#AI 大語言模型
•

每秒狂噴近500個token！智譜GLM-5.3高速版悄悄亮相

給寫程式碼的過程“開倍速”。 智東西10月12日報導，近日，智譜在其AI程式設計工具ZCode中，悄然開啟了高速旗艦模型GLM-5.3 HighSpeed的測試。 X平台上的AI程式設計博主Leo爆料，他已經灰度到了這款模型，其輸出速度竟然可以超過490 tokens/s。 每秒490個token是什麼概念？目前，大模型API評測平台AI Ping的資料顯示，DeepSeek V4.1 Flash官方API的輸出速度為121.34 tokens/s，而智譜官方的GLM-5.3 API速度為70.84 tokens/s。也就是說，GLM-5.3 HighSpeed達到了數倍於當前國內主流模型的速度。
每秒狂噴近500個token！智譜GLM-5.3高速版悄悄亮相
科技#智譜 AI#大語言模型#GLM-5.3 HighSpeed
•

Grok 4.7上線，全球第三！馬斯克：4.8也訓完了

就在剛剛，馬斯克SpaceXAI正式發佈，全新主力模型Grok 4.7！ 核心賣點主打一個，同樣的價格和速度，超強的性能。 馬斯克第一時間喊話，「Grok 4.7把SpaceXAI送上了智能體程式設計的第三把交椅，僅次於Anthropic和OpenAI」。 速度又快，價格又低，Grok 4.7是個人搬磚幹活的首選。
Grok 4.7上線，全球第三！馬斯克：4.8也訓完了
科技#Grok 4.7#大語言模型#AI程式設計
•

梁汝波年中全員會講話全解讀：承認大語言模型落後，但不會用蒸餾換一時的榜單排名

2026年的中國AI行業，正處在一個微妙的時間節點上。一邊是月之暗面、阿里、DeepSeek、智譜等廠商密集發佈新模型，參數規模和榜單排名你追我趕，聲量一浪高過一浪；另一邊，作為目前國內使用者規模最大的AI應用公司，字節跳動卻選擇在8月6日上午召開了一場打破慣例的年中全員會——按照字節跳動的傳統，All Hands全員會一年只開一次，而今年1月29日剛剛開過年度首次全員會，半年多之後再度召集全體員工，本身就釋放出一個強烈的訊號：管理層有重要的話要說。 這場會以線上視訊形式舉行，CEO梁汝波、TikTok CEO周受資、豆包產品總負責人趙祺、電商負責人Bob、商業化負責人趙修影，以及剛剛成立的"創造力服務平台"（Creativity Service Platform）負責人譚待悉數出席。就在一周前的7月30日，字節跳動剛剛宣佈了自2021年設立六大業務單元以來對ToB業務最大規模的一次組織重構：飛書產品團隊併入豆包，成立新的豆包產品團隊；飛書的GTM（市場、銷售、客戶服務）團隊則與火山引擎整合，組建"創造力服務平台"。 組織調整剛落地，全員會隨即召開，梁汝波需要向十余萬員工解釋清楚三件事：字節的AI到底做得怎麼樣？公司的業務邊界究竟怎麼劃？組織和人要怎麼跟上AI時代？從會後各家媒體披露的內容來看，這場會的資訊密度遠超尋常——梁汝波不僅罕見地承認了大語言模型"被海外領先模型拉大了差距"，還系統闡述了"高度優先，粗主幹，最佳化長期"的業務戰略三原則，回應了外界對"砍中層"的誤讀，並給出了AI時代優秀人才的新標準。 本文對梁汝波在這場年中全員會上透露的觀點和思想進行一次全面的梳理與解讀。
梁汝波年中全員會講話全解讀：承認大語言模型落後，但不會用蒸餾換一時的榜單排名
科技#字節跳動#梁汝波#大語言模型
•

