北京
12月17日，在鈦媒體2025 T-EDGE全球?qū)υ捴校岗w何娟 Talk」（Jany Talk）進(jìn)行了一場意義非凡的關(guān)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(fā)布三周年，以“大模型‘拐點(diǎn)’之年，AI下一個十年看什么”為主題，趙何娟與張宏江再次進(jìn)行了一場關(guān)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(xiàn)，是人類第一次見證，一個技術(shù)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(chuàng)公司，是由一些非常強(qiáng)的人創(chuàng)辦的世界模型和AI科學(xué)家公司，人還沒有到齊，公司網(wǎng)站還沒有正式上線，其估值就已經(jīng)到了40億、50億美元。
在張宏江看來，很重要的一點(diǎn)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(chuàng)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(fù)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(xué)家這樣的模型?！?/p>
而針對Open AI聯(lián)合創(chuàng)始人、前首席科學(xué)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(xù)依賴 scaling law 來推進(jìn)模型發(fā)展，那將是一條錯誤的路線?！?/p>
張宏江表示，“他的話其實(shí)造成了很大的誤解，所以他很快就在找補(bǔ)。然后很快又發(fā)了一個補(bǔ)充，說他的意思不是說 scaling law 到頭了，而是說我們從技術(shù)上應(yīng)該不斷地尋找新的路徑。”
同時(shí)，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(shí)還有很長的路要走。Transformer 不是唯一的架構(gòu)，而是到目前為止最有效的一個架構(gòu)?！?/p>
針對現(xiàn)在很多人都在看 Google 和 Open AI兩家公司，一個大公司，一個創(chuàng)業(yè)公司，各有各的優(yōu)勢，對于未來 Google 和 Open AI哪家贏面更大，張宏江直言，“現(xiàn)在就給 Open AI、英偉達(dá)下結(jié)論還太早。 PC 時(shí)代，端到端的蘋果和wintel 的開放生態(tài)，最終是誰贏出，已經(jīng)很清晰。到了移動互聯(lián)網(wǎng)時(shí)代，這兩個系統(tǒng)是共存的，也許未來 AI時(shí)代，兩個系統(tǒng)或者甚至更多的系統(tǒng)會共存?！?/p>
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(yù)計(jì)在12個月到24個月內(nèi)，可能AI會有非常大的突破。
他相信2026年，具備非常強(qiáng)的自主運(yùn)營能力的Agent會大量出現(xiàn)。而端側(cè)AI，目前像AI手機(jī)、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(rèn)為，中國的機(jī)器人賽道泡沫是最多。相比美國基本上兩個手指都能數(shù)過來的機(jī)器人公司，中國可能有上百家機(jī)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(qiáng)項(xiàng)，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(shí)際上還是處于遙控狀態(tài)?！敖裉煳覀兊木呱碇悄艿哪Ｐ瓦€沒有達(dá)到這個通用的泛化能力?！?/p>
視頻對話截圖
張宏江將今天機(jī)器人的狀態(tài)，比作它還沒有做出一個通用的“發(fā)動機(jī)”，還沒有到一個通用的“發(fā)動機(jī)”的時(shí)代，也就是等于“發(fā)動機(jī)”還沒有過關(guān)。
對于馬斯克宣稱特斯拉機(jī)器人將要量產(chǎn)百萬臺，張宏江認(rèn)為這有可能實(shí)現(xiàn)，因?yàn)樘厮估凶约旱墓S，本身就有很多應(yīng)用的場景，其機(jī)器人是工業(yè)的一類任務(wù)的機(jī)器人，不是一個工業(yè)的通用機(jī)器人，但實(shí)際上就已經(jīng)很有意義了。
一旦工業(yè)機(jī)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(shù)的出現(xiàn)和使用，都會消滅一些工作，減少一些工作，還會創(chuàng)造更多的工作出現(xiàn)，使得人們經(jīng)過重新培訓(xùn)，能夠在新的領(lǐng)域就業(yè)。但今天超級智能的出現(xiàn)，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(shí)代，張宏江認(rèn)為，會出現(xiàn)一些超級個體，會出現(xiàn)一人的獨(dú)角獸，個人的能力會進(jìn)一步拉開，人的收入也會進(jìn)一步拉開。
以下為「趙何娟Talk」與張宏江的完整對話的實(shí)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(guān)于《ChatGPT和AIGC：Al 大模型發(fā)展和機(jī)遇》的分享，是國內(nèi)第一個將ChatGPT詳細(xì)講清楚的人，當(dāng)時(shí)ChatGPT其實(shí)剛剛發(fā)布沒幾天。
今年又發(fā)生了很多看起來像拐點(diǎn)性的重要事件，比如Gemini 3.0的發(fā)布，被很多人視為ChatGPT最大的挑戰(zhàn)者，甚至有人認(rèn)為它已經(jīng)超越了ChatGPT。也有人認(rèn)為今年是Open AI有史以來遇到最大危機(jī)的一年。危機(jī)既來自 Google這樣的競爭對手的挑戰(zhàn)，也來自巨大的基礎(chǔ)設(shè)施建設(shè)投入，以及它的債務(wù)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(zhuǎn)折點(diǎn)，但也有人認(rèn)為這可能是它重大調(diào)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(guān)的全球發(fā)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(dāng)初ChatGPT剛剛發(fā)布，還不到一周的時(shí)候，我們就探討要聊什么話題，何娟對行業(yè)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(dāng)時(shí)還重點(diǎn)強(qiáng)調(diào)的是這個內(nèi)容的生成。因?yàn)镃hatGPT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(shù)的出現(xiàn)，然后它的頭三年會怎么樣？我相信大家會確認(rèn)過去的三年，是一個新技術(shù)發(fā)展最快的三年，也是一個技術(shù)從出現(xiàn)到用戶過億，這樣最快的三年。
推理模型和基礎(chǔ)智能體的區(qū)別在變得模糊
趙何娟：請您用一句話來概括AI這三年發(fā)生的最本質(zhì)的變化是什么？
張宏江： 三年前，在ChatGPT出現(xiàn)之前，我們談AGI，我們都認(rèn)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(dāng)ChatGPT出現(xiàn)后，無論是因?yàn)樗槐菊?jīng)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(xiàn)，都讓我們認(rèn)識到，AGI是觸手可及的，AGI是我們可以看得到的目標(biāo)。這是ChatGPT當(dāng)時(shí)發(fā)布給人們的一種震撼。
在這三年中發(fā)生了太多的事情。我們知道Transformer通過這種非常高智能的預(yù)訓(xùn)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(chuàng)公司。
三年過去，我們看到的首先是這個叫 scaling law，其實(shí)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(fā)布之前，依然有人說這個scaling law要到頭了。
Genmini技術(shù)負(fù)責(zé)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(dāng)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(tǒng)的知識記憶方式的大模型，跨越到能夠基于這個模型，用強(qiáng)化學(xué)習(xí)的方法訓(xùn)練出更強(qiáng)的推理能力。
