Notes from inside China's AI labs
Auteur original : Nathan Lambert
Compilé par Peggy, BlockBeats
Édito : Les laboratoires chinois d'IA deviennent une force de plus en plus difficile à ignorer dans la compétition mondiale des grands modèles. Leur avantage ne réside pas seulement dans un grand nombre de talents, une forte capacité d'ingénierie et une itération rapide, mais aussi dans une organisation très concrète : moins de discours sur les concepts, plus de modèles ; moins d'accent sur les stars individuelles, plus sur l'exécution d'équipe ; moins de dépendance aux services externes, et une préférence pour maîtriser soi-même la pile technologique fondamentale.
L'auteur de cet article, Nathan Lambert, après avoir visité plusieurs des principaux laboratoires d'IA en Chine, a constaté que l'écosystème chinois de l'IA n'est pas tout à fait identique à celui des États-Unis. Les États-Unis mettent l'accent sur les paradigmes originaux, les investissements en capital et l'influence personnelle des scientifiques de premier plan ; la Chine, quant à elle, excelle à rattraper rapidement les directions déjà existantes, en utilisant l'open source, l'optimisation technique et l'engagement d'un grand nombre de jeunes chercheurs pour faire progresser rapidement les capacités des modèles jusqu'à la pointe.
Ce qui mérite le plus d’attention, ce n’est pas que l’IA chinoise ait dépassé celle des États-Unis, mais que deux chemins de développement distincts se forment : les États-Unis ressemblent davantage à une course de pointe pilotée par le capital et des laboratoires célèbres, tandis que la Chine ressemble plutôt à une compétition industrielle stimulée par les capacités d’ingénierie, l’écosystème open source et la conscience de maîtrise technologique.
Cela signifie que la future concurrence dans l'IA ne sera pas seulement une bataille pour les classements de modèles, mais aussi pour les capacités organisationnelles, l'écosystème de développeurs et l'exécution industrielle. Le véritable changement de l'IA en Chine réside dans le fait qu'elle ne se contente plus de copier la Silicon Valley, mais participe à la pointe mondiale à sa manière.
The following is the original text:
Assis dans le train à grande vitesse moderne en partance de Hangzhou pour Shanghai, je regarde par la fenêtre et vois les crêtes montagneuses bien définies, parsemées d’éoliennes qui forment des silhouettes sous le coucher de soleil. Les montagnes constituent l’arrière-plan, tandis que devant moi s’étendent de vastes champs et des immeubles élevés entrelacés.
Je reviens de Chine avec une grande humilité. Aller dans un endroit si étranger et être accueilli avec tant de chaleur est une expérience profondément chaleureuse et profondément humaine. J'ai eu la chance de rencontrer de nombreuses personnes de l'écosystème AI que je ne connaissais jusqu'alors que de loin ; elles m'ont accueilli avec des sourires éclatants et une grande chaleur, me rappelant une fois de plus que mon travail, ainsi que l'écosystème AI dans son ensemble, sont globaux.
Mentalité des chercheurs chinois
Les entreprises chinoises en train de construire des modèles linguistiques sont très bien placées pour être des « suiveurs rapides » de cette technologie. Elles s'appuient sur de longues traditions culturelles chinoises en matière d'éducation et de travail, tout en adoptant des méthodes de construction d'entreprises technologiques légèrement différentes de celles de l'Occident.
Si l'on ne considère que les résultats, à savoir les modèles les plus récents et les plus puissants, ainsi que les flux de travail de type agent qu'ils prennent en charge, et que l'on examine les facteurs d'entrée, tels que des scientifiques exceptionnels, de vastes ensembles de données et des ressources de calcul accélérées, les laboratoires chinois et américains semblent globalement similaires. Les différences véritablement durables apparaissent dans la manière dont ces éléments sont organisés et façonnés.
J’ai toujours pensé qu’une des raisons pour lesquelles les laboratoires chinois sont particulièrement doués pour rattraper leur retard et rester à la pointe est qu’ils sont culturellement très bien adaptés à cette tâche. Mais avant d’échanger directement avec des personnes, je ne me sentais pas à l’aise pour attribuer cette intuition à une influence majeure. Après avoir discuté avec de nombreux scientifiques brillants, humbles et ouverts des principaux laboratoires chinois, beaucoup de mes idées sont devenues plus claires.
