有个问题我始终没有弄明白，如 claude 这样的模型，中国大陆 IP 不能访问

google 的大部分业务中国大陆也用不了，为什么还要做简体中文的本地化呢？

用中文预料训练啊

1.境外华人华侨，使用中文，并且使用简中的比重在逐渐增大；
2.境内，用中转站喂养大模型的中文能力；
3.没法用是双向奔赴，对面既不想给中国用，中国也不想让这个东西因为不受控而在国内用途广泛，参考 Google 。

大模型的训练资料包括整个互联网，理所当然包括各种语言的互联网资料，没必要特别去排除吧。

你这是小看海外华人数量了
你可以问问 claude 海外有多少人使用简体中文

还有新加坡，马来西亚也是用简体

只能说 claude 模型强，并不是对于中文的回答强
市场这里的话，感觉就是中国市场大都想试试，不想斩钉截铁的直接放弃，但是不知道 A\ 的 CEO 怎么想的，自己的猜测拙见

因为需求的人少就不用理会，这种思想是很可怕的，或许这也是国内软件无障碍如此糟糕的原因之一吧。

感觉楼主就是揣着明白装糊涂，这种帖子都月经了

两个冷知识：

1. 「简体中文」不仅仅在我国被广泛使用。

2. 「简体中文」/「简化字」不是你裆的创造发明。

@nc 真不是装糊涂，虽然上面大家的回答我也能猜出一二三--不然不配在 v2 混了，但是主要还是想印证一下。并且 google 有中文版，也是历史原因， 一开始中国大陆是允许 google 运营的。但是 A\的东西明显不是，一开始就有“歧视”中国大陆的意味在。

中国不能用是政策问题，模型支持中文语料是技术问题。 哪天政策变了，重头训练模型？

@intoext 国外 AI 公司都被 GFW 墙了，普通人压根用不了，能在国内直连的都不是普通人，主动屏蔽中国 IP 防的就是这些奉旨翻墙的，我觉得这是件好事。

如果你真的是想讨论大模型训练
那结论是 多支持一个语言并不需要太多语料

虽然海外华人多，但是我感觉中文比当地语言好的人比例不大吧。

@nc #13 这说法就有点不客观了，美国的 AI ，受限于美国法律，就是不能为中国，包括香港提供服务，香港总没有 gfw 吧，不也一样不能直接用。

你说百八十万 我都想笑 真是没概念啊

任何技术都要在党的指导下开展工作，大模型也不例外。没有内容过滤的大模型岂不是洪水猛兽，使不得使不得。

就是拿你的数据训练，然后不给你用，你能咋地 doge 。

A\还切了不少实体书用来训练，我相信其中肯定有珍贵的版本无了。

从表面上看，毕竟和军方有着合同关系，不给用也是正常操作。

他的网站还有 app 始终没有简体中文，人家不给用

以我浅薄的基础，LLM 对于语言的支持并不困难，主要还是在 Tokenization 阶段，训练阶段语料少的语种需要更多的 token 才能达到相同的效果。

@ndxxx 既然楼主号称自己不是在装糊涂，那么我就稍微认真的回答一下。简单来说就是机器/AI 翻译的能力或者说模型的能力进化了：

1. 早期的统计机器翻译和早期神经机器翻译，很多时候是按语言对训练的：A 语言 ->B 语言； B 语言 -> C 语言； A 语言 -> C 语言。此时如果没有足够的“泰语 ->冰岛语”双语平行语料，那么就会引入 pivot language：泰语 -> 英语(pivot) -> 冰岛语

2. 现代 LLM 早已不需要显式 pivot ，是因为它不是简单的 A 语言词句映射到 B 语言词句，而是在一个统一模型里学到了很多语言和知识之间的关联。这个“跨语言迁移”的能力，底层机制就是常说的共享语意空间 shared semantic space 。

盲道、无障碍设施根本就没几个人用，干嘛还要建设呢

因为大（语言）模型最擅长的就是搞语言，不管是中文英文这样的自然语言，还是 java python 这样的编程语言，都是 LLM 最擅长的内容，也是对翻译和编程这两个领域带来最大的革命性的原因

谷歌有全世界的数据，中文语料实际上比中国绝大多数团队都强，而且真洗数据不会分那么细的，到底洗不洗某个语言的数据，尤其网页数据很多就是中英混杂的

你先明确一下，他们实际上不是针对中国人，是针对中国地区...

@intoext #11 ，那就从你这个角度出发延展。虽然 A\ 有点魔怔，但也只是因为当前政治环境下 PRC 是对立面。可以理解为是“敌意”，并不是“歧视”。如果政治环境变化了就不一定还是对立面了。

非中国大陆，会讲中文的华人应该就有 5000 万以上，台湾 2300 万，香港 700 万，马来西亚 700 万，新加坡 300 万，美国 300 万+，再加上其他国家零零散散的移民，市场已经挺大了吧…

@dyvdy 美国人中心主义是认为文明国家人人都会讲美式英语

中国人中心主义是世界上只有中国使用简体中文

可以看看 Anthropic 首席科学家的采访，对中国或者“共产主义”的看法

Cladue 本来就没支持中文，你可以去 web 设置里看有哪些语言。至于语料是中文，这是另外一回事。

claude api 文档是有中文的, 反观 OpenAI 的却没有

Anthropic （ Claude 开发团队）的核心技术与研究团队中，华人或华裔比例大约在 16.4% 至 20% 之间。

@intoext #11 论歧视而言 A\真不如早期的 OpenAI ，+86 不能注册并且必须要你验证手机号不，plus 还不允许国内卡支付，A\刚推出那会儿都不会强制要你验证手机号。从一开始这两家跟国内就是双向墙。