2024年，OpenAI的o1發(fā)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(xiàn)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(qiáng)的推理能力；另一個是上周發(fā)布的DeepSeek V 3.2，它尤其強(qiáng)調(diào)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(yù)訓(xùn)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(yīng)用。當(dāng)ChatGPT 出來的時(shí)候，人們第一個想到的是 Chat，它可能會替代這個搜索，它的應(yīng)用是內(nèi)容的生成，這是一條線，但事實(shí)上它帶火了另外一條線就是機(jī)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(xué)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(jīng)到位了。
從純粹純語言模型到多模態(tài)，然后從多模態(tài)跨越到世界模型，人們對于世界模型的追求，除了多模態(tài)的這種追求之外，很大程度上是因?yàn)樗麄冏非筮@個未來的通用的模型或者通用的機(jī)器人。
所以，總結(jié)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(tài)，再到世界模型這三條線。
趙何娟：我們把這三條線統(tǒng)一來看的話，是不是都可以歸結(jié)為在基礎(chǔ)大模型發(fā)展上面的一個躍遷，而不是在應(yīng)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(fā)布的這個DeepSeek V 3.2，其實(shí)大家都在強(qiáng)調(diào)推理和智能體的能力。
這三個發(fā)布，如果留意就會發(fā)現(xiàn)，其實(shí)這個推理模型和基礎(chǔ)智能體的區(qū)別在變得模糊，也就是說模型的能力在往上增長的時(shí)候，其實(shí)會進(jìn)一步模糊智能體之間的界限。當(dāng)模型本身已經(jīng)具備工具的能力，其推理能力強(qiáng)到能夠完成很多任務(wù)的時(shí)候，實(shí)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(diǎn)。
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(xù)性。我們說也許在預(yù)訓(xùn)練的時(shí)候，這個 scaling law 會變緩。如果你最近看Gemini 的發(fā)布，它們第一點(diǎn)談到的就是它們的基模，那個pre training model 有了非常大的進(jìn)步。
從Open AI的首席研究官 Mark的訪談來看，他其實(shí)很委婉地承認(rèn)了他們過去兩年在基模上沒有持續(xù)提升 pre train model（預(yù)訓(xùn)練模型）的能力。
而恰恰在這一點(diǎn)上，Gemini 3.0 有了重要突破，進(jìn)一步證明了這一點(diǎn)。第一，這個預(yù)訓(xùn)練大模型的 scaling law還遠(yuǎn)遠(yuǎn)沒有到達(dá)頂點(diǎn)。
無論是從 Demis（ 谷歌DeepMind首席執(zhí)行官兼聯(lián)合創(chuàng)始人德米斯·哈薩比斯Demis Hassabis）所說的，他說即使有人認(rèn)為其性能改善是Margin，但這個Margin 也遠(yuǎn)遠(yuǎn)超出我們投入的 Margin，也就是說投入產(chǎn)出依然成正比。因此，你還是可以在基模方面繼續(xù)發(fā)展。他的技術(shù)負(fù)責(zé)人表示，這跟大家想象得完全相反，基模的 scaling law這次又發(fā)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(xì)看DeepSeek V 3.2的那篇報(bào)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(xiàn)在這個模型的參數(shù)性能，而是會更好。
事實(shí)上，他們是在強(qiáng)調(diào)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(chǔ)模型，也就是這個預(yù)訓(xùn)練模型還沒有到頭，依然需要更多的數(shù)據(jù)，依然需要更多的算力，依然會有很大的改進(jìn)空間。這個推理模型事實(shí)上它是剛剛開始。
所以當(dāng)我們讓這個基礎(chǔ)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(shí)是非常模糊的，也就是模型會持續(xù)在往上漲，會把這個邊界往上推。那么現(xiàn)在模型已經(jīng)開始在應(yīng)用這塊做得非常強(qiáng)大了。
為下一代模型下賭注
趙何娟：最近OpenAI聯(lián)合創(chuàng)始人、前首席科學(xué)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(xù)依賴 scaling law 來推進(jìn)模型發(fā)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(shí)造成了很大的誤解，所以他很快就在找補(bǔ)。然后很快又發(fā)了一個補(bǔ)充，說他的意思不是說 scaling law 到頭了，而是說我們從技術(shù)上應(yīng)該不斷地尋找新的路徑。當(dāng)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(kuò)大模型參數(shù)量已出現(xiàn)“收益遞減”現(xiàn)象，但相關(guān)投入“依然極具價(jià)值”；另外就是在推理模型這塊，scaling law 其實(shí)還有很長的路要走。
我其實(shí)非常敬佩伊利亞，他是一個非常有遠(yuǎn)見的人，他在 Open AI也是技術(shù)的主心骨。那么，他談到更多的是，在 scaling law 的同時(shí)，我們應(yīng)該尋找更有效的神經(jīng)網(wǎng)絡(luò)架構(gòu)。我相信Transformer 絕對不會是唯一的架構(gòu)，而到目前為止它是最有效的一個架構(gòu)。
過去這三年，我們也看到很多學(xué)術(shù)界對它進(jìn)行的研究與改善，包括 Google 最新Gemini 3.0發(fā)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(gòu)。
當(dāng)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(chuàng)業(yè)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(shí)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(qiáng)的人出來做的世界模型和 AI科學(xué)家公司，人還沒有到齊，公司網(wǎng)站還沒有正式上線，其估值就已經(jīng)到了40億和50億美金。
這個很重要的一點(diǎn)就是人們對于世界模型或下一代模型的期望，其實(shí)還是非常高的，所以人們會下這種重大的賭注。
但另外一點(diǎn)，它這種融資的規(guī)模，這么高的估值，其實(shí)是因?yàn)樗谫Y的需求，他們起點(diǎn)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(xùn)練他們的模型，這中間包括 GPU、IDC、數(shù)據(jù)的資源。
我們當(dāng)然希望能夠有下一個架構(gòu)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(shí)上，我非常高興地看到在美國硅谷這個創(chuàng)業(yè)公司已經(jīng)出現(xiàn)，而且投資界對他們充滿了希望。
趙何娟：看來這個模型現(xiàn)在還是兵家必爭之地，還是在很早期，說明還沒在應(yīng)用。
張宏江：但是有一點(diǎn)，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(chuàng)業(yè)公司，他們其實(shí)在做不同的模型，這個模型已經(jīng)與 Transformer、 GPT 這樣的模型不同，他們尋找的是不同的架構(gòu)。
趙何娟：就是他的世界模型沒有結(jié)合 Transformer嗎？