Construire le meilleur modèle de langage aujourd'hui dépend en grande partie d'un travail minutieux à travers toute la pile technologique : des données aux détails d'architecture, en passant par l'implémentation des algorithmes d'apprentissage par renforcement. Chaque composant du modèle peut apporter une amélioration, et combiner ces améliorations de manière optimale est un processus complexe. Au cours de ce processus, les travaux réalisés par certaines personnes très brillantes peuvent devoir être mis de côté afin de maximiser le modèle global dans une optimisation multi-objectifs.
Les chercheurs américains sont également manifestement très compétents pour résoudre des problèmes liés à des composants individuels, mais aux États-Unis, il existe une culture plus marquée de « prendre sa propre voix ». En tant que scientifique, lorsque vous vous engagez activement à obtenir de l'attention pour votre travail, vous avez généralement plus de succès ; et la culture contemporaine favorise une nouvelle voie vers la célébrité, à savoir devenir un « scientifique IA de premier plan ». Cela entraîne des conflits directs.
On a largement répandu la rumeur selon laquelle l'organisation Llama a été déstabilisée par des pressions politiques après l'intégration de ces revendications dans une hiérarchie organisationnelle. J'ai également entendu d'autres laboratoires dire que, parfois, il fallait « apaiser » un chercheur de premier plan pour le faire cesser de se plaindre que ses idées n'avaient pas été intégrées dans le modèle final. Quelle que soit la véracité exacte de cela, le message est clair : la conscience de soi et le désir de progression professionnelle peuvent effectivement entraver la construction des meilleurs modèles. Même une légère différence culturelle entre les États-Unis et la Chine pourrait avoir un impact significatif sur le résultat final.
Une partie de cette différence est liée à qui construit ces modèles en Chine. Dans tous les laboratoires, une réalité directe est qu'une grande proportion des contributeurs principaux sont encore des étudiants. Ces laboratoires sont assez jeunes, ce qui me rappelle notre organisation à Ai2 : les étudiants sont considérés comme des pairs et intégrés directement dans les équipes de modèles linguistiques de grande taille.
C'est très différent des meilleurs laboratoires américains. Aux États-Unis, des entreprises comme OpenAI, Anthropic et Cursor ne proposent tout simplement pas de stages. D'autres entreprises, comme Google, proposent officiellement des stages liés à Gemini, mais beaucoup craignent que leur stage soit isolé des véritables travaux fondamentaux.
En résumé, cette légère différence culturelle peut améliorer les capacités de construction de modèles de la manière suivante : pour améliorer le modèle final, les gens sont plus disposés à accomplir des tâches moins brillantes ; les personnes qui commencent à participer à la construction de l'IA ne sont peut-être pas influencées par les cycles précédents de spéculation sur l'IA, ce qui leur permet d'adopter plus rapidement les nouvelles méthodes technologiques modernes. En fait, un scientifique chinois avec qui j'ai parlé a clairement considéré cela comme un avantage : une moindre conscience de soi rend la structure organisationnelle plus facile à élargir, car les gens tentent moins de « tricher le système » ; un grand nombre de talents sont parfaitement adaptés pour résoudre des problèmes dont la preuve de concept existe déjà ailleurs, etc.
Cela va à l'encontre d'une stéréotype connu : on pense souvent que les chercheurs chinois produisent moins d'études académiques créatives et novatrices, celles qui ouvrent de nouveaux domaines « de 0 à 1 ».
Lors de plusieurs visites de laboratoires plus académiques au cours de ce voyage, de nombreux responsables ont mentionné qu'ils cultivent une culture de recherche plus ambitieuse. Parallèlement, certains responsables techniques avec lesquels nous avons parlé doutent que cette refonte de la manière de mener la recherche scientifique puisse être réalisée à court terme, car elle nécessite une réinvention des systèmes éducatifs et d'incitation, une transformation trop importante pour se produire dans l'équilibre économique actuel.
Cette culture semble former une génération d'étudiants et d'ingénieurs particulièrement doués pour le « jeu de construction de grands modèles linguistiques ». Bien sûr, leur nombre est également extrêmement important.
