• 編輯部 整理自 MEET2026
  量子位 | 公眾號(hào) QbitAI

從生物進(jìn)化的漫長歷程到AI技術(shù)的瘋狂迭代，兩者遵循著驚人相似的底層邏輯。

在探尋下一代AI架構(gòu)的關(guān)鍵時(shí)刻，著名的“Kaldi之父”、小米集團(tuán)首席語音科學(xué)家、IEEE FellowDaniel Povey提出：

• 就像生物進(jìn)化一樣， AI“配方”的設(shè)計(jì)本質(zhì)上就是一個(gè)不斷試錯(cuò)的過程，而進(jìn)化的速度，取決于“復(fù)制”一個(gè)新想法所需的時(shí)間。

在本次量子位MEET2026智能未來大會(huì)上，他也將開源視為AI進(jìn)化的核心加速器——

若沒有開源，行業(yè)的進(jìn)化速度恐怕要慢上一千倍；正是因?yàn)橛辛碎_源，技術(shù)才能像生物適應(yīng)新環(huán)境一樣，經(jīng)歷“長期停滯+瞬間爆發(fā)”的非線性躍遷。

至于如何在未來的競爭中生存，在他看來，大公司最明智的策略是“兩條腿走路”——

一邊利用Transformer賦能當(dāng)下的產(chǎn)品，一邊保留資源探索未知，賭中下一個(gè)顛覆世界的機(jī)會(huì)。

為了完整體現(xiàn)Daniel Povey的思考，在不改變?cè)獾幕A(chǔ)上，量子位對(duì)演講內(nèi)容進(jìn)行了翻譯和編輯整理，希望能給你帶來更多啟發(fā)。

MEET2026智能未來大會(huì)是由量子位主辦的行業(yè)峰會(huì)，近30位產(chǎn)業(yè)代表與會(huì)討論。線下參會(huì)觀眾近1500人，線上直播觀眾350萬+，獲得了主流媒體的廣泛關(guān)注與報(bào)道。

核心觀點(diǎn)梳理

• AI的演進(jìn)和自然界生物的進(jìn)化過程非常相似，通過嘗試不同的技術(shù)變體，然后篩選出在目標(biāo)任務(wù)上表現(xiàn)更優(yōu)的方案；
• 類比生物進(jìn)化中的“間斷平衡”，AI的發(fā)展并非連續(xù)，而是“長期停滯+突然躍遷”，停滯期也不會(huì)永遠(yuǎn)持續(xù)；
• 開源對(duì)進(jìn)化速度至關(guān)重要，如果每家公司都閉源，那么研究速度可能會(huì)降低為原來的千分之一；
• 不要押注單一任務(wù)或單一路線，在進(jìn)化過程中找到AI“通才”與“專才”的平衡，保留多種不同模型架構(gòu)的存續(xù)，從而增加發(fā)掘?qū)嵱眯录夹g(shù)的機(jī)會(huì)；
• 大公司雙管齊下是有意義的，一方面使用當(dāng)前業(yè)界領(lǐng)先的技術(shù)方案，另一方面進(jìn)行探索性研究，以尋找下一個(gè)重大突破。

以下為Daniel Povey演講原文中譯本

像生物進(jìn)化一樣快速試錯(cuò)

大家好，今天我想和大家分享一些關(guān)于“進(jìn)化”和“AI”的思考，以及我們?nèi)绾螐纳镅莼屑橙￡P(guān)于AI未來的啟示。我將主要從科研和模型本身的角度解讀這個(gè)問題。

人們?cè)O(shè)計(jì)AI“配方”的過程，本質(zhì)上主要還是一個(gè)不斷試錯(cuò)的過程。

當(dāng)人們有了新的理解，就會(huì)發(fā)表許多富含公式的論文，但其中99%的內(nèi)容都沒什么真正可操作的價(jià)值，最后能落地的通常只是“配方”本身。

所以設(shè)計(jì)AI“配方”的基本流程就是嘗試不同變體，然后篩選出有效的進(jìn)行發(fā)布，別人再照著做。

這其實(shí)和生物進(jìn)化非常相似。

在生物進(jìn)化中，進(jìn)化過程也會(huì)和外部環(huán)境相互影響，例如地球上的進(jìn)化會(huì)受到太陽輻射變化、大氣成分變化的影響，而生命本身也會(huì)反過來影響這些環(huán)境因素，比如改變大氣成分。

