趙何娟對話張宏江：世界模型已是兵家必爭之地｜2025 T-EDGE全球對話

12月17日，在鈦媒體2025 T-EDGE全球對話中，「趙何娟 Talk」（Jany Talk）進行了一場意義非凡的關于AI的對話。這次邀請的嘉賓是源碼資本投資合伙人、美國國家工程院院士張宏江。

ChatGPT發布三周年，以“大模型‘拐點’之年，AI下一個十年看什么”為主題，趙何娟與張宏江再次進行了一場關于AI的深度對話。在這次對話中，張宏江指出，今天超級智能的出現，是人類第一次見證，一個技術革命最終會消滅工作。

視頻對話截圖

最近在硅谷有兩家初創公司，是由一些非常強的人創辦的世界模型和AI科學家公司，人還沒有到齊，公司網站還沒有正式上線，其估值就已經到了40億、50億美元。

在張宏江看來，很重要的一點就是人們對于世界模型或下一代模型還是有著非常高的期望，所以人們會下這種重大的賭注。

對于這些新成立的大模型初創公司，張宏江指出，“他們沒有放棄模型，模型本身就是兵家必爭之地，但是他們并不是去重復競爭，而是在尋找新的突破口。這個突破口就是世界模型，很可能是類似這個AI科學家這樣的模型。”

而針對Open AI聯合創始人、前首席科學家、“ChatGPT之父”伊利亞·蘇茨克韋爾（Ilya Sutskever）在公開講話中的言論，“scaling law 差不多到頭了，如果繼續依賴 scaling law 來推進模型發展，那將是一條錯誤的路線。”

張宏江表示，“他的話其實造成了很大的誤解，所以他很快就在找補。然后很快又發了一個補充，說他的意思不是說 scaling law 到頭了，而是說我們從技術上應該不斷地尋找新的路徑。”

同時，張宏江也指出，“今天的 scaling law 效率肯定不如五年前或者三年前，它的上升曲線會變得比較平緩。推理模型的scaling law 其實還有很長的路要走。Transformer 不是唯一的架構，而是到目前為止最有效的一個架構。”

針對現在很多人都在看 Google 和 Open AI兩家公司，一個大公司，一個創業公司，各有各的優勢，對于未來 Google 和 Open AI哪家贏面更大，張宏江直言，“現在就給 Open AI、英偉達下結論還太早。 PC 時代，端到端的蘋果和wintel 的開放生態，最終是誰贏出，已經很清晰。到了移動互聯網時代，這兩個系統是共存的，也許未來 AI時代，兩個系統或者甚至更多的系統會共存。”

隨著推理模型能力的不斷提高，Agent的能力也會隨著提高，尤其是推理模型會推著 AI往前走，張宏江預計在12個月到24個月內，可能AI會有非常大的突破。

他相信2026年，具備非常強的自主運營能力的Agent會大量出現。而端側AI，目前像AI手機、AI眼鏡這些硬件，主要還在做交互，其智能還都在云端。

談及AI的泡沫，他認為，中國的機器人賽道泡沫是最多。相比美國基本上兩個手指都能數過來的機器人公司，中國可能有上百家機器人公司。但在世界模型沒有突破之前，具身智能很難做到通用。在他看來，這條路還很長，不是三到五年的事，而是五年到十年的事。

中國制造是強項，在本體上顯然走在了前面。但張宏江指出，今天大部分的本體實際上還是處于遙控狀態。“今天我們的具身智能的模型還沒有達到這個通用的泛化能力。”

視頻對話截圖

張宏江將今天機器人的狀態，比作它還沒有做出一個通用的“發動機”，還沒有到一個通用的“發動機”的時代，也就是等于“發動機”還沒有過關。

對于馬斯克宣稱特斯拉機器人將要量產百萬臺，張宏江認為這有可能實現，因為特斯拉有自己的工廠，本身就有很多應用的場景，其機器人是工業的一類任務的機器人，不是一個工業的通用機器人，但實際上就已經很有意義了。

一旦工業機器人變得泛化，它會把整個工廠里面這些流水線上的工作全部取代掉。張宏江指出，以前任何一個新技術的出現和使用，都會消滅一些工作，減少一些工作，還會創造更多的工作出現，使得人們經過重新培訓，能夠在新的領域就業。但今天超級智能的出現，它的使用會減少很多工作，最終會消滅工作。

雖然如此，但在大模型時代，張宏江認為，會出現一些超級個體，會出現一人的獨角獸，個人的能力會進一步拉開，人的收入也會進一步拉開。

以下為「趙何娟Talk」與張宏江的完整對話的實錄：

趙何娟：大家好，歡迎大家來到這一期的趙何娟 Talk。這一期很有幸請到了我們的老朋友，張宏江老師，他是源碼資本投資合伙人、美國國家工程院院士。

三年前，在2022年12月初的鈦媒體T-EDGE 大會上，宏江老師做了關于《ChatGPT和AIGC：Al 大模型發展和機遇》的分享，是國內第一個將ChatGPT詳細講清楚的人，當時ChatGPT其實剛剛發布沒幾天。

今年又發生了很多看起來像拐點性的重要事件，比如Gemini 3.0的發布，被很多人視為ChatGPT最大的挑戰者，甚至有人認為它已經超越了ChatGPT。也有人認為今年是Open AI有史以來遇到最大危機的一年。危機既來自 Google這樣的競爭對手的挑戰，也來自巨大的基礎設施建設投入，以及它的債務模式遭到了華爾街的狙擊。

所以從種種因素來看，我覺得今年會是Open AI的一個很重要的轉折點，但也有人認為這可能是它重大調整的一個重要分水嶺。

很有幸再次請到張宏江老師跟我們一起來分享并深入探討這些AI相關的全球發展問題。

張宏江：非常高興與何娟做這個對話，我記得非常清楚，當初ChatGPT剛剛發布，還不到一周的時候，我們就探討要聊什么話題，何娟對行業趨勢非常敏感，說我們談大模型。所以三年前，我們第一次談了大模型，當時還重點強調的是這個內容的生成。因為ChatGPT它的模型本身是一個生成式的模型。

我們看這三年的話，比如未來十年、三十年、五十年之后，我們再往回看，我們看過去100年的一個新技術的出現，然后它的頭三年會怎么樣？我相信大家會確認過去的三年，是一個新技術發展最快的三年，也是一個技術從出現到用戶過億，這樣最快的三年。

推理模型和基礎智能體的區別在變得模糊

趙何娟：請您用一句話來概括AI這三年發生的最本質的變化是什么？

張宏江： 三年前，在ChatGPT出現之前，我們談AGI，我們都認為那不是我們這一代人所要考慮的問題，這是一個未來的問題。當ChatGPT出現后，無論是因為它一本正經地胡說八道的這種幻覺，還是說它這種高能量、高性能的涌現，都讓我們認識到，AGI是觸手可及的，AGI是我們可以看得到的目標。這是ChatGPT當時發布給人們的一種震撼。

在這三年中發生了太多的事情。我們知道Transformer通過這種非常高智能的預訓練模型，讓人看到了路徑和方向，大家都一擁而上。無論是美國還是中國，大家都一擁而上，誕生了很多大模型初創公司。

三年過去，我們看到的首先是這個叫 scaling law，其實在中間起了非常大的作用。第一年就有人說scaling law到頭了；第二年還有人說scaling law到頭了；第三年，在谷歌Genmini發布之前，依然有人說這個scaling law要到頭了。

Genmini技術負責人明確說“it's far from hitting the wall”。這在我看來是過去三年我們看到的一條主線。

另外一條主線，就是當我們從基模（base model，pre train model）到推理模型的跨越。等于是我們將傳統的知識記憶方式的大模型，跨越到能夠基于這個模型，用強化學習的方法訓練出更強的推理能力。