張宏江：我覺得未必完全沒有結(jié)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(xué)家他的使命是什么？用 AI來改善 AI，就是Using AI to improve AI，那這實(shí)際上是一個 AI科學(xué)家的概念。這種模型可能更多的是這種強(qiáng)化學(xué)習(xí)，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(fù)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(xué)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(jìn)來，其實(shí)它是在有創(chuàng)新的方式來做模型，而不是說重復(fù)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(xiàn)在也有兩種聲音，一種聲音就是還是要有評價(jià)體系，還是要跑分。就類似于像我們以前說手機(jī)跑分一樣的，就還得要跑分，要有一些固定的標(biāo)準(zhǔn)，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(chǎn)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(jià)他們？
張宏江：這其實(shí)是一個非常好的問題，也是一個非常難以回答的問題，因?yàn)槲覀兘裉炜茨Ｐ偷脑?，或者是說我們以前測這個手機(jī)的話，這些其實(shí)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(shù)據(jù)集，我們定了這些問題，是因?yàn)槲覀冋J(rèn)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(shí)驗(yàn)一樣，我們以前定義機(jī)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(jīng)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(biāo)來做衡量。我們現(xiàn)在看到即使這些指標(biāo)做得非常漂亮，但實(shí)際的應(yīng)用中，我們依然看到有的時(shí)候這個表現(xiàn)是非常糟糕的，在一些常識的任務(wù)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(gòu)，還是這個預(yù)訓(xùn)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(dāng)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(wù)，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(wù)集，你很快就會發(fā)現(xiàn)模型能夠在上面達(dá)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(dāng)然，我們在不斷地往那個目標(biāo)去走。一開始 ChatGPT ，我們實(shí)際上就看它能不能回答我們的問題。然后今天我們已經(jīng)有了推理模型。我們已經(jīng)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(wù)，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(wù)。所以這是一步一步往前走的。
趙何娟：我感覺怎么有點(diǎn)像更考驗(yàn)的其實(shí)是人類的想象力呢，想到這個任務(wù)，就肯定很快能完成，關(guān)鍵是我根本想不到什么樣的任務(wù)是給它，讓它完不成的。
張宏江：對。還是有很多問題，它其實(shí)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(biāo)準(zhǔn)來做的，比如說今天的這些任務(wù)，我們可以來定義越來越多的任務(wù)。
還有就是從數(shù)學(xué)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(shí)本身是一個很重要的標(biāo)志。
也就是說，我們?nèi)祟愑羞@個快思考和慢思考，慢思考就定義了我們?nèi)说倪@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(shí)間很長，可能是我們真正的一個非常大的進(jìn)步。
趙何娟： 其實(shí)您剛才也說到，現(xiàn)在有很多在想突破 Transformer 這個底層理論限制了一些新的創(chuàng)新嘗試。陳天橋先生（盛大集團(tuán)、天橋腦科學(xué)研究院創(chuàng)始人）其實(shí)也在做相關(guān)的研究，就提出來一個叫發(fā)現(xiàn)式智能，他重新定義了五個標(biāo)準(zhǔn)來做。作為新的一個標(biāo)準(zhǔn)，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(fā)現(xiàn)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(shí)的頭腦風(fēng)暴。我們沒有花很多時(shí)間在技術(shù)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(shí)在他的過去十年里，激情所在是在搞腦科學(xué)，他希望能夠從腦科學(xué)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(xué)家不太一樣的地方，因?yàn)樗_實(shí)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(tuán)隊(duì)，也資助了很多這個學(xué)術(shù)界的科學(xué)家來探索這件事。
他尤其強(qiáng)調(diào) 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(yè)其實(shí)都還是在探索。您剛才說腦科學(xué)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(shí)是研究腦科學(xué)的，但是他覺得他這輩子的研究其實(shí)很失敗，因?yàn)樗谀X科學(xué)上沒有什么特別大的建樹。結(jié)果他的副產(chǎn)品，基于神經(jīng)科學(xué)研究出來的這個 AI和神經(jīng)科學(xué)的結(jié)合，反倒成了比較大的一個突破。就是副產(chǎn)品成了，但他的主業(yè)，其實(shí)他自己定義主業(yè)不是特別成功。
張宏江：他是比較謙卑吧。
趙何娟：對，但腦科學(xué)和 AI這個肯定有相關(guān)性的，對吧？
張宏江：他在愛丁堡讀博士的時(shí)候，確實(shí)研究的神經(jīng)科學(xué)。雖然他從神經(jīng)科學(xué)出發(fā)，但他研究的核心，并不是像生物學(xué)家那樣去研究神經(jīng)。他實(shí)際上是為了研究這個認(rèn)知科學(xué)。他是很謙卑地這樣說，他可能意思是說在神經(jīng)科學(xué)這塊，或者是在認(rèn)知科學(xué)這塊，沒有特別大的貢獻(xiàn)。
但是在認(rèn)知科學(xué)這塊，如果我們把神經(jīng)網(wǎng)絡(luò)、把深度學(xué)習(xí)看成認(rèn)知科學(xué)的一種方式，我認(rèn)為他是非常成功的。如果我們今天看突破的話，其實(shí)對于整個技術(shù)的發(fā)展，我覺得他的這種突破實(shí)際上是有更大的意義，這也是為什么諾貝爾物理學(xué)獎會給他。
趙何娟：所以有時(shí)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(shí)我覺得事實(shí)上是我們這個研究領(lǐng)域，或者是科學(xué)家里面，尤其是中國的科學(xué)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(qiáng)的好奇心和熱情。
無論是他在讀博士期間，還是他當(dāng)初從英國到美國到卡內(nèi)基梅隆大學(xué)，在卡內(nèi)基梅隆大學(xué)再碰到一系列的困難，然后又去了多倫多大學(xué)。他經(jīng)歷了整個人工智能，就是神經(jīng)網(wǎng)絡(luò)那一波非常黑暗的時(shí)期，我們把它叫做黑暗時(shí)代，也就是80年代末到這個世紀(jì)的頭五年，就是沒有任何一個國家給科學(xué)基金，或者是這個政府在給神經(jīng)網(wǎng)絡(luò)的研究基金。但他依然在堅(jiān)持，一直到他在2005年提出深度學(xué)習(xí)概念之后，無論是機(jī)緣巧合也好，還是因?yàn)楸凰袆右埠?，加拿大的國家科研基金批了他的這個項(xiàng)目，從而才有了這個十年后的AlexNet，才有了這個在 ImageNET （一項(xiàng)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(xué)習(xí)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(rèn)知還是挺超前。雖然現(xiàn)在很多人都對他很有意見，覺得他一直在講風(fēng)險(xiǎn)，但我覺得他的認(rèn)知就是超前的，這個東西未來一定是有很大的風(fēng)險(xiǎn)。
