最近美国大模型性能上去了，中国落后的差距在拉大。原因是工程和生态的，可以解释，没有秘密

大模型训练、推理，这些大方向的技术，预训练、后训练，RLHF，MOE架构，思维链,智能体，没有秘密的概念。一个前沿大模型，怎么做出来的，业界都知道，没有技术秘密。

但是大模型开发难度极高，它到底难在哪？一个是要很多卡，这是门槛，但有足够卡的公司也有好几家了，这不是最关键的。

现在大模型很讲究性能，同样的架构、同样的算力，一伙最顶级的牛人去开发能到95分，另一伙水平差了一点的（也全是精英）可能就只有80分了。美国几家公司就是这个情况，Anthropic和OpenAI的开发团队明显领先。但是Meta、xAI这几家也有很多卡，开发团队明显要差不少。

团队领先，不是说人的钱多，而是牛人足够多，还组织良好，把非常精细的研发架构搭起来了。大模型最根本的特点，它是一个庞大的开发工程，里面可能有上百个小细节，无数个know-how。细节全部都做好，才能达到不错的水平。光知道理论没有用，不去实际摸索，连细节是什么都不知道。所有细节都差不多补好了，大模型性能才能达到业界顶级。

差一些的，肯定是某些细节做得不到位。但想到位就没那么简单，因为大模型开发代价非常高，训练一次都在烧钱，时间也不短，并不是很容易调试。来来回回打磨，才慢慢能把一些没到位的细节补好。但领先者又进步了，这边还有些细节没补好。想追前沿，真不容易。

中国大模型公司，在团队搭建方面，其实很厉害了。以DeepSeek为代表的几个公司，用不高的代价，组织了不少人，去磨细节，还真的把平台搭起来了，陆续推出了前沿大模型。而且这个能力似乎还在扩散，能把研发平台搭起来的公司越来越多，上人去磨细节，中国公司不怕。

中国与美国头部公司的细节都到位了，2025年初DeepSeek R1推出的时候，和美国领先大模型几乎没差距了，从感觉来说，应该是差距最小的时候。但为什么后面差距又大了一些？应该是算力和生态的差别，终于起作用了。

OpenAI和Anthropic工程体系不说领先中国头部公司，至少不差。他们领先的是，数据飞轮与反馈闭环。ChatGPT和Claude有海量真实的个人与公司用户，数据质量、多样性和标注深度明显领先中国公司，绝大部分是私密的。公开数据集大家都能用，但真实场景下的高质量反馈数据是封闭的。这是一个大的差距。

再一个是算力基础设施的代差。GPU数量，还有数据中心的网络拓扑、故障恢复基础设施的成熟度，中国还有国产化的任务。这方面算力总量、稳定性，美国还是有优势的。在摸新的know-how时，不能只靠中国天才的聪明才智，需要实际跑任务，海量跑，堆算力跑。

这两个原因，让美国头部公司在开发速度上，领先了中国一段时间。没有技术秘密，但有海量的工程know-how，需要算力和生态去弥补。