AI的進(jìn)化也是如此，可能會(huì)受到硬件、數(shù)據(jù)等資源的限制；同時(shí)，AI也會(huì)通過商業(yè)效應(yīng)、群體行為效應(yīng)反作用于這些外部條件。

在歷史上，生物進(jìn)化甚至曾經(jīng)多次“破壞”自身的生存環(huán)境，例如“大氧化事件”（Great Oxygenation Event），不過最終生命又從中恢復(fù)了過來。

（注：大氧化事件是指約26億年前，大氣中的游離氧含量突然增加的事件，其具體原因不明。該事件使地球上礦物的成分發(fā)生了變化，也使得日后動(dòng)物的出現(xiàn)成為了可能。）

生物學(xué)中“世代間隔”（Generation time）類比到AI，就是復(fù)制一個(gè)新想法所需的時(shí)間，通常這個(gè)時(shí)間會(huì)持續(xù)數(shù)個(gè)月。

因?yàn)楫?dāng)你有了新的發(fā)現(xiàn)，往往要先寫論文，而且一般是寫完才對(duì)外公開，有些期刊甚至規(guī)定發(fā)表前不能先上傳arXiv之類的預(yù)印本。

過去這樣的周期可能需要大概兩年，但現(xiàn)在可能縮短到了六個(gè)月

現(xiàn)在，有了PyTorch這樣的工具，人們可以近乎完美地復(fù)現(xiàn)他人發(fā)布的“配方”。

當(dāng)然，有時(shí)人們可能只給出了描述（而沒有代碼），這會(huì)使得復(fù)現(xiàn)過程稍慢一些，但整體上，代際周期的長短決定了進(jìn)化的快慢。

就像世代間隔漫長的大型生物，往往進(jìn)化緩慢；而那些能夠快速繁衍的小型生物，進(jìn)化速度則要快得多。

去不同領(lǐng)域?qū)ふ褹I突破口

在自然界的進(jìn)化中，往往存在一種“停停走走”的節(jié)奏，很長一段時(shí)間里幾乎沒有什么動(dòng)靜，隨后突然發(fā)生劇變。

對(duì)于自然界的物種來說，這種變化通常是由遷移到新環(huán)境所導(dǎo)致的；但偶爾，它也源于生命“解鎖”了某種新事物，比如光合作用演化出來時(shí)，整個(gè)進(jìn)化的節(jié)奏便迅速發(fā)生了改變。

我從事AI領(lǐng)域大概有30年了，特別是在語音領(lǐng)域，也經(jīng)歷過長時(shí)間沒有太大進(jìn)展的階段，當(dāng)時(shí)我們甚至以為“這就是終點(diǎn)”。

當(dāng)年我們做高斯混合模型、判別式訓(xùn)練時(shí)，以為語音識(shí)別的最終形態(tài)就是那樣了，沒人能想象未來的改變。所以也許十年后，也會(huì)出現(xiàn)今天誰都無法想象的全新模型。

AI的發(fā)展中，不同任務(wù)之間的相互作用非常重要，比如視覺領(lǐng)域的新方法，后來可能會(huì)用于語音、語言等任務(wù)。

最近一個(gè)典型例子就是Transformers，它最初是專門為語言模型設(shè)計(jì)的，后來卻在各種任務(wù)中大放異彩。

在進(jìn)化中也是如此，海豚絕無可能僅在海洋里就進(jìn)化成型，因?yàn)樗切┖粑諝獾臋C(jī)能，原本是為了適應(yīng)陸地生活才演化出來的。但當(dāng)它重返海洋后，卻成了最成功的頂級(jí)捕食者。

這說明，有時(shí)候你確實(shí)需要暫時(shí)去做一些截然不同的事情，最終才能在原本的目標(biāo)上取得成功

如果不開源，AI得慢上一千倍

當(dāng)然，拿生物進(jìn)化做類比也有局限性。畢竟我們可以主動(dòng)去理解事物，可以利用數(shù)學(xué)推導(dǎo)，或者改進(jìn)可視化和調(diào)試工具，從而加速技術(shù)的發(fā)展。

