AI模型具備推理能力，它改變了什么？｜甲子引力

不管黑貓白貓，抓住老鼠就是好貓。

2025年12月3日，「甲子光年」在北京萬達文華酒店圓滿舉辦“轟然成勢，萬象歸一”2025甲子引力年終盛典。

在下午的AI模型、基礎設施與生態建設專場中，「甲子光年」邀請到五位身處不同位置的關鍵實踐者——中關村科金副總裁劉倩、北電數智CMO楊震、RWKV元始智能COO羅璇、思必馳IOT事業部首席產品官馬斌斌、深勢科技玻爾技術研發負責人曹凱，圍繞《當AI模型具備推理能力，它改變了什么？》這一主題展開深入探討。

過去一年，以DeepSeek為代表的大模型突破，不僅點燃了技術圈的激情，更將“AI推理能力”從實驗室概念推至產業變革的前沿。人們興奮于其帶來的生產力躍升，卻也困惑于其背后究竟是真正的認知革命，還是高級的概率把戲。

在這場圓桌討論中，嘉賓們圍繞“真假推理”展開了激烈而坦誠的思想碰撞。一方犀利指出當前模型本質仍是“超級小鎮做題家”，另一方則從產業實效出發，強調“黑貓白貓，抓住老鼠就是好貓”。

從金融場景的智能體重構，到醫療診斷的精準賦能；從端側設備的混合架構探索，到科研范式的閉環革命，我們既看到了現有技術在垂直場景中釋放的巨大價值，也觸及了其在可解釋性、可靠性方面等面臨的深層挑戰。

更為重要的是，討論超越了單純的技術辨析，延伸至人機關系的未來圖景：數字員工將如何與人類協作？AI是否會催生“一人公司”的新業態？當機器承擔更多推理工作，人類的價值與創造力又將定位何處？

以下是本場圓桌的文字實錄，經「甲子光年」編輯，在不改變原意的基礎上略有刪改。

1.無需糾結于真假推理之辯，關鍵在于AI能否洞察并解決用戶的痛點需求

劉楊楠（主持人）：大家下午好。我們回到AI浪潮的起點，聊聊模型。推理能力是過去一年模型迭代的核心，它推動模型創新，也深刻影響底層架構效率與上層應用發展。今天很高興邀請到幾位產業專家，分享他們的實踐與思考。首先有請各位嘉賓簡單自我介紹。

劉倩：我是劉倩，來自中關村科金，負責產業研發。我在人工智能和大數據領域有十幾年經驗。中關村科金是一家以AI科技驅動創新增長的公司，成立于2014年，一直致力于運用人工智能技術，為政府與企業客戶提供以科技為核心的平臺產品和解決方案。

楊震：大家好，我是楊震，北電數智的CMO。我長期從事咨詢與數字化轉型工作。北電數智是一家年輕的人工智能原生國企，通過“數算模用”全棧布局，推動AI在各產業與企業中的落地。我們在北京、佛山、珠海、馬鞍山、云南等地布局，以城市AI底座，結合“一地一策、一業一策”的因地制宜精準賦能模式，切實推動本地產業AI化和AI產業化。

羅璇：大家好，我是羅璇，來自元始智能。此前我在阿里負責機器人與AI產品，目前我們專注于非Transformer架構的研究——我們是全球首個該架構的提出者。2020年啟動，如今微軟在每臺Windows電腦中內置了我們的模型，中國電科大模型也基于我們的架構訓練出Speed模型與Agent平臺。我們在全球擁有大量開發者，近200篇學術論文基于我們的架構開展研究，也歡迎大家關注這個方向。

馬斌斌：大家好，我是思必馳IoT首席產品官馬斌斌。思必馳是國內專業的對話式人工智能平臺型企業，長期服務B端客戶，覆蓋汽車、家居、會議辦公等行業，客戶包括梅賽德斯-奔馳、奧迪、大眾、聯想、美的、海爾、追覓、科沃斯等眾多行業頭部企業。去年起，我們結合AI語音技術與大模型進展，推出了面向C端的AI辦公本，在垂直場景中取得良好效果，期待與大家分享。

