Pelajaran yang Didapat dari Dalam Laboratorium AI Tiongkok

• Laporan lapangan yang menganalisis perbedaan budaya dalam ekosistem AI Tiongkok dan AS serta dampaknya terhadap pengembangan model, berdasarkan pengalaman mengunjungi langsung laboratorium AI utama di Tiongkok dan berbincang dengan para peneliti
• Para peneliti Tiongkok menunjukkan kecenderungan budaya untuk berfokus pada optimalisasi kualitas model akhir alih-alih reputasi pribadi, dan banyak kontributor inti masih berstatus mahasiswa aktif
• Perusahaan AI Tiongkok memiliki rasa kepemilikan yang kuat untuk mengendalikan sendiri stack teknologi mereka alih-alih membeli layanan eksternal, dan pelepasan open source juga didasarkan pada pertimbangan praktis
• Sebagian besar pengembang AI di Tiongkok menggunakan Claude, dan permintaan AI enterprise berpotensi mengikuti lintasan pasar cloud, bukan SaaS
• Ekosistem AI AS dan Tiongkok beroperasi dengan cara yang secara struktural berbeda, dan memetakan industri AI Tiongkok secara sederhana dengan kerangka Barat dapat menimbulkan category error

---

Cara berpikir para peneliti Tiongkok

• Perusahaan pengembang LLM di Tiongkok menggabungkan tradisi budaya yang panjang dalam pendidikan dan pekerjaan dengan perbedaan halus dalam pengelolaan perusahaan teknologi, sehingga memiliki struktur yang optimal sebagai fast-follower
• Membangun LLM mutakhir bergantung pada pekerjaan rinci di seluruh stack, seperti data, detail arsitektur, dan implementasi algoritme RL, serta merupakan proses kompleks di mana pencapaian kontributor individu harus mengalah demi optimasi multitujuan model secara keseluruhan
• Peneliti AS memiliki budaya yang kuat untuk secara aktif mempromosikan pekerjaan mereka sendiri, dan mengejar reputasi sebagai "ilmuwan AI terdepan" dapat memicu konflik di dalam organisasi
  • Tersebar luas rumor bahwa organisasi Llama runtuh di bawah beban kepentingan politik semacam itu
  • Ada juga cerita bahwa beberapa laboratorium harus memberikan kompensasi kepada peneliti papan atas yang mengeluhkan ide mereka tidak tercermin dalam model akhir
• Banyak kontributor inti di laboratorium Tiongkok adalah mahasiswa aktif, dan laboratorium itu sendiri merupakan organisasi yang sangat muda
  • Ini mirip dengan struktur Ai2, di mana mahasiswa diperlakukan sebagai rekan dan diintegrasikan langsung ke tim LLM
  • Sebaliknya, OpenAI, Anthropic, dan Cursor di AS tidak menawarkan magang, dan bahkan magang terkait Gemini di Google berisiko terpisah dari pekerjaan nyata
• Faktor konkret bagaimana perbedaan budaya ini meningkatkan kemampuan membangun model:
  • Penerimaan tinggi terhadap pekerjaan yang tidak mendapat sorotan demi meningkatkan model akhir
  • Talenta AI baru tidak terikat pada hype cycle sebelumnya sehingga lebih cepat beradaptasi dengan teknologi modern
  • Ego lebih kecil, sehingga struktur organisasi sedikit lebih skalabel dan lebih sedikit permainan sistem
  • Kumpulan talenta yang besar dan cocok untuk memecahkan masalah yang sudah terbukti konsepnya di tempat lain
• Keunggulan ini kontras dengan stereotip yang dikenal bahwa peneliti Tiongkok menghasilkan lebih sedikit riset akademik gaya 0-to-1 yang kreatif dan membuka bidang baru
  • Para pemimpin laboratorium akademik sedang berupaya menumbuhkan budaya riset yang lebih ambisius
  • Beberapa pemimpin teknis skeptis, mengatakan bahwa mendesain ulang sistem pendidikan dan insentif adalah tugas yang terlalu besar untuk dilakukan dalam keseimbangan ekonomi saat ini