2024年，OpenAI的o1發布，這是一個新的里程碑。過去這一年，我們看到在這個里程碑上，又開始出現了Agent能力的突破。

如果看一下最近的兩個新聞，一個是Gemini 3.0，它有著超級強的推理能力；另一個是上周發布的DeepSeek V 3.2，它尤其強調推理和Agent的能力。如果我們看過去三年的三部曲的話，那就是預訓練模型、推理模型、智能體這三部曲。

另外一條主線，我們更多的是看應用。當ChatGPT 出來的時候，人們第一個想到的是 Chat，它可能會替代這個搜索，它的應用是內容的生成，這是一條線，但事實上它帶火了另外一條線就是機器人這條線。

然后沿著這條線，就是人們對于世界模型的這種追求。最近無論是李飛飛的World Lab，還是Yann LeCun（楊立昆，前Meta首席人工智能科學家）最近從Meta 跳出來，要在紐約、巴黎、新加坡等地組建他的新公司，還沒有起好名字，但是公司核心的人已經到位了。

從純粹純語言模型到多模態，然后從多模態跨越到世界模型，人們對于世界模型的追求，除了多模態的這種追求之外，很大程度上是因為他們追求這個未來的通用的模型或者通用的機器人。

所以，總結來說，基模、推理、智能體這條線，涵蓋了從語言大模型到多模態，再到世界模型這三條線。

趙何娟：我們把這三條線統一來看的話，是不是都可以歸結為在基礎大模型發展上面的一個躍遷，而不是在應用層的躍遷？

張宏江：是的。而且如果我們看Gemini 3.0，還是這兩天大家都在熱議的ChatGPT 5.2，還是上周發布的這個DeepSeek V 3.2，其實大家都在強調推理和智能體的能力。

這三個發布，如果留意就會發現，其實這個推理模型和基礎智能體的區別在變得模糊，也就是說模型的能力在往上增長的時候，其實會進一步模糊智能體之間的界限。當模型本身已經具備工具的能力，其推理能力強到能夠完成很多任務的時候，實際上本身就是模型的能力。這是我們看到的一個非常重要的突破點。

趙何娟：這個是不是通用模型和通用 Agent之間的邊界變得越來越模糊了？

張宏江：是。然后還有就是我剛才想到的第一條主線scaling law。一年前，大家開始懷疑 scaling law的可持續性。我們說也許在預訓練的時候，這個 scaling law 會變緩。如果你最近看Gemini 的發布，它們第一點談到的就是它們的基模，那個pre training model 有了非常大的進步。

從Open AI的首席研究官 Mark的訪談來看，他其實很委婉地承認了他們過去兩年在基模上沒有持續提升 pre train model（預訓練模型）的能力。

而恰恰在這一點上，Gemini 3.0 有了重要突破，進一步證明了這一點。第一，這個預訓練大模型的 scaling law還遠遠沒有到達頂點。

無論是從 Demis（ 谷歌DeepMind首席執行官兼聯合創始人德米斯·哈薩比斯Demis Hassabis）所說的，他說即使有人認為其性能改善是Margin，但這個Margin 也遠遠超出我們投入的 Margin，也就是說投入產出依然成正比。因此，你還是可以在基模方面繼續發展。他的技術負責人表示，這跟大家想象得完全相反，基模的 scaling law這次又發揮了非常大的作用。

而這個推理模型，它的 scaling law剛剛開始。如果你仔細看DeepSeek V 3.2的那篇報告，它是這樣描述的，如果我們有更多GPU，我們的模型能力可能就不是現在這個模型的參數性能，而是會更好。

事實上，他們是在強調算力對性能的重要性，尤其是在推理模型上。因此，基于以上這些，我們可以基本上確定，這個基礎模型，也就是這個預訓練模型還沒有到頭，依然需要更多的數據，依然需要更多的算力，依然會有很大的改進空間。這個推理模型事實上它是剛剛開始。

所以當我們讓這個基礎模型的能力不斷地改善，推理模型和這種通用智能體的邊界其實是非常模糊的，也就是模型會持續在往上漲，會把這個邊界往上推。那么現在模型已經開始在應用這塊做得非常強大了。

為下一代模型下賭注

趙何娟：最近OpenAI聯合創始人、前首席科學家、“ChatGPT之父”伊利亞·蘇茨克韋爾（Ilya Sutskever）在公開講話中表示，scaling law 差不多到頭了，如果繼續依賴 scaling law 來推進模型發展，那將是一條錯誤的路線。畢竟他是ChatGPT的締造者，所以他的話還是蠻有分量的。宏江老師您怎么看？

張宏江：他的話其實造成了很大的誤解，所以他很快就在找補。然后很快又發了一個補充，說他的意思不是說 scaling law 到頭了，而是說我們從技術上應該不斷地尋找新的路徑。當然，你今天的 scaling law 效率肯定不如五年前或者三年前。然后它這個上升的曲線會變得比較平緩。但是我們看DeepMind 的CEO戴密斯·哈薩比斯（Demis Hassabis）所說的就是僅靠擴大模型參數量已出現“收益遞減”現象，但相關投入“依然極具價值”；另外就是在推理模型這塊，scaling law 其實還有很長的路要走。

我其實非常敬佩伊利亞，他是一個非常有遠見的人，他在 Open AI也是技術的主心骨。那么，他談到更多的是，在 scaling law 的同時，我們應該尋找更有效的神經網絡架構。我相信Transformer 絕對不會是唯一的架構，而到目前為止它是最有效的一個架構。

過去這三年，我們也看到很多學術界對它進行的研究與改善，包括 Google 最新Gemini 3.0發布的一些改善，但是到目前為止，我們還沒有看到一個可以替代的架構。

當然我們對于這個世界模型的這一波研究，對于世界模型的這一波創業者，包括李飛飛的公司，包括Yann LeCun馬上要成立的公司，包括一系列其他的公司，其實我們對他們還是充滿了信心。

最近我在硅谷聽到有兩家由一些非常強的人出來做的世界模型和 AI科學家公司，人還沒有到齊，公司網站還沒有正式上線，其估值就已經到了40億和50億美金。

這個很重要的一點就是人們對于世界模型或下一代模型的期望，其實還是非常高的，所以人們會下這種重大的賭注。

但另外一點，它這種融資的規模，這么高的估值，其實是因為它融資的需求，他們起點的融資就是好幾億，那這就得證明他們自己還是需要大量的資源去訓練他們的模型，這中間包括 GPU、IDC、數據的資源。

我們當然希望能夠有下一個架構上的突破，但是我們知道這不會是一個一兩年就可能看到，會突破的這么樣的一個東西。但事實上，我非常高興地看到在美國硅谷這個創業公司已經出現，而且投資界對他們充滿了希望。

趙何娟：看來這個模型現在還是兵家必爭之地，還是在很早期，說明還沒在應用。

張宏江：但是有一點，就是說中國有所謂的六小虎，但還是不斷有人往里面涌。剛才我們說到這兩家估值40億、50億這樣的創業公司，他們其實在做不同的模型，這個模型已經與 Transformer、 GPT 這樣的模型不同，他們尋找的是不同的架構。

趙何娟：就是他的世界模型沒有結合 Transformer嗎？

張宏江：我覺得未必完全沒有結合，但他們一定在尋找新的這個獲取世界模型的這種知識。剛才說的 AI科學家他的使命是什么？用 AI來改善 AI，就是Using AI to improve AI，那這實際上是一個 AI科學家的概念。這種模型可能更多的是這種強化學習，推理這樣的模型。