騰訊“坐不住”了，官宣大牛負責AI

騰訊今日對外確認，姚順雨（Vinces Yao）已正式出任騰訊“CEO/總裁辦公室”首席AI科學家，直接向騰訊總裁劉熾平匯報。在此角色之外，他兼任騰訊AI基礎設施（AI Infra）與大語言模型部負責人，並在大模型組織架構調整中承擔核心職責。此任命標誌著騰訊在AI研發體系的戰略聚焦。有媒體報導，騰訊近期完成了一次組織調整，正式新成立AI Infra部、AI Data部、資料計算平台部。姚順雨畢業於國內頂尖的清華“姚班”電腦科學精英班，後在美國普林斯頓大學獲得電腦科學博士學位，並在機器學習與大規模語言模型研究領域積累深厚科研成果。他曾擔任OpenAI研究員，參與智能體（Agent）與大規模AI系統設計的前沿工作。這樣的學術與工程交融背景，是其被騰訊重用的關鍵原因。題外話，據傳當年清華同一屆有三位同學都叫“姚順雨/宇”！2019年他們一起畢業：一個是本文所指的主角，清華姚班的AI大神，本科rap社創始人，後來普林斯頓博士畢業進OpenAI搞大模型，最近去了騰訊；一個是物理天才，本科拿特獎在頂刊發論文，後來跑去Stanford念PhD，又加入Anthropic搞AI，剛離職加入 Google；還有一個是人文學院的才女，雙學位加身。這名字是不是和“堯舜禹”有大神般的玄學？騰訊為何“坐不住”了：大模型競賽加速騰訊近期發佈了混元大模型最新版本Tencent HY 2.0，採用混合專家（MoE）架構、支援超長上下文等領先指標，並已接入公司內多項產品與雲服務。然而在AI領域，競爭持續加劇：友商壓力：阿里巴巴旗下的通義千問（Qwen系列）持續推出高規格模型，在中國市場與國際競賽中都有顯著存在感。即便談到應用場景，豆包的體驗口碑也越來越不錯，加上千問和靈光的騰空而出，當它們的下載數量快速增長超過千萬等級時，騰訊的各大產品未來是否有足夠的“網路效應”都不好說。就連小米也挖了“天才少女”羅福莉（當然，羅福莉本人反對網路神化她）。國際對手：Google等發佈的Gemini-系列模型（例如Gemini 3 Pro）展示了在推理能力與多模態能力方面的提升，引發全球AI開發者關注並對中國AI廠商提出競爭壓力。在這樣的背景下，騰訊不能僅靠應用場景護城河（如微信生態、QQ、遊戲等），“基礎模型能力”的競爭已是核心戰場。因此通過引進頂尖研究人才來強化模型底層架構與演算法研究，是一次戰略升級訊號。這也是對市場競爭壓力與AI生態擴展趨勢的直接回應。姚順雨理念與對騰訊AI實力的潛在影響雖然公開報導中較少具體引言，但從其在OpenAI的工作看：他是“語言智能體（Agent）”研究與執行框架的實踐者，這類框架強調模型在真實世界環境中“感知—推理—行動”的能力。這類能力正是下一代AI產品差異化競爭的關鍵——不只是回答問題，而是驅動真實複雜任務執行。作為首席AI科學家，姚順雨的核心理念可概括為：提升模型在實際環境中的智能執行能力與可擴展性，從基礎演算法研究到AI產品落地的全鏈條能力強化。從OpenAI經驗來看，他強調智能體驅動的決策推理與多工泛化能力，這將有助騰訊從工程實現者向科研與技術驅動者並進。預計這種轉型將帶來：更具通用智能與大規模推理能力的大模型架構更高效的AI訓練與推理基礎設施在未來騰訊各大產品線中實現更深度AI功能融合如果進展順利，底層AI的能力將惠及騰訊旗下所有的業務線，特別是微信這樣的超級app，反過來說，騰訊也不得不快速行動了，只靠短影片已經不夠撐起微信未來的想像力了。市場反應與騰訊股價表現截至2025年12月17日收盤，騰訊控股（0700.HK）股價約 605.00 港元，較前一交易日上漲約 1.4% 左右。該股在過去一周內經歷小幅波動，但整體維持在 590 —— 615 港元區間震盪，並明顯高於年初低點，反映投資者對核心業務持續增長及AI戰略佈局的謹慎樂觀態度。歷史資料顯示騰訊股價在過去一個月雖有調整，但並未出現明顯下跌趨勢。AI競爭加速與中國科技股回暖預期是推動騰訊股價表現的潛在因素之一。同時，技術與產品發展進度、政策環境與宏觀經濟走勢均將繼續影響後續股價走勢。近期有海外資金持續流入中國AI相關類股，亦為市場提供支撐。小結據The Information近期報導，騰訊正在高價搶奪字節跳動的AI團隊，在過去數月裡，以加倍薪資積極挖角字節旗下的頂尖AI人才。根據36氪報導，《智能湧現》瞭解到，如今領導AI Infra部、大語言模型部負責人的姚順雨在加入騰訊後，已經幫助混元招募到了更多的人才，如字節、阿里、AI六小虎（Kimi、MiniMax、智譜、階躍星辰、百川、零一萬物）中的數位核心員工。騰訊本次對AI人才與研發架構的戰略調整，透露出它在AI基礎技術競爭中的“坐不住感”。從聚焦場景生態到強化底層智能協議與模型能力，騰訊正試圖在新一輪AI競賽中搶佔更有利位置。而姚順雨作為“連結科研與產品實現”的關鍵人物，其理念與背景或將為騰訊AI實力帶來實質性提升。股價在此消息刺激下的小幅走強，也反映出市場對騰訊AI戰略潛力的認可。 (首席商業評論)
騰訊“坐不住”了，官宣大牛負責AI
科技#騰訊#姚順雨#AI科學家
•

AI泡沫要破？巨佬顛覆認知的觀點來了！

大模型的決戰越來越激烈了！Google的崛起令OpenAI感到恐懼，並醞釀新的大動作！OpenAI直接拉響警報，推遲賺錢的廣告業務，也要把所有資源梭哈到ChatGPT的改進上。現在的AI圈子，像是星球大戰前夜，由於恐懼，每個人都把手指扣在了扳機上。兵荒馬亂的年代，蔡崇信在香港大學爐邊對話中，拋出了非常反直覺的觀點：現在美國人定義誰贏得AI競賽的方式，純粹是看大型語言模型，我們不看美國定義的AI競賽。當所有人都在盯著誰的模型參數大、誰的算力強時，蔡崇信卻認為——勝負手根本不在這裡。如果不看模型，這場兆賭局的贏家到底看什麼？中國手裡到底還有沒有牌？看完發現，原來大佬眼裡的世界，和我們看到的完全不一樣。1中國AI的真正優勢現在美國矽谷大模型怎麼算輸贏？很簡單：看誰的“大語言模型”更強、更聰明、參數更多。今天是OpenAI遙遙領先，明天Anthropic發個新版本追平，後天Google又搞個大新聞。大家都在卷模型，彷彿誰的模型智商高了一點，誰就統治了世界。但在蔡崇信看來，事實未必如此。他在演講中說了這麼一句極具穿透力的話："The winner is not about who has the best model. The winner is about who could use it the best in their own industries, in their own lives."（真正的贏家不是誰擁有最好的模型，而是誰能在自己的行業、自己的生活中把它用得最好）這句話什麼意思？打個比方。如果這是一場賽車比賽，美國人現在拚命在比誰的發動機馬力大。但蔡崇信告訴你，贏家不是那個造出萬匹馬力發動機的人