此外，提速也非常關(guān)鍵。實(shí)驗(yàn)跑得越快，進(jìn)化的迭代就越快，這對(duì)研究價(jià)值巨大。

而在這一點(diǎn)上，開源起到了至關(guān)重要的作用。

如果每家公司都得自己從頭重復(fù)造輪子，研究速度恐怕要慢上一千倍。

我們可以設(shè)想一個(gè)平行世界，如果大公司決定不開源PyTorch，我也沒有開源Kaldi項(xiàng)目，那AI研發(fā)的局面會(huì)很不相同。

不過，不開源在某些行業(yè)確實(shí)是常態(tài)，尤其是涉及實(shí)體工程的領(lǐng)域，因?yàn)殚_發(fā)一款工具往往極其昂貴，可能要砸出數(shù)百萬美元，所以沒人會(huì)把他們的模型開源出來。

其實(shí)，2012年我之所以離開工業(yè)界，就是因?yàn)檫@個(gè)問題。當(dāng)時(shí)的大公司普遍對(duì)開源都不怎么感冒，所以我轉(zhuǎn)去學(xué)術(shù)界待了一段時(shí)間。

但如今很多公司都開始擁抱開源了，像小米就非常支持我的工作，也支持開源，所以我又回到了工業(yè)界。

尋找Transformer之后的下一個(gè)顛覆者

回到關(guān)于進(jìn)化的比喻，我剛才吐槽過論文中的那些數(shù)學(xué)理論往往不夠具體，沒法落地。那么，我們到底能從中能學(xué)到什么實(shí)實(shí)在在的東西呢？

有一點(diǎn)很關(guān)鍵，那就是我們需要在各種不同的任務(wù)上不斷探索新思路。

因?yàn)樵谶M(jìn)化這件事上，很難預(yù)判哪種生物最終會(huì)勝出。就像嚙齒類動(dòng)物，起初可能只是為了吃竹子種子這種極具體的目的而進(jìn)化的。

但結(jié)果誰曾想，這反而讓它們演化出了一種極強(qiáng)的“通才”式生存能力，最終遍布全球、無所不能。

可在當(dāng)時(shí)，誰能想到吃竹子種子這事兒能帶來這么大的突破呢？這種事真的太難預(yù)測(cè)了。

所以說，關(guān)鍵就在于要多嘗試不同的任務(wù)，因?yàn)槲覀優(yōu)榱送黄颇硞€(gè)任務(wù)特有限制研發(fā)出的解決方案，可能最后會(huì)被證明具有極高的通用價(jià)值。

我們需要關(guān)注進(jìn)化過程中“通才”與“專才”之間的權(quán)衡，我并非要分出孰優(yōu)孰劣，但是從長遠(yuǎn)來看，不同的進(jìn)化策略能夠適應(yīng)不同的環(huán)境——

如果環(huán)境長期穩(wěn)定，自然界往往會(huì)涌現(xiàn)出大量像熊貓這樣的“專才”，它們雖然只吃一種食物，卻能做到極致適應(yīng)；

可一旦環(huán)境變得動(dòng)蕩多變，像老鼠這種適應(yīng)力極強(qiáng)的“通才”往往更具生存優(yōu)勢(shì)。

所以，這兩種生存策略很可能是缺一不可的。

對(duì)于AI而言，我們應(yīng)該讓模型在多個(gè)不同的生態(tài)位里同時(shí)演進(jìn)，這就像自然界在不同環(huán)境中進(jìn)行的進(jìn)化一樣。畢竟，每個(gè)物種通常都有其最適應(yīng)的特定生存空間。

如果我們能同時(shí)保留多種不同的技術(shù)路線，說不定其中某一條在經(jīng)過進(jìn)一步打磨后，就能帶來巨大的回報(bào)。但這事兒很難提前預(yù)判，沒人知道眼下哪個(gè)模型會(huì)在未來稱王。

出于同樣的理由，我們也應(yīng)該維持模型架構(gòu)的多樣性。這就像大自然保留了豐富多樣的物種一樣，因?yàn)槲覀兏緹o法確定，到底哪一種架構(gòu)會(huì)孕育出下一輪的重大突破。

