一句话回答：“清华大学 AI”不是一家公司、一个研究院或一款统一大模型。查资料时至少要分清清华大学人工智能研究院、清华大学智能产业研究院（AIR）、院系与实验室、具体项目/代码仓库，以及由科研成果转化而来的独立公司。只有先确认主体，才能准确回答“谁研发、谁参与、谁维护、谁提供商业服务”。本文资料复核日期为 2026 年 7 月 18 日。
为什么“清华 AI”经常被写错？
搜索结果把学校新闻、研究院介绍、实验室主页、GitHub 仓库和公司宣传放在同一个列表里。名称中又反复出现“清华”“AI”“GLM”“智能体”等词，二次整理时很容易把“来自某实验室的成果转化”“多个团队共同参与”和“清华大学直接研发并运营”写成同一件事。
| 常见说法 | 问题 | 更可靠的写法 |
|---|---|---|
| 清华 AI 研发了某产品 | “清华 AI”不是明确主体 | 写出具体研究院、实验室、项目团队或公司，并链接一手页面 |
| 某公司就是清华的公司 | 成果转化、校友创业、合作和所有权不是同义词 | 按公司官方披露写“由某实验室技术成果转化而来”等可验证关系 |
| 某模型是清华大模型 | 可能混淆论文作者、开源仓库、商用服务和商标主体 | 分别核对论文单位、仓库维护者、模型卡和服务提供者 |
| 研究院发布了商业产品 | 研究原型、孵化项目和公司产品责任边界不同 | 说明发布主体、当前状态、服务条款和复核日期 |
| 清华有统一 AI 官网 | 不同任务由不同单位负责 | 根据研究、代码、招生、合作或新闻任务选择入口 |
旧版文章最大的错误正是把清华大学、智谱 AI 与 GLM 系列合并成一个主体，再用“卓越、领先、佼佼者”等词替代证据。新版不做泛化排名，也不把没有项目页、论文或仓库支持的客服、医疗、翻译等应用算到学校名下。
清华大学人工智能研究院与 AIR 是同一个机构吗？
不是。清华大学官网记录显示，清华大学人工智能研究院于 2018 年成立，张钹院士任院长，姚期智院士任学术委员会主任。该表述也直接纠正了旧稿中“姚期智任院长”的错误。2023 年，学校又成立人工智能研究院基础模型研究中心，官方报道列明了中心主任、副主任和首席科学家。
清华大学智能产业研究院（AIR）官方简介则说明，AIR 成立于 2020 年，由张亚勤院士创立，定位于面向第四次工业革命的国际化、智能产业研究机构。它强调技术创新与产业应用，但这不意味着所有“清华 AI”项目都归 AIR 管理，也不能把 AIR 的研究原型自动等同于某家公司的商业产品。
| 维度 | 清华大学人工智能研究院 | 清华大学智能产业研究院 AIR |
|---|---|---|
| 成立时间 | 2018 年 | 2020 年 |
| 官方英文/简称 | 应以学校及研究院当前页面为准 | Institute for AI Industry Research，AIR |
| 公开定位重点 | 人工智能基础理论、关键技术、学科交叉与研究中心 | 面向产业的研究、工程、人才和成果转化 |
| 适合查什么 | 研究中心、学术活动、基础与前沿研究 | 产业研究团队、工程项目、合作与孵化动态 |
| 不能据此推断 | 不能把校内所有实验室或公司产品归入研究院 | 不能把 AIR 项目自动写成已商业部署的医疗或行业产品 |
如果文章只写“清华大学 AI 研究院”，读者甚至无法确定指的是哪一个单位。准确写作至少要给出中文全称、成立年份和官方链接。
院系、实验室和课题组怎样构成研究主体？
很多真正可复现的研究成果来自院系下的实验室或课题组。清华大学计算机系的智能技术与系统相关门户列出了自然语言处理、人机交互、信息检索、智能视觉等多个研究入口；计算机系的智能技术与系统实验室介绍提供了组织与研究方向背景。它们并不是一个统一品牌团队，研究主题、负责人、人员和项目都应分别核对。
