元界由《權(quán)力、資本與商幫》作者王俞現(xiàn)主理
朱松純火力全開(kāi)，直指AI領(lǐng)域存在的盲目跟風(fēng)、炒作、泡沫和亂象。
如果只是重復(fù)美國(guó)的老路 —— 算力、算法、部署，我們永遠(yuǎn)都是追隨者。
行業(yè)對(duì)AI的討論幾乎被大模型能力所占據(jù)，而基礎(chǔ)學(xué)科、原始創(chuàng)新與智能本質(zhì)的研究卻被邊緣化，甚至遭到部分輿論的否定。更有甚者，形成了某種“技術(shù)投機(jī)”的氛圍。這種認(rèn)知偏差，正在讓我們離真正的AI創(chuàng)新越來(lái)越遠(yuǎn)。
未來(lái)人工智能要想應(yīng)用在社會(huì)的方方面面，要解決的關(guān)鍵問(wèn)題就是它必須通用。
當(dāng)前社會(huì)存在嚴(yán)重誤區(qū)，仿佛只有 DeepSeek 等這樣的企業(yè)做出了成果，甚至有人極端認(rèn)為，學(xué)術(shù)界、研究機(jī)構(gòu)的工作都是 “ 吃白飯 ”。
中國(guó)這幾年成立了大量 “ 人工智能學(xué)院 ” ，但諷刺的是，很多 AI 學(xué)院的院長(zhǎng)甚至都不是搞人工智能的。
人工智能不是 “ 神話 ” ，更不是 “ 安全危機(jī) ”“ 生存危機(jī) ” 的代名詞。
朱松純，北京通用人工智能研究院院長(zhǎng)，北京大學(xué)人工智能研究院、智能學(xué)院院長(zhǎng)，上述發(fā)言是3月29日他在2025中關(guān)村論壇年會(huì)“通用人工智能論壇”上的“憤青”之言。
朱松純表示，當(dāng)前火爆的DeepSeek等人工智能大模型，是大眾所熟知的人工智能領(lǐng)域，但并不是人工智能的全部?！爱?dāng)年AlphaGo出現(xiàn)，與人類(lèi)下圍棋的時(shí)候，大家認(rèn)為那就是人工智能；現(xiàn)在大模型層出不窮，大家又認(rèn)為這代表了人工智能。但實(shí)際上，這都只是人工智能的一部分?！?/p>
美國(guó)的核心敘事邏輯
只是重復(fù)美國(guó)的老路，我們永遠(yuǎn)都是追隨者
從 2019 年甚至更早，美國(guó)通過(guò) AI 重新確立了技術(shù)霸權(quán)。全球資本過(guò)去 7-8 年都流向美國(guó)，圍繞的核心敘事是： 大數(shù)據(jù) + 大算力+ 大模型，最終通向通用人工智能（ AGI ） 。
隨后， “AGI 帶來(lái)人類(lèi)生存危機(jī) ” 的話題被廣泛炒作，形成全球范圍的焦慮。事實(shí)上，這就是一種媒體主導(dǎo)的敘事。
過(guò)去十年，媒體和投資圈反復(fù)宣揚(yáng) “ 大數(shù)據(jù)、大算力、大模型 ” 三位一體的路線，仿佛這就是 AI 的唯一未來(lái)。
2015-2016 年， AlphaGo 引發(fā)了第一次人工智能的熱潮，但冷靜下來(lái) 8 年后回頭看，當(dāng)時(shí)吹得神乎其神的 AlphaGo 及其相關(guān)產(chǎn)業(yè)，除了一些計(jì)算機(jī)視覺(jué)公司，所謂 “ 四小龍 ” 被抬高了估值，最后實(shí)際并沒(méi)有形成產(chǎn)業(yè)化、社會(huì)化的廣泛影響。很多 AI 初創(chuàng)企業(yè)最后都走向了衰退。
目前，行業(yè)流行的“AI for Science（科學(xué)研究新范式）”說(shuō)法，其實(shí)也存在認(rèn)知偏差。 AI的主要研究方向仍集中在視覺(jué)、語(yǔ)言、機(jī)器人等智能感知和行動(dòng)能力上，嚴(yán)格來(lái)說(shuō)，這些并不直接等同于“Science（科學(xué)研究）”。