在我看來，大多數(shù)大型機(jī)構(gòu)采取兩頭并重的策略是比較明智的——既要沿用像Transformer等當(dāng)前最頂尖的成熟模型，同時(shí)也得投入一些資源去做探索性研究，去尋找下一個(gè)技術(shù)突破口。

在我看來，Transformer這種技術(shù)領(lǐng)域的競爭現(xiàn)狀，就像是“搶椅子”——只要音樂還在響，你就得跟著一直跳。

畢竟在Transformer和LLM依然稱霸的當(dāng)下，任何一家公司都絕無可能把身家性命都押在別的路線上。

但大家心里也都清楚，音樂遲早有停下來的那一天。

所以，小米在LLM上的研究主線很明確，那就是利用SOTA級(jí)別的AI和大模型技術(shù)，去全方位賦能我們的“人車家全生態(tài)”。

我個(gè)人其實(shí)并沒有深度參與這些工作，因?yàn)槲液蛨F(tuán)隊(duì)主要負(fù)責(zé)的是探索性研究。我們嘗試了大量不同的方向，就是希望能找到能產(chǎn)生巨大影響的成果，但這事的成功率向來極低。

回首我的整個(gè)研究生涯，嘗試過的點(diǎn)子恐怕得有上萬個(gè)?，F(xiàn)在回頭看，其中有一兩個(gè)如果當(dāng)時(shí)我能推廣得再好一點(diǎn)，說不定真能成為顛覆性的技術(shù)。

比如，早在大家連BatchNorm都還沒開始用的時(shí)候，我們組其實(shí)就已經(jīng)設(shè)計(jì)出了一種類似于LayerNorm的歸一化模塊。

但我也不想像Jürgen Schmidhuber那樣說“我在所有人之前發(fā)明了一切”。

（注：Jurgen Schmidhuber是著名計(jì)算機(jī)科學(xué)家、LSTM之父，喜歡在AI領(lǐng)域出現(xiàn)新成果時(shí)發(fā)表文章或評(píng)論，列舉自己上世紀(jì)的論文，表示“這個(gè)東西我?guī)资昵熬桶l(fā)明過了”。）

因?yàn)樽鳛橐幻芯咳藛T，有責(zé)任去判斷哪些是有價(jià)值的想法，并對(duì)其進(jìn)行妥善推廣。如果你沒做到，那就得承認(rèn)是自己的失誤。

言歸正傳，我的團(tuán)隊(duì)目前正在研發(fā)一種針對(duì)語音的新模型架構(gòu)，叫Zapformer，是一個(gè)通用聲音基座。

相較于我們?nèi)ツ晖瞥龅腪ipformer而言，Zapformer實(shí)現(xiàn)了三大跨越：

• 從“人聲”到“萬聲”的跨越：從專注于人聲建模，到成為能同時(shí)理解人聲、環(huán)境音等多元信息的通用聲音基座；
• 從優(yōu)化結(jié)構(gòu)到創(chuàng)新理論的跨越：通過引入梯度流（Gradient Flow）理論指導(dǎo)模型設(shè)計(jì)，在已屬業(yè)界標(biāo)桿的Zipformer基礎(chǔ)上，將語音識(shí)別精度再次顯著提升10%-15%；
• 從專用優(yōu)化到通用健壯的跨越：為適應(yīng)海量數(shù)據(jù)訓(xùn)練移除了Dropout層，增強(qiáng)了大數(shù)據(jù)擬合能力，同時(shí)將優(yōu)化器升級(jí)為TransformAdam，在保持極速收斂的同時(shí)，大幅提升了訓(xùn)練的通用性與穩(wěn)定性。

我不想把話說太滿，說它就是“下一個(gè)大熱門”，但它確實(shí)包含了不少有意思的想法。

當(dāng)然，我們希望能押中下一個(gè)“大殺器”，但這事兒誰也沒法打包票。

所有這些成果全都是開源的，因?yàn)槲沂情_源的堅(jiān)定信徒。除了我的項(xiàng)目，小米還有很多其他的開源項(xiàng)目。