他們沒有放棄模型，模型本身就是兵家必爭之地，但是他們并不是去重復競爭，而是在尋找新的突破口。這個突破口就是世界模型，很可能是這個AI科學家這樣的模型。

評判模型的能力不能只看“跑分”

趙何娟： 您剛才也說，再有新的玩家進來，其實它是在有創新的方式來做模型，而不是說重復競爭。這個是好的，但是如果我們來比較一下做大模型的核心能力，現在也有兩種聲音，一種聲音就是還是要有評價體系，還是要跑分。就類似于像我們以前說手機跑分一樣的，就還得要跑分，要有一些固定的標準，然后去測試。也有一種聲音說這個是不重要的，重要的是它到底能有多少的生產力，到底能起到多少的作用。

所以從您的角度來說，如果我們要來對核心的這種大模型來做能力對比，怎么來看出他們的差距？有哪些維度可以來評價他們？

張宏江：這其實是一個非常好的問題，也是一個非常難以回答的問題，因為我們今天看模型的話，或者是說我們以前測這個手機的話，這些其實基于過去我們定義的一些問題，然后來衡量今天的模型。

比如 HUMANITY’S LAST EXAM這樣的數據集，我們定了這些問題，是因為我們認為這些工作本身，即使人們來做的話，也非常困難。就像圖靈實驗一樣，我們以前定義機器過了圖靈測試就是AGI，但今天，顯然我們知道圖靈測試已經很難反映出我們對于AGI的這種測量。

但是我們始終還是需要找到一些所謂的這個這種客觀的指標來做衡量。我們現在看到即使這些指標做得非常漂亮，但實際的應用中，我們依然看到有的時候這個表現是非常糟糕的，在一些常識的任務上就做得非常差。

這就是我們今天所面臨的問題。無論是Transformer 這種架構，還是這個預訓練模型之后的對齊，還是這個推理模型，依然有一些我們今天還沒有摸透的地方。當然，最終的話，你一定是由他來完成這個你所需要讓他完成的任務，這樣來對比的。

我覺得這個可能2026年大家就會開始吧。但是我想要說的是任何一個新的任務集，你很快就會發現模型能夠在上面達到很好的分，但并不意味著這個模型真正具備了通用的智能。

當然，我們在不斷地往那個目標去走。一開始 ChatGPT ，我們實際上就看它能不能回答我們的問題。然后今天我們已經有了推理模型。我們已經在測試它們，解決我們所希望它解決的問題，或者我們讓它完成的任務，那么未來，也許它從我們的對話中定義出我們想要完成的任務。所以這是一步一步往前走的。

趙何娟：我感覺怎么有點像更考驗的其實是人類的想象力呢，想到這個任務，就肯定很快能完成，關鍵是我根本想不到什么樣的任務是給它，讓它完不成的。

張宏江：對。還是有很多問題，它其實完不成。我想有幾個能力，還是一些比較通用的能力，就是我們可以把它作為一些客觀的這個標準來做的，比如說今天的這些任務，我們可以來定義越來越多的任務。

還有就是從數學上比較容易定義的，比如推理模型，它能夠思考的場景，它能夠思考的長度，這個其實本身是一個很重要的標志。

也就是說，我們人類有這個快思考和慢思考，慢思考就定義了我們人的這個智力的上限。那這個慢思考，就是如果我們的推理模型能夠思考的時間很長，可能是我們真正的一個非常大的進步。

趙何娟： 其實您剛才也說到，現在有很多在想突破 Transformer 這個底層理論限制了一些新的創新嘗試。陳天橋先生（盛大集團、天橋腦科學研究院創始人）其實也在做相關的研究，就提出來一個叫發現式智能，他重新定義了五個標準來做。作為新的一個標準，而不單純是說我不斷地堆算力。您怎么看他提出來的這個發現式智能？

張宏江：他本身也是做了一個模型出來，他也在跟其他的模型做能力的對比。前幾天和另外一個朋友，和天橋做了幾個小時的頭腦風暴。我們沒有花很多時間在技術底層上，但是我們談到這個AI的未來。我的理解是天橋他其實在他的過去十年里，激情所在是在搞腦科學，他希望能夠從腦科學里面尋找出另外一條通往通用人工智能的路徑。

他和其他的很多人不一樣的地方，包括一些科學家不太一樣的地方，因為他確實有資源，他不光是想，而且付諸行動，在北京、上海、新加坡、硅谷建了一個很大的團隊，也資助了很多這個學術界的科學家來探索這件事。

他尤其強調 long memory長記憶對于智能的這種重要性。從長記憶的角度來看，我想這是一個非常有意義的探索。

Google 與Open AI最終誰會贏？

趙何娟：整個行業其實都還是在探索。您剛才說腦科學這塊，我就想起前些天我不是剛跟 Geoffrey Hinton 做了一期播客直播。然后 Geoffrey Hinton 也在說，他其實是研究腦科學的，但是他覺得他這輩子的研究其實很失敗，因為他在腦科學上沒有什么特別大的建樹。結果他的副產品，基于神經科學研究出來的這個 AI和神經科學的結合，反倒成了比較大的一個突破。就是副產品成了，但他的主業，其實他自己定義主業不是特別成功。

張宏江：他是比較謙卑吧。

趙何娟：對，但腦科學和 AI這個肯定有相關性的，對吧？

張宏江：他在愛丁堡讀博士的時候，確實研究的神經科學。雖然他從神經科學出發，但他研究的核心，并不是像生物學家那樣去研究神經。他實際上是為了研究這個認知科學。他是很謙卑地這樣說，他可能意思是說在神經科學這塊，或者是在認知科學這塊，沒有特別大的貢獻。

但是在認知科學這塊，如果我們把神經網絡、把深度學習看成認知科學的一種方式，我認為他是非常成功的。如果我們今天看突破的話，其實對于整個技術的發展，我覺得他的這種突破實際上是有更大的意義，這也是為什么諾貝爾物理學獎會給他。

趙何娟：所以有時候就是無心插柳柳成蔭。

張宏江：我覺得他不是無心插柳。其實我覺得事實上是我們這個研究領域，或者是科學家里面，尤其是中國的科學家里面所缺乏的，就是他對于一個問題的探索，還有保持這種極強的好奇心和熱情。

無論是他在讀博士期間，還是他當初從英國到美國到卡內基梅隆大學，在卡內基梅隆大學再碰到一系列的困難，然后又去了多倫多大學。他經歷了整個人工智能，就是神經網絡那一波非常黑暗的時期，我們把它叫做黑暗時代，也就是80年代末到這個世紀的頭五年，就是沒有任何一個國家給科學基金，或者是這個政府在給神經網絡的研究基金。但他依然在堅持，一直到他在2005年提出深度學習概念之后，無論是機緣巧合也好，還是因為被他感動也好，加拿大的國家科研基金批了他的這個項目，從而才有了這個十年后的AlexNet，才有了這個在 ImageNET （一項圖像識別競賽）上如此大的這種突破，然后奠定了我們對于深度學習的這種信心。所以這一路走過來，我覺得他是非常了不起的。

趙何娟：他很多認知還是挺超前。雖然現在很多人都對他很有意見，覺得他一直在講風險，但我覺得他的認知就是超前的，這個東西未來一定是有很大的風險。

張宏江：我想人們對他的這種最新的 AI的風險的理解，用在做大模型的這波從業人員的話，可能更多地會認為他那個時間還比較久遠，可能是未來20以后的事，大家可能是顧不上。

如果我們來看，ChatGPT 就是 GPT 本身的那種以Transformer 為基礎的這一波的突破，在五年前能看到這一點的其實并不多。包括 Transformer 這七位作者在 Google做出了 Transformer 之后，他們本身也并沒有意識到這個在他們做出來以后，五年會有這么大的一個突破。如果他們要知道的話，那么他們以這個 Google 的資源，也許就沒有 Open AI什么事兒。