Ces étudiants m'ont dit que la Chine connaît également un exode des talents similaire à celui des États-Unis : beaucoup de personnes qui envisageaient auparavant une carrière académique envisagent désormais de rester dans le secteur industriel. La phrase la plus intéressante provient d'un chercheur qui voulait devenir professeur : il a dit qu'il voulait devenir professeur parce qu'il souhaitait être proche du système éducatif ; mais il a ensuite ajouté que l'éducation avait déjà été résolue par les grands modèles linguistiques — « Pourquoi les étudiants viendraient-ils encore discuter avec moi ! »
Les étudiants apportent un regard frais au domaine des grands modèles linguistiques, ce qui constitue un avantage. Au cours des dernières années, nous avons observé des changements constants dans les paradigmes clés des grands modèles linguistiques : passage de l'extension des MoE à l'extension de l'apprentissage par renforcement, puis à la prise en charge des agents. Réussir l'une de ces tâches exige une capacité extrêmement rapide à assimiler une grande quantité d'informations contextuelles, à la fois dans la littérature plus large et dans la pile technologique interne de l'entreprise.
Les étudiants sont habitués à faire ce genre de choses et sont prêts à abandonner avec humilité toutes leurs préconceptions sur ce qui devrait fonctionner. Ils se lancent corps et âme dans l'expérience, uniquement pour avoir l'occasion d'améliorer les modèles.
Ces étudiants sont également directement et sans les discussions philosophiques qui pourraient distraire les scientifiques. Lorsque je leur ai demandé ce qu'ils pensaient de l'impact économique du modèle ou des risques sociaux à long terme, il y a nettement moins de chercheurs chinois ayant des opinions complexes et souhaitant influencer ces questions. Ils considèrent leur rôle comme étant de construire les meilleurs modèles possibles.
Cette différence est subtile et facile à nier. Mais elle se fait le plus sentir lorsque vous discutez longuement avec un chercheur élégant, intelligent, capable d'exprimer clairement ses idées en anglais : lorsque vous abordez des questions plus philosophiques sur l'IA, ces questions fondamentales flottent dans l'air, et vous voyez apparaître chez l'autre une simple confusion. Pour eux, c'est une erreur de catégorie.
Un chercheur a même cité le jugement célèbre de Dan Wang : contrairement aux États-Unis, dirigés par des avocats, la Chine est gouvernée par des ingénieurs. En abordant ces questions, il utilise cette analogie pour souligner leur désir de construire. En Chine, il n’existe pas de chemin systématique permettant de cultiver l’influence de stars parmi les scientifiques chinois, comme le font les podcasts ultra-populaires de Dwarkesh ou Lex.
J'ai tenté d'obtenir des commentaires de scientifiques chinois sur les incertitudes économiques futures déclenchées par l'IA, les questions dépassant les capacités simples de l'AGI, ou les débats éthiques sur la manière dont les modèles devraient se comporter ; ces questions m'ont finalement révélé leur contexte familial et leur formation éducative (édition 1). Ils sont extrêmement concentrés sur leur travail, mais ils ont grandi dans un système qui ne favorise pas la discussion ni l'expression sur la manière dont la société devrait être organisée ou transformée.
En reculant pour avoir une vue d'ensemble, surtout à Pékin, j'ai eu l'impression d'être dans la Silicon Valley : un laboratoire compétitif, probablement à quelques minutes à pied ou en taxi. Après mon atterrissage, j'ai fait une halte sur le chemin vers l'hôtel pour visiter le campus de Pékin d'Alibaba. Pendant les 36 heures suivantes, nous nous sommes rendus chez Zhipu AI, Moonshot AI, l'Université Tsinghua, Meituan, Xiaomi et 01.ai.
Prendre un DiDi en Chine est très pratique. Si vous choisissez le modèle XL, vous êtes souvent attribué à un minivan électrique avec des sièges massants. Nous avons demandé aux chercheurs à propos de la guerre des talents, et ils ont dit que cela ressemble beaucoup à ce que nous avons vécu aux États-Unis. Il est normal que les chercheurs changent d'emploi, et les gens choisissent où aller en grande partie en fonction de l'ambiance actuelle.
En Chine, la communauté des grands modèles linguistiques donne l’impression d’un écosystème, et non de tribus en guerre les unes contre les autres. Dans de nombreuses conversations non publiques, j’entends presque uniquement du respect pour les pairs. Tous les laboratoires chinois craignent ByteDance et son populaire modèle Doubao, car c’est le seul laboratoire fermé de pointe en Chine. Parallèlement, tous les laboratoires respectent profondément DeepSeek, qu’ils considèrent comme le laboratoire ayant le plus de finesse de recherche au niveau de l’exécution. Aux États-Unis, lorsqu’on échange en privé avec des membres de laboratoires, les étincelles fusent rapidement.