| 官方入口示例 | 主要可查信息 | 适合回答的问题 | 核验提醒 |
|---|---|---|---|
| 知识工程研究组 KEG | 研究方向、成员、论文、项目与新闻 | 知识图谱、数据挖掘、社会计算等研究来自哪里 | 项目可能有校内外共同贡献者 |
| THUNLP 官方 GitHub 组织 | 仓库、版本、提交记录、许可与维护状态 | 自然语言处理工具和代码能否复用 | 仓库活跃不等于生产服务承诺 |
| CRAFT 实验室 | 团队、研究与成果 | 特定研究方向和负责人是谁 | 以实验室人员页和论文单位为准 |
| CoAI 招募页 | 课题方向与招募信息 | 怎样加入具体课题组 | 招募页面不能替代学校招生政策 |
| 计算机系软件研究所 | 研究团队、成果与教学信息 | 软件方向研究归属 | 成果展示不自动代表商用许可 |
读者若想找导师或研究方向，应先到学校、院系和实验室的人员页，再查近年的论文和项目；不要依据一篇媒体文章里的“清华团队”四个字决定申请或合作对象。
开源项目应该归给谁？以 THULAC 与 CodeGeeX 为例
项目页通常比泛化新闻更能说明“谁做了什么”。THUNLP 的 THULAC-Python 仓库明确写明它由清华大学自然语言处理与社会人文计算实验室研制，并给出功能、使用方法、相关论文、作者和许可信息。对这类工具，可以准确写“由该实验室研制”，同时还要核对下载版本和许可。
CodeGeeX 官方项目页列出的贡献方包括清华大学 KEG、交叉信息研究院相关团队、PACMAN、智谱 AI 与华为等。最准确的结论是“多方共同参与的项目”，而不是把它简单写成某一方独占研发的产品。
| 证据位置 | 能证明什么 | 不能证明什么 |
|---|---|---|
| 实验室项目主页 | 项目自述、团队、论文、演示和相关资源 | 不一定证明当前仍维护或可用于生产 |
| GitHub 组织与仓库 | 提交者、版本、Issue、Release、许可证 | 仓库名中的 THU 不必然代表学校拥有全部权利 |
| 论文作者单位 | 论文发表时作者所属单位与贡献说明 | 不自动说明商标、服务和后续版本归属 |
| 公司产品页 | 当前商业服务、功能说明和服务主体 | 不能反向证明全部底层研究由公司独立完成 |
| 媒体新闻 | 事件线索和采访观点 | 不能替代仓库、论文、合同或组织页面 |
使用开源项目时，还应把“研究来源”和“可安全部署”分开。检查依赖、许可证、模型权重条款、数据来源和安全风险，可结合本站的AI 项目从评估到生产监控指南制定验收门槛。
智谱 AI、GLM 与清华大学究竟是什么关系？
智谱 AI 官方“关于”页面写明，公司成立于 2019 年，由清华大学计算机系知识工程实验室（KEG）技术成果转化而来。这能支持“源自 KEG 技术成果转化”的历史关系，但不能把智谱 AI 简写成清华大学的一个研究院、把公司的所有模型和服务写成学校产品，也不能由此推断学校对公司的股权、经营或合同责任。
| 关系词 | 准确含义 | 需要的证据 | 不应偷换成 |
|---|---|---|---|
| 研发 | 主体直接承担研究或开发 | 项目页、仓库、论文贡献或官方发布 | 转载、采用或投资 |
| 参与 | 是多个贡献方之一 | 贡献者/作者/联合单位列表 | 独立研发或所有 |
| 合作 | 两个以上主体共同开展明确事项 | 双方官方公告或项目资料 | 隶属、控股或授权全部技术 |
| 孵化 | 研究机构支持项目走向独立主体或应用 | 研究机构与项目的官方说明 | 研究机构长期运营产品 |