曹凱：大家好，我是曹凱，來自深勢科技，負責玻爾產品線的研發。深勢科技成立已滿七年，是一家從AI for Science起步，圍繞科學計算打造全鏈路工具鏈的公司。

劉楊楠（主持人）：謝謝曹總。幾位嘉賓的背景很多元，有的來自產業，有的專注模型，楊總則更偏向基礎設施。想請大家從各自角度出發，用一兩句話或一個詞，分享對過去一年AI推理能力進化的核心感受。

劉倩：我想到的詞是“期待”。今年春節前后，DeepSeek的出現可以說讓大家過了一個全然不同的春節。整個行業都在加班跟進。在經歷前兩年的平緩期后，這如同一股新的生命力，帶來了新的訓練方式、模型能力與應用可能。雖然離通用人工智能還很遠，但又為我們打開了新的想象空間。

楊震：我選擇“生產力”。自DeepSeek發布以來，推理模型真正開始走向產業、轉化為生產力。我們今年4月舉辦酒仙橋論壇時，主題就叫“AI生產力元年”。現在，我們在醫療、工業、AIGC等多個垂類場景已看到落地案例，AI正逐步在行業中發揮實際作用。

羅璇：我用“假推理”。當前模型所做的“推理”和過去基于符號的邏輯推理完全不同。它本質上是基于概率的概念計算，因此仍會出錯。希望大家對現有技術的能力邊界有更清晰的認知。

馬斌斌：我想分享一位用戶的真實反饋。他在使用我們辦公本的AI洞察功能后說：“有種后背發涼的感覺，可以深度剖析會議隱藏的問題，并給出切實可行的行動方案，AI就像一個有十年經驗的專家在提供建議。”

曹凱：我用一個比喻：當前的推理AI像是一顆超強的CPU，但我們還沒有能充分釋放其能力的主板、外設和操作系統。

劉楊楠（主持人）：謝謝曹總。確實，羅總和產業端同仁的視角存在一定差異。接下來這個問題，想圍繞羅總剛才提出的“真假推理”展開。蘋果公司的研究團隊曾發布一篇題為《思考的幻覺》的論文，重錘質疑主流LLM的推理能力，認為它們只是“記憶性特別好的復讀機”。當前市面上大多數模型的“推理”，是否本質上還是高級的概率預測？我們是否在濫用“推理”這個詞？

羅璇：接著我剛才的話題，現在的推理更像是一個“超級小鎮做題家”。它把全世界的題目和答案都背下來，卻不理解解題的邏輯，只是指望在考試時遇到相似的題。這就是目前大模型的基本邏輯。

而人類的思考并非如此。我們通過少量題目就能抽象出解題方法，比如從各種現象中總結出圓的方程。這是符號邏輯的抽象能力，但當前大模型無法實現這一點，它始終依賴概率計算，無法真正抽象出符號邏輯。

符號邏輯的價值在于數據收斂性，不需要海量數據就能發現規律。而當前大模型卻需要無限增長的數據量，甚至Scanning Law的失效也被歸因于“數據不夠用”。這就像說全世界的糧食不夠一個人吃一樣荒謬。問題究竟出在數據上，還是模型本身？

今天我想強調的是，當前模型與人類的思考、記憶、推理方式都不同，甚至不太符合我對“AI”的原本定義——即創造出能像人一樣思考的系統。

RWKV元始智能COO羅璇

劉楊楠（主持人）：謝謝羅總，稍后我們再請您從技術層面展開。對于羅總這個觀點，其他嘉賓是否有不同看法？劉總，請您先談談。

劉倩：首先，可能不是每位都熟悉剛才提到的《思考的幻覺》這篇蘋果論文，我先簡要介紹一下。這篇論文設計了包括漢諾塔、渡河等四個實驗，測試大模型在解題中的表現，得出幾個結論：在簡單任務（步驟少于5）中，經過推理增強的模型表現反而更差；在復雜任務（如步驟大于6的渡河問題）中模型則完全失效。論文由此認為大模型不具備真正的推理能力，更多是依賴統計概率。

但緊接著，另一篇由Claude與人類專家合著的論文《關于“思考的幻覺”的幻覺》對此提出了反駁。它指出：第一，復雜任務失效是因為模型上下文長度不足，無法處理問題，因此不能以此證明其缺乏推理能力；第二，渡河問題在步驟大于6時本無解，不能通過無解問題否定模型的推理能力；第三，人類同樣無法直接推導幾千步的漢諾塔，但不能因此說人類沒有推理能力。這兩篇論文的爭鋒非常精彩。