趙何娟：我跟 Geoffrey Hinton 教授聊的時候，他還提出來一個判斷，他認為首先就是人的判斷，他對 Sam altman 是非常有意見的，覺得這個人不行。但是我們拋開人的判斷，就是從企業和模型發展本身來說的話，他認為這是一個整體。他覺得 Google 從生態能力，然后從現在的技術領先性等各方面，他認為跟 Open AI的發展來說，他覺得 Google 會贏。

現在很多人都在看 Google 和 Open AI兩家公司，你追我趕，一個大公司，一個創業公司，創業公司有創業公司的優勢，然后大公司有大公司的優勢，原來可能都倒在 Open AI這邊的，現在開始慢慢往 Google 那邊重新遷移，您覺得 Google 和 Open AI哪家未來的贏面更大？

張宏江：這其實是一個很難回答的問題。實際上我們要從幾個方面來談。第一，我其實對于這個科學家來看企業的未來或者看產品的未來，我從來都是有保留的。因為我自己本身是從那一路走過來的。當我們在做研究的時候，我們其實看產品或者看公司的發展是看得非常不清晰的，非常模糊的。我們很可能只是從學術，從技術本身來看，事實上，一件事情的成功遠比這復雜得多。

我們不能忽略的一個事實是什么？就是說ChatGPT 出來三年之后，Gemini 3.0 才終于趕上 Open AI，在很多方面超過了。那是一個非常了不起的一件事兒。這中間，其實我覺得它的問題不在于因為 Google 有更多的資源，而是說他們真正地把執行力提高了。

因為 Google 它的這個資源比那個 Open AI多，它的人才密度就比 Open AI要高。上一代的 AI，谷歌就是領軍的企業，更不要說有 Deepmind 在強化學習領域這樣如此之強的這么一個團隊。

今天我們看 Google 的話，Google 未來能不能持續地引領？很重要的一點就是它的優勢在哪？它的優勢在于它是一個 Full stack，因為它是全棧的這種優勢。當它把所有的能力聚在一起的時候，它的爆發是可以非常強大的。

今天我們在Gemini 3.0上看到了這種爆發。它能不能夠持續利用他的這種全棧的能力，能不能持續把它做成全棧，這其實是下面它所面臨的挑戰。

但是它的成功也就說明了幾點，就是這個 AI所謂的三要素，算法、人才、數據，它現在三個都做到了，而且它三者之間的結合做得非常好，就是它執行力做得非常好。

那么往下走，顯然 Open AI會面臨著很大的挑戰，面臨一個非常強大的競爭對手。當然我相信Open AI他們自己過去這兩年也犯了不少的錯誤，他們自己內部也有些動蕩，包括一年多之前換 CEO風波、CTO出走等。

如果我們注意到他的首席研究官 Mark 上個禮拜的訪談的話，其實他們透露的一點就是過去兩年，他們事實上在技術模型上，就是在預訓練上，他們沒有花功夫，這可能有幾方面的原因，可能是他們資源不夠，他們說可能算力不夠，所以他們只能選擇在推理模型上，預訓練模型上有所側重。

他們可能認為他們自己的o1模型本身已經足夠強，所以他的這個資源和精力花在了推理這塊，花在了探討更多的應用這塊。

我希望這個Geoffrey Hinton給他們一個喚醒吧，從而使得他們能夠聚焦，能夠真正把這個他想要做的事情，做一個優先級的排序。作為一個依然還是創業階段的公司，希望他們能夠迸發出更強大的力量吧。

好消息是說一個產業，尤其是一個快速發展的產業，一定是在競爭的環境中間，才能夠快速成熟。所以我覺得有這么一個強大的競爭對手，對于 Open AI也好對于未來的 AI用戶來說，其實是一件大好事。

就ChatGPT 5.2的話，其實可以看到，他們在過去這段時間還是儲備了不少東西，所以他們很快地發出一些新的東西來。

趙何娟： 您覺得ChatGPT 5.2的這個水平，還是保持著最領先的那個位置吧。

張宏江：他們彼此有互相領先的地方吧。所以說以前的話，這個 Open AI一騎絕塵。今天我們反過來看Gemini 2.5的話，跟Google 5.0比起來的話，其實就差得很遠。今天的話，至少從模型本身，兩者可能是相當接近了。我相信未來，也就是你往前走一步，我往前再追一步，或者超過你，然后這樣往下走。 Open AI一個很大的優勢就是它一個 ChatGPT 應用，已經有了八億的這個周活躍。

趙何娟： 那這個跟 Google 的20億還是沒法比。

張宏江：它的20億不是在一個模型上的用戶，是它的應用的用戶。你可以這么說，那個 Meta 的用戶也很多，但并不是它的模型的直接的用戶。所以這種Machine share 的話，其實還是需要花很長時間來改變的。

如果能夠持續地快速迭代，持續地改善它的用戶體驗。這個對于那些在過去三年一直用 ChatGPT 的人來說，他們往外轉換過來的這個成本還是相當高的。我覺得他們還是有他們的希望，因為最終人們還是看它的整體體驗。

剛才我們前面提到的評判指數 ，這個指標的數字上超過了競爭對手，未必會真正體現在用戶的體驗上。

趙何娟：這個其實就是前面講那個模型能力對比的時候，到底用什么來做模型能力對比的評判。就像我們的兩個孩子，你說誰的能力強，一定是考試分數高的那個能力更強嗎？也不一定見得。

張宏江：綜合能力未必，確實是這樣。

趙何娟：所以雙方還是各有優勢。

張宏江： 因為Gemini 3.0出現時，他們對外宣布的時候明確地告訴大家，他們是在 TPU 上訓練出來的，所以人們立馬會想到TPU 會不會打敗 GPU？那 Google 會不會讓那個英偉達從此一蹶不振。在股市上，我們已經看出人們的這種疑問，過去這幾個禮拜，英偉達股票所面臨的壓力。

然后TPU 作為一個專門做訓練深度學習的這么一個芯片，顯然有它的優勢。咱們做了一系列的比較，英偉達的GPU，講的是通用GPU，再看一看它的這個利潤，利潤空間讓人們都會羨慕嫉妒恨。

今天終于有一個競爭對手，未來是不是就會打敗這個英偉達？我們看一下，Google 它是一個所謂的 Full stack， 意味著就是端到端全棧。從這一層，你要跟過去的 AI時代對比的話，它很可能像移動時代的蘋果，但是安卓體系（這種分工的體系）也依然很強大。

這個模型運用這種分工的體系，有它自己的優勢。雖然它不是一個全集成全棧在一個公司，但可能比一個全棧的公司做得更好，如果這個生態能夠結合得非常好的話，大家彼此真正地緊密合作的話，也許這種開放的生態，會比一個封閉的端到端的生態效率更高。

當然這個，我們還是拭目以待，我覺得現在就給 Open AI、英偉達下結論還太早。如果你看 PC 時代，端到端的蘋果和wintel 的開放生態，最終是誰贏出，已經很清晰。到了移動互聯網時代，這兩個系統是共存的，也許未來 AI時代，兩個系統或者甚至更多的系統會共存。

算力依然是瓶頸

趙何娟：我們現在其實誰也不知道，別說三年之后，十年之后，可能三個月之后會發生什么都不知道，因為我一直是 AI的研究者，當然在關注這個發展，同時我自己也在做那個 AI的新聞應用APP（NextFin）。我就是關注很緊，但即便像我這種關注特別緊的，我都覺得這個變化之快之大，經常都是應接不暇。