Ce qui m'a le plus impressionné chez les chercheurs chinois, c'est leur humilité : ils shrug souvent les épaules et disent que ce n'est pas leur problème, même sur le plan commercial. Aux États-Unis, il semble que tout le monde soit obsédé par les tendances industrielles à tous les niveaux de l'écosystème, des vendeurs de données à la puissance de calcul en passant par le financement.
Les différences et les similitudes entre l'industrie chinoise de l'IA et les laboratoires occidentaux
Il est aujourd'hui passionnant de construire un modèle d'IA, car il ne s'agit plus simplement de rassembler un groupe de chercheurs exceptionnels sous le même toit pour créer un chef-d'œuvre technologique. C'était effectivement le cas par le passé, mais pour maintenir une activité d'IA, les grands modèles linguistiques deviennent désormais un hybride : ils impliquent la construction, le déploiement, le financement et la promotion de l'adoption de cette création.
Les entreprises d'IA de pointe existent au sein d'écosystèmes complexes. Ces écosystèmes fournissent des financements, des ressources de calcul, des données et d'autres ressources pour continuer à faire progresser les frontières.
Dans l'écosystème occidental, les modalités d'intégration des divers éléments nécessaires à la création et au maintien des grands modèles linguistiques ont été relativement bien conceptualisées et cartographiées. Anthropic et OpenAI en sont des exemples typiques. Ainsi, si nous pouvons identifier une différence marquée dans la manière dont les laboratoires chinois réfléchissent à ces questions, nous pourrons entrevoir les différences significatives sur lesquelles les entreprises pourraient miser à l'avenir. Bien entendu, ces futurs seront également fortement influencés par des contraintes de financement et/ou de puissance de calcul.
Je résume ci-dessous les principales découvertes au niveau « industriel de l’IA » issues de mes échanges avec ces laboratoires :
Premièrement, des signes précoces de demande nationale en IA sont déjà apparus.
Une hypothèse largement discutée affirme que le marché chinois de l'IA sera plus petit, car les entreprises chinoises ne sont généralement pas disposées à payer pour des logiciels, empêchant ainsi l'émergence d'un marché de déduction suffisamment vaste pour soutenir des laboratoires.
Mais ce jugement ne s'applique qu'aux dépenses logicielles correspondant à l'écosystème SaaS, qui a toujours été petit en Chine. D'autre part, la Chine possède clairement toujours un vaste marché du cloud.
Une question cruciale et encore sans réponse est de savoir si les dépenses des entreprises chinoises en IA ressembleront davantage au marché SaaS, c’est-à-dire de petite taille, ou au marché du cloud, c’est-à-dire des dépenses fondamentales. Cette question est même discutée au sein des laboratoires chinois. Dans l’ensemble, je sens que l’IA se rapproche davantage du marché du cloud, et personne ne s’inquiète réellement du fait que le marché autour des nouveaux outils ne puisse pas croître.
Deuxièmement, la plupart des développeurs sont fortement influencés par Claude.
Bien que Claude soit officiellement interdit en Chine, la plupart des développeurs d'IA en Chine sont très fascinés par Claude et par la façon dont il a transformé leur manière de construire des logiciels. Le fait que la Chine n'ait pas été très encline à acheter des logiciels par le passé ne signifie pas que je pense que la Chine ne connaîtra pas une forte augmentation de la demande en inférence.
Les techniciens chinois sont très pratiques, humbles et motivés. Ce point m'a frappé plus fortement que toute habitude historique de « ne pas payer pour des logiciels ».
Certains chercheurs chinois mentionnent qu'ils utilisent leurs propres outils pour construire, comme les outils en ligne de commande de Kimi ou GLM, mais tout le monde mentionne l'utilisation de Claude. De manière surprenante, très peu de personnes mentionnent Codex, alors que Codex connaît une popularité croissante dans la Silicon Valley.
Troisièmement, les entreprises chinoises ont une mentalité de propriété technologique.
La culture chinoise s'associe à un moteur économique en plein fonctionnement, produisant des résultats difficiles à prédire. Un sentiment profond que j'ai emporté est que le grand nombre de modèles d'IA reflète un équilibre pragmatique présent chez de nombreuses entreprises technologiques ici. Il n'existe aucun plan global.