張宏江：我想人們對他的這種最新的 AI的風(fēng)險(xiǎn)的理解，用在做大模型的這波從業(yè)人員的話，可能更多地會認(rèn)為他那個時(shí)間還比較久遠(yuǎn)，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(chǔ)的這一波的突破，在五年前能看到這一點(diǎn)的其實(shí)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(shí)候，他還提出來一個判斷，他認(rèn)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(yè)和模型發(fā)展本身來說的話，他認(rèn)為這是一個整體。他覺得 Google 從生態(tài)能力，然后從現(xiàn)在的技術(shù)領(lǐng)先性等各方面，他認(rèn)為跟 Open AI的發(fā)展來說，他覺得 Google 會贏。
現(xiàn)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(chuàng)業(yè)公司，創(chuàng)業(yè)公司有創(chuàng)業(yè)公司的優(yōu)勢，然后大公司有大公司的優(yōu)勢，原來可能都倒在 Open AI這邊的，現(xiàn)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(shí)是一個很難回答的問題。實(shí)際上我們要從幾個方面來談。第一，我其實(shí)對于這個科學(xué)家來看企業(yè)的未來或者看產(chǎn)品的未來，我從來都是有保留的。因?yàn)槲易约罕旧硎菑哪且宦纷哌^來的。當(dāng)我們在做研究的時(shí)候，我們其實(shí)看產(chǎn)品或者看公司的發(fā)展是看得非常不清晰的，非常模糊的。我們很可能只是從學(xué)術(shù)，從技術(shù)本身來看，事實(shí)上，一件事情的成功遠(yuǎn)比這復(fù)雜得多。
我們不能忽略的一個事實(shí)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(shí)我覺得它的問題不在于因?yàn)?Google 有更多的資源，而是說他們真正地把執(zhí)行力提高了。
因?yàn)?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(lǐng)軍的企業(yè)，更不要說有 Deepmind 在強(qiáng)化學(xué)習(xí)領(lǐng)域這樣如此之強(qiáng)的這么一個團(tuán)隊(duì)。
今天我們看 Google 的話，Google 未來能不能持續(xù)地引領(lǐng)？很重要的一點(diǎn)就是它的優(yōu)勢在哪？它的優(yōu)勢在于它是一個 Full stack，因?yàn)樗侨珬５倪@種優(yōu)勢。當(dāng)它把所有的能力聚在一起的時(shí)候，它的爆發(fā)是可以非常強(qiáng)大的。
今天我們在Gemini 3.0上看到了這種爆發(fā)。它能不能夠持續(xù)利用他的這種全棧的能力，能不能持續(xù)把它做成全棧，這其實(shí)是下面它所面臨的挑戰(zhàn)。
但是它的成功也就說明了幾點(diǎn)，就是這個 AI所謂的三要素，算法、人才、數(shù)據(jù)，它現(xiàn)在三個都做到了，而且它三者之間的結(jié)合做得非常好，就是它執(zhí)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(zhàn)，面臨一個非常強(qiáng)大的競爭對手。當(dāng)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(nèi)部也有些動蕩，包括一年多之前換 CEO風(fēng)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(shí)他們透露的一點(diǎn)就是過去兩年，他們事實(shí)上在技術(shù)模型上，就是在預(yù)訓(xùn)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(yù)訓(xùn)練模型上有所側(cè)重。
他們可能認(rèn)為他們自己的o1模型本身已經(jīng)足夠強(qiáng)，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(yīng)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(yōu)先級的排序。作為一個依然還是創(chuàng)業(yè)階段的公司，希望他們能夠迸發(fā)出更強(qiáng)大的力量吧。
好消息是說一個產(chǎn)業(yè)，尤其是一個快速發(fā)展的產(chǎn)業(yè)，一定是在競爭的環(huán)境中間，才能夠快速成熟。所以我覺得有這么一個強(qiáng)大的競爭對手，對于 Open AI也好對于未來的 AI用戶來說，其實(shí)是一件大好事。
就ChatGPT 5.2的話，其實(shí)可以看到，他們在過去這段時(shí)間還是儲備了不少東西，所以他們很快地發(fā)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(lǐng)先的那個位置吧。
張宏江：他們彼此有互相領(lǐng)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(shí)就差得很遠(yuǎn)。今天的話，至少從模型本身，兩者可能是相當(dāng)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(yōu)勢就是它一個 ChatGPT 應(yīng)用，已經(jīng)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(yīng)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(shí)還是需要花很長時(shí)間來改變的。
如果能夠持續(xù)地快速迭代，持續(xù)地改善它的用戶體驗(yàn)。這個對于那些在過去三年一直用 ChatGPT 的人來說，他們往外轉(zhuǎn)換過來的這個成本還是相當(dāng)高的。我覺得他們還是有他們的希望，因?yàn)樽罱K人們還是看它的整體體驗(yàn)。
剛才我們前面提到的評判指數(shù) ，這個指標(biāo)的數(shù)字上超過了競爭對手，未必會真正體現(xiàn)在用戶的體驗(yàn)上。
趙何娟：這個其實(shí)就是前面講那個模型能力對比的時(shí)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(qiáng)，一定是考試分?jǐn)?shù)高的那個能力更強(qiáng)嗎？也不一定見得。
張宏江：綜合能力未必，確實(shí)是這樣。
趙何娟：所以雙方還是各有優(yōu)勢。
張宏江： 因?yàn)镚emini 3.0出現(xiàn)時(shí)，他們對外宣布的時(shí)候明確地告訴大家，他們是在 TPU 上訓(xùn)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(dá)從此一蹶不振。在股市上，我們已經(jīng)看出人們的這種疑問，過去這幾個禮拜，英偉達(dá)股票所面臨的壓力。
然后TPU 作為一個專門做訓(xùn)練深度學(xué)習(xí)的這么一個芯片，顯然有它的優(yōu)勢。咱們做了一系列的比較，英偉達(dá)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(dá)？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(shí)代對比的話，它很可能像移動時(shí)代的蘋果，但是安卓體系（這種分工的體系）也依然很強(qiáng)大。
這個模型運(yùn)用這種分工的體系，有它自己的優(yōu)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(tài)能夠結(jié)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(tài)，會比一個封閉的端到端的生態(tài)效率更高。
當(dāng)然這個，我們還是拭目以待，我覺得現(xiàn)在就給 Open AI、英偉達(dá)下結(jié)論還太早。如果你看 PC 時(shí)代，端到端的蘋果和wintel 的開放生態(tài)，最終是誰贏出，已經(jīng)很清晰。到了移動互聯(lián)網(wǎng)時(shí)代，這兩個系統(tǒng)是共存的，也許未來 AI時(shí)代，兩個系統(tǒng)或者甚至更多的系統(tǒng)會共存。
