunggulan. Dalam beberapa tahun terakhir, kita telah melihat paradigma utama model bahasa besar terus berubah: dari perluasan MoE, ke perluasan pembelajaran penguatan, hingga mendukung agen cerdas. Menguasai salah satu dari hal ini membutuhkan penyerapan latar belakang yang sangat cepat, termasuk literatur yang lebih luas dan tumpukan teknologi internal perusahaan.

Para mahasiswa terbiasa melakukan hal semacam ini, dan bersedia meletakkan semua prasangka tentang “apa yang harus efektif” dengan kerendahan hati. Mereka langsung terjun, menginvestasikan hidup mereka demi kesempatan memperbaiki model.

Mereka juga sangat jujur dan langsung, tanpa terjebak dalam diskusi filosofis yang mengganggu ilmuwan. Ketika saya bertanya tentang pandangan mereka terhadap dampak ekonomi model atau risiko sosial jangka panjang, ilmuwan China yang memiliki pandangan kompleks dan ingin mempengaruhi isu-isu ini jauh lebih sedikit dibandingkan yang saya harapkan. Mereka menganggap peran mereka adalah membangun model terbaik.

Perbedaan ini sangat halus dan mudah disangkal. Tapi ketika Anda berbicara panjang lebar dengan seorang ilmuwan yang anggun, cerdas, dan mampu mengungkapkan pendapatnya dalam bahasa Inggris dengan jelas, perbedaannya paling terasa: ketika Anda menanyakan pertanyaan filosofis tentang AI, pertanyaan dasar ini akan menggantung di udara, dan mereka menunjukkan kebingungan yang sederhana. Bagi mereka, ini adalah sebuah kategori yang keliru.

Bahkan ada yang mengutip penilaian terkenal Dan Wang: bahwa dibandingkan dengan Amerika yang dipimpin pengacara, China dikelola oleh insinyur. Ketika membahas isu-isu ini, dia menggunakan analogi ini untuk menekankan keinginan mereka membangun. Di China, tidak ada jalur sistematis yang bisa membangun pengaruh bintang ilmuwan seperti di podcast mainstream seperti Dwarkesh atau Lex.

Saya mencoba meminta ilmuwan China mengomentari ketidakpastian ekonomi masa depan yang dipicu AI, melampaui kemampuan AGI sederhana, atau debat moral tentang bagaimana model harus berperilaku; semua pertanyaan ini akhirnya menunjukkan latar belakang dan pendidikan mereka (yang telah diedit 1). Mereka sangat fokus pada pekerjaan mereka sendiri, tetapi mereka tumbuh dalam sistem yang tidak mendorong diskusi dan ekspresi tentang bagaimana masyarakat harus diatur atau diubah.

Dilihat dari sudut pandang yang lebih luas, terutama di Beijing, saya merasa seperti di Silicon Valley: sebuah laboratorium kompetitif yang mungkin hanya berjarak beberapa menit jalan kaki atau naik taksi. Setelah mendarat, dalam perjalanan ke hotel, saya sempat mampir ke kawasan Alibaba Beijing. Dalam 36 jam berikutnya, kami mengunjungi Zhipu AI, Dark Side of the Moon, Tsinghua University, Meituan, Xiaomi, dan 01.ai.

Di China, naik Didi sangat nyaman. Jika memilih model XL, seringkali akan dikirimkan mobil van kecil listrik dengan kursi pijat. Ketika menanyakan tentang perebutan talenta, mereka mengatakan ini sangat mirip dengan pengalaman di AS. Pergantian pekerjaan sangat normal, dan orang memilih ke mana mereka pergi tergantung suasana terbaik saat itu.

Di China, komunitas model bahasa besar terasa lebih seperti sebuah ekosistem daripada suku yang saling berperang. Dalam banyak percakapan tidak resmi, hampir semuanya menunjukkan rasa hormat terhadap sesama. Semua laboratorium di China sangat berhati-hati terhadap ByteDance dan model Doubao yang populer, karena mereka adalah satu-satunya laboratorium tertutup terdepan di China. Sementara itu, semua laboratorium sangat menghormati DeepSeek, menganggapnya sebagai laboratorium yang paling berkelas dari segi penelitian di tingkat implementasi. Di AS, ketika berbicara secara tidak resmi dengan anggota laboratorium, percikan api sering langsung menyala.