從產業角度看，這件事凸顯了幾個關鍵點：

第一，如何科學評估大模型本身就是一個挑戰。比如第二篇論文提到，若讓模型輸出可執行的Lua函數（如代碼），結果可能是正確的，這說明評測方法至關重要。

第二，任務指令的設計直接影響模型表現——是讓它直接輸出答案，還是輸出一段代碼來執行，結果可能大不相同。

第三，將復雜任務合理拆解，而非全部塞入長上下文，更能有效發揮模型能力。

因此我認為，產業界更應關注如何用好現有模型能力，就像自動駕駛分為L2到L5，即便尚未實現L5，也不妨礙其在當前場景中發揮廣泛價值。技術總是在演進，未來也可能出現新的形態。

我們不必過度糾結于它是否“真正推理”，而應著重理解技術邊界，探索如何在產業中最大化其價值，并推動持續演進。

中關村科金副總裁劉倩

劉楊楠（主持人）：謝謝劉總，非常精彩，從產業視角豐富了我們對技術“真偽”的辨析。楊總，我看您剛才對劉總的觀點也很認同。

楊震：是的，我來自產業側，觀點會比較務實。我們堅信實踐是推動技術進步的主要動力。

關于如何理解“推理”，我的定義是：基于有限信息推導出未知結論。 只要最終能達成結果、創造價值，它是否完全遵循人類的思維路徑，其實并不關鍵。

基于這個定義，再看當前落地的關鍵：有效的數據和知識在哪里？尤其是在國內，許多高價值數據（如醫療數據、工業場景的生產參數）是封閉的、難以獲取的。沒有這些，推理無從談起。

這正是我們致力于解決的問題。例如，我們與中日友好醫院合作的皮膚專病大模型，其核心價值不僅在于對海量專病數據的利用，更在于提煉出了數千條診療知識。數據可以輔助檢測，但真正的診療建議需要“推理”。這個模型的準確率目前已接近90%，幾乎達到三甲醫院主治醫師的水平。盡管其底層可能是概率計算，但它創造了等同于人類推理的價值。這本身就非常重要。

第二點，我們并非依賴單一模型工作，而是構建系統化的工作流。比如我們正在搭建的體系：一個通識模型，結合多個垂直的專科模型、知識庫以及智能體，并引入評測機制來校驗結果的合理性與邏輯性。

以藥物研發為例，我們與國家級實驗室合作，通過智能體將專家假設拆解為不同任務，由各自領域的專業智能體（如mRNA研究、蛋白質研究）調用相應模型進行分析。之后，還有一個專家智能體負責評審這些分析是否合乎方向，若不通過則打回重做。最終，由智能體整合結論并生成報告。這是一個多智能體協作、層層驗證的機制，而非單一模型獨立運作。

所以，我們更關注如何通過工程化和系統化的方式，讓現有技術在實際場景中可靠地創造價值。

曹凱：非常同意剛才的分享。討論智能體是否像人類一樣推理并非關鍵，真正的挑戰在于大模型已跨越閾值、產生實際效用。當前最重要的問題，是如何讓它的輸出更可控、可驗證，從而成為可靠的科研決策工具。

楊震：接著剛才蘋果論文的話題，我們的首席科學家竇德景教授最近有一篇關于可解釋深度學習的論文，榮獲2025 KAIS最佳論文獎。該論文從可視化、魯棒性、敏感性等維度梳理現狀，并提出一套融合邏輯推理與網絡節點的架構體系。這正好回應了劉總提到的解釋與推理的問題——模型的可解釋性本身正是當前研究的重點。

馬斌斌：我認為，當前的模型或許尚未達到真正的推理，但也不是完全的“假推理”。它更像一個剛學會走路、還會跌倒的孩子，已具備初步的理解與交互能力。在Transformer出現之前，AI更多是基于模式識別的概率統計；而現在，它已能理解不同表達背后的意圖。

其次，技術從來不是完美的。從應用層出發，我們并不糾結于它是否成熟，而更關注它能否洞察并解決用戶的痛點需求。是真推理還是假推理并不重要——黑貓白貓，能抓到老鼠就是好貓。這才是我們真正關心的。