真正推動(dòng)科學(xué)研究的是Deep Learning for Science，也就是利用深度學(xué)習(xí)等工具輔助科學(xué)建模和數(shù)據(jù)分析，而不是AI本身作為科學(xué)的內(nèi)在組成部分。
我曾經(jīng)寫(xiě)過(guò)一篇文章，提到了“烏鴉與鸚鵡的范式”， 指當(dāng)前AI多停留在“鸚鵡式”的大規(guī)模模仿，距離“烏鴉式”的認(rèn)知與推理仍存在本質(zhì)差距 ，批評(píng)過(guò)這種“泡沫化的融資神話”，今天看，很多現(xiàn)象依然在重演。
他認(rèn)為，“如果只是重復(fù)美國(guó)的老路 —— 算力、算法、部署，我們永遠(yuǎn)都是追隨者。”
AI亂象
真正“卡住”我們的，是我們的認(rèn)知
AI 熱潮下，很容易在 AI 平臺(tái)、算力中心上形成過(guò)剩。很多平臺(tái)根本租不出去，實(shí)際使用率只有 15%-20% 。更荒誕的是，現(xiàn)在在一些區(qū)域，電價(jià)都已經(jīng)負(fù)了，電都賣(mài)不出去，怎么會(huì)有能源危機(jī)呢？
但當(dāng)時(shí)，為何還有那么多地方“跟風(fēng)上馬”？根本原因是輿論敘事的問(wèn)題，可能有的地方?jīng)Q策者會(huì)受到一些受輿論壓力，加上媒體的 “ 過(guò)度渲染 ” 起到了推波助瀾的作用。
這就是現(xiàn)在國(guó)內(nèi) AI 領(lǐng)域的現(xiàn)狀： 表面熱鬧，實(shí)質(zhì)混亂。
中國(guó)這幾年成立了大量 “ 人工智能學(xué)院 ” ，但諷刺的是，很多 AI 學(xué)院的院長(zhǎng)甚至都不是搞人工智能的。例如，某高校人工智能學(xué)院請(qǐng)了一位頗具名望的計(jì)算機(jī)理論專(zhuān)家擔(dān)任兼職院長(zhǎng)，卻從未在人工智能領(lǐng)域有過(guò)正式論文發(fā)表。還有的學(xué)校干脆由數(shù)學(xué)、藝術(shù)學(xué)院的老師 “ 兼職 ”AI 學(xué)院院長(zhǎng)。
類(lèi)似前幾年， “ 納米 ” 概念泛濫，什么納米鞋墊、納米高壓鍋，現(xiàn)在又出現(xiàn)了 “ 偽 AI 熱潮 ” 。再比如一些大模型公司自詡 “ 六小龍 ” ，但很多根本無(wú)法盈利，估值虛高，風(fēng)險(xiǎn)巨大。
常有人說(shuō)，我們 “ 被卡脖子了 ” ，但我認(rèn)為，真正 “ 卡住 ” 我們的，是我們自己的認(rèn)知。
當(dāng)下，政府機(jī)構(gòu)、公眾、甚至媒體，對(duì)人工智能的理解嚴(yán)重不足，跟著西方敘事亦步亦趨，最后只能得出 “ 我們被卡了脖子 ” 的結(jié)論。而實(shí)際問(wèn)題是， 我們的認(rèn)知水平遠(yuǎn)不足以指導(dǎo)正確的創(chuàng)新與戰(zhàn)略。
通用人工智能創(chuàng)新的五個(gè)層次
什么才是真正的AI創(chuàng)新？
鼓吹“學(xué)術(shù)無(wú)用論”，不僅荒謬，也極其危險(xiǎn)
朱松純認(rèn)為，人工智能的科技創(chuàng)新分為五個(gè)層次，五個(gè)層級(jí)如同冰山結(jié)構(gòu)，“水面以上部分”包括執(zhí)行層、算法層和模型層，是外在表現(xiàn)，是容易了解與實(shí)踐的部分，相對(duì)而言也比較容易通過(guò)算法創(chuàng)新來(lái)改變和發(fā)展，比如DeepSeek和OpenAI。