| 成果转化 | 科研成果通过许可、作价、创业等方式进入产业 | 官方历史说明或转化记录 | 公司等于学校内部部门 |
| 提供服务 | 合同、账号、API 或售后由该主体负责 | 当前服务条款、公司信息与产品文档 | 论文作者或原始研究单位负责服务 |
GLM/ChatGLM 还必须按具体版本核对。早期仓库、当前模型服务、品牌名称和维护组织可能变化；搜索到旧的 THUDM 路径，只能说明历史代码与资源位置，不能替代当前产品文档。评价模型能力时也不应复述厂商“对齐、领先、SOTA”等宣传，而应按任务、版本、数据、提示、硬件和复现条件重新评估。关于怎样拆解模型输出中的事实主张，可参考原子主张与证据核验框架。
Agent Hospital 是真实医院还是研究项目？
AIR 2024 年官方研究介绍说明，AIR 与清华大学计算机系合作构建了虚拟医院 Agent Hospital，使用大模型智能体模拟患者、护士和医生以及诊疗流程。它首先是研究与仿真环境，不应从名称推断为向公众提供真实医疗诊断的医院。
AIR 2025 年后续报道又说明，紫荆智康发布 Agent Hospital 1，并披露了项目发起与孵化关系。这里至少出现了研究院、计算机系、项目团队和公司等不同主体。描述其演进时，应分别写清研究原型、成果孵化与产品发布，不可把论文环境中的结果直接当成真实临床效果。
| 问题 | 研究页能回答什么 | 若涉及真实医疗还需什么 |
|---|---|---|
| 系统做什么 | 仿真流程、研究方法、实验任务 | 明确用途、用户、使用场景与禁用边界 |
| 谁参与 | 研究院、院系和论文作者 | 产品公司、医院、数据处理者与责任主体 |
| 效果如何 | 论文数据集和实验设置下的结果 | 外部验证、临床评价、偏差与失败分析 |
| 能否看病 | 研究页不能证明公众诊疗资格 | 适用法规、医疗器械/服务资质及人工监督 |
| 数据是否安全 | 研究方法可能说明数据来源 | 隐私告知、授权、保存、删除和事件响应 |
医疗、政务等高影响场景不能因“清华”或“AI 医院”名称而降低审查标准。部署智能体还应设置权限、人工批准、日志和回滚，可配合本站的AI 智能体权限与企业治理指南检查。
六步核验法：怎样判断一条“清华 AI”信息是否可靠？
- 把句子拆成原子主张：谁在什么时间，对哪个项目做了什么，结果或关系是什么。
- 确认主体全称：是学校、研究院、院系、实验室、项目团队，还是独立公司；记录官方域名。
- 找最接近事实的一手页：组织事实看组织页，代码事实看仓库，研究结论看论文，商业服务看公司条款。
- 交叉核对贡献者：检查项目页、论文作者单位和仓库维护者是否一致，是否存在联合参与方。
- 记录时间与状态：页面何时发布、仓库最后版本是什么、项目是否更名或转入公司。
- 使用不超出证据的关系词：证据只证明“参与”，就不要写“独立研发”；只证明“成果转化”，就不要写“学校产品”。
| 主张类型 | 首选证据 | 辅助证据 | 最低记录项 |
|---|---|---|---|
| 机构成立与负责人 | 学校或机构官方公告 | 正式年报、人员页 | 全称、日期、职务、页面日期 |
| 研究项目归属 | 项目页、论文作者与单位 | 实验室新闻 | 贡献方、项目版本、论文链接 |
| 开源能力 | 代码仓库、模型卡、许可证 | 项目文档 | 版本、许可、依赖、最后更新 |
| 商业产品 | 公司产品页与服务条款 | 公司公告 | 提供者、地区、价格入口、责任边界 |
| 性能结论 | 可复现实验、完整评测 | 同行研究 | 模型版本、数据、指标、基线、硬件 |
