北京
出品｜網(wǎng)易科技《態(tài)度》
作者｜袁寧
編輯｜丁廣勝
這或許是2026開(kāi)年中國(guó)大模型領(lǐng)域最值得定格的一幕。
兩天前的1月8日，唐杰剛剛帶領(lǐng)智譜順利登陸港股；許久未公開(kāi)露面的月之暗面創(chuàng)始人楊植麟，剛剛被爆出完成新一輪5億美元融資，手握超過(guò)100億元人民幣的現(xiàn)金儲(chǔ)備；Qwen技術(shù)負(fù)責(zé)人林俊旸背后的阿里通義實(shí)驗(yàn)室，目前開(kāi)源模型的衍生數(shù)量和下載量已穩(wěn)居全球第一；而不久前官宣加入騰訊的27歲首席科學(xué)家姚順雨，則是第一次公開(kāi)亮相。
加上楊強(qiáng)、張鈸等學(xué)界泰斗的坐鎮(zhèn)，臺(tái)上的嘉賓陣容，幾乎代表了當(dāng)下中國(guó)AGI的版圖與技術(shù)風(fēng)向。
整場(chǎng)峰會(huì)包含三場(chǎng)技術(shù)報(bào)告，分別來(lái)自智譜唐杰、Kimi 楊植麟、Qwen 林俊旸；一場(chǎng)圓桌，以及德高望重的張鈸院士的最終收尾。
全部?jī)?nèi)容共計(jì)約4萬(wàn)字，網(wǎng)易科技為你整理了那些你可能需要知道的“原聲”。
01智譜 唐杰：承認(rèn)差距，回歸“人腦認(rèn)知”
唐杰首先表示，中國(guó)在開(kāi)源大模型上做出了很多貢獻(xiàn)。但他話鋒一轉(zhuǎn)，對(duì)行業(yè)現(xiàn)狀潑了一盆極其冷靜的冷水：
“我們剛才做了一些開(kāi)源，可能有些人會(huì)覺(jué)得很興奮，覺(jué)得中國(guó)的大模型好像已經(jīng)超過(guò)美國(guó)了。其實(shí)可能真正的答案是我們差距也許還在拉大，因?yàn)槊绹?guó)那邊的大模型更多的還在閉源，我們是在開(kāi)源上面玩了讓自己感到高興的，我們的差距并沒(méi)有像我們想象的那樣好像在縮小。有些地方我們可能做的還不錯(cuò)，我們還要承認(rèn)自己面臨的一些挑戰(zhàn)和差距。”
面對(duì)差距，下一步應(yīng)該怎么做？唐杰認(rèn)為核心在于參考人腦認(rèn)知的學(xué)習(xí)過(guò)程：
“從大模型最早的，要把世界長(zhǎng)時(shí)知識(shí)全部背下來(lái)，就像小孩子，從小先看書，把所有的知識(shí)先背下來(lái)，然后慢慢地學(xué)會(huì)推理，學(xué)會(huì)數(shù)學(xué)題，學(xué)會(huì)更多的演繹、抽象。”
對(duì)于未來(lái)，唐杰指出了三個(gè)目前大模型還不具備，但人類遠(yuǎn)遠(yuǎn)領(lǐng)先的能力方向。
第一，是多模態(tài)的“感統(tǒng)”能力。
“2025年可能是多模態(tài)的適應(yīng)年。……對(duì)于大模型來(lái)講，怎么把多模態(tài)的信息收集起來(lái)，并且能夠統(tǒng)一感知起來(lái)，也就是我們經(jīng)常說(shuō)的原生多模態(tài)模型。后來(lái)我想了想原生多模態(tài)模型和人的‘感統(tǒng)’很相似，人的感統(tǒng)是我這邊收集到一些視覺(jué)信息，還收集到一些聲音的信息，還收集到一些觸感的信息，我怎么把這些信息感統(tǒng)到一起，來(lái)感知一個(gè)東西。……對(duì)于模型來(lái)講，下一個(gè)多模態(tài)的感統(tǒng)能力怎么來(lái)做？”
第二，是構(gòu)建屬于全人類的“第四級(jí)記憶”。