Karakteristik peneliti mahasiswa

• Di Tiongkok juga terjadi fenomena brain drain yang mirip dengan AS, dan banyak orang yang sebelumnya mempertimbangkan dunia akademik kini cenderung tetap di industri
  • Seorang peneliti mengatakan ia tertarik menjadi profesor, tetapi "pendidikan diselesaikan oleh LLM — kenapa mahasiswa harus bertanya kepada saya"
• Mahasiswa memiliki keuntungan karena mendekati LLM tanpa prasangka
  • Dalam beberapa tahun terakhir, paradigma inti LLM telah bergeser dari scaling MoE → scaling RL → pemanfaatan agen
  • Untuk melakukan semua ini dengan baik, seseorang harus cepat menyerap konteks dari literatur yang luas dan stack teknologi, dan mahasiswa terbiasa serta antusias terhadap pekerjaan ini
• Peneliti mahasiswa Tiongkok kurang terlibat dalam wacana filosofis dan sangat langsung
  • Jauh lebih sedikit peneliti Tiongkok yang memiliki opini canggih tentang ekonomi model atau risiko sosial jangka panjang dibandingkan di AS
  • Seorang peneliti mengutip premis terkenal Dan Wang bahwa "Tiongkok dijalankan oleh insinyur, dan AS dijalankan oleh pengacara"
  • Di Tiongkok tidak ada jalur yang secara sistematis membangun star power ilmuwan melalui podcast mega-arus utama seperti Dwarkesh atau Lex
• Dalam pertanyaan tentang ketidakpastian ekonomi yang dibawa AI, isu di atas AGI, atau perdebatan moral tentang perilaku model, para ilmuwan Tiongkok mencerminkan karakter yang tumbuh dalam sistem yang tidak mendorong opini tentang debat dan struktur sosial

Suasana lapangan di Beijing dan ekosistem AI Tiongkok

• Beijing terasa sangat mirip dengan Bay Area, dengan laboratorium pesaing berada dalam jarak jalan kaki atau perjalanan singkat
  • Dalam 36 jam, penulis mengunjungi Z.ai, Moonshot AI, Universitas Tsinghua, Meituan, Xiaomi, dan 01.ai
  • Transportasi dengan Didi sangat mudah, dan kendaraan XL di Tiongkok sering berupa minivan listrik dengan kursi pijat
• Persaingan merebut talenta di antara para peneliti sangat mirip dengan AS, perpindahan kerja lazim terjadi, dan kriteria pemilihan adalah tempat yang momentumnya paling baik saat ini
• Komunitas LLM Tiongkok terasa lebih seperti ekosistem daripada suku-suku yang saling bersaing
  • Semua laboratorium Tiongkok mewaspadai ByteDance yang memiliki model Doubao yang populer
  • ByteDance adalah satu-satunya laboratorium frontier tertutup di Tiongkok
  • Semua laboratorium menghormati DeepSeek sebagai pemimpin teknis dengan insting riset terbaik dalam eksekusi
  • Ini kontras dengan AS, di mana bertemu anggota laboratorium secara informal sering cepat memercikkan api
• Hal paling mengesankan dari kerendahan hati peneliti Tiongkok adalah sikap tidak peduli terhadap sisi bisnis dengan mengatakan itu "bukan masalah mereka"
  • Di AS, semua orang terobsesi dengan tren industri tingkat ekosistem seperti penjual data, compute, dan pendanaan

Perbedaan dan persamaan industri AI Tiongkok

• Saat ini, membangun model AI bukan lagi sekadar hasil rekayasa dari peneliti hebat, melainkan aktivitas kompleks yang menggabungkan pembangunan, deployment, pendanaan, dan adopsi
• Enam perbedaan utama dibandingkan ekosistem Barat:

• 1. Tanda awal permintaan AI domestik

  • Ada hipotesis bahwa perusahaan Tiongkok tidak akan membentuk pasar inferensi raksasa karena mereka tidak mau membayar perangkat lunak
  • Ini secara historis benar hanya untuk ekosistem SaaS yang sangat kecil di Tiongkok, sementara Tiongkok tetap memiliki pasar cloud yang besar
  • Pertanyaan inti yang belum terjawab: apakah belanja AI enterprise akan mengikuti pasar SaaS (kecil) atau pasar cloud (mendasar)
  • Secara umum, AI tampak mengikuti lintasan yang lebih dekat ke cloud, dan tidak ada yang secara serius khawatir bahwa pasar tidak akan tumbuh di sekitar alat-alat baru

• 2. Sebagian besar pengembang menggunakan Claude

  • Sebagian besar pengembang AI di Tiongkok sangat menyukai Claude dan berfokus pada bagaimana Claude mengubah cara membangun perangkat lunak
  • Claude tetap digunakan meskipun secara nominal dilarang di Tiongkok
  • Beberapa peneliti menyebut penggunaan alat internal seperti Kimi atau GLM CLI, tetapi semua orang menyebut Claude
  • Codex yang sedang naik daun di Bay Area justru hampir tidak disebut, dan itu cukup mengejutkan
  • Meskipun Tiongkok secara historis enggan membeli perangkat lunak, hal ini tidak memberi kesan bahwa lonjakan besar permintaan inferensi tidak akan terjadi

• 3. Rasa kepemilikan teknologi

  • Budaya Tiongkok yang dipadukan dengan mesin ekonomi yang aktif menghasilkan hasil yang tidak terduga
  • Banyak model AI mencerminkan keseimbangan praktis dan kekinian dari banyak perusahaan teknologi, bukan master plan
  • Industri ini menghormati para incumbent, dengan ekspektasi bahwa ByteDance dan Alibaba akan memenangkan sebagian besar pasar berkat sumber daya besar mereka
  • DeepSeek adalah pemimpin teknis yang dihormati tetapi jauh dari pemimpin pasar, menetapkan arah tetapi tidak terstruktur untuk menang secara ekonomi
  • Bagi Barat mungkin mengejutkan bahwa perusahaan seperti Meituan (layanan pengantaran) atau Ant Group membangun model, tetapi penilaiannya adalah bahwa LLM akan menjadi inti produk teknologi masa depan sehingga perlu fondasi yang kuat
  • Dengan melakukan fine-tuning pada model umum, mereka dapat memperkuat stack lewat umpan balik komunitas terbuka, sambil mempertahankan versi fine-tuning internal untuk produk mereka sendiri
  • Pola pikir "open-first" berlandaskan pragmatisme: memperoleh umpan balik kuat atas model, berkontribusi pada komunitas open source, dan memperkuat misi

• 4. Dukungan pemerintah itu nyata, tetapi skalanya tidak jelas

  • Sering muncul klaim bahwa pemerintah Tiongkok secara aktif mendukung kompetisi LLM terbuka
  • Pemerintahnya terdesentralisasi di beberapa tingkat, dan tidak ada playbook yang jelas tentang apa yang tepatnya dilakukan di tiap tingkat
  • Distrik-distrik (neighborhood) di Beijing bersaing untuk menarik kantor perusahaan teknologi
  • "Bantuan" yang diberikan hampir pasti mencakup penyederhanaan prosedur birokrasi seperti perizinan, tetapi apakah mencakup perekrutan talenta atau bahkan penyelundupan chip masih tidak jelas
  • Selama kunjungan ada beberapa kali penyebutan soal perhatian atau bantuan pemerintah, tetapi terlalu sedikit untuk dilaporkan secara tegas
  • Sama sekali tidak ada petunjuk bahwa tingkat tertinggi pemerintah Tiongkok memengaruhi keputusan teknis model