Dalam kerendahan hati para peneliti China, yang paling mengesankan adalah mereka juga sering mengangkat bahu secara bisnis, mengatakan itu bukan masalah mereka. Sementara di AS, tampaknya setiap orang terjebak dalam tren industri dari berbagai lapisan ekosistem, mulai dari penjual data, kekuatan komputasi, hingga pendanaan.

Perbedaan dan Kesamaan Industri AI China dan Laboratorium Barat

Membangun model AI saat ini sangat menarik karena ini bukan lagi sekadar mengumpulkan sekelompok peneliti hebat di satu gedung untuk menciptakan keajaiban rekayasa. Memang, dulu lebih seperti itu, tetapi untuk mempertahankan bisnis AI, model bahasa besar menjadi semacam hibrida: melibatkan pembangunan, deployment, pendanaan, dan mendorong adopsi ciptaan ini.

Perusahaan AI terkemuka berada dalam ekosistem yang kompleks. Ekosistem ini menyediakan dana, kekuatan komputasi, data, dan sumber daya lainnya untuk terus mendorong garis depan maju.

Di ekosistem Barat, cara mengintegrasikan berbagai faktor input yang diperlukan untuk menciptakan dan mempertahankan model bahasa besar sudah cukup terkonsep dan tergambar dengan baik. Anthropic dan OpenAI adalah contoh utama. Jadi, jika kita bisa menemukan bahwa cara berpikir laboratorium China terhadap masalah ini berbeda secara mencolok, kita bisa melihat ke mana perusahaan-perusahaan ini mungkin akan bertaruh di masa depan, berdasarkan perbedaan yang bermakna. Tentu saja, masa depan ini juga akan sangat dipengaruhi oleh pembatasan pendanaan dan/atau kekuatan komputasi.

Berikut adalah beberapa “pembelajaran industri AI” terbesar yang saya rangkum dari diskusi dengan laboratorium-laboratorium ini:

Pertama, kebutuhan AI domestik sudah menunjukkan tanda-tanda awal. Ada sebuah asumsi yang banyak dibahas bahwa pasar AI China akan lebih kecil karena perusahaan-perusahaan China biasanya enggan membayar untuk perangkat lunak, sehingga tidak pernah mampu melepaskan pasar inferensi besar yang cukup untuk mendukung laboratorium.

Namun, penilaian ini hanya berlaku untuk pengeluaran perangkat lunak yang terkait dengan ekosistem SaaS. Ekosistem SaaS di China secara historis kecil. Sebaliknya, China jelas masih memiliki pasar cloud yang besar.

Satu pertanyaan kunci yang belum terjawab adalah: pengeluaran perusahaan China untuk AI akan lebih mirip pasar SaaS, yang berukuran kecil; atau lebih mirip pasar cloud, yang bersifat fundamental. Pertanyaan ini bahkan sedang didiskusikan di dalam laboratorium China sendiri. Secara umum, saya merasa AI semakin mendekati pasar cloud, dan tidak ada kekhawatiran besar bahwa pasar yang terbentuk dari alat baru ini tidak akan tumbuh.

Kedua, sebagian besar pengembang sangat terpengaruh oleh Claude. Meskipun secara resmi Claude dilarang di China, sebagian besar pengembang AI di China sangat terpesona oleh Claude dan bagaimana ia mengubah cara mereka membangun perangkat lunak. Hanya karena China sebelumnya kurang suka membeli perangkat lunak, bukan berarti saya berpikir bahwa China tidak akan mengalami lonjakan besar dalam permintaan inferensi.

Teknisi China sangat pragmatis, rendah hati, dan termotivasi. Ini memberi saya kesan bahwa mereka lebih kuat daripada kebiasaan lama “tidak membeli perangkat lunak.”

Beberapa peneliti China menyebut mereka menggunakan alat mereka sendiri, seperti perintah baris Kimi atau GLM, tetapi semua menyebut mereka menggunakan Claude. Yang mengejutkan, sangat sedikit yang menyebut Codex, padahal Codex tampaknya sedang berkembang pesat di Silicon Valley.

Ketiga, perusahaan China memiliki mindset kepemilikan teknologi. Budaya China sedang bergabung dengan mesin ekonomi yang berderu, menghasilkan hasil yang sulit diprediksi. Salah satu kesan mendalam saya adalah banyaknya model AI yang mencerminkan keseimbangan pragmatis dari banyak perusahaan teknologi di sini. Tidak ada rencana besar yang terpusat.