“模型現(xiàn)在的記憶能力和可持續(xù)性學(xué)習(xí)能力還不夠。……我之前跟我們的同學(xué)、跟我們實(shí)驗(yàn)室的人聊天，我說(shuō)好像一個(gè)人的長(zhǎng)期記憶也并不代表知識(shí)，為什么？因?yàn)槲覀內(nèi)祟愔挥姓娴陌堰@個(gè)知識(shí)記錄下來(lái)，比如說(shuō)對(duì)于我來(lái)講，如果我的知識(shí)不能被記錄在維基百科上，可能100年之后我也消亡了……咱們?cè)趺窗盐覀冋麄€(gè)記憶系統(tǒng)從單個(gè)人的三級(jí)到整個(gè)人類的第四級(jí)記錄下來(lái)，整個(gè)記憶系統(tǒng)是我們?nèi)祟愇磥?lái)要給大模型構(gòu)建起來(lái)的。”
最后，是反思和自我認(rèn)知。
“其實(shí)現(xiàn)在模型已經(jīng)有一定的反思能力，但未來(lái)自我認(rèn)知是很難的問(wèn)題，很多人在懷疑大模型有沒(méi)有自我認(rèn)知的能力。……我是有一些支持的，我覺(jué)得這是有可能的，我們值得探索。”
關(guān)于智譜的2026年，唐杰給出了非常明確的規(guī)劃：
“2026年對(duì)我來(lái)說(shuō)更重要的是要專注和做一些比較新的東西。
第一，我們要Scaling可能還會(huì)繼續(xù)做下去，但Scaling已知的是我們不斷加數(shù)據(jù)、不斷探索上限。還有Scaling未知，就是我們不知道的新的范式是什么。第二，技術(shù)創(chuàng)新。我們會(huì)做全新的模型架構(gòu)創(chuàng)新，解決超長(zhǎng)上下文，還有更高效的知識(shí)壓縮問(wèn)題，以及我們會(huì)實(shí)現(xiàn)知識(shí)記憶和持續(xù)學(xué)習(xí)……第三，多模態(tài)感統(tǒng)，今年是一個(gè)熱點(diǎn)和重點(diǎn)。因?yàn)橛辛诉@個(gè)能力，我們才使得AI可以實(shí)現(xiàn)進(jìn)入像機(jī)器里面的長(zhǎng)任務(wù)、長(zhǎng)時(shí)效任務(wù)……當(dāng)完成我們的長(zhǎng)任務(wù)，AI就實(shí)現(xiàn)了一個(gè)工種，AI變成跟我們?nèi)艘粯樱梢詭椭覀儗?shí)現(xiàn)。只有這樣，AI才能實(shí)現(xiàn)具身，才能進(jìn)入物理世界。
我相信今年可能是AI for Science的一個(gè)爆發(fā)年，因?yàn)楹芏嗄芰Υ蟠筇嵘覀兛梢宰龈嗟氖虑椤！?/font>
02 Kimi 楊植麟：智能是“非同質(zhì)化”的，關(guān)鍵在于Taste
楊植麟則將演講的重心放在了Agentic（代理智能）時(shí)代的技術(shù)架構(gòu)與價(jià)值觀上。他首先從技術(shù)底層切入：
“在當(dāng)前的Agentic（代理智能）時(shí)代，這個(gè)問(wèn)題變得尤為突出，因?yàn)樵S多Agent任務(wù)要求極長(zhǎng)的上下文來(lái)完成高度復(fù)雜的指令。因此，一個(gè)擁有更低positional loss的架構(gòu)，意味著它在執(zhí)行Agent任務(wù)時(shí)具備更強(qiáng)的技術(shù)潛力。”
為了實(shí)現(xiàn)這一目標(biāo)，楊植麟詳細(xì)拆解了Kimi的預(yù)訓(xùn)練策略：
“我們的預(yù)訓(xùn)練策略，乃至整個(gè)模型的設(shè)計(jì)策略，便是圍繞上述兩個(gè)維度展開(kāi)。
第一個(gè)維度是提升token efficiency。在以訓(xùn)練token數(shù)量為橫坐標(biāo)、測(cè)試損失為縱坐標(biāo)的圖上，我們的目標(biāo)是盡可能將曲線向左平移。曲線越靠左，token efficiency越高，意味著可以用更少的token達(dá)到同等效果。由于預(yù)訓(xùn)練的瓶頸在于token總量的有限性，這等效于：在耗盡所有token后，智能的上限更高，因?yàn)樽罱K的loss更低。