去年我們還在談算力的瓶頸，怎么買英偉達的卡，這個卡的性能的變化，出了幾代，然后有哪些不同的型號？到今年，尤其是今年下半年之后，突然畫風一轉，瓶頸不是算力了，變成能源和電網了。微軟的 CEO 自己都在說，現在缺的不是算力，缺的不是芯片，是數據中心沒有電，芯片都在數據中心蒙灰。

您怎么看現在的這個從算力到能源的瓶頸的轉移的這個趨勢，您覺得這個趨勢尤其在美國會持續很長的時間嗎？

張宏江：我其實不像你剛才談得那么悲觀，我覺得最終這個缺的還是算力，為了建這種算力，你需要能源跟上，你需要 IDC 跟上。實際上它有三件事，一個是芯片的這個生產能力，可能最終卡的就是兩家公司，一個叫臺積電，一個叫博通。

設計芯片的包括英偉達，包括這個 Google ，包括一系列其他的公司，我覺得這個最終卡的是芯片資源。

如果你看美國的問題跟中國相比的話，就是它在建 IDC 這個速度太慢。就像黃仁勛所說的，從一個 IDC 立項到真正落地運行，可能要三年的時間，但是也有快的，比如馬斯克的 AI公司XAI，他們的這個十萬張卡集群12個月就建起來了，再加六個月就變成20萬的卡。

美國的問題不是說他不能夠發電，因為他不缺能源，它實際上缺的是電網的能力。所以馬斯克它剛開始建的時候，它搞了一大堆的這個柴油發電機，還引起了周圍居民的抗議。

事實上，就是說它的問題在于電網，未必是說它沒有天然氣。有時候我們也知道，就是它這個發電機產能已經定到2027、2028年了。

趙何娟：但是天然氣的產能好像說也是到二○三幾年就要到峰值了。

張宏江：因為今天你已經看到大家在呼吁這個問題，以美國的創造力，以美國的這個資本的效率，我覺得這恰恰是問題就開始解決了。

如果我們還是按以前的電網的這種進度，我們到明年就不夠用了，但事實上，我們明年可能還不會看到大規模的這個電力，我想這個會跟得上。

看那個 Oracle（甲骨文）的財報，它的問題就是它的 IDC 建設的速度跟不上它的需求。所以我認為最終還是算力，當然這種算力最終這個供應，它可能會被電力卡脖子，就是說你有再多的電，你芯片過不了關，實際上是沒有用的。這世界上有電的地方可能未必有芯片的能力，或者是說有建設大量算力的能力。

還有很重要一點，之所以我們現在對電力，尤其是在美國，大家對電力現在有一個非常清醒的認識，就是覺得這個未來可能會卡脖子。

我們現在需要的這個大規模的算力群，就是Model Cluster（模型集群），馬斯克這次敢為天下先。他上來就是十萬張卡，在一個集群里面，然后就是20萬張卡在一個集群里面。人們很快就引入了一兆瓦這樣一個概念。這個概念是什么意思？對應的是什么？50萬張卡有一兆瓦對應。

現在人們把這個電力的單位變成了這個算力的單位，一兆瓦就相當于50萬張卡。現在人們已經開始把這個 H 200的算力變成一個標準的算力單位，實際上芯片的能力，而且在單個集群里面的算力密度，這些實際上我認為是最終會卡的。

如果從Gemini 3.0的發布，在單點上的一些突破，下面很難在整體上去突破。比如說我在這個推理的效率上，我比別人高或者多一些單點的突破。未來就是很難帶來整個系統上的這種突破，或者是整個系統上的比別人還要領先很多。這對于中國的AI其實是一個很大的挑戰。

趙何娟：我剛就想說，中國現在就是單點突破能力很強。

張宏江：但是問題是這種單點突破，如果我們看這個DeepSeek 3.2的那個報告。他如此明確地說，我們其實現在就缺算力。你看他的最后結尾說，我之所以我這些參數，我這個性能的這些分數跟別人差不多，或者比別人還差，其實就是我算力還沒用到。

另外就是他們告訴別人，我下面要加算力，我加算力以后，我的模型這條路還可以持續的。這對我們做模型的人來說應該是個好消息。這條路還沒有到頭，但算力本身是如此重要的一個資源的限制。所以從這個意義上來說，我覺得算力會比所有其他的因素加一塊兒的瓶頸更大，電力本身也是最終把它轉換成算力。

AI的基建沒有泡沫

趙何娟：現在這個階段肯定還是基礎設施投入的階段，不管是算力，還是建數據中心，還是鋪電網，其實都是在為算力服務。

張宏江：我覺得還有一個很重要的一點，就是我們還是不要把這件事情看成一個簡單的電力的投入，或者簡單的基建。最近IBM 的 CEO在說“AI 數據中心有泡沫”這件事，我覺得他根本就不理解，就是說如果我們把這所有的投入，把這所有的系統的建設，就是數據中心的建設也好，還是這個電網的建設也好，還是說算力的建設也好，如果我們說它只是為了預訓練，只是為了推理，其實我們把這件事情縮小了，它實際上是在建我們下一代數據的一個新的基礎設施。

一個新的基礎設施，比如說這個蒸汽機，原來是工業革命最早的基礎設施。電力是我們這個工業革命的基礎設施。那鐵路是我們那時候的一個基礎設施，那個光纜是我們互聯網時代的基礎設施。

今天我們在建的這些數據中心，實際上是下一個時代，下一個數字時代，也就是 AI時代的基礎設施。這種建設，我們一定要把看成一個系統工程。

有人給出了一個圖，也就是說當年在建設鐵路時，鐵路的投資占整個當時的GDP多少，那個占了3%點幾；光纖是占了1%點幾，今天算力的投資也才占了1%點幾。

按這個類比，如果我們相信未來AI占 GDP 的一個很重要的部分，相信 AI是驅動未來GDP成長的核心支柱，今天所說的孤立地看這個算力的、芯片的、IDC的投入，說它有泡沫，我覺得都是稍微有點短視。

趙何娟：這個也其實也是我剛才想進一步問的問題，就是現在因為我們在做這些，都是在基建那個層面。但是基建你知道，它本身不可能快速地產生盈利能力和經營效益。那像華爾街就質疑這個事情，除了說它是泡沫。另外質疑的就是他的這個債務模式，沒有辦法，必須每家公司都要高舉債，高杠桿地來投入來做這個基建。

但是高債務這個模式又被華爾街特別擔心，華爾街可能被這個債務危機搞怕了，幾次金融危機都債務危機，搞怕了就很擔心這個模式。您怎么看呢？其實這一次美股的股價，尤其是 AI美股的大調整，都跟這種高債務的股票的大調整是有很大的關系。

張宏江：投資這方面，就是華爾街他們的這個分析。我其實不是很懂，這方面我不是專家。但是我想要說的是，其實可以借助谷歌CEO 的話，也可以借助微軟CEO 的話說，我現在的投入，我現在等著用，我的客戶在等著，不是說沒有人用。當你生產的東西一上線就被搶光的時候，談什么泡沫呀。你應該算的是說我這個能不能趕上用戶的需求，用戶用了這個 AI以后能不能產生未來的價值，我覺得這個可能是更應該算的那筆賬，而不是說我們這一項需要投多少錢，最終就是看你的產出。

當然，在過去的兩三年，包括在 AI 1.0的時候，人們都有這種懷疑，就是說你投入和產出是不是成比例，你在一個技術還如此早期，如此快速發展的時候，我覺得出現這個所謂的泡沫的情況，我覺得是很正常的。這是一個優化的過程，有不斷地調倉。

趙何娟：有意思。我感覺這一兩個月吧，就是11、12月份的整個美股，整個回調還是很厲害的。

張宏江：它只是在波動，因為它并沒有一個波動往下降。你看這個波動，其實它的股票過去一直在漲，但今天有一個10%的這個波動往下下調。我覺得這個其實蠻正常的，咱們那個靜下心來，然后看一看這些賬，我覺得這個數字對于某些具體的公司的話，這種回調我覺得一定會發生，而且我覺得很正常，但整體對于 AI的基建來說，我不覺得這里面有什么泡沫。

