一对清华师生，两家AI公司。
十多年前，唐杰和杨植麟还只是清华实验室里的一对师生。如今，唐杰联合创办了智谱AI，杨植麟带领月之暗面（Moonshot AI）。智谱港股上市后市值一度突破1万亿港元，月之暗面则在2026年完成F轮融资后估值达到350亿美元。
（图片来源：华尔街日报）
近日《华尔街日报》刊出一篇长文，沿着唐杰和杨植麟的经历，试图回答一个让硅谷越来越难以回避的问题：在资金和高端芯片都明显少于美国同行的情况下，中国模型为什么还能追得这么快？
报道给出的答案，是一套长期形成的人才培养和知识传播网络。老师带出学生，学生创办公司；公开论文、开源代码和开放权重模型，又让技术越过实验室和公司边界。芯片可以限制算力，但很难切断知识的流动。
从清华走出的一对师生
2026年7月，一张拍摄于2014年11月2日的清华老照片在社交平台刷屏。
照片里，台上答辩的是一个21岁的年轻人——90%的专业课在95分以上，所有程序设计课满分，成绩年级第一。台下为他写推荐信的，是他在清华数据挖掘实验室的科研导师唐杰。
2014年杨植麟特等奖学金答辩
（图片来源：清华大学学生网络电视台）
11年后，台上的学生创办了月之暗面，做出了Kimi；台下的导师联合创办了智谱AI，做出了GLM。
这场答辩本身就是一个浓缩的故事。在推荐信中，唐杰回忆，杨植麟大二上学期就加入实验室，“短短几周，他就成为了我们这个团队中的核心”。
杨植麟在研究过程中发现数据处理效率很低，通过认真分析提出了一个全新的并行化算法，效率提高了几十倍，算法随后被华为、腾讯等多个公司采用。短短一年时间，杨植麟就在计算机领域一流会议上以第一作者身份发表了三篇文章。
唐杰还特别提到，杨植麟创立了校园乐队Splay，是主力鼓手和词曲作者。他当场评价：“他是我这几年见过的最优秀的学生、最有天赋的学生。”
杨植麟在答辩中也坦诚分享了自己的科研经历——他曾推导公式一个星期毫无进展，直到某天戴着耳机走回宿舍，“突然听着听着，我就知道怎么推了”。
被问到最大的挫折，他的回答出人意料：“我大学本科确实过得比较顺利。最大的遗憾，就是我们的乐队没能在原创决赛中获得冠军。”
答辩最后，杨植麟说道："这是计算机科学最好的时代，因为大数据带来了前所未有的机遇。我希望在这最好的时代、最好的年华，做最好的事情：用计算机科学去解决人类社会中的重要问题，用数据改变世界。"
11年后回看这场答辩，它不只是两个天才的个人秀，更是一条人才链的起点。更重要的是，它暴露出了中国AI今天一条容易被忽略的路径：人才并不是从ChatGPT出现的那一天才开始积累。
中国科技中心里的虚拟硅谷
杨植麟的故事只是这张网的一个节点。他高中时凭借全国信息学联赛一等奖获得清华保送资格，但仍坚持参加高考，以汕头理科状元的成绩考入清华。本科以计算机系第一名毕业后，他赴卡内基梅隆大学攻读博士。
2023年，他看到ChatGPT后判断“窗口期可能只有一个月”，随即创立月之暗面。
再往外看，这张网还在延伸。MiniMax创始人闫俊杰曾在清华计算机系做博士后；阶跃星辰董事长印奇毕业于清华“姚班”；DeepSeek创始人梁文锋虽不在这条师承线上，但也曾与唐杰交流。
这条人才链还有一个更早的源头——2005年，图灵奖得主、前普林斯顿教授姚期智回到清华，创办了“清华学堂计算机科学实验班”，也就是“姚班”。从姚班走出的学生，如今已遍布中国AI产业的核心位置。
《华尔街日报》将这个群体称为“中国科技中心里的虚拟硅谷”。
唐杰自己的经历，恰好是这条路径最典型的案例之一。2006年，唐杰带领KEG团队发布了科技情报大数据挖掘系统AMiner。2019年，智谱从KEG技术成果转化而来——唐杰是灵魂人物，张鹏担任CEO，刘德兵担任董事长。智谱从一开始就有浓厚的“科研味”。
从实验室，到技术成果，再到创业公司，这条路径就是中国AI人才和知识走向产业的一个缩影。
高校成为AI人才网络
唐杰今年49岁，从事机器学习研究已经约25年。
2000年代初，中国互联网迅速发展，数据量随之暴涨。电商公司开始在机器学习上投入资源，中国高校也在这一时期培养了大批计算机视觉和机器学习人才。
那个阶段跑出了“AI四小龙”——商汤等一批计算机视觉公司，今天活跃在AI一线的许多工程师，都曾在那批公司中接受训练。
2018年，国家出台了一系列鼓励科研人员创业和科技成果转化的政策，次年唐杰从清华实验室孵化出智谱。
2020年OpenAI发布GPT-3后，唐杰团队很快意识到大模型可能正在改变AI的技术范式。智谱随后将大规模预训练模型确立为核心方向。唐杰很早就把目标放在AGI上，GPT-3发布后他曾表示希望打造能“像人一样思考”的机器。