而“水面以下部分”包括理論層和哲學(xué)層，是智能內(nèi)在的、難以測(cè)量的部分。它們不太容易通過(guò)表層的影響而得到改變，但卻對(duì)智能的發(fā)展起著關(guān)鍵性的作用。理論層即人工智能的數(shù)理框架，哲學(xué)層則關(guān)乎智能的本質(zhì)。
第一層，哲學(xué)層面：探討 “ 智能 ” 的本質(zhì)。事實(shí)上，智能的本質(zhì)是 “ 主觀的 ” ，每個(gè)人的決策都基于自己對(duì)世界的認(rèn)知與價(jià)值體系。這些認(rèn)知未必客觀，卻決定了行為。
第二層，理論層面：建立認(rèn)知的數(shù)學(xué)框架，如邏輯學(xué)、統(tǒng)計(jì)建模、概率計(jì)算。
第三層，模型層面：根據(jù)框架構(gòu)建具體模型，如判別模型、生成模型、大模型等。
第四層，算法層面：在具體模型下，開(kāi)發(fā)優(yōu)化算法，提高計(jì)算、推理、訓(xùn)練的效率。
第五層，工程與部署：把模型落地到硬件、平臺(tái)，優(yōu)化存儲(chǔ)、計(jì)算，形成可用的產(chǎn)品和系統(tǒng)。
在他看來(lái)，目前很多所謂的創(chuàng)新，僅僅停留在第 4 層（算法）或第 5 層（部署）層面，連理論框架都不具備，卻在吹噓 “ 顛覆 ” 。而我們現(xiàn)在真正缺的是對(duì)智能本質(zhì)、認(rèn)知建模的原創(chuàng)性突破。
當(dāng)前社會(huì)存在嚴(yán)重誤區(qū)，仿佛只有 DeepSeek 等這樣的企業(yè)做出了成果，甚至有人極端認(rèn)為，學(xué)術(shù)界、研究機(jī)構(gòu)的工作都是 “ 吃白飯 ” ，這種情緒化、非理性的輿論正在誤導(dǎo)大眾。
我們必須澄清， DeepSeek 在工程落地、 API 產(chǎn)品化、算力優(yōu)化等方面確實(shí)取得了成績(jī)，但主要集中在工程部署層面，并未解決人工智能的核心難題 ——比如 認(rèn)知建模、智能理論、學(xué)習(xí)機(jī)制等。
支撐今天所有 AI 應(yīng)用的底座，正是學(xué)術(shù)界數(shù)十年在哲學(xué)、理論、建模、算法等基礎(chǔ)層面的持續(xù)投入。若因短期的產(chǎn)品化成效，就否定基礎(chǔ)研究，甚至鼓吹 “ 學(xué)術(shù)無(wú)用論 ” ，不僅荒謬，也極其危險(xiǎn)。
朱松純表示，不是只有少數(shù)企業(yè)代表中國(guó) AI 的水平，長(zhǎng)期支撐 AI 發(fā)展的基礎(chǔ)學(xué)術(shù)群體、理論工作者、認(rèn)知科學(xué)研究者，不應(yīng)被忽視。否則，這種認(rèn)知偏差，只會(huì)讓我們離真正的AI創(chuàng)新越來(lái)越遠(yuǎn)。
以美國(guó)的創(chuàng)新為例，很多集中在最底層的硬件（芯片、架構(gòu)）、大模型，以及算法優(yōu)化。 我們?nèi)绻朐谥忻栏?jìng)爭(zhēng)中取得突破，關(guān)鍵要在于第四層和更高的哲學(xué)與理論創(chuàng)新。
四步曲團(tuán)隊(duì)下一步的重點(diǎn)工作
在他看來(lái)，未來(lái)最難解決的問(wèn)題，恰恰在于文科所關(guān)心的社會(huì)復(fù)雜系統(tǒng)，比如人口、政策、文明演化、價(jià)值體系。這些問(wèn)題目前無(wú)法建模，無(wú)法實(shí)驗(yàn)，學(xué)界長(zhǎng)期靠 “ 口頭解釋 ” 和 “ 事后分析 ” 在 “ 事后諸葛亮 ” ，預(yù)測(cè)能力接近于零。