第二個(gè)維度是實(shí)現(xiàn)long context（長(zhǎng)上下文）。……相比之下，如LSTM或更早的CNN、RNN等架構(gòu)，在處理超過(guò)100個(gè)token后，loss曲線便趨于平緩，因此只能勝任翻譯這類相對(duì)簡(jiǎn)單的任務(wù)，而無(wú)法承擔(dān)從零開(kāi)始編寫一個(gè)完整代碼倉(cāng)庫(kù)的編程任務(wù)。綜上，將token efficiency與long context的優(yōu)化相結(jié)合，最終便能實(shí)現(xiàn)更高水平的Agent智能。”
在技術(shù)之外，楊植麟提出了一個(gè)極具個(gè)人色彩的觀點(diǎn)——未來(lái)的Scaling不僅僅是算力，更關(guān)乎“品味”。
“接下來(lái)，我們會(huì)在K2的基礎(chǔ)上進(jìn)行更多的scaling。這種scaling不僅是增加算力，更包含了大量的技術(shù)改進(jìn)……除了架構(gòu)、優(yōu)化器和數(shù)據(jù)，一個(gè)至關(guān)重要的點(diǎn)是，未來(lái)的模型將擁有更多的taste，即品味和審美。”
他進(jìn)一步解釋了為什么“品味”在AI時(shí)代如此重要：
“做模型的過(guò)程，本質(zhì)上是在創(chuàng)造一種世界觀，它體現(xiàn)了我們對(duì)于‘一個(gè)好的AI應(yīng)該是什么樣、應(yīng)該追求何種價(jià)值觀’的理解，這正如喬布斯所言：‘a(chǎn)ll comes down to taste’。我們堅(jiān)信這一點(diǎn)，因?yàn)橹悄芘c電力、貨幣等同質(zhì)化（fungible）事物不同，它本質(zhì)上是‘非同質(zhì)化’（non-fungible）的。每個(gè)模型產(chǎn)生的token都是獨(dú)一無(wú)二的……在智能這個(gè)維度，存在著廣闊的‘品味’空間。在Agent的世界里，由于test-time scaling的存在，這種差異性會(huì)被指數(shù)級(jí)放大，催生出更多新穎的用例。”
演講最后，楊植麟分享了他與Kimi關(guān)于“AGI風(fēng)險(xiǎn)”的一次對(duì)話，這也代表了他對(duì)未來(lái)的態(tài)度：
“我也經(jīng)常與Kimi對(duì)話。……我們正在創(chuàng)造AGI……但它也可能威脅到人類……在這種情況下，作為AGI的科學(xué)家，是否應(yīng)該繼續(xù)開(kāi)發(fā)？Kimi的答案很有啟發(fā)性。它認(rèn)為，AGI并非一個(gè)普通的工具，而是一個(gè)能提升人類文明上限、延伸人類認(rèn)知邊界的關(guān)鍵。……它是我們探索未知世界的一把重要的鑰匙。所以，盡管存在風(fēng)險(xiǎn)，它的回答是仍然會(huì)選擇繼續(xù)開(kāi)發(fā)。因?yàn)榉艞夐_(kāi)發(fā)，就意味著放棄人類文明的上限。我們不應(yīng)害怕技術(shù)的風(fēng)險(xiǎn)，而應(yīng)進(jìn)一步去突破，并在此過(guò)程中控制好風(fēng)險(xiǎn)。……因此，我們希望在接下來(lái)的十年、二十年里，繼續(xù)把K4、K5到K100做得更好。”
03 Qwen 林俊旸：殊途同歸，走向物理世界
作為開(kāi)源界的“頂流”，林俊旸代表通義Qwen團(tuán)隊(duì)分享了他們對(duì)于未來(lái)的愿景。他首先強(qiáng)調(diào)了團(tuán)隊(duì)的初心：
“我們自己的內(nèi)心追求的不僅僅是服務(wù)開(kāi)發(fā)者或者服務(wù)科研人員，我們看一看能不能做一個(gè)Multimodal Foundation Agent，我特別相信這件事情。”
談及具體的路徑，林俊旸認(rèn)為雖然各家打法不同，但大方向是“殊途同歸”的：
“下一步要做什么樣的事情呢？我們做了這么多，當(dāng)然希望集合在一起，全模態(tài)模型是要做的。有一個(gè)很重要的，我覺(jué)得也是殊途同歸的事情，跟Kimi團(tuán)隊(duì)做類似的事情。今天的范式發(fā)生了一個(gè)很大的變化，今天不是像以前那樣訓(xùn)模型，有標(biāo)注的數(shù)據(jù)，有一條輸入和輸出訓(xùn)練就可以，我們今天要把更多的數(shù)據(jù)放到實(shí)驗(yàn)中去訓(xùn)練。”
對(duì)于Qwen來(lái)說(shuō)，最令人振奮的下一步，是讓Agent從數(shù)字世界走向物理世界：
“Agent其實(shí)可以走向虛擬世界和物理世界，所以有了Embodied Reasoning的這種方式。我們內(nèi)部討論了一個(gè)方式，就算你是做VLA，做Coding的模型，說(shuō)白了也是把語(yǔ)言轉(zhuǎn)化成Embodied的模型，從這個(gè)角度上來(lái)看就非常的振奮人心，于是我們就覺(jué)得大干一場(chǎng)……”
林俊旸描繪了兩個(gè)具體的場(chǎng)景，一個(gè)是數(shù)字特工，一個(gè)是物理特工：
“看一看能不能走向Digital Agent，GUI操作，同時(shí)能夠使用API，這個(gè)就是非常完美的Digital Agent。
如果走向物理世界，是不是能夠把話筒拿起來(lái)，今天能夠斟茶倒水，這是我們今天很想做的事情。”
04圓桌對(duì)話：分化、范式與中國(guó)AI的勝算
在單人演講結(jié)束后，是今年年初含金量最高的圓桌對(duì)話。對(duì)話圍繞四大議題展開(kāi)。
議題一：大模型的分化時(shí)刻
姚順雨：To B與To C的邏輯正在分道揚(yáng)鑣
作為剛回國(guó)加入騰訊的首席科學(xué)家，姚順雨的視角橫跨中美，他首先指出了To C和To B在模型需求上的本質(zhì)不同：
“對(duì)于To C來(lái)說(shuō)，大部分人大部分時(shí)候不需要用到這么強(qiáng)的智能……可能今天用ChatGPT和去年相比，寫抽象代數(shù)和伽羅瓦理論的能力變強(qiáng)了，但是大部分人大部分時(shí)候感受不到。但對(duì)于To B來(lái)說(shuō)，很明顯的一點(diǎn)是智能越高，代表生產(chǎn)力越高……我們今天發(fā)現(xiàn)很多美國(guó)的人愿意花溢價(jià)用最好的模型。……強(qiáng)的模型和稍微差點(diǎn)或者弱的模型它的分化會(huì)越來(lái)越明顯。”
關(guān)于垂直整合（Vertical Integration），他給出了一個(gè)反直覺(jué)的觀察：“我們會(huì)發(fā)現(xiàn)其實(shí)在To C的應(yīng)用上垂直整合還是成立的，無(wú)論是ChatGPT還是豆包，模型和產(chǎn)品是非常強(qiáng)耦合去緊密迭代的。但是對(duì)于To B來(lái)說(shuō)這個(gè)趨勢(shì)似乎是相反的，模型在變得越來(lái)越強(qiáng)……但同樣會(huì)有很多應(yīng)用層的東西應(yīng)用好的模型在不同的生產(chǎn)力環(huán)節(jié)。”
林俊旸：分化是自然的，但要警惕“基因論”
“理論上我是不能評(píng)論公司的，但我覺(jué)得公司也不一定有那么多基因之分，一代一代的人可能就塑造了這些公司……
我覺(jué)得可能大家的分化是自然的分化，我更愿意相信AGI，做AGI該做的事情，順其自然。……今天Coding真的很厲害，我就拜訪它，因?yàn)槲抑浪麄兏蛻艚涣鞣浅６唷m然我們擁有巨大的優(yōu)勢(shì)，也可能中國(guó)SaaS市場(chǎng)跟美國(guó)確實(shí)不太一樣，他們確實(shí)非常頻繁地跟客戶進(jìn)行交流，很容易發(fā)現(xiàn)很大的機(jī)會(huì)。”
楊強(qiáng)：工業(yè)界瘋跑，學(xué)術(shù)界應(yīng)該跟上來(lái)
“一直以來(lái)，學(xué)術(shù)界是一個(gè)觀望者，工業(yè)界在領(lǐng)頭往前瘋跑……我覺(jué)得后面一個(gè)階段，當(dāng)我們有了眾多的穩(wěn)定大模型，進(jìn)入一個(gè)穩(wěn)態(tài)的時(shí)候，我們學(xué)術(shù)界應(yīng)該跟上來(lái)。哥德?tīng)柌煌陚涠ɡ恚蟾乓馑际钦f(shuō)一個(gè)大模型不能自證清白，必定有一些幻覺(jué)不可能消滅掉……所以科學(xué)問(wèn)題就來(lái)了，你多少資源能夠換取多少幻覺(jué)的降低或者錯(cuò)誤率的降低，這是有一個(gè)平衡點(diǎn)的……這孕育著一個(gè)巨大的突破。”
唐杰：DeepSeek之后，搜索之戰(zhàn)已經(jīng)結(jié)束了
“我的第一個(gè)預(yù)判是說(shuō)它會(huì)替代搜索……到今天我相信大家很多人在開(kāi)始用這個(gè)模型替代搜索，但是并沒(méi)有替代谷歌，谷歌反而把自己的搜索革命了……從這個(gè)角度上，我覺(jué)得這一仗從DeepSeek出來(lái)之后，已經(jīng)沒(méi)有了，已經(jīng)結(jié)束了。DeepSeek之后我們應(yīng)該想的是下一仗是什么東西？”
議題二：下一個(gè)范式
姚順雨：自主學(xué)習(xí)（Self-learning）已經(jīng)發(fā)生，只是你沒(méi)察覺(jué)
“現(xiàn)在自主學(xué)習(xí)是一個(gè)非常熱門的詞，在硅谷大街小巷咖啡館里面，大家都在談?wù)摗也恢肋@是不是非共識(shí)的，這個(gè)事情其實(shí)已經(jīng)在發(fā)生了。
ChatGPT在利用用戶的數(shù)據(jù)不斷彌合人聊天的風(fēng)格是什么，使得能感覺(jué)到它的好，這是不是一種自我學(xué)習(xí)？今天Claude已經(jīng)寫了Claude這個(gè)項(xiàng)目95%的代碼，它在幫助它自己變得更好，這是不是一種自我學(xué)習(xí)？……大家覺(jué)得這個(gè)東西可能還沒(méi)有特別石破天驚，是因?yàn)槭芟抻谒麄儧](méi)有預(yù)訓(xùn)練能力……但顯然這是一個(gè)信號(hào)。”
林俊旸：比起自主學(xué)習(xí)，我更擔(dān)心“主動(dòng)性”的安全
“AI有沒(méi)有可能實(shí)現(xiàn)更強(qiáng)的主動(dòng)性……我非常擔(dān)心安全的問(wèn)題，不是擔(dān)心它今天講一些不該說(shuō)的話，最擔(dān)心的是它做一些不該做的事情。比如說(shuō)今天主動(dòng)產(chǎn)生一些想法，往會(huì)場(chǎng)里面扔一顆炸彈……
我個(gè)人觀點(diǎn)是大量的技術(shù)所謂的突破性都是一些觀測(cè)問(wèn)題，都是在線性發(fā)展的，只是人類對(duì)它的感受非常強(qiáng)烈而已。……大家比較卷，每天有新的東西，但是技術(shù)在線性的發(fā)展，我們?cè)谟^測(cè)的角度處于指數(shù)上升的階段。”
唐杰：效率瓶頸將逼出新范式
“我覺(jué)得2026年一定會(huì)有這樣一個(gè)范式的發(fā)生……現(xiàn)在在整個(gè)大模型里面投入已經(jīng)巨大，但是效率并不高……
既然要Scaling up，最笨的辦法就是Scaling……但是100個(gè)T，你Scaling上去以后，你的收益有多少，計(jì)算Cost有多少，變成了這么一個(gè)問(wèn)題。……如果不創(chuàng)新，這就變成了可能花掉10個(gè)億、花掉了20個(gè)億，但是你的收益很小，就不值得了。”
議題三：Agent戰(zhàn)略
姚順雨：To B只要老老實(shí)實(shí)把模型做強(qiáng)