@Bad0Guy “号”后面的“不”多打了

你搞混了一个概念
中文不是中国人的专属，A 社只是不想让中国大陆地区使用，而不是中文使用者使用
你就是英语母语者，在中国的环境下 A 社同样不欢迎使用

马来西亚+新加坡也有 1000 万用简体中文的华人啊，然后还有繁中的几千万，这中文用户也不少啊

@bzkmsjy 这才是市场经济

@deplives 香港也不行

楼主 你知道一个事情吗？大概就是，前段时间，他们的一个 CEO 发表了言论，大致意思是，卖给中国显卡发展 AI ， 跟卖核武器跟朝鲜差不多。作为一个盈利目的的私企，这态度，只要是个正常人，都能看出来，是有点主观反华的意味的，根本就不是普通的配合政府法规要求。
国内环境：“爹 您 claude 能卖我会员吗” anthropic: 滚！捞汁就是不卖！偷摸也不行！逮一个封一个！

我不是想故意制造对立渲染什么爱国情绪，作为消费者不要这么卑微，替代品又不是断崖式领先。实在不行用 copilot codex 之类的都行啊

你可以直接搜索下海外华人华侨的数量，快和韩国人口相当

claude ceo 是个意识形态入脑的反华斗士，或者说，他可能只有这样才能拿到米国军方订单，以便获得巨量的融资来训练模型

楼上一个个这么自信的回答中文不是大陆专属，就是不敢正面回答一个问题。

A/到底用没用大陆的语料库训练？他自己敢说没有吗

Simplified Chinese != zh-CN

就算排除中国大陆，用简体中文的人口也有几千万的量级（新加坡/马来/其他移民）
按这个量级算，相当于韩语/荷兰语/越南语人口
你要考虑国际化，你肯定需要考虑这所有些语言
换句话说就算用荷兰语/越南语去聊天，模型能力也不会差到哪去

1. 公司是有国界的
2. 海外有华人，汉语使用很多
3. 哪天政策调整，中美关系超缓和，可以在中国做生意呢？那没做的现做啊。自己孩子都要上小学了，你问孩子名字叫啥么

和中文有毛关系，数据都是跑在语义空间里，你用任何所知的语言都一样

@lscho 用脚想 那肯定是用了啊。真当 ai 公司都是遵守版权规定的乖宝宝？

它只是让工作在中国的人用不了，不区分哪里人。

有些人还是不知道 claude 和 Google 被墙不是一回事

claude 是中国政府不准你用，claude 公司也不准你用

正好，作为法律工作者，我最近有个相对复杂的案子，分别对比了几个 AI ，就是把所有资料扔进去，看它对我的辩论意见和思路有什么想法。结论：豆包还行，但过于简单，分析思路不够开阔，没有主动发现其他思路提醒我的能力； gemini ，讨好型人格，我说啥它都跨一阵，然后分析的内容比豆包详细，结论都差不多，比豆包略强，但法律引用极容易错误，甚至给我伪造法条……； Claude 最强大！没有废话，各种思路和依据给我分析的好好的，在我的不断追问补充下，它得出的结论和建议我认为已经接近完美！

anthropic 这种不纯血的资本家真让人挠头，无视 CN 这块巨大的蛋糕层层设限。说他是理想主义者又根本配不上，说他资本家又是半吊子。

@TimPeake 除了民族主义高潮，你还应该想想他说的是不是对的。

能把一个人的看法逼到如此极端，另一方应该也不是省油的灯

生活在中国大陆海外的中文母语者也不少，数量甚至比其他的小众语言的使用者人数都多，没有理由不支持中文。而且 ceo 歧视并不是真多所有的中国人，只不过歧视生活在中国大陆的中国人而已。

@TimPeake “卖给中国显卡发展 AI ， 跟卖核武器跟朝鲜差不多。” 那他说的对吗

1 ，中美冷战,意识形态问题. 2 ，尽可能防止被国内厂家蒸馏

有没有一种可能：模型训练的重点不是语言，而是 **知识**。

Transformer 架构天然能抹平语言差异，还记得 ATTENTION IS ALL YOU NEED 吗？只要中文语料存在大量知识这个客观事实存在，任何可预测的仍采用 GPT 架构的模型代际就一定会拿中文语料训练，也就一定能完美支持中文。就算 A\这家公司足够反华到上了一个 censorship 模型专门屏蔽中文输出，底层模型也是必须用全语种训练泛化能力的。i.e.「支持中文」

@meteora0tkvo 歧视用百毒的中国人

看着这帖子里的评论，现在 V2 的环境，真是用恶臭形容也不为过了。

在大模型时代，翻译已成为一项基本能力。其他语言同样可能借鉴中文语料翻译后的信息，且对于如此大参数量的模型而言，中文语料是必不可缺的。

@bzkmsjy 你混淆了少数群体和弱势群体的概念

@ss2730 事实就是相当多国内开发者认为弱势群体数量太少，甚至一辈子都没见过一个，所以软件有没有无障碍无所谓，而不是弱势群体需要关爱，开发过程一定要注重无障碍的适配工作，另外不是我混淆了，我自己就是被混淆的那一类人

LLM 最擅长的就是翻译