2.探索技術與產業的邊界

劉楊楠（主持人）：謝謝馬總。幾位嘉賓的討論展現了兩個維度：羅總從模型與架構層面探索技術邊界，而產業方則在現有技術基礎上釋放價值，并不斷觸摸產業邊界，這兩種路徑都極為可貴。

接下來，請羅總從非Transformer架構的視角分享：您認為通用推理能力還需多久實現？以及技術層面如何實現曹總提到的可解釋與可靠性，以支撐產業落地？

羅璇：我們開發的RWKV架構，自始就認為Transformer在效果天花板與資源消耗上存在根本局限，其擴展模式已遇到瓶頸。從我們的視角，需解決兩個核心問題：

第一，如何從有限數據中高效提取規律——當前Transformer依賴海量數據，效率低下。

第二，如何將規律轉化為符號邏輯。我們第八代架構已能讓AI內部生成符號語言來描述上下文，這為下一代神經符號架構奠定了基礎，也將實現真正的可解釋性。

只有基于這樣的新架構，才能從根本上解決當前大模型在符號邏輯推理與可解釋性上的局限。

我想引用楊振寧先生的觀點：現代科學源于從公理出發進行推演，并精準預測未來。如果基于不可信的模型進行“推理”，其結論無法可靠預測未來，這能否稱為科學？

因此，我們堅信數據必須收斂，推理應建立在符號邏輯之上。我們推出的全球首個適用于大語言模型的神經符號架構，正是向這一方向的探索。歡迎大家關注。

劉楊楠（主持人）：謝謝羅總帶我們進行了一番對技術未來的展望。接下來，我們請四位來自產業界的嘉賓，帶我們回歸現實，看看“腳踏實地”的成果。中關村科金在金融領域落地較多，想請劉總具體展開分享：AI推理能力如何具體影響現有的工作流？在這個過程里，人類和AI的協同會發生怎樣的變化？

劉倩：首先呼應一下羅總，技術路線上存在Transformer與非Transformer的爭論與探索，對產業界來說是好事，新想法意味著新的可能性。

中關村科金的客戶確實有不少來自金融行業。基于當前DeepSeek等模型的能力，我們今年做了大量研究與實踐，發現它在效果和效率上遠超以往。我以“財富助手”產品為例說明。

這個產品服務于財富經理或終端消費者。去年我們采用傳統方式開發：先做意圖識別，再根據意圖查詢各類數據庫和行業信息，最后結合訓練的行業模型給出配置建議或數據檢索。這種方式存在兩個痛點：第一，需要持續分析用戶問題，優化意圖識別模型；第二，當數據源、知識和信息動態變化時，整個處理流程非常繁瑣。

今年，我們引入了智能體（Agent）和多智能體（Multi-Agent）架構，結合推理增強模型后，帶來了根本性改變。開發同樣場景的時間周期縮短到原來的十分之一，意圖理解的準確率大幅提升，并且能夠動態接入各種新的數據源，讓最新信息被快速分析并生成報告。

舉例來說，用戶查詢“某股票近期成交量”。傳統方式可能只會固定地調出一張走勢圖（那往往是價格圖，而非成交量）。而新的推理架構，即便底層沒有現成的成交量圖示，也能通過對數據源和意圖的深度分析，自動生成準確的成交量分析報告。

當然，挑戰依然存在，模型的推理過程也可能出錯。因此，在產品設計上必須做到：將整個推理過程可視化、可回溯、可追溯，并允許人工介入修正。本質上，對于產業應用而言，我們獲得了一個更強大的“武器”，但要想用好它，仍需依靠上下文工程、周邊工程框架等多種手段，在金融這類對合規和嚴肅性要求極高的場景中，兼顧靈活性、效果與可解釋性。

劉楊楠（主持人）：北電數智率先提出了“數算模用全棧布局”的理念，在您看來，這個理念是如何支持AI推理能力的？能否結合公司一個最典型的客戶案例展開分享。

楊震：謝謝。我們的經驗與劉總相似，但覆蓋的行業更多，包括醫療、工業、文旅等。背后的邏輯一致：以實踐推動技術落地。

我們率先提出“數算模用”全棧布局，正是為了推動AI真正“用起來”。

• 數：以可信數據空間為基礎，通過知識工程、合成數據等服務，將數據轉化為高價值知識，或為缺乏數據的場景生成數據，推動高價值數據釋放。

• 算：自2023年起布局國產算力，通過混元適配與靈活調度降低使用成本與門檻，并持續推動算力與場景的直接對接。

• 模：一方面做推理引擎加速，另一方面打造垂類模型。作為原生AI企業，我們采取從專項模型到行業模型的路徑。例如在醫療領域，從專病模型做起，逐步形成專科乃至全科模型。目前在政務、醫療、工業等領域的垂類模型均已達到可用、好用水平。