算力依然是瓶頸
趙何娟：我們現(xiàn)在其實(shí)誰也不知道，別說三年之后，十年之后，可能三個月之后會發(fā)生什么都不知道，因?yàn)槲乙恢笔?AI的研究者，當(dāng)然在關(guān)注這個發(fā)展，同時(shí)我自己也在做那個 AI的新聞應(yīng)用APP（NextFin）。我就是關(guān)注很緊，但即便像我這種關(guān)注特別緊的，我都覺得這個變化之快之大，經(jīng)常都是應(yīng)接不暇。
去年我們還在談算力的瓶頸，怎么買英偉達(dá)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(fēng)一轉(zhuǎn)，瓶頸不是算力了，變成能源和電網(wǎng)了。微軟的 CEO 自己都在說，現(xiàn)在缺的不是算力，缺的不是芯片，是數(shù)據(jù)中心沒有電，芯片都在數(shù)據(jù)中心蒙灰。
您怎么看現(xiàn)在的這個從算力到能源的瓶頸的轉(zhuǎn)移的這個趨勢，您覺得這個趨勢尤其在美國會持續(xù)很長的時(shí)間嗎？
張宏江：我其實(shí)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(shí)際上它有三件事，一個是芯片的這個生產(chǎn)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(shè)計(jì)芯片的包括英偉達(dá)，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(xiàng)到真正落地運(yùn)行，可能要三年的時(shí)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(fā)電，因?yàn)樗蝗蹦茉矗鼘?shí)際上缺的是電網(wǎng)的能力。所以馬斯克它剛開始建的時(shí)候，它搞了一大堆的這個柴油發(fā)電機(jī)，還引起了周圍居民的抗議。
事實(shí)上，就是說它的問題在于電網(wǎng)，未必是說它沒有天然氣。有時(shí)候我們也知道，就是它這個發(fā)電機(jī)產(chǎn)能已經(jīng)定到2027、2028年了。
趙何娟：但是天然氣的產(chǎn)能好像說也是到二○三幾年就要到峰值了。
張宏江：因?yàn)榻裉炷阋呀?jīng)看到大家在呼吁這個問題，以美國的創(chuàng)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(wǎng)的這種進(jìn)度，我們到明年就不夠用了，但事實(shí)上，我們明年可能還不會看到大規(guī)模的這個電力，我想這個會跟得上。
看那個 Oracle（甲骨文）的財(cái)報(bào)，它的問題就是它的 IDC 建設(shè)的速度跟不上它的需求。所以我認(rèn)為最終還是算力，當(dāng)然這種算力最終這個供應(yīng)，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(guān)，實(shí)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(shè)大量算力的能力。
還有很重要一點(diǎn)，之所以我們現(xiàn)在對電力，尤其是在美國，大家對電力現(xiàn)在有一個非常清醒的認(rèn)識，就是覺得這個未來可能會卡脖子。
我們現(xiàn)在需要的這個大規(guī)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(yīng)的是什么？50萬張卡有一兆瓦對應(yīng)。
現(xiàn)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(dāng)于50萬張卡?，F(xiàn)在人們已經(jīng)開始把這個 H 200的算力變成一個標(biāo)準(zhǔn)的算力單位，實(shí)際上芯片的能力，而且在單個集群里面的算力密度，這些實(shí)際上我認(rèn)為是最終會卡的。
如果從Gemini 3.0的發(fā)布，在單點(diǎn)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(diǎn)的突破。未來就是很難帶來整個系統(tǒng)上的這種突破，或者是整個系統(tǒng)上的比別人還要領(lǐng)先很多。這對于中國的AI其實(shí)是一個很大的挑戰(zhàn)。
趙何娟：我剛就想說，中國現(xiàn)在就是單點(diǎn)突破能力很強(qiáng)。
張宏江：但是問題是這種單點(diǎn)突破，如果我們看這個DeepSeek 3.2的那個報(bào)告。他如此明確地說，我們其實(shí)現(xiàn)在就缺算力。你看他的最后結(jié)尾說，我之所以我這些參數(shù)，我這個性能的這些分?jǐn)?shù)跟別人差不多，或者比別人還差，其實(shí)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(xù)的。這對我們做模型的人來說應(yīng)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(zhuǎn)換成算力。
AI的基建沒有泡沫
趙何娟：現(xiàn)在這個階段肯定還是基礎(chǔ)設(shè)施投入的階段，不管是算力，還是建數(shù)據(jù)中心，還是鋪電網(wǎng)，其實(shí)都是在為算力服務(wù)。
張宏江：我覺得還有一個很重要的一點(diǎn)，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(shù)據(jù)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(tǒng)的建設(shè)，就是數(shù)據(jù)中心的建設(shè)也好，還是這個電網(wǎng)的建設(shè)也好，還是說算力的建設(shè)也好，如果我們說它只是為了預(yù)訓(xùn)練，只是為了推理，其實(shí)我們把這件事情縮小了，它實(shí)際上是在建我們下一代數(shù)據(jù)的一個新的基礎(chǔ)設(shè)施。
一個新的基礎(chǔ)設(shè)施，比如說這個蒸汽機(jī)，原來是工業(yè)革命最早的基礎(chǔ)設(shè)施。電力是我們這個工業(yè)革命的基礎(chǔ)設(shè)施。那鐵路是我們那時(shí)候的一個基礎(chǔ)設(shè)施，那個光纜是我們互聯(lián)網(wǎng)時(shí)代的基礎(chǔ)設(shè)施。
今天我們在建的這些數(shù)據(jù)中心，實(shí)際上是下一個時(shí)代，下一個數(shù)字時(shí)代，也就是 AI時(shí)代的基礎(chǔ)設(shè)施。這種建設(shè)，我們一定要把看成一個系統(tǒng)工程。
有人給出了一個圖，也就是說當(dāng)年在建設(shè)鐵路時(shí)，鐵路的投資占整個當(dāng)時(shí)的GDP多少，那個占了3%點(diǎn)幾；光纖是占了1%點(diǎn)幾，今天算力的投資也才占了1%點(diǎn)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(qū)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(diǎn)短視。
趙何娟：這個也其實(shí)也是我剛才想進(jìn)一步問的問題，就是現(xiàn)在因?yàn)槲覀冊谧鲞@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(chǎn)生盈利能力和經(jīng)營效益。那像華爾街就質(zhì)疑這個事情，除了說它是泡沫。另外質(zhì)疑的就是他的這個債務(wù)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(wù)這個模式又被華爾街特別擔(dān)心，華爾街可能被這個債務(wù)危機(jī)搞怕了，幾次金融危機(jī)都債務(wù)危機(jī)，搞怕了就很擔(dān)心這個模式。您怎么看呢？其實(shí)這一次美股的股價(jià)，尤其是 AI美股的大調(diào)整，都跟這種高債務(wù)的股票的大調(diào)整是有很大的關(guān)系。
張宏江：投資這方面，就是華爾街他們的這個分析。我其實(shí)不是很懂，這方面我不是專家。但是我想要說的是，其實(shí)可以借助谷歌CEO 的話，也可以借助微軟CEO 的話說，我現(xiàn)在的投入，我現(xiàn)在等著用，我的客戶在等著，不是說沒有人用。當(dāng)你生產(chǎn)的東西一上線就被搶光的時(shí)候，談什么泡沫呀。你應(yīng)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(chǎn)生未來的價(jià)值，我覺得這個可能是更應(yīng)該算的那筆賬，而不是說我們這一項(xiàng)需要投多少錢，最終就是看你的產(chǎn)出。
