Epoch AI研究员JS Denain：中美AI能力差距约六至八个月，但远小于资本差距，解释机制仍有争议

2026年9月22日，美国AI研究机构Epoch AI洞察团队负责人Jean-Stanislas "JS" Denain在Interconnects播客第19期中与主持人Nathan Lambert讨论了一个具体谜题：中国前沿AI实验室在资本和算力上大幅落后于OpenAI和Anthropic，但公开模型的能力差距却远小于这一投入差距。Denain基于Epoch AI的ECI（AI能力指数）估计，按公开发布日期计算，差距大约在六到八个月。他承认测量方法本身带来不确定性——是向前看还是向后看、如何插值阶梯式发布——都会影响具体数字。

Lambert和助手Florian Brand则倾向于更小的差距，认为Kimi K3和GLM 5.2更接近两到四个月，尤其在Artificial Analysis指数上。Denain回应说两到四个月'有点过拟合的味道'，并透露Epoch内部做过一项检验：比较基于私有基准的ECI与排除发布后基准的ECI，结果发现过拟合效应'基本不具有统计显著性'。但他仍认为ECI可能低估了真实差距，因为OpenAI和Anthropic在基准之外的能力上可能有更多优化。

真正引起讨论的不是差距数字本身，而是为什么差距比预期小得多。Denain指出，中国实验室的资本和算力延迟是'巨大的'，而能力延迟只有几个月，'这需要一些解释'。他列举了多条可能的机制：第一，虽然算力差距大，但劳动力和数据方面的差距可能小得多，甚至中国实验室在研究人员数量上并不落后；第二，蒸馏——即利用美国模型的输出训练中国模型——可能是一个重要因素，Denain表示他近期'更新了对蒸馏有效性的看法'，部分原因是Stolen Thoughts论文显示获取推理轨迹'实际上相对容易'，以及Claude路由器提供了'适合真实使用场景的提示分布'；第三，RL环境转售市场——美国数据提供商为前沿实验室开发RL环境后，以更低价格卖给中国实验室，相当于隐性的研发算力节省；第四，'四分钟英里'效应——一旦证明某件事可行，其他团队就不必浪费资源探索替代路径。

Lambert对蒸馏的解释力持怀疑态度。他认为'没有蒸馏，差距也会大致相同'，因为构建这些模型有太多低垂果实，蒸馏填补不了多少。他更倾向于把差距缩小归因于组织结构和时间视野：中国实验室在更短的时间跨度上投入算力，而架构创新通过人员流动在美国生态系统中'泄漏得很快'。Denain追问能否举出'四分钟英里'效应的具体例子，并自己给出反例——推理模型不算，因为DeepSeek Math远早于o1出现。

这场辩论的核心张力在于：两位长期追踪AI能力指标的知情者，面对同一个反直觉现象，给出了不同权重的解释组合，且都承认现有公开数据不足以精确分解各因素的贡献。Denain估计在当前趋势下，如果蒸馏被有效禁止，差距可能从六个月扩大到八到九个月，但他以'大概如此''也许'限定这一判断。Lambert则坚持自己'尚未被说服'，但承认'听起来我们并没有得出结论'。

对读者而言，这篇播客的价值不在于给出一个确定的差距数字，而在于展示了一个可追踪的分析框架：当资本投入与能力产出之间的映射关系出现偏差时，有哪些机制可以解释这种偏差，以及每种机制目前有多少证据支持。Denain的ECI内部过拟合检验、Claude路由器的提示分布论、RL环境转售的多跳传闻，都是可以被后续独立验证或反驳的具体假设，而非笼统的'中国追赶很快'叙事。

需要保留的边界是：所有数字估计均为归因观点，不是独立验证的测量结果。ECI本身是Epoch AI构建的指标，其方法论和局限性由Denain在对话中部分承认。Lambert的'低垂果实'论同样是一种判断而非实验结论。两人对安全与开放模型的讨论、对机器人时间线的分歧，则属于另一条论证线，未在此展开。