Industri ini didominasi oleh rasa hormat terhadap ByteDance dan Alibaba, yang dianggap mampu memenangkan banyak pasar berkat sumber daya besar mereka. DeepSeek dihormati sebagai pemimpin teknologi, tetapi jauh dari menjadi pemimpin pasar. Mereka menentukan arah, tetapi tidak memiliki struktur ekonomi untuk memenangkan pasar.

Ini meninggalkan perusahaan seperti Meituan atau Ant Group. Orang Barat mungkin terkejut mengapa mereka juga membangun model-model ini. Tapi sebenarnya, mereka jelas memandang model bahasa besar sebagai inti dari produk teknologi masa depan, sehingga mereka membutuhkan fondasi yang kuat.

Ketika mereka melakukan fine-tuning pada model yang kuat, umpan balik dari komunitas open source membuat tumpukan teknologi mereka semakin kokoh, dan mereka juga bisa menyimpan versi fine-tuned internal untuk produk mereka sendiri. Sikap “prioritas terbuka” di industri ini sangat dipengaruhi oleh pragmatisme: ini membantu mendapatkan umpan balik yang kuat, memberi manfaat bagi komunitas open source, dan memperkuat misi mereka sendiri.

Keempat, dukungan pemerintah memang ada, tetapi skala dan bentuknya masih belum jelas. Banyak yang mengklaim bahwa pemerintah China aktif membantu kompetisi model bahasa besar terbuka. Tapi ini adalah sistem pemerintahan yang terdiri dari banyak lapisan dan relatif desentralisasi, tanpa satu panduan operasional yang jelas tentang apa yang harus dilakukan setiap lapisan.

Berbagai distrik di Beijing bersaing untuk menarik perusahaan teknologi menempatkan kantor mereka di sana. Bantuan yang diberikan kepada perusahaan-perusahaan ini hampir pasti termasuk penghapusan birokrasi seperti lisensi. Tapi seberapa jauh bantuan ini bisa berjalan? Apakah berbagai lapisan pemerintah bisa membantu menarik talenta? Apakah mereka bisa membantu menyelundupkan chip?

Sepanjang kunjungan, banyak disebutkan tentang minat atau bantuan pemerintah, tetapi informasi yang ada sangat terbatas untuk membuat klaim pasti, apalagi membangun pandangan dunia yang percaya diri tentang bagaimana pemerintah bisa mengubah jalur perkembangan AI di China.

Tentu saja, tidak ada tanda-tanda bahwa tingkat tertinggi pemerintah China mempengaruhi keputusan teknologi model.

Kelima, industri data jauh dari tingkat kematangan Barat. Sebelumnya, kita mendengar bahwa Anthropic atau OpenAI menghabiskan lebih dari 10 juta dolar untuk satu lingkungan, dan pengeluaran kumulatif tahunan untuk mendorong frontier pembelajaran penguatan mencapai ratusan juta dolar. Jadi, kita ingin tahu apakah laboratorium China juga membeli lingkungan yang sama dari perusahaan AS, atau ada ekosistem domestik yang mendukung mereka secara mirip.

Jawabannya bukan “tidak ada industri data” secara lengkap, tetapi berdasarkan pengalaman mereka, kualitas industri data relatif rendah, sehingga seringkali lebih baik membangun lingkungan atau data sendiri. Peneliti sendiri menghabiskan banyak waktu membuat lingkungan pelatihan pembelajaran penguatan, sementara perusahaan besar seperti ByteDance dan Alibaba memiliki tim anotasi data internal untuk mendukung hal ini. Semua ini sesuai dengan mindset “bangun sendiri, bukan beli.”

Keenam, permintaan akan chip Nvidia sangat tinggi. Kekuatan komputasi Nvidia adalah standar emas untuk pelatihan, dan kemajuan setiap orang terbatas oleh kurangnya kekuatan komputasi. Jika pasokan cukup, mereka pasti akan membelinya. Termasuk juga akselerator lain seperti Huawei, yang mendapatkan ulasan positif dalam inferensi. Banyak laboratorium dapat menggunakan chip Huawei.

Poin-poin ini menggambarkan ekosistem AI yang sangat berbeda. Jika kita secara cepat menerapkan cara kerja laboratorium Barat ke rekan-rekan di China, seringkali akan terjadi kesalahan kategori. Masalah utama adalah apakah ekosistem yang berbeda ini akan menghasilkan tipe model yang berbeda secara substansial; atau apakah model China akan selalu dipandang sebagai model frontier AS dari 3 sampai 9 bulan yang lalu.