• 5. Industri data jauh kurang berkembang

  • Karena ada informasi bahwa Anthropic dan OpenAI menghabiskan lebih dari $10 juta untuk satu environment dan ratusan juta dolar per tahun untuk memperluas frontier RL, penulis ingin memastikan apakah laboratorium Tiongkok juga membeli environment yang sama dari perusahaan AS atau didukung oleh ekosistem domestik
  • Bukan berarti industri data sama sekali tidak ada, tetapi kualitasnya relatif lebih rendah, sehingga dalam banyak kasus lebih baik membangun environment atau data sendiri
  • Para peneliti menginvestasikan banyak waktu untuk membangun sendiri environment pelatihan RL
  • Perusahaan besar seperti ByteDance dan Alibaba memiliki tim pelabelan data internal untuk mendukung hal ini
  • Semua ini mencerminkan pola pikir membangun daripada membeli dari poin sebelumnya

• 6. Permintaan mendesak untuk chip Nvidia

  • Compute Nvidia adalah gold standard untuk pelatihan, dan semua laboratorium dibatasi perkembangannya karena kekurangan ini
  • Jika ada pasokan, mereka jelas akan membelinya
  • Akselerator lain termasuk Huawei mendapat penilaian positif untuk inferensi, dan banyak laboratorium memiliki akses ke chip Huawei
• Poin-poin ini menunjukkan gambaran ekosistem AI yang sangat berbeda, di mana memetakan cepat cara kerja laboratorium Barat ke Tiongkok dapat menimbulkan category error
• Pertanyaan kuncinya adalah apakah ekosistem yang berbeda ini akan menghasilkan tipe model yang berbeda secara bermakna, atau apakah model Tiongkok akan selalu digambarkan sebagai versi frontier model AS dari 3–9 bulan sebelumnya

Keseimbangan global

• Tiongkok bukanlah tempat yang bisa dijelaskan dengan aturan atau resep; ini adalah tempat dengan dinamika dan kimia yang sangat berbeda
  • Budayanya sangat tua dan dalam, serta sepenuhnya terjalin dengan cara membangun teknologi domestik
• Struktur kekuasaan AS saat ini menggunakan pandangan dunia tentang Tiongkok sebagai perangkat inti pengambilan keputusan, tetapi Tiongkok memiliki kualitas dan naluri yang sangat sulit dimodelkan dengan pengambilan keputusan Barat
• Bahkan ketika ditanya langsung mengapa laboratorium ini merilis model terbaik mereka secara terbuka, persimpangan antara rasa kepemilikan dan dukungan ekosistem yang tulus tetap sulit dihubungkan
• Hampir semua perusahaan teknologi besar Tiongkok sedang membangun LLM umum mereka sendiri
  • Meituan (layanan pengantaran), Xiaomi (perusahaan teknologi konsumen yang luas), dan lainnya merilis model open-weight
  • Perusahaan setara di AS kemungkinan hanya akan membeli layanan
  • Alasan perusahaan-perusahaan ini membangun LLM bukan untuk mengikuti tren panas, melainkan karena dorongan mendasar yang dalam untuk mengendalikan stack mereka sendiri dan mengembangkan teknologi terpenting di era ini
• Kemanusiaan, pesona, dan kehangatan tulus para peneliti Tiongkok merupakan pengalaman yang sangat manusiawi
  • Percakapan geopolitik dingin yang lazim di AS sama sekali tidak meresap ke mereka
• Jika ekosistem terbuka berkembang secara global, AI dapat menjadi lebih aman, mudah diakses, dan berguna, dan pertanyaan saat ini adalah apakah laboratorium AS akan mengambil langkah untuk merebut posisi kepemimpinan itu
• Semakin banyak rumor tentang perintah eksekutif yang memengaruhi model terbuka, dan ini dapat makin memperumit sinergi antara kepemimpinan AS dan ekosistem global

[jjw9512151]

Terkadang saya khawatir bahwa obsesi berlebihan dan tidak rasional terhadap Tiongkok
justru menciptakan monster di dalam diri kita.

Seperti salah satu dalih Nazi untuk berkuasa adalah anti-komunisme.

[kaydash]

Hanya ada satu Tiongkok...!