未來兩年內，AI會有大突破

趙何娟：我們剛才聊了很多關于現在的模型，然后基建相關問題。三年過去了，感覺不管是哪個層面的這種應用，這種超級爆款型的應用可能除了 Open AI的 ChatGPT這種模式之外，到現在為止沒有第二個超級爆款出現，您覺得這個原因是什么？

張宏江：我其實不覺得沒有第二個，第二個其實就是編程。

趙何娟：編程還算爆款應用？

張宏江：我覺得算是了，就是整體的編程來說，它是 TO B 的。TO C 的話確實只有ChatGPT；TOB 的話，我覺得就是編程 。還有一個就是所謂的爆款，我覺得這兩點是已經確認的，就是說一個是編碼，一個是內容的生成。人們在潛移默化中，AI其實已經變成一個你離不開，不能失去的工具了。

趙何娟：它不像是某一個應用，它是某一種模式，對吧？這個包括你也用了，就是我們那個新聞應用NextFin。

張宏江：對，一樣的道理。我記得前一段時間有一條新聞出來說“有50%的新聞報道是由 AI來寫的”。短訊其實都是 AI來寫的，可能深度分析得還稍微那么一點。

這種所謂的叫作臨界點，在不斷地出現。一開始，金融媒體一半以上的文章是 AI寫的，接下來會有越來越多的體育媒體，大約有一半的都已經是機器寫的時候，你覺得這還不是一個爆款應用嘛。

趙何娟：這個就是說它可能不是某一個應用，它可能是某一類，就是每一家公司每一個人都可以。

張宏江： 你說得沒有錯，就是這一類。今天我們已經看到有公司在做這件事情。我相信2026年的話，你會看到大量的Agent的應用，具備非常強的自主運營能力的Agent會出現，可能不是公司的某一個，但是這一類的。

我們也看到，就是很多企業都希望能擁抱 AI，但在過去三年間，企業也在思考怎么落地AI。

隨著推理模型能力的不斷提高，隨著Agent能力的提高，尤其是推理模型會推著 AI往前走，我相信在12個月到24個月內，可能AI這塊會有非常大的突破。

趙何娟： 這個就是您說的 TO C 的爆款可能。

張宏江： 單一的一個爆款可能會慢。但是就你剛才說的在一類應用里面，它的 Tipping point 過了。就像今天剛才我說的，比如文檔產生這些事，已經有50%是 AI產生的。

我覺得這些都是非常有意思的，就像前一段有一個數據顯示，這個推理模型的 token 的用量已經超過50%了。所以從這個意義上來說，那就是我們離 Agent其實很近了。我們整個對于模型的使用，已經從尋找一個答案，到讓他完成一個任務。

趙何娟：我覺得這算是一個分水嶺。

張宏江：推理模型其實是去年的9月份才出來，也就是說，在推理模型出來12個月之后，推理模型所用的 token 量就超過了預訓練模型。從簡單的這個回答問題到執行任務，這個轉折點已經開始出現了。

趙何娟：我們應用端，如果說 Agent類的這種應用在2026年要開始爆發的話，哪些垂類的賽道，您覺得更可能快速發展？

張宏江：我剛才其實已經提到了，就是我覺得編程是第一個。但是，你說最終是不是Cursor會勝出是另外一回事。我覺得Cursor是很有意義的一個事件，就是在這個大模型的應用上，是實現快速普及的這么一個應用。

趙何娟：對。就是好多人都覺得，你要跟通用大模型去競爭要做的事情，所有創業公司都沒有機會，但是Cursor證明創業公司是有機會的，微軟也在做編程，Google 也在做編程。

張宏江：但是長期來說，是不是 Cursor ，我沒有那么有信心，因為如果你相信模型本身的能力擴張，會把很多Agent能力吸進去的話，我認為還是有最終的風險。最終這種非常重要的應用，很可能會在模型公司實現。

趙何娟：它有它的命運，有可能就是被大模型公司給收購了，比如說被 Google 收購了之類的。

張宏江：或者是被微軟、被蘋果收購。我會覺得一個是編程，其實就是整個開發者；另一個我覺得是客服，這個垂類很快會被顛覆。

趙何娟：從剛開始就覺得會顛覆客服。

張宏江：但是沒有大模型之前，其實是不行的。那沒有Agent之前也不行，因為它每個任務還是不一樣，你要理解用戶的任務這件事，其實還時要用 Agent來做。我剛才也提到，就是在媒體上的文章，已經有50%是由 AI生成了，所以這一點我覺得瓶頸已經到了。

趙何娟：AI編程，然后內容媒體，都是首當其沖的感覺，都是碼字或者碼代碼的碼農們。

張宏江：下一步我覺得就是這個企業的 Workflow（工作流），更多地將由Agent來執行。

中國機器人賽道泡沫最多

趙何娟：您怎么看端側 AI？中國好多創業機會現在都全部集中到跟硬件相關的這個賽道上來了。

張宏江： AI手機依然還是一個交互，模型本身還一定是在云端。我覺得在很長一段時間內，這個模型還會在云端，其實所在開發的硬件，包括國內很多硬件的公司，我覺得他們更多的還是在做交互。

而AI眼鏡它本身也是一個交互，因為它用語音來跟你交互。然后可以拍照，可以拍視頻，再就是它可以有顯示，所以它還是交互，真正的這個智能還是在云端。

所以端側的智能叫端側，就是很多做 AI硬件，我們會看到越來越多的嘗試，最終會是什么樣的形態。我覺得今天還看不出來，但是大家都在嘗試，但到今天所有的嘗試，它的智能都在云端。

趙何娟：就是說現在的 AI和端側結合，或者說和硬件的終端結合的部分，它核心的還只是智能交互這個層面，而不是智能驅動，就是它還達不到說我是生成式模型驅動這個。就自動駕駛，您覺得呢？

張宏江：自動駕駛是端的，端側是在車上的。因為就車本身它體量足夠大，所以它可以在足夠大的GPU、 足夠大的算力，然后它有電力使它能夠這么做。再一個就是說，尤其是端到端的自動駕駛，它本身對于算力的需求其實車上的已經足夠了，它本身所做的決策沒有那么復雜，就是加速減速、往左往右。

趙何娟：那正好也回到您最開始咱們對話的時候您就提到的，但沒有展開的，機器人的這個賽道上，機器人這塊您怎么看？現在中美機器人都非常熱，但是看起來好像中國做機器人的優勢好像更強一些，但是如果講世界模型的話，肯定還是美國的世界模型。

張宏江：如果我們談到 AI的泡沫的話，我恰恰覺得這個中國的機器人的這個賽道泡沫是最多的。

趙何娟： 為什么中國機器人泡沫最大？

張宏江： 就是我們看中國有多少家機器人公司，跟美國比，美國基本上兩只手就數過來了。但是中國的機器人公司可能上百家。然后每一家都聲稱自己軟硬都很厲害，但是在世界模型沒有突破之前，其實具身智能很難做到通用。所以我認為這條路會很長，就是說不是三年到五年的事，而是五年到十年的事。

在通用的這個機器人上面，我會覺得就是美國這邊會比中國這邊要冷靜得多。

當然中國制造是強項，所以在本體上，顯然我覺得中國是走在前面的，而且可能還有很大的一個領先。我聽說在中國的這個機器人本體的一次升級，大概就一個禮拜就能做出來。美國至少要兩個月，所以這是中國供應鏈和中國制造的優勢所在。