但今天，大規(guī)模仿真（模擬）實(shí)驗(yàn)和智能體（Agent）建模的能力，讓我們有可能讓文科第一次變成一門(mén)可實(shí)驗(yàn)的科學(xué)。AI的真正前沿， 是通過(guò)模擬與建模，讓文明、社會(huì)、經(jīng)濟(jì)與政策等可以進(jìn)入可驗(yàn)證的科學(xué)范疇，而非止步于圖像、語(yǔ)音和對(duì)話的優(yōu)化。
他介紹說(shuō)，他們團(tuán)隊(duì)現(xiàn)在已經(jīng)基本完成了在智能哲學(xué)、理論框架、模型的初步構(gòu)建，正在向算法優(yōu)化和工程部署推進(jìn)。
下一步的重點(diǎn)是：快速規(guī)?；?，完成模型的工程化和商業(yè)化，與行業(yè)、應(yīng)用深度適配和建立通用智能體（AGI Agent）工廠。
雖然西方主導(dǎo)的AI敘事邏輯早已顯露出問(wèn)題，但朱松純所想表達(dá)的工作重點(diǎn)，也與邁向通用人工智能的西方敘事有共通的一面。譬如，朱松純真切想表達(dá)的一個(gè)觀點(diǎn)是，算法提升之外，不要放棄通用人工智能。
他說(shuō)，“未來(lái)人工智能要想應(yīng)用在社會(huì)的方方面面，要解決的關(guān)鍵問(wèn)題就是它必須通用。”
按照他的構(gòu)想，通用人工智能就相當(dāng)于一個(gè)物理世界的人，它能解決無(wú)窮的任務(wù)，在一個(gè)場(chǎng)景中就知道自己需要做什么，并主動(dòng)學(xué)習(xí)怎么做?！皬耐ㄓ弥悄荏w到行業(yè)智能體，最后到社會(huì)智能體，有可能需要上百萬(wàn)個(gè)‘通通’互相協(xié)作完成任務(wù)，這些都是通用人工智能發(fā)展的前沿研究方向?！?/p>
他認(rèn)為，通用人工智能是大科學(xué)、大工程，需要：
集成計(jì)算機(jī)視覺(jué)、自然語(yǔ)言理解、認(rèn)知推理、機(jī)器學(xué)習(xí)、具身機(jī)器人、多智能體等核心領(lǐng)域的模型與算法，并解釋各種智能現(xiàn)象，構(gòu)建智能科學(xué)的基礎(chǔ)理論與框架；
實(shí)現(xiàn)具備自主的感知、認(rèn)知、決策、執(zhí)行、學(xué)習(xí)和社會(huì)協(xié)作能力，符合人類(lèi)倫理與價(jià)值的個(gè)體級(jí)智能體；
打造大型社會(huì)模擬器，在社區(qū)、城市、國(guó)家三個(gè)尺度詮釋過(guò)去、演繹現(xiàn)在、預(yù)測(cè)未來(lái)，實(shí)現(xiàn)社會(huì)級(jí)智能體。
他表示，我們和大模型的關(guān)系并不是 “ 對(duì)抗 ” ，而是共生。大模型像人類(lèi)的潛意識(shí)，為我們提供了感知和記憶的底座；而我們要做的，是在其上構(gòu)建通用智能體的認(rèn)知與決策體系。而人工智能不是 “ 神話 ” ，更不是 “ 安全危機(jī) ”“ 生存危機(jī) ” 的代名詞，它是真正關(guān)系到人類(lèi)文明未來(lái)演化的工具。
他呼吁媒體、政府機(jī)構(gòu)、研究者們，尤其要關(guān)注 AI 的頂層邏輯與原始創(chuàng)新，不要盲目跟隨已有敘事，而要思考：中國(guó)到底要怎樣的人工智能？
朱松純AI敘事的具象成果
兩年從三四歲達(dá)到六歲兒童的認(rèn)知能力
按照朱松純的AI敘事，全球首個(gè)通用智能人小女孩“通通”是其標(biāo)志性的AI成果，去年先后亮相全國(guó)兩會(huì)和中關(guān)村論壇年會(huì)。