• 用：聚焦行業場景（如醫療、工業）落地智能體。例如，我們面向醫療行業的AI全科助手，就由多個智能體協同工作。

在醫療行業，我們構建了數據底座來整合知識，依托垂類模型與智能體引擎，并針對患者服務、醫院管理、臨床應用、基層醫療等不同場景進行專項落地。這使得AI賦能得以貫穿診前、診中、診后全流程，并覆蓋從三甲醫院到基層機構。

我們的皮膚專病模型準確率超90%，認知障礙早篩達到“雙80”水平（等同于三甲主治醫師），藥師助手也表現優異。這些成果不僅能提升三甲醫院的診療與病歷水平，更能賦能基層，實現優質醫療資源下沉與普惠。

所以，“數算模用”的出發點是應用。我們根據場景需要，去選擇并整合算力、模型與數據方案，通過模型工程與智能體工程，推動技術從可用到好用。

北電數智CMO楊震

劉楊楠（主持人）：所以核心是通過系統工程來實現推理能力，而非依賴單一模型。

楊震：是的，并且其提效效果顯著。AI并非為了簡單替代職業，而是緩解關鍵行業的資源壓力。例如，高水平醫生、高質量客戶經理都是稀缺資源。AI助手能大幅提升工作效率、降低誤診率，緩解這些領域人才緊缺的現狀。

劉楊楠（主持人）：接下來想請馬總結合實踐談談，目前端側設備的本地推理能力整體進展如何？

馬斌斌：客觀說，端側推理能力目前仍落后于云端，受參數規模和技術架構限制，尚不完全成熟。我們的AI辦公本采用了“端云一體化”架構，支持離線語音識別、轉寫與會議紀要生成，適配無網會議、保密會議等場景。

從應用層的理念來說，技術從來不是完美的，關鍵在于如何用不完美的技術去滿足用戶在特定場景下的具體需求。

以常見的會議轉寫和紀要生成為例，現有方案普遍存在兩個問題：一是轉寫原文過于冗長，難以回溯關鍵信息；二是生成的紀要容易過度概括、遺漏要點，甚至出現編造，準確性難以保證。

我們的解決方案是在中間增加一步，實時生成一份結構化的AI筆記。通過將一小時、上萬字的原文，結構化梳理成包含大小要點的筆記，最終濃縮至千字左右，確保要點無一遺漏。這樣，驗證會議紀要的準確性就變得非常直觀。

實際上，不同角色對會議內容的需求是不同的：整理紀要的秘書需要參考原文；領導者只關心結論和下一步行動；執行層則需要查看清晰的要點筆記。我們通過流程分解，匹配了不同場景下的角色需求。

更進一步，如果用戶需要獲得建議而不僅僅是總結，我們開發了AI洞察功能。它能以第三方視角，分析會議中存在的問題、關鍵決策人、支持者與決策機制。例如，在提案會上，它能自動分析甲方關注點或乙方的爭取方向，提供深層的策略參考。

這一功能受到了用戶的高度認可。一位投資人用戶反饋，AI洞察讓他有“后背發涼”的感覺——因為他最需要看到的正是問題所在，而非一片大好的空話。這證明，從真實業務場景洞察需求，用現有技術加以滿足，產品才能真正創造價值。

思必馳IOT事業部首席產品官馬斌斌

劉楊楠（主持人）：在玻爾科研空間站中，未來的科學家將與具備推理能力的AI形成一種怎樣的新型科研伙伴關系？是人類科學家提出大膽猜想，AI負責嚴謹驗證；還是AI能從數據中自主推理出全新的、反直覺的科學假說？

曹凱：我認為未來AI與科研工作者的協作主要有兩種方式：一是人類提出問題，AI進行驗證；二是AI從數據中涌現出新問題，人類加以解釋。今天主要談談第一種，這也是我們玻爾平臺目前的重點方向。