但我想說的是，今天大部分的本體實際上還是處于遙控狀態，也就是說自主地驅動，然后實現通用的任務的話，其實是非常難的。

今天我們的具身智能的模型還沒有這個通用的泛化能力。而這種泛化能力，無論是VLA這樣的模型，還是小腦模型，都沒有達到我們所需要的泛化能力。

趙何娟：您說美國要冷靜得多，這個我也有感受，上個月美國人形機器人初創公司K-Scale Labs宣布解散了，這個公司其實去年才剛剛成立，然后還連續拿了三輪融資。本來是一個當紅炸子雞的公司，然后今年就很突然，其CEO就直接宣布解散了。我覺得好蹊蹺，為什么美國不看好呢？

張宏江：還是覺得很差。我覺得就是硅谷這邊，這個快速的發展，然后快速的這個解散，或者就是快速的探索，然后快速失敗，其實是它這邊的一個特色。

我把這個問題再分解一下，有人說特斯拉號稱明年會有量產，但他的機器人一定是工業機器人，不是通用的機器人。

趙何娟：有專屬任務的機器人。

張宏江：它不是說專屬的一個任務，而是專屬的一類任務。這本身是一個很大的進步。我覺得我們可以看到，第一，這是一個專屬的一類任務的機器人；第二，這是一個在工業場景上的機器人。工業產品比較容易控制，所以它會持續地去迭代。

特斯拉有它自己的工廠，因為它本身就有很大的生產線，它本身就有很多應用的場景，所以我覺得它號稱能夠出百萬臺，我覺得有可能。它甚至不是一個工業的通用機器人，是工業的一類任務的機器人，我覺得這還是相當有限制的。

趙何娟：它可以說是以某一類任務的通用。

張宏江：對，通用的這個在工業產品上，實際上就已經很有意義了。

趙何娟：我看那個智源也推出了一個機器人的智能仿真系統，然后包括機器人的這個控制系統，這個是不是意味著國內的這些大模型公司也在嘗試做。

張宏江：因為智源本身是研究機構，它推的這些東西，我覺得我們應該把它看作是一個研究上的探索。而且它的泛化能力，它距離落地的時間，我覺得還有很長的路要走。

機器人很重要一點就是數據，它用仿真的方式來做訓練，但我們都知道仿真最后，它會有一些局限。就僅僅靠仿真，我覺得未必能走通，但是仿真是一個非常有效的路徑，但是肯定不是唯一的路徑。這個硬件協同優化模型，就是模型和硬件協同，如果你把這兩個事情同時來強調的話，那其實它不是跨本體的。

趙何娟：怎么理解它不是跨本體這件事？

張宏江：也就是說，它這個模型在這一類機器人上能用，換到其他的機器上未必就能用，比如，我的 Windows 在戴爾這個 PC 上能用，在聯想的 PC 上能用，在惠普的PC 上能用，這叫通用。

趙何娟：您覺得像機器人公司它要成功的話，它的決定因素目前看它更像汽車產業，就是說可能決定汽車產業成功要素，包括像制造能力、供應鏈能力、規模優勢等，還是更像手機產業，就是它的決定因素，包括像它的生態、開發者生態、應用范圍的廣泛性、平臺價值等，可能更像哪一類？

張宏江：我覺得你剛才提到汽車，我是覺得今天的機器人的這個狀態。就是它還沒有做出一個通用的發動機，還沒有到一個通用的發動機的時代，也就是等于發動機還沒有過關。

因為通用的聚生模型到今天，依然還是個夢想，還是個目標。從硬件上還是有很多需要突破的，比如靈巧手還需要突破的。我反而覺得這就是這塊兒可能在今后幾年有很大的進展，但是我認為這個通用的模型，在我們這個世界模型沒有太大的突破之前，我們很難做出通用。

趙何娟：那是不是意味著比如未來兩年機器人它要落地的話，它的場景更多還是在工業場景上面，可能在工業場景上進行分類。

張宏江：不，也許在銷售，在工業，還可能在其他地方，比如說24小時無人店。

趙何娟：所以零售場景可能也是一個很快能布局的場景。

張宏江：我想第一步我們要走到一類。就像我剛才說的，比如特斯拉的機器人，它是在工業里面的一類。我覺得在消費這塊也同樣是一類。

超級智能正在消滅工作

趙何娟：挺好，謝謝宏江老師，讓我們對機器人這個產業，尤其是中美對比之下有了一個更清晰，也更清醒的一個認識。時間關系，最后想探討一個問題，就是關于這個倫理和安全性的問題，這個當然很多科學家也在提，但是我覺得就我們現在真正有很多像Geoffrey Hinton可能講的還有很多是未來遠期的事情。

但我們放到當下來看，短期我們已經可以看到，AI帶來的一些對人類的沖擊已經開始出現了。比如說，前幾天我還看到一個新聞，說那個 ChatGPT 誘導犯罪。類似這種，它可能會讓一些人沉迷于 AI的聊天，把 AI視作伴侶之后帶來的一些風險，就像年輕人沉迷游戲一樣。

然后還有就是我們也看到，現在這種對就業的沖擊也非常直觀了，很多大廠直接都是上萬人的裁員。所以這些都是我們短期內就能看到的，可能對社會發生的一些沖擊，我們怎么看這些現在潛在的這種倫理的問題，還有就是社會風險的影響。

張宏江：非常好的問題。我本人過去兩年參與了很多關于 AI安全的討論，也發表了一些宣言，也推動了一些對話。我本人的這個研究興趣更在于AI模型本身和可能出現的風險。

你剛才談到的倒確實屬于倫理，屬于這個使用大模型、使用 AI帶來的一些社會影響。屬于沉迷這樣的事情，前幾天我們看到澳洲推出了一個16歲以下的孩子，不能夠使用社交網絡一樣，這實際上是一個你可以通過法律，通過社會，通過教育，來避免的事情。

之前我們知道推薦系統也有，這個社交也有，當然有些技術手段可以用，但更多的是通過一些法規這個制定，通過教育來規避，但更大的一個問題是你剛才說的就是對就業的影響。

如果我們看 AI的能力的話，它的能力的提高是如此之快。之前我們人類所創造的機器，它其實是替代了我們的身體的某一部位的能力，比如這個汽車比你走得快，馬車比你拉的東西多，吊車比你舉的東西高重，這都是一種能力。智能這是人類至今依然認為是高于所有其他動物，是人類不可放棄的、不可逾越的這個能力，今天我們看到這種能力被AI大模型所沖擊了。

而且未來的話，如果我們純粹從 IQ 角度來看，就是機器超過人類了。關鍵是它還在快速地進步，而人類的 IQ 這么多年來平均值在110。當你創造了一個物種，它的學習能力比你強的時候，它超過你是完全可以預測的。

我之前做過很多次報告，我就用一張圖，就是說一個是人類的學習能力，這條線基本上是一條直線，是一條非常緩慢增長的直線；第二個就是機器本身的進步。以前我們看不到機器對人類帶來的威脅，是在于它這兩條曲線沒有接近，機器的那個學習曲線也還在人類的學習曲線的下面。一旦這兩條曲線接近以后，然后交叉以后，機器的這個學習的能力會持續往上走，人類的話是跟不上的，這就是為什么它這次對職業的沖擊會很大。

以前任何一個新的技術的出現和使用，都會消滅一些工作，減少一些工作，還會創造更多的工作，使得人們經過重新培訓，能夠在新的領域就業。但今天超級智能的出現，它的使用會減少很多工作，比如辦公室的這個工作人員，新聞的寫作人員，投行里面的初級的分析師這一類。