當(dāng)然，在過去的兩三年，包括在 AI 1.0的時(shí)候，人們都有這種懷疑，就是說你投入和產(chǎn)出是不是成比例，你在一個技術(shù)還如此早期，如此快速發(fā)展的時(shí)候，我覺得出現(xiàn)這個所謂的泡沫的情況，我覺得是很正常的。這是一個優(yōu)化的過程，有不斷地調(diào)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(diào)還是很厲害的。
張宏江：它只是在波動，因?yàn)樗]有一個波動往下降。你看這個波動，其實(shí)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(diào)。我覺得這個其實(shí)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(shù)字對于某些具體的公司的話，這種回調(diào)我覺得一定會發(fā)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(nèi)，AI會有大突破
趙何娟：我們剛才聊了很多關(guān)于現(xiàn)在的模型，然后基建相關(guān)問題。三年過去了，感覺不管是哪個層面的這種應(yīng)用，這種超級爆款型的應(yīng)用可能除了 Open AI的 ChatGPT這種模式之外，到現(xiàn)在為止沒有第二個超級爆款出現(xiàn)，您覺得這個原因是什么？
張宏江：我其實(shí)不覺得沒有第二個，第二個其實(shí)就是編程。
趙何娟：編程還算爆款應(yīng)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(shí)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(diǎn)是已經(jīng)確認(rèn)的，就是說一個是編碼，一個是內(nèi)容的生成。人們在潛移默化中，AI其實(shí)已經(jīng)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(yīng)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(yīng)用NextFin。
張宏江：對，一樣的道理。我記得前一段時(shí)間有一條新聞出來說“有50%的新聞報(bào)道是由 AI來寫的”。短訊其實(shí)都是 AI來寫的，可能深度分析得還稍微那么一點(diǎn)。
這種所謂的叫作臨界點(diǎn)，在不斷地出現(xiàn)。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(jīng)是機(jī)器寫的時(shí)候，你覺得這還不是一個爆款應(yīng)用嘛。
趙何娟：這個就是說它可能不是某一個應(yīng)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(jīng)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(yīng)用，具備非常強(qiáng)的自主運(yùn)營能力的Agent會出現(xiàn)，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(yè)都希望能擁抱 AI，但在過去三年間，企業(yè)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(nèi)，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(yīng)用里面，它的 Tipping point 過了。就像今天剛才我說的，比如文檔產(chǎn)生這些事，已經(jīng)有50%是 AI產(chǎn)生的。
我覺得這些都是非常有意思的，就像前一段有一個數(shù)據(jù)顯示，這個推理模型的 token 的用量已經(jīng)超過50%了。所以從這個意義上來說，那就是我們離 Agent其實(shí)很近了。我們整個對于模型的使用，已經(jīng)從尋找一個答案，到讓他完成一個任務(wù)。
趙何娟：我覺得這算是一個分水嶺。
張宏江：推理模型其實(shí)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(yù)訓(xùn)練模型。從簡單的這個回答問題到執(zhí)行任務(wù)，這個轉(zhuǎn)折點(diǎn)已經(jīng)開始出現(xiàn)了。
趙何娟：我們應(yīng)用端，如果說 Agent類的這種應(yīng)用在2026年要開始爆發(fā)的話，哪些垂類的賽道，您覺得更可能快速發(fā)展？
張宏江：我剛才其實(shí)已經(jīng)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(yīng)用上，是實(shí)現(xiàn)快速普及的這么一個應(yīng)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(chuàng)業(yè)公司都沒有機(jī)會，但是Cursor證明創(chuàng)業(yè)公司是有機(jī)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?yàn)槿绻阆嘈拍Ｐ捅旧淼哪芰U(kuò)張，會把很多Agent能力吸進(jìn)去的話，我認(rèn)為還是有最終的風(fēng)險(xiǎn)。最終這種非常重要的應(yīng)用，很可能會在模型公司實(shí)現(xiàn)。
趙何娟：它有它的命運(yùn)，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(shí)就是整個開發(fā)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(shí)是不行的。那沒有Agent之前也不行，因?yàn)樗總€任務(wù)還是不一樣，你要理解用戶的任務(wù)這件事，其實(shí)還時(shí)要用 Agent來做。我剛才也提到，就是在媒體上的文章，已經(jīng)有50%是由 AI生成了，所以這一點(diǎn)我覺得瓶頸已經(jīng)到了。
趙何娟：AI編程，然后內(nèi)容媒體，都是首當(dāng)其沖的感覺，都是碼字或者碼代碼的碼農(nóng)們。
張宏江：下一步我覺得就是這個企業(yè)的 Workflow（工作流），更多地將由Agent來執(zhí)行。
中國機(jī)器人賽道泡沫最多
趙何娟：您怎么看端側(cè) AI？中國好多創(chuàng)業(yè)機(jī)會現(xiàn)在都全部集中到跟硬件相關(guān)的這個賽道上來了。
張宏江： AI手機(jī)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(shí)間內(nèi)，這個模型還會在云端，其實(shí)所在開發(fā)的硬件，包括國內(nèi)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?yàn)樗谜Z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(cè)的智能叫端側(cè)，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(tài)。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(xiàn)在的 AI和端側(cè)結(jié)合，或者說和硬件的終端結(jié)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(qū)動，就是它還達(dá)不到說我是生成式模型驅(qū)動這個。就自動駕駛，您覺得呢？
張宏江：自動駕駛是端的，端側(cè)是在車上的。因?yàn)榫蛙嚤旧硭w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(shí)車上的已經(jīng)足夠了，它本身所做的決策沒有那么復(fù)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(shí)候您就提到的，但沒有展開的，機(jī)器人的這個賽道上，機(jī)器人這塊您怎么看？現(xiàn)在中美機(jī)器人都非常熱，但是看起來好像中國做機(jī)器人的優(yōu)勢好像更強(qiáng)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(jī)器人的這個賽道泡沫是最多的。
趙何娟： 為什么中國機(jī)器人泡沫最大？
張宏江： 就是我們看中國有多少家機(jī)器人公司，跟美國比，美國基本上兩只手就數(shù)過來了。但是中國的機(jī)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(shí)具身智能很難做到通用。所以我認(rèn)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(jī)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(dāng)然中國制造是強(qiáng)項(xiàng)，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(lǐng)先。我聽說在中國的這個機(jī)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(yīng)鏈和中國制造的優(yōu)勢所在。