Cet industrie est définie par un respect pour ByteDance et Alibaba. Ce sont des acteurs établis considérés comme capables de remporter de nombreux marchés grâce à leurs ressources puissantes. DeepSeek est un leader technique respecté, mais loin d’être un leader du marché. Ils tracent la direction, mais ne possèdent pas la structure économique pour remporter le marché.
Cela laisse des entreprises comme Meituan ou Ant Group. Les Occidentaux pourraient être surpris de les voir également développer ces modèles. En réalité, elles considèrent clairement les grands modèles linguistiques comme le cœur des produits technologiques futurs, et ont donc besoin d’une base solide.
Lorsqu'elles affinent un modèle général puissant, les retours de la communauté open source renforcent leur pile technologique, tout en leur permettant de conserver des versions internes affinées pour leurs propres produits. Cette mentalité « open first » dans l'industrie est largement définie par le pragmatisme : elle permet d'obtenir de solides retours sur les modèles, de rétroalimenter la communauté open source et de soutenir leur propre mission.
Quatrièmement, le soutien gouvernemental est réel, mais son ampleur reste inconnue.
On affirme souvent que le gouvernement chinois aide activement à ouvrir la compétition des grands modèles linguistiques. Mais il s'agit d'un système gouvernemental relativement décentralisé, composé de plusieurs niveaux, et chaque niveau ne dispose pas d'un manuel opérationnel clair définissant précisément ce qu'il doit faire.
Les différents quartiers de Pékin rivalisent pour attirer les entreprises technologiques afin qu’elles y installent leurs bureaux. L’« aide » offerte à ces entreprises inclut presque certainement la suppression des formalités bureaucratiques, telles que la suppression des licences. Mais jusqu’où cette aide peut-elle aller ? Les différents niveaux du gouvernement peuvent-ils aider à attirer des talents ? Peuvent-ils aider à faire entrer illégalement des puces ?
Au cours de toute la visite, il y a eu de nombreuses mentions d'intérêt ou d'aide du gouvernement, mais les informations pertinentes sont loin d'être suffisantes pour que je puisse rapporter des détails de manière catégorique, ni pour que je développe une vision du monde confiante sur la manière dont le gouvernement pourrait réellement modifier la trajectoire du développement de l'IA en Chine.
There is also absolutely no indication that the highest levels of the Chinese government are influencing any technical decisions of the model.
Cinquièmement, l'industrie des données est bien moins développée qu'en Occident.
Nous avions entendu dire qu'Anthropic ou OpenAI dépensent plus de 10 millions de dollars pour un seul environnement, avec des dépenses annuelles cumulées atteignant des centaines de millions de dollars pour faire progresser les frontières de l'apprentissage par renforcement. Nous nous demandons donc si les laboratoires chinois achètent également les mêmes environnements auprès des entreprises américaines, ou s'il existe un écosystème domestique similaire qui les soutient.
La réponse n’est pas « pas d’industrie des données » au sens complet, mais plutôt que, selon leur expérience, la qualité de l’industrie des données est relativement faible ; il est donc souvent préférable de construire soi-même un environnement ou des données internes. Les chercheurs passent eux-mêmes beaucoup de temps à créer des environnements d’entraînement pour l’apprentissage par renforcement, tandis que les grandes entreprises comme ByteDance et Alibaba peuvent disposer d’équipes internes d’annotation de données pour soutenir cela. Tout cela résonne avec l’état d’esprit « construire plutôt que d’acheter » mentionné précédemment.
Sixièmement, la demande pour davantage de puces NVIDIA est très forte.
La puissance de calcul d'NVIDIA est la norme dorée pour l'entraînement, et les progrès de chacun sont limités par le manque de puissance de calcul supplémentaire. Si l'offre était suffisante, ils l'achèteraient évidemment. D'autres accélérateurs, notamment Huawei, ont reçu des évaluations positives pour l'inférence. De nombreux laboratoires ont accès aux puces Huawei.
Ces points décrivent un écosystème d’IA très différent. Appliquer rapidement le fonctionnement des laboratoires occidentaux aux homologues chinois conduit souvent à une erreur de catégorie. La question clé est de savoir si ces écosystèmes différents produiront des types de modèles substantiellement différents, ou si les modèles chinois seront toujours interprétés comme étant similaires aux modèles américains les plus avancés de 3 à 9 mois auparavant.