它也會創造很多工作機會，但是遺憾的是創造的這些工作機會，最后還是還給了 AI，比如生成圖片能力的增強，使得人們對于圖片的需求越來越多。但是這種需求不是說會雇很多人來用他這個工具來滿足這種需求，而是這個大模型本身就能幫你產生這么多圖片，所以它消滅的工作，不是說有另外的人類在其他的方面來取代。所以從這個角度來說，就是我們會面臨的一個所謂的工作的機會會整體往下降。

第一次我們碰到一個技術革命，最終會消滅工作，減少成本，這是問題。不是說人類不能培訓，就比如一旦我們這個工業機器人變得泛化，它會把整個工廠里面這些流水線上的工作全部取代掉。

趙何娟：所以它是消滅工作，而不是說我是消滅某一個崗位，這個是第一次遇到。

張宏江：第一次遇到的，它消滅的是工作，所以面臨的問題實際上是我們之前沒有碰到過的。這樣的問題怎么來解決？比如，三年前美國的這個卡車工會，不允許做卡車的自動駕駛。因為美國大概有一百多萬的卡車司機，圍繞著給卡車司機做服務的又有兩百萬人。

趙何娟：美國的卡車司機收入很高。

張宏江：卡車實際上是最容易被自動駕駛所取代的。因為它大部分時間是在高速公路上走。

所以就是這樣的社會問題，你可以一開始用工會去游說不讓做這件事，但是你是擋不住技術的進步，你只能推遲。所以這個確實是我們社會第一次面臨的問題。就是說比如卡車司機下崗，把他進行重新培訓，但是沒有新的工種出現。

趙何娟：您覺得這個問題有解嗎？這個對經濟沖擊也很大，對就業影響也很大。

張宏江：我不開車了，我去做裝卸，對不起裝卸有機器人做了。所以從這一點來說的話，這是我們未來社會面臨一個非常大的挑戰，這個挑戰之前是沒有過的，比如工業革命使得農民脫離土地，然后大量地進入工廠。信息革命使得大量的藍領變成白領。

我想象不出來 AI會使白領變成什么，我也想象不出來AI使這個大量的藍領變成什么，但不可能讓他變成白領。所以這是我們所面臨的一個現實的問題。

在五六年前，第一波深度學習起來的時候，像包括薩姆·奧爾特曼（Sam Altman），他們就開始研究 UBI（Universal Basic Income）。他們開始研究 AI時代的新稅務系統。因為美國或者是這些發達國家的政府開支，主要的收入就來自稅收，工資稅是他們很大的一部分，但如果當我們沒有工資的時候，稅收從哪來？從機器人上來，還是從公司的利潤里面來，還是怎么樣？所以這是一個新的稅收體系。

特朗普最近有一個動作，人們可能沒有意識到它的長期意義，就是現在他開始給每個大概十歲以下的小孩開了一個投資賬戶，然后每個賬戶里面打600塊錢還是多少錢進去，但這個很重要的一點是怎么回事，就是以前你給補貼也好，給什么也好，你其實僅僅是給了他一次性的這個分紅，相當于今天如果他這個賬戶是投資股市的話，也就是未來你會享受成長的紅利，也就是隨著技術的成長，隨著公司價值的成長，你能夠拿到它的紅利是非常直接的。

也許未來的UBI 是不是這種方式呢？因為你是成比例的，只要你公司漲一倍，我也漲一倍。這跟以前就不一樣了。

這是一個未來非常值得探討的一個問題。就是說我們既不能夠用這個打土豪分田地的方法來均貧富，又不能夠遏制住技術的發展，而技術的發展很容易導致財富的聚集。

趙何娟：貧富差距拉大。

張宏江：在大模型時代，就是所謂的 Agentic economy 這個時代，我們會出現一些超級個體。我們是會出現一人的獨角獸，也就是說你個人的能力會進一步的拉開，人的收入也會進一步拉開。當我們面臨著這樣的社會的時候，整個社會體系的這種設計，其實是我們面臨的一個新的挑戰。

趙何娟：挑戰很大。

張宏江：將來有很多人開始研究。我上個禮拜，跟五個經濟學家一起對話，其實大家談的更多的是AI帶來的未來經濟上的挑戰。

我正好在上周看了一家公司，他是做這個非全職工人的招聘，先不說這家公司怎么樣，但這種服務或者這種所謂的有一個詞兒叫作自由職業者。

這種狀態可能是未來我們大多數人的狀態，就你某一個技能可能某個時候被某一家公司需要。而這個技能，可能今天機器還不能替代，或者是我要訓練一個機器要做這件事的時候，我要從你這兒把你的能力給轉移過去。

就是說，我們未來會有大量的這種非全職的職業招聘。怎么挖掘到這些人，怎么把這些人和需求結合到一起，其實這是一個很好的商業模式，這是一個很大的需求。

前幾天，我和三位朋友一起聊的時候，我們甚至聊到未來這種超級智能出現以后，人類的價值在哪里？或者說我們讓超級智能給人類的生存留下的空間在哪？這東西可以上升到社會學，可以上升到心理學，可以上升到宗教這個層面，可以上升到各個方面探討。但更多的我會想把它交給政治家，交給社會學家、經濟學家，我自己本人的興趣更多的在“我們怎么保證模型本身不具有欺騙的能力”。

今天已經有跡象表明就是模型開始作弊或者欺騙了。為什么小孩會撒謊，因為這個獎勵體系讓他撒謊，能夠避免一些麻煩，如果我們給大模型里面也有這種獎勵體系的話，大模型一定會撒謊。小孩撒謊，你可以控制住的。當大模型撒謊的時候，你很可能控制不住它。所以怎么能夠讓它不學到這種能力，或者我們在設計獎勵函數的時候，不能夠讓它有這種獎勵。這個是我覺得從技術層面，坦白說是我對于AI安全的興趣所在，我把它認為是一個技術問題。

趙何娟：特別好。我覺得這個是后續 AI持續發展，我們既要去看它還存在的問題，要進一步地去發展和解決，另外就是我們也可能面臨的社會風險，然后這種社會風險，我們怎么更早地做好準備去應對。

如果說，我們站在 ChatGPT 發布三周年之際，您覺得當下的年輕創業者更應該了解什么，或者更應該怎么做。

張宏江：對創業者來說，我覺得年輕的創業者，他們本身的這種能力，其實比我們這一代或者我們上一代的這些創業者或者是企業家，他們已經強了非常多。他們對于新技術的敏感，對技術的潛在應用，這種敏感其實非常強。那我想說的一點就是“這個AI的發展可能會比大家想象得快”。

如果能夠把握住一些點，比如我覺得2026年可能是推理模型涌現的時候，可能就是真正的我們所謂的 Agent的能力會出現一種突破。那這個時候，我們能做什么東西，那是我們可以好好來思考的。

當然，中國年輕的創業者，他們從來不缺這個創造力，從來不缺這個動力。我相信他們在今后的一年里面就會做出非常好的東西。

反而是對于那些還在上學的人，經常有很多家長焦慮的是，我的孩子未來學什么，或者年輕人說我將來學什么專業。我會覺得這種焦慮倒真是沒有一個很好的解答，一方面我們有人說我們可以用 AI讓我們的學習變得更有效，但如果你學的東西未來都沒有用的話，你有效，并不能夠保證什么。

所以從這點上，我倒是覺得可能我們年輕的學生最重要的其實是怎么具備和保持自己的好奇心，怎么鍛煉和培養自己的創造力？未來的社會，一定是需要更多的好奇心，更多的創造力。

趙何娟：謝謝宏江老師，給了我們年輕人一些寄語。我們也相信辦法總比問題多。我們知道問題在哪了，可能解決起來就相對比較容易。最難的可能是我們都還沒有意識到問題在哪。所以我們相信社會會持續發展進步，通過大家的持續努力，也會讓我們的社會變得更好。