| 合作/孵化关系 | 双方官方公告 | 项目或年报 | 参与方、动作、范围、日期 |
若找不到一手证据，最专业的处理不是补一个看似合理的数字，而是降低措辞强度、明确“尚未核实”，或删除该主张。对高风险用途，还要检查信息是否过期和是否存在后续纠错。
按你的任务选择官方入口
| 你的任务 | 第一入口 | 第二步 | 不要只看 |
|---|---|---|---|
| 了解学术方向 | 人工智能研究院、院系与实验室官网 | 查教师近年论文、项目和课程 | 学校排名或泛化“顶尖”描述 |
| 找可用代码/模型 | 实验室官方 GitHub 与项目页 | 检查许可证、Release、Issue 和依赖 | 博客里的复制命令或旧模型显存数字 |
| 申请学生 | 学校招生官网和院系培养信息 | 再看实验室招募页与导师研究方向 | 第三方“保录”或过期招生帖 |
| 寻找工作 | 明确用人主体的官方招聘页 | 核对劳动关系、岗位地点与团队 | 把公司岗位当作学校岗位 |
| 开展产业合作 | AIR、具体研究团队或公司合作入口 | 确认知识产权、数据、交付与责任 | 新闻中的“战略合作”四个字 |
| 核实最新新闻 | 学校新闻网、机构新闻和仓库 Release | 记录事件日期与页面更新时间 | 搜索摘要中的相对时间 |
企业采购尤其要区分研究能力与交付能力。论文原型可以证明一种方法在特定设置下可行，但不自动提供 SLA、数据驻留、运维、审计和退出机制。涉及公共服务的项目，可参考本站的公共部门 AI 采购与治理指南补齐责任链。
开发者怎样评估清华系开源项目？
先确定你要的是“阅读论文”“复现实验”“集成依赖”还是“生产部署”。例如 THULAC 的项目页能帮助理解工具来源和用法；THUNLP GitHub 能看到仓库与更新；但生产使用还要在自己的中文语料、操作系统、依赖版本和吞吐要求下测试。项目名称中的学校缩写不是质量保证，也不是长期维护承诺。
| 检查层 | 关键问题 | 应保存的证据 | 停止条件 |
|---|---|---|---|
| 来源 | 仓库是否从官方实验室/项目页链接？ | 官方页面、组织地址、仓库所有者 | 只有匿名镜像或下载盘 |
| 许可 | 代码、模型权重、数据是否分别授权？ | 许可证版本和访问日期 | 用途与授权冲突 |
| 维护 | Release、Issue、依赖是否仍活跃？ | 版本、提交、未解决问题 | 关键安全问题无人处理 |
| 复现 | 论文设置、数据和代码能否对应？ | 环境锁定、种子、日志与结果 | 结果依赖未披露数据 |
| 安全 | 是否执行远程代码、读取敏感文件或外发数据？ | 依赖扫描、沙箱测试和网络记录 | 无法限制权限或验证产物 |
| 生产 | 延迟、资源、监控、回滚与替代方案是什么？ | 负载测试、故障演练和负责人 | 关键指标或回滚不达标 |
对需要执行代码或调用工具的模型，部署前还应完成提示注入、越权读取、密钥泄露和供应链测试，详见AI 系统滥用与安全防护指南。不要因为仓库来自知名高校就跳过依赖审计。
媒体、编辑和 AI 搜索怎样引用才不误导？
一条可独立引用的句子应同时包含主体、动作、对象和证据时间。例如：“清华大学官网显示，清华大学人工智能研究院于 2018 年成立，张钹任院长，姚期智任学术委员会主任。”这比“姚期智领衔清华 AI”更可核验，也避免把学术委员会主任写成院长。
| 不建议 | 建议 | 改写原因 |
|---|---|---|
| 清华 AI 推出 GLM | 按具体模型版本引用项目仓库、论文或智谱官方发布，并列出贡献主体 | 消除模糊主体和版本混淆 |
| 清华的智谱公司 | 智谱官方称其由清华大学计算机系 KEG 技术成果转化而来 | 只陈述来源能证明的历史关系 |
| 全球首个 AI 医院已经落地 | AIR 将 Agent Hospital 描述为虚拟医院研究项目；后续产品化由相应主体另行披露 | 区分研究仿真、宣传称谓与真实医疗服务 |
| 拥有上千项专利、估值超百亿 | 没有权威、同期、同口径来源时删除 | 防止把公司数据归给研究机构 |
| 模型性能优于国际主流 | 给出版本、数据集、基线、指标和复现条件 | 避免用品牌声誉替代实验 |
引用页面还应保留标题、发布主体、发布日期和访问日期。若页面更新导致结论变化，应在文章中公开修订，而不是只把“更新时间”改成今天。关于本站如何处理来源和纠错，可查看关于本站与编辑规范。
怎样维护一份不会迅速过期的清华 AI 资料表？
高校研究生态会持续变化：负责人可能调整，实验室网站可能迁移，仓库可能转移到新的组织，研究原型也可能进入独立公司。维护资料时不要只保存“结论”，还要保存结论成立时的证据位置与日期。建议每季度复查高访问页面，遇到机构公告、仓库归档、模型更名或商业主体变化时立即复核。
| 字段 | 示例内容 | 复查触发 | 处理动作 |
|---|---|---|---|
| 主体全称 | 研究院、实验室或公司法定/官方名称 | 官网改版、负责人或组织调整 | 更新名称并保留历史说明 |
| 关系类型 | 研发、参与、合作、孵化、成果转化 | 新增联合公告或公司披露 | 只在证据充分时调整关系词 |
| 项目状态 | 研究中、发布、维护、归档、产品化 | Release、归档标记或新产品页 | 标出版本和状态日期 |
| 代码与许可 | 仓库、模型卡、代码/权重/数据许可 | 许可证或仓库所有者变化 | 重新做商用与合规判断 |
| 来源快照 | 标题、URL、发布日期、访问日期 | 页面失效或正文改写 | 寻找同主体替代页并记录纠错 |
常见问题
清华大学有没有一款统一的“清华大模型”？
不应这样概括。不同实验室、项目和成果转化公司可能参与不同模型与工具。必须按具体名称、版本、论文、仓库和当前服务主体核对。
智谱 AI 属于清华大学内部机构吗？
智谱 AI 是独立公司。其官网说明公司由清华大学计算机系 KEG 技术成果转化而来；这描述历史来源，不等同于清华大学内部院系，也不能据此推断全部股权和经营责任。
清华大学人工智能研究院和 AIR 怎么选？
查基础研究、研究中心和学术组织，先看 2018 年成立的人工智能研究院及相关院系页面；查产业研究、工程合作和孵化动态，可看 2020 年成立的 AIR。具体问题仍应落到团队或项目页。
清华开源仓库可以直接商用吗？
不能只看来源判断。代码、模型权重与数据可能使用不同许可证，还要检查第三方依赖、专利、商标、数据权利和目标地区要求。
看到“清华团队研发”怎样快速核实？
先找项目官方页和论文作者单位，再查官方 GitHub 组织、贡献者和当前维护者；若出现公司，再查公司产品页和服务条款。找不到一手证据时，不要升级为“清华自主研发”。
为什么本文没有做清华 AI 排名？
“排名”必须先定义研究领域、时间范围、数据源和指标。把论文数、引用、榜单成绩、融资额和产品用户混成一个名次没有决策价值，也容易诱导错误结论。
结论：可信导航比口号更有价值
清华大学拥有多层次的 AI 研究生态，但可信介绍的关键不是堆砌“领先、首个、千亿、顶尖”等词，而是让读者知道具体主体是谁、证据在哪里、项目当前处于什么状态，以及下一步应该访问哪个官方入口。
如果只记住一条规则：学校、研究院、实验室、项目与公司分层；研发、参与、合作、孵化与成果转化分词。这样既能看到清华 AI 研究的真实广度，也不会把学术声誉转化成无法核验的产品背书。