Conclusion : Équilibre mondial
Avant ce voyage, je connaissais très peu la Chine ; en partant, je me sentais à peine au début de mon apprentissage. La Chine n'est pas un endroit que l'on peut décrire par des règles ou des recettes, mais un lieu doté de mécanismes et de réactions chimiques très différents. Sa culture est si ancienne, si profonde, et reste entrelacée avec la manière dont la technologie est construite au sein du pays. Il me reste encore beaucoup à apprendre.
De nombreuses parties de la structure du pouvoir actuelle aux États-Unis considèrent leur vision actuelle de la Chine comme un outil psychologique essentiel dans la prise de décision. Après avoir eu des échanges formels ou informels en personne avec presque tous les principaux laboratoires d'IA en Chine, j'ai constaté que la Chine possède de nombreuses qualités et instincts que les méthodes de décision occidentales peinent à modéliser.
Même si je demande directement à ces laboratoires pourquoi ils publient ouvertement leurs modèles les plus puissants, il me reste difficile de relier complètement l'attitude de propriété à un soutien sincère de l'écosystème.
Le laboratoire ici est très pragmatique et n'est pas nécessairement un absolutiste en matière d'open source ; tous les modèles qu'ils construisent ne sont pas publiés ouverts. Mais ils ont une intention profonde de soutenir les développeurs, de soutenir l'écosystème et d'utiliser l'ouverture comme un moyen de mieux comprendre leurs propres modèles.
Presque toutes les grandes entreprises technologiques chinoises développent leur propre modèle de langage général. Nous avons déjà vu des entreprises de plateforme comme Meituan et des entreprises de technologie grand public comme Xiaomi publier des modèles à poids ouverts. Les entreprises américaines équivalentes n’achètent généralement que des services.
Ces entreprises construisent des modèles linguistiques de grande taille non pas pour se faire remarquer dans les nouvelles tendances populaires, mais par un désir profond et fondamental : maîtriser leur pile technologique et développer la technologie la plus importante d'aujourd'hui. Lorsque je lève les yeux de mon ordinateur portable, je vois toujours des grappes de grues à l'horizon, ce qui s'harmonise clairement avec la culture et l'énergie de construction plus larges de la Chine.
La chaleur humaine, le charme et la sincérité des chercheurs chinois sont extrêmement touchants. Sur le plan personnel, ce type de discussion géopolitique cruelle à laquelle nous sommes habitués aux États-Unis ne les a absolument pas touchés. Ce monde pourrait avoir plus de cette simplicité positive. En tant que membre de la communauté IA, je m’inquiète désormais davantage du fait que des fissures apparaissent entre les membres et les groupes autour des étiquettes de nationalité.
Si je disais que je ne souhaite pas que les laboratoires américains deviennent des leaders évidents à chaque niveau de la pile technologique de l'IA, je mentirais. Surtout dans le domaine des modèles ouverts, où j'ai consacré beaucoup de temps, je suis américain, et c'est une préférence honnête.
En parallèle, j'espère que l'écosystème ouvert lui-même prospérera à l'échelle mondiale, car cela permettra de créer une IA plus sûre, plus accessible et plus utile pour le monde. La question actuelle est de savoir si les laboratoires américains prendront des mesures pour occuper cette position de leadership.
Au moment où j'achève cet article, de nouveaux rumeurs circulent concernant l'impact des décrets administratifs sur les modèles ouverts. Cela pourrait compliquer davantage la synergie entre le leadership américain et l'écosystème mondial — ce qui ne renforce pas ma confiance.
Je remercie toutes les personnes exceptionnelles avec lesquelles j’ai eu l’occasion d’échanger chez Moonshot, Zhipu, Meituan, Xiaomi, Tongyi Qianwen, Ant Lingguang, 01.ai et d’autres institutions. Chacun a été extrêmement chaleureux et a généreusement consacré son temps. Au fur et à mesure que mes idées prennent forme, je continuerai à partager mes observations sur la Chine, incluant à la fois des aspects culturels plus larges et le domaine même de l’IA.
Il est évident que ces connaissances sont directement liées à l'histoire en cours du développement de l'IA.
Cliquez pour en savoir plus sur les postes vacants chez BlockBeats
Rejoignez la communauté officielle de律动 BlockBeats :
Groupe Telegram abonné : https://t.me/theblockbeats
Groupe Telegram : https://t.me/BlockBeats_App
Compte officiel Twitter : https://twitter.com/BlockBeatsAsia