但我想說的是，今天大部分的本體實(shí)際上還是處于遙控狀態(tài)，也就是說自主地驅(qū)動，然后實(shí)現(xiàn)通用的任務(wù)的話，其實(shí)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(dá)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(jī)器人初創(chuàng)公司K-Scale Labs宣布解散了，這個公司其實(shí)去年才剛剛成立，然后還連續(xù)拿了三輪融資。本來是一個當(dāng)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(fā)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(shí)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(chǎn)，但他的機(jī)器人一定是工業(yè)機(jī)器人，不是通用的機(jī)器人。
趙何娟：有專屬任務(wù)的機(jī)器人。
張宏江：它不是說專屬的一個任務(wù)，而是專屬的一類任務(wù)。這本身是一個很大的進(jìn)步。我覺得我們可以看到，第一，這是一個專屬的一類任務(wù)的機(jī)器人；第二，這是一個在工業(yè)場景上的機(jī)器人。工業(yè)產(chǎn)品比較容易控制，所以它會持續(xù)地去迭代。
特斯拉有它自己的工廠，因?yàn)樗旧砭陀泻艽蟮纳a(chǎn)線，它本身就有很多應(yīng)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(yè)的通用機(jī)器人，是工業(yè)的一類任務(wù)的機(jī)器人，我覺得這還是相當(dāng)有限制的。
趙何娟：它可以說是以某一類任務(wù)的通用。
張宏江：對，通用的這個在工業(yè)產(chǎn)品上，實(shí)際上就已經(jīng)很有意義了。
趙何娟：我看那個智源也推出了一個機(jī)器人的智能仿真系統(tǒng)，然后包括機(jī)器人的這個控制系統(tǒng)，這個是不是意味著國內(nèi)的這些大模型公司也在嘗試做。
張宏江：因?yàn)橹窃幢旧硎茄芯繖C(jī)構(gòu)，它推的這些東西，我覺得我們應(yīng)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(shí)間，我覺得還有很長的路要走。
機(jī)器人很重要一點(diǎn)就是數(shù)據(jù)，它用仿真的方式來做訓(xùn)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(xié)同優(yōu)化模型，就是模型和硬件協(xié)同，如果你把這兩個事情同時(shí)來強(qiáng)調(diào)的話，那其實(shí)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(jī)器人上能用，換到其他的機(jī)器上未必就能用，比如，我的 Windows 在戴爾這個 PC 上能用，在聯(lián)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(jī)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(chǎn)業(yè)，就是說可能決定汽車產(chǎn)業(yè)成功要素，包括像制造能力、供應(yīng)鏈能力、規(guī)模優(yōu)勢等，還是更像手機(jī)產(chǎn)業(yè)，就是它的決定因素，包括像它的生態(tài)、開發(fā)者生態(tài)、應(yīng)用范圍的廣泛性、平臺價(jià)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(jī)器人的這個狀態(tài)。就是它還沒有做出一個通用的發(fā)動機(jī)，還沒有到一個通用的發(fā)動機(jī)的時(shí)代，也就是等于發(fā)動機(jī)還沒有過關(guān)。
因?yàn)橥ㄓ玫木凵Ｐ偷浇裉?，依然還是個夢想，還是個目標(biāo)。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(jìn)展，但是我認(rèn)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(jī)器人它要落地的話，它的場景更多還是在工業(yè)場景上面，可能在工業(yè)場景上進(jìn)行分類。
張宏江：不，也許在銷售，在工業(yè)，還可能在其他地方，比如說24小時(shí)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(jī)器人，它是在工業(yè)里面的一類。我覺得在消費(fèi)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(jī)器人這個產(chǎn)業(yè)，尤其是中美對比之下有了一個更清晰，也更清醒的一個認(rèn)識。時(shí)間關(guān)系，最后想探討一個問題，就是關(guān)于這個倫理和安全性的問題，這個當(dāng)然很多科學(xué)家也在提，但是我覺得就我們現(xiàn)在真正有很多像Geoffrey Hinton可能講的還有很多是未來遠(yuǎn)期的事情。
但我們放到當(dāng)下來看，短期我們已經(jīng)可以看到，AI帶來的一些對人類的沖擊已經(jīng)開始出現(xiàn)了。比如說，前幾天我還看到一個新聞，說那個 ChatGPT 誘導(dǎo)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(fēng)險(xiǎn)，就像年輕人沉迷游戲一樣。
然后還有就是我們也看到，現(xiàn)在這種對就業(yè)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(nèi)就能看到的，可能對社會發(fā)生的一些沖擊，我們怎么看這些現(xiàn)在潛在的這種倫理的問題，還有就是社會風(fēng)險(xiǎn)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(guān)于 AI安全的討論，也發(fā)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(xiàn)的風(fēng)險(xiǎn)。
你剛才談到的倒確實(shí)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(wǎng)絡(luò)一樣，這實(shí)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(tǒng)也有，這個社交也有，當(dāng)然有些技術(shù)手段可以用，但更多的是通過一些法規(guī)這個制定，通過教育來規(guī)避，但更大的一個問題是你剛才說的就是對就業(yè)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?nèi)祟愃鶆?chuàng)造的機(jī)器，它其實(shí)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(rèn)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(jī)器超過人類了。關(guān)鍵是它還在快速地進(jìn)步，而人類的 IQ 這么多年來平均值在110。當(dāng)你創(chuàng)造了一個物種，它的學(xué)習(xí)能力比你強(qiáng)的時(shí)候，它超過你是完全可以預(yù)測的。
我之前做過很多次報(bào)告，我就用一張圖，就是說一個是人類的學(xué)習(xí)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(jī)器本身的進(jìn)步。以前我們看不到機(jī)器對人類帶來的威脅，是在于它這兩條曲線沒有接近，機(jī)器的那個學(xué)習(xí)曲線也還在人類的學(xué)習(xí)曲線的下面。一旦這兩條曲線接近以后，然后交叉以后，機(jī)器的這個學(xué)習(xí)的能力會持續(xù)往上走，人類的話是跟不上的，這就是為什么它這次對職業(yè)的沖擊會很大。