Kesimpulan: Keseimbangan Global

Sebelum perjalanan ini, saya tahu sangat sedikit tentang China; dan saat meninggalkan, saya merasa baru mulai belajar. China bukan tempat yang bisa diungkapkan dengan aturan atau resep, melainkan tempat dengan mekanisme kekuatan dan reaksi kimia yang sangat berbeda. Budayanya begitu kuno, begitu dalam, dan tetap terjalin erat dengan cara pembangunan teknologi di dalam negeri. Saya masih banyak yang harus dipelajari.

Banyak bagian dari struktur kekuasaan di AS saat ini menganggap pandangan mereka tentang China sebagai alat psikologis utama dalam pengambilan keputusan. Setelah melakukan hampir setiap pertemuan formal maupun informal dengan laboratorium AI terkemuka di China, saya menyadari bahwa China memiliki banyak kualitas dan naluri yang sulit dimodelkan oleh cara pengambilan keputusan Barat.

Bahkan ketika saya langsung bertanya mengapa laboratorium ini membuka model mereka yang paling kuat, saya tetap sulit menghubungkan “mindset kepemilikan” dan “dukungan tulus terhadap ekosistem” secara lengkap.

Laboratorium-laboratorium ini sangat pragmatis, dan tidak selalu menjadi absolutis dalam open source; tidak semua model yang mereka bangun akan dirilis secara terbuka. Tapi mereka sangat berniat mendukung pengembang, mendukung ekosistem, dan menjadikan keterbukaan sebagai cara untuk lebih memahami model mereka sendiri.

Hampir semua perusahaan teknologi besar di China sedang membangun model bahasa besar umum mereka sendiri. Kita sudah melihat bahwa perusahaan platform seperti Meituan dan perusahaan teknologi konsumen besar seperti Xiaomi telah merilis model dengan bobot terbuka. Perusahaan sejenis di AS biasanya hanya membeli layanan.

Perusahaan-perusahaan ini membangun model bahasa besar bukan untuk sekadar tampil di tren terbaru, tetapi karena keinginan mendalam dan mendasar: mengendalikan tumpukan teknologi mereka sendiri dan mengembangkan teknologi terpenting saat ini. Ketika saya mengangkat kepala dari laptop, dan melihat deretan crane di cakrawala, itu sangat sesuai dengan budaya pembangunan dan energi konstruksi yang lebih luas di China.

Kemanusiaan, pesona, dan kehangatan dari para peneliti China sangat menginspirasi dan membuat merasa dekat. Secara pribadi, diskusi geopolitik yang keras seperti yang biasa kita lakukan di AS sama sekali tidak menyusup ke mereka. Dunia ini bisa memiliki lebih banyak energi positif sederhana seperti ini. Sebagai bagian dari komunitas AI, yang saya khawatirkan sekarang adalah adanya retakan antara anggota dan kelompok berdasarkan label kebangsaan.

Jika saya mengatakan bahwa saya tidak ingin laboratorium AS menjadi pemimpin yang jelas di setiap bagian tumpukan teknologi AI, itu bohong. Terutama di bidang model terbuka yang saya geluti, saya adalah orang Amerika, dan ini adalah preferensi yang jujur.

Pada saat yang sama, saya berharap ekosistem terbuka dapat berkembang secara global, karena ini akan menciptakan AI yang lebih aman, lebih mudah diakses, dan lebih berguna bagi dunia. Masalah saat ini adalah apakah laboratorium AS akan bertindak untuk merebut posisi ini sebagai pemimpin.

Saat saya menulis artikel ini, semakin banyak rumor tentang pengaruh perintah eksekutif terhadap model terbuka beredar. Ini bisa memperumit hubungan antara kepemimpinan AS dan ekosistem global—yang membuat saya semakin kurang yakin.

Saya berterima kasih kepada semua orang hebat yang saya temui dan berbicara di Dark Side of the Moon, Zhipu AI, Meituan, Xiaomi, Tongyi Qianwen, Ant Lingguang, 01.ai, dan institusi lainnya. Semua sangat antusias dan murah hati menyumbangkan waktu mereka. Seiring dengan terbentuknya pemikiran saya, saya akan terus berbagi pengamatan tentang China, termasuk aspek budaya yang lebih luas dan bidang AI itu sendiri.

Jelas, pengetahuan ini akan terkait langsung dengan kisah perkembangan garis depan AI yang sedang berlangsung.