“很有意思的一點(diǎn)是它（To B）基本上不做什么創(chuàng)新，就是覺(jué)得模型預(yù)訓(xùn)練變大了，老老實(shí)實(shí)的把這些東西做好……它就會(huì)帶來(lái)越來(lái)越大的價(jià)值。做To C的問(wèn)題是說(shuō)，我們都知道DAU或者說(shuō)產(chǎn)品的指標(biāo)和模型的智能，很多時(shí)候是不相關(guān)的，甚至是相反的關(guān)系……它只要真的把模型越做越好，它的收益越來(lái)越高，所有的事情都是非常好的。”
林俊旸：通用Agent是解決長(zhǎng)尾問(wèn)題的關(guān)鍵
“做通用Agent最有意思的事情就是長(zhǎng)尾反而是更值得關(guān)注的事情……今天我一個(gè)用戶，真的尋遍各處都找不到能夠幫我解這個(gè)問(wèn)題的，但是在那一刻，我感受到了AI的能力……這就是AI最大的魅力。如果你是一套殼高手，套得可以比模型公司做得更好，我覺(jué)得可以去做；但如果你沒(méi)有這個(gè)信心，這個(gè)事情可能是留給模型公司做模型即產(chǎn)品的，因?yàn)樗麄冇龅絾?wèn)題的時(shí)候，我只要訓(xùn)一訓(xùn)模型，只要燒一燒卡，這個(gè)問(wèn)題可能就解決了。”
唐杰：Agent的生死在于價(jià)值與成本
“Agent本身有沒(méi)有解決人類的事情，而這個(gè)事情是不是有價(jià)值……比如說(shuō)原來(lái)的Agent，像GPT出來(lái)也做了很多Agent，那時(shí)候你會(huì)發(fā)現(xiàn)那個(gè)Agent非常簡(jiǎn)單，最后發(fā)現(xiàn)Prompt就解決了，這時(shí)候大部分Agent慢慢就死掉了。
第二，做這個(gè)事情咱們Cost有多大……假如調(diào)API就能解決，這個(gè)API本身有可能覺(jué)得當(dāng)這件事情價(jià)值很大的時(shí)候，就會(huì)把它做進(jìn)去，這是個(gè)矛盾，非常矛盾，基座和應(yīng)用永遠(yuǎn)是矛盾。”
議題四：終極追問(wèn)——中國(guó)AI的勝算
最后問(wèn)題聚焦于：“三年和五年以后，全球最領(lǐng)先的AI公司是中國(guó)團(tuán)隊(duì)的概率有多大？”
姚順雨：概率挺高，但需要更多“冒險(xiǎn)家”
“我覺(jué)得概率還挺高的，我還是挺樂(lè)觀的。……目前看起來(lái)，任何一個(gè)事情一旦被發(fā)現(xiàn)，在中國(guó)就能夠很快的復(fù)現(xiàn)，在很多局部做得更好。
在中國(guó)大家還是更喜歡做更安全的事情……但如果今天讓一個(gè)人說(shuō)探索一個(gè)長(zhǎng)期記憶或者持續(xù)學(xué)習(xí)，這個(gè)事情大家不知道怎么做、不知道能不能做起來(lái)，這個(gè)事情還是比較困難的。……中國(guó)想要突破新的范式或者做非常冒險(xiǎn)事情的人可能還不夠多。”
林俊旸：20%已經(jīng)很樂(lè)觀了，但窮則思變
“這個(gè)問(wèn)題是個(gè)危險(xiǎn)的問(wèn)題……如果從概率上來(lái)說(shuō)，我可能想說(shuō)一下我感受到的中國(guó)和美國(guó)的差異。比如說(shuō)美國(guó)的Compute可能整體比我們大1-2個(gè)數(shù)量級(jí)……他們大量的Compute投入到的是下一代的Research當(dāng)中去，我們今天相對(duì)來(lái)說(shuō)捉襟見(jiàn)肘，光交付可能就已經(jīng)占據(jù)了我們絕大部分的Compute。
我們雖然是一群窮人，是不是窮則思變，創(chuàng)新的機(jī)會(huì)會(huì)不會(huì)發(fā)生在這里？……我覺(jué)得是20%吧，20%已經(jīng)非常樂(lè)觀了，因?yàn)檎娴挠泻芏鄽v史積淀的原因在這里。”
唐杰：如果笨笨地堅(jiān)持，也許最后就是我們
“首先我覺(jué)得確實(shí)要承認(rèn)在中美，無(wú)論是做研究，尤其是企業(yè)界的AI Lab，我覺(jué)得和美國(guó)是有差距的……
中國(guó)也許的機(jī)會(huì)：第一，一群聰明人真的敢做特別冒險(xiǎn)的事，我覺(jué)得現(xiàn)在是有的，00后這一代，包括90后這一代是有的……第二，咱們的環(huán)境可能更好一些……第三，回到我們每個(gè)人自己身上，就是我們能不能堅(jiān)持。
我們能不能愿意在一條路上敢做、敢冒險(xiǎn)，而且環(huán)境還不錯(cuò)。……如果我們笨笨的堅(jiān)持，也許走到最后的就是我們。”
05 張鈸院士：最優(yōu)秀的學(xué)生，去創(chuàng)業(yè)吧
作為壓軸嘉賓，張鈸院士自謙為企業(yè)界的“局外人”，但他引用楊強(qiáng)教授提到的哥德?tīng)柌煌耆远ɡ恚J(rèn)為系統(tǒng)內(nèi)部的人很難發(fā)現(xiàn)自身的問(wèn)題，而他作為圈外人，恰好擁有了“旁觀者清”的視角，可能發(fā)現(xiàn)大家尚未察覺(jué)的盲區(qū)。
“我在中間休息的時(shí)候做了PPT，我不敢太早做，沒(méi)聽(tīng)到大家是怎么做的，不敢先做。”張鈸院士說(shuō)道。
張?jiān)菏恐赋觯竽Ｐ湍壳吧瞄L(zhǎng)的是跨領(lǐng)域（Cross-domain）的泛化，但真正的落地需要跨任務(wù)（Cross-task）的泛化。
“如果要讓它去執(zhí)行實(shí)際的任務(wù)，必須要實(shí)現(xiàn)跨任務(wù)的泛化。這里頭最大的困難就是分布以外的、結(jié)構(gòu)不一樣的、長(zhǎng)尾的東西的泛化……實(shí)際上我們現(xiàn)在做的幾件事都是沖著解決這5個(gè)問(wèn)題的……具體的，我們就做這六件事：多模態(tài)、具身與交互落地、檢索與證據(jù)落地、結(jié)構(gòu)化知識(shí)對(duì)齊、工具與執(zhí)行落地、對(duì)齊與約束落地。”
關(guān)于人機(jī)關(guān)系，張?jiān)菏刻岢隽艘粋€(gè)深刻的矛盾：我們既希望AI做更多事，又害怕它成為新的“主體”。在談到“對(duì)齊”（Alignment）時(shí)，他給出了一個(gè)非常犀利的反思：
“大家非常焦慮，過(guò)去我們只有一個(gè)主體，人類都擺不平，因?yàn)槿祟愡@個(gè)主體是復(fù)數(shù)的……之后再出現(xiàn)人類以外的主體，我們?cè)撛趺崔k？
機(jī)器一定要和人類對(duì)齊嗎？這是值得討論的問(wèn)題。人類并不是都有優(yōu)點(diǎn)的，人類中間有貪婪、欺騙，原來(lái)機(jī)器都沒(méi)有，向人類對(duì)齊，人類到了最高嗎？不是。”
關(guān)于治理（Governance），他的觀點(diǎn)直擊本質(zhì)：
“我認(rèn)為最主要的治理不是治理機(jī)器，而是治理人類，也就是研究者和使用者。”
在大模型時(shí)代之前，張?jiān)菏坎⒉还膭?lì)學(xué)生創(chuàng)業(yè)，但現(xiàn)在，他的態(tài)度發(fā)生了180度的大轉(zhuǎn)彎。他認(rèn)為AI重新定義了企業(yè)家的價(jià)值——從提供產(chǎn)品，變成了提供像水和電一樣的通用技術(shù)與倫理工具。
“在大語(yǔ)言模型出現(xiàn)之前，我非常不贊成我的學(xué)生去創(chuàng)業(yè)……但是大模型之后，我覺(jué)得最優(yōu)秀的學(xué)生應(yīng)該去搞企業(yè)。
人工智能不是給大家簡(jiǎn)單的提供產(chǎn)品和服務(wù)，而是把知識(shí)、倫理和應(yīng)用變成可復(fù)用的工具……所以人工智能時(shí)代的企業(yè)家是有很多新的使命的，這個(gè)新的使命就使得人工智能時(shí)代的企業(yè)家把企業(yè)、企業(yè)家也變成光榮的、神圣的職業(yè)之一。”
本文來(lái)源：態(tài)℃
責(zé)任編輯：
袁寧_NB35110