當(dāng)時(shí)，“通通”通過(guò)了涵蓋視覺(jué)、語(yǔ)言、認(rèn)知、行動(dòng)、學(xué)習(xí)和價(jià)值6個(gè)維度的多項(xiàng)測(cè)試，已經(jīng)有了與三到四歲的兒童相當(dāng)?shù)哪芰Α?/p>
“‘通通’本身是一個(gè)具身智能體，能夠存在于一個(gè)三維場(chǎng)景中，比如在三維建模的家里和人們聊天、收拾房間，做具體的事情。”朱松純說(shuō)。
今年，“具身智能”等新詞首次寫(xiě)入政府工作報(bào)告。當(dāng)前的人工智能應(yīng)用離具身智能還有多遠(yuǎn)？朱松純表示，具身是指人工智能具備一個(gè)人的基本能力，但是具身的身體是可以改變的。
他以“通通”為例進(jìn)行說(shuō)明，“通通”通用智能的能力可以應(yīng)用于輪式人形機(jī)器人或者雙足人形機(jī)器人，甚至是機(jī)器狗當(dāng)中，但是在不同的“身體”里都存在一個(gè)價(jià)值體系和決策系統(tǒng)，能夠指導(dǎo)它完成相對(duì)應(yīng)的任務(wù)。
“過(guò)去一年，‘通通’也在上幼兒園，跟其他朋友進(jìn)行交流，跟父母學(xué)習(xí)各種各樣的知識(shí)，包括如何與人打交道、待人接物等等，各方面都有了很大的進(jìn)步。”朱松純說(shuō)。
時(shí)隔一年，“通通”2.0版本再次出現(xiàn)在中關(guān)村論壇年會(huì)，并演示了多項(xiàng)更為復(fù)雜的任務(wù)，已經(jīng)可以完成認(rèn)知心理學(xué)定義的多項(xiàng)5-6歲兒童應(yīng)掌握的經(jīng)典任務(wù)。
在演示畫(huà)面中，“通通”有了朋友“樂(lè)樂(lè)”和弟弟“天天”。在幼兒園場(chǎng)景中，“樂(lè)樂(lè)”在無(wú)聊的狀態(tài)下主動(dòng)拿起玩具玩耍，而饑餓的“通通”則打開(kāi)了冰箱找食物。
當(dāng)“通通”回到家中，希望弟弟“天天”幫忙收拾房間時(shí)，“天天”表現(xiàn)出了假裝很累的狀態(tài)：“啊啊啊，太累了，收拾房間好麻煩?！倍巴ㄍā辈粩鄤裾f(shuō)弟弟，最終弟弟同意一起收拾房間。
通研院研究員陳浩解釋?zhuān)巴ㄍā?.0版本已具有自身價(jià)值觀、世界觀，在理解對(duì)話目標(biāo)意圖的基礎(chǔ)上，遵循自身價(jià)值和人格，利用對(duì)話策略來(lái)引導(dǎo)對(duì)話的走向，從而達(dá)到自身的目的。在價(jià)值調(diào)控對(duì)話生成、消除模型幻覺(jué)、保持對(duì)話前后連貫性以及“言行一致”等方面，取得突破。
“如果一個(gè)智能體不會(huì)撒謊、假裝，很難說(shuō)它具備了人的智能?！标惡普f(shuō)，可以從正面的角度來(lái)理解，智能體在做出類(lèi)似撒謊、假裝等行為，是由于其達(dá)到了一定的智能水平，而涌現(xiàn)出這樣的能力。
目前，研究人員在操作頁(yè)面中可以實(shí)時(shí)查看智能體的內(nèi)心獨(dú)白，從而了解智能體是基于什么樣的因素觸發(fā)了行為。
下一步，研究人員還將逐步增強(qiáng)智能體行為探索的透明度和可解釋性。陳浩補(bǔ)充，今年年底，“通通”有望達(dá)到6歲兒童的水平。
資料來(lái)源：騰訊科技、人民郵電報(bào)、中國(guó)青年報(bào)
整理編輯：抱一君 歡迎轉(zhuǎn)載，請(qǐng)注明元界（ID：Metabod）
合作投放：imerit 撰文論壇：yhxgj360
熱門(mén)跟貼