首先需要明確，人類科學家跳躍式、非線性的靈感是目前任何大模型都無法替代的，這是人類在科研中的核心價值。

在玻爾平臺上，一個典型的科研工作流是：研究者提出一個假設，由我們的科研助手進行理論梳理、文獻舉證與科學計算模擬，最后通過實驗驗證。實驗結果再反饋回最初的假設，形成一個智能閉環。我們將這一流程工程化，固化為一套新的科研范式。

這個流程可歸納為“讀、算、做”三個環節：

1.讀：研究者提出假設后，科研助手通過語義理解，從我們底層的超過1.7億篇文獻中檢索相關論據，生成帶有文獻出處的總結。研究者可將其一鍵保存至個人知識庫，并可隨時對單篇、多篇或整個知識庫進行交互式提問，實現知識的持續沉淀。

2.算：這一環節分為三層來解決不同問題：

• 底層算力：針對科研計算任務（如大體系DFT計算、分子動力學模擬）算力需求大、資源難獲取的問題，我們構建了一個調度平臺，將主流云服務及超算資源統一納管，形成一張計算網，通過智能調度為研究者尋找更經濟、合適的算力。

• 科學計算大模型體系：我們提供了一系列垂類模型矩陣（如DPA原子模型、UniMol分子模型、UniFold蛋白大模型等），幫助研究者提升計算效率。

• 應用層：我們提供了Notebook交互式編程環境供快速驗證，以及APP廣場——讓研究者不僅能發表論文，還能將成果轉化為可復現、可體驗的APP，拉近科研與產業的距離。

3.做（實驗驗證）：針對實驗儀器標準不統一、智能化改造難的問題，我們開發并開源了Uni-Lab OS智能室操作系統，已接入大量實驗儀器。計算結果會通過智能體生成實驗工作流，下發給自動化實驗室執行驗證，最終數據回傳至平臺，形成正向循環。

這就是我們正在構建的、讓AI與人類科研者深度協同的新范式。

深勢科技玻爾技術研發負責人曹凱

劉楊楠（主持人）：感謝曹總，這是一個非常閉環的系統。時間關系，我們進入最后一個問題：請各位用一句最核心的話，表達對明年AI推理能力迭代的期待。

劉倩：我認為未來人類員工和數字員工會進入一種新的人機協同模式。隨著AI推理能力增強，數字員工將能做更多事，深刻改變我們的生活和工作。當然，這也意味著掌握新技能、用好數字員工的人會更具優勢，行業可能會更“卷”。但我們更希望的是，人類能因此有更多時間享受生活、探索世界、發現新的人生意義。

楊震：我還是從應用角度出發。明年是“十五五”開局之年，國家也出臺了AI相關行動計劃。我希望AI推理能力能夠切實提升所有行業的能力下限和效率上限。

羅璇：我認為未來分三個階段：首先在明年，配合“十五五”規劃，端側AI將拉動內需，一批新型智能硬件會帶動國內AI市場。未來三到五年，AI會像嬰兒一樣在物理世界中快速學習，掌握甚至超越人類已知的物理規律，成為“AI界的愛因斯坦”。再往長遠看，人類自身也可能借助AI實現進化，批量涌現出新的“愛因斯坦”。

馬斌斌：近期看，未來一兩年內，AI很可能顛覆產業競爭格局，催生出大量的“一人公司”甚至“一人獨角獸”。它們能以極低成本快速試錯、推出產品，改變現有的游戲規則，這讓我很興奮。但往遠看，當AI強大到取代許多工作時，很多人會失業。AI會創造什么新職業？普通人如何找到自身價值？社會如何應對？這些問題是我希望繼續探究和討論的。

劉楊楠（主持人）：這或許已不僅僅是技術問題了。曹總，請您來總結。

曹凱：在不遠的未來，人類科學家只需提出一個假設，剩下的工作，從文獻舉證、計算模擬到實驗驗證，將由科研智能體在幾小時內完成閉環，把現在需要數周甚至數月的過程極致壓縮。

劉楊楠（主持人）：謝謝曹總。由于時間關系，本次圓桌到此結束。感謝各位嘉賓的分享，也期待大家暢想的未來早日成為現實。

（封面圖及文中配圖來源：2025甲子引力年終盛典）