2021到2022年，当“让机器像人一样思考”被大多数人视为疯狂计划时，智谱抽调资源押注千亿参数，做出了GLM-130B——那是在ChatGPT引爆世界整整一年半之前。
2026年1月8日，智谱在港交所上市，成为“全球AI大模型第一股”。上市当天，唐杰发布内部信称2026年将聚焦新一代模型GLM-5。半年后的7月11日，唐杰又发布题为《巨浪已来》的内部信，宣布启动“Touch High摸高计划”——未来两年不追求短期应用变现，而是直指AGI下一个高地。
他在信中写下：“不登顶，就是失败。”
过去二十多年，中国高校培养了一批计算机人才，互联网时代又累积了大量数据和工程经验。后来，一些研究者进入美国科技公司再回国创业，把学术研究、工程能力和商业化连接起来。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。
钱少、芯片也少，中国AI为什么还能追？
智谱2026年1月上市，IPO募资约49亿港元，7月又完成约314亿港元配售——全年融资合计约363亿港元（约合46亿美元）。这个数字与OpenAI单轮融资1220亿美元、Anthropic单轮融资650亿美元的规模，不在一个量级。
芯片的比例也差不多。阿里巴巴、智谱的研究人员向《华尔街日报》表示，他们能获得的高端芯片通常只有OpenAI、谷歌同行的五分之一左右。
梁文锋今年5月说得更直接：芯片而非人才，是中美AI公司之间最关键的差距。
但资源越有限，效率就越重要。钱少、卡少，只能在每一个token上省。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）——让每个token只调用部分专家，从而在保持较大总参数规模的同时降低单token计算量。
这些技术成为2025年初“DeepSeek冲击”的基础——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。
中国AI企业之间通过开源论文和技术交流进一步加快了迭代速度。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。
能力差几个月，融资差几十倍
今年6月，马斯克曾在X上预测，中国要到2027年第一季度才能追上Anthropic最强的Fable模型。唐杰回了五个字：“不用那么久。”
（图片来源：X@elonmusk）
2026年8月14日，智谱发布GLM-5.3。新模型沿用GLM-5.2约7000亿参数的基础模型，性能提升全部来自后训练阶段。在CyberGym漏洞发现测试中，GLM-5.3取得84.5%，略高于Anthropic Fable 5的83.8%和OpenAI GPT-5.6 Sol的83.6%。
（图片来源：智谱）
但在要求更深入漏洞推理的ExploitBench测试中，GLM-5.3得分为54.4%，仍明显低于 Fable 5的78%和GPT-5.6 Sol的76.5%。在ExploitGym测试中，GLM-5.3在六小时内完成130项漏洞利用任务，Mythos 5完成了247项。
这组数据恰恰说明了一件很重要的事情：中国模型并没有全面追平美国最先进模型，但在部分复杂任务上，已经可以进入同一竞争区间。
Artificial Analysis的Intelligence Index也呈现出类似趋势，GLM-5.3取得60分，与月之暗面Kimi K3并列开源模型第一。但在全球范围内，仍落后于Claude Opus 5的63分。
（图片来源：Artificial Analysis）
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。
但商业规模的差距仍然巨大。截至2026年7月，智谱的年度经常性收入（ARR）已达到10亿美元；同期，Anthropic的年化营收运行率已超过650亿美元。技术能力可能只差几个月，商业规模却可能差几十倍。
这说明技术追上只是第一步，真正要把技术变成可持续的生意——客户、品牌、全球渠道、资本回报——这些东西没法靠熬夜写代码追回来。商业规模的差距，才是真正的分水岭。
从一间清华实验室，到两家AI公司；从唐杰在特奖答辩现场说出“他是我这几年见过最优秀的学生”，到两人分别站在中国AI的最前沿。这张人才链走了十几年，还在延伸。
美国可以限制芯片，却很难限制一代中国工程师彼此学习。芯片是物理资产，人才网络是知识资产。但正如《华尔街日报》那篇报道的副标题所说，这帮人“非常清楚如何将自己的工作变现”。那间实验室的老师还在培养学生，学生还在创办公司。
文章来自于微信公众号 “创新观察局”，作者 “创新观察局”