以前任何一個新的技術(shù)的出現(xiàn)和使用，都會消滅一些工作，減少一些工作，還會創(chuàng)造更多的工作，使得人們經(jīng)過重新培訓(xùn)，能夠在新的領(lǐng)域就業(yè)。但今天超級智能的出現(xiàn)，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(chuàng)造很多工作機(jī)會，但是遺憾的是創(chuàng)造的這些工作機(jī)會，最后還是還給了 AI，比如生成圖片能力的增強(qiáng)，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(chǎn)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(jī)會會整體往下降。
第一次我們碰到一個技術(shù)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(xùn)，就比如一旦我們這個工業(yè)機(jī)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(shí)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?yàn)槊绹蟾庞幸话俣嗳f的卡車司機(jī)，圍繞著給卡車司機(jī)做服務(wù)的又有兩百萬人。
趙何娟：美國的卡車司機(jī)收入很高。
張宏江：卡車實(shí)際上是最容易被自動駕駛所取代的。因?yàn)樗蟛糠謺r(shí)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(shù)的進(jìn)步，你只能推遲。所以這個確實(shí)是我們社會第一次面臨的問題。就是說比如卡車司機(jī)下崗，把他進(jìn)行重新培訓(xùn)，但是沒有新的工種出現(xiàn)。
趙何娟：您覺得這個問題有解嗎？這個對經(jīng)濟(jì)沖擊也很大，對就業(yè)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(jī)器人做了。所以從這一點(diǎn)來說的話，這是我們未來社會面臨一個非常大的挑戰(zhàn)，這個挑戰(zhàn)之前是沒有過的，比如工業(yè)革命使得農(nóng)民脫離土地，然后大量地進(jìn)入工廠。信息革命使得大量的藍(lán)領(lǐng)變成白領(lǐng)。
我想象不出來 AI會使白領(lǐng)變成什么，我也想象不出來AI使這個大量的藍(lán)領(lǐng)變成什么，但不可能讓他變成白領(lǐng)。所以這是我們所面臨的一個現(xiàn)實(shí)的問題。
在五六年前，第一波深度學(xué)習(xí)起來的時(shí)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(shí)代的新稅務(wù)系統(tǒng)。因?yàn)槊绹蛘呤沁@些發(fā)達(dá)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(dāng)我們沒有工資的時(shí)候，稅收從哪來？從機(jī)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(xiàn)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(jìn)去，但這個很重要的一點(diǎn)是怎么回事，就是以前你給補(bǔ)貼也好，給什么也好，你其實(shí)僅僅是給了他一次性的這個分紅，相當(dāng)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(shù)的成長，隨著公司價(jià)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?yàn)槟闶浅杀壤?，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(shù)的發(fā)展，而技術(shù)的發(fā)展很容易導(dǎo)致財(cái)富的聚集。
趙何娟：貧富差距拉大。
張宏江：在大模型時(shí)代，就是所謂的 Agentic economy 這個時(shí)代，我們會出現(xiàn)一些超級個體。我們是會出現(xiàn)一人的獨(dú)角獸，也就是說你個人的能力會進(jìn)一步的拉開，人的收入也會進(jìn)一步拉開。當(dāng)我們面臨著這樣的社會的時(shí)候，整個社會體系的這種設(shè)計(jì)，其實(shí)是我們面臨的一個新的挑戰(zhàn)。
趙何娟：挑戰(zhàn)很大。
張宏江：將來有很多人開始研究。我上個禮拜，跟五個經(jīng)濟(jì)學(xué)家一起對話，其實(shí)大家談的更多的是AI帶來的未來經(jīng)濟(jì)上的挑戰(zhàn)。
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(wù)或者這種所謂的有一個詞兒叫作自由職業(yè)者。
這種狀態(tài)可能是未來我們大多數(shù)人的狀態(tài)，就你某一個技能可能某個時(shí)候被某一家公司需要。而這個技能，可能今天機(jī)器還不能替代，或者是我要訓(xùn)練一個機(jī)器要做這件事的時(shí)候，我要從你這兒把你的能力給轉(zhuǎn)移過去。
就是說，我們未來會有大量的這種非全職的職業(yè)招聘。怎么挖掘到這些人，怎么把這些人和需求結(jié)合到一起，其實(shí)這是一個很好的商業(yè)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(shí)候，我們甚至聊到未來這種超級智能出現(xiàn)以后，人類的價(jià)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(xué)，可以上升到心理學(xué)，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(xué)家、經(jīng)濟(jì)學(xué)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(jīng)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?yàn)檫@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(dāng)大模型撒謊的時(shí)候，你很可能控制不住它。所以怎么能夠讓它不學(xué)到這種能力，或者我們在設(shè)計(jì)獎勵函數(shù)的時(shí)候，不能夠讓它有這種獎勵。這個是我覺得從技術(shù)層面，坦白說是我對于AI安全的興趣所在，我把它認(rèn)為是一個技術(shù)問題。
趙何娟：特別好。我覺得這個是后續(xù) AI持續(xù)發(fā)展，我們既要去看它還存在的問題，要進(jìn)一步地去發(fā)展和解決，另外就是我們也可能面臨的社會風(fēng)險(xiǎn)，然后這種社會風(fēng)險(xiǎn)，我們怎么更早地做好準(zhǔn)備去應(yīng)對。
如果說，我們站在 ChatGPT 發(fā)布三周年之際，您覺得當(dāng)下的年輕創(chuàng)業(yè)者更應(yīng)該了解什么，或者更應(yīng)該怎么做。
張宏江：對創(chuàng)業(yè)者來說，我覺得年輕的創(chuàng)業(yè)者，他們本身的這種能力，其實(shí)比我們這一代或者我們上一代的這些創(chuàng)業(yè)者或者是企業(yè)家，他們已經(jīng)強(qiáng)了非常多。他們對于新技術(shù)的敏感，對技術(shù)的潛在應(yīng)用，這種敏感其實(shí)非常強(qiáng)。那我想說的一點(diǎn)就是“這個AI的發(fā)展可能會比大家想象得快”。
如果能夠把握住一些點(diǎn)，比如我覺得2026年可能是推理模型涌現(xiàn)的時(shí)候，可能就是真正的我們所謂的 Agent的能力會出現(xiàn)一種突破。那這個時(shí)候，我們能做什么東西，那是我們可以好好來思考的。
當(dāng)然，中國年輕的創(chuàng)業(yè)者，他們從來不缺這個創(chuàng)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(xué)的人，經(jīng)常有很多家長焦慮的是，我的孩子未來學(xué)什么，或者年輕人說我將來學(xué)什么專業(yè)。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(xué)習(xí)變得更有效，但如果你學(xué)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(diǎn)上，我倒是覺得可能我們年輕的學(xué)生最重要的其實(shí)是怎么具備和保持自己的好奇心，怎么鍛煉和培養(yǎng)自己的創(chuàng)造力？未來的社會，一定是需要更多的好奇心，更多的創(chuàng)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(xù)發(fā)展進(jìn)步，通過大家的持續(xù)努力，也會讓我們的社會變得更好。
特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺“網(wǎng)易號”用戶上傳并發(fā)布，本平臺僅提供信息存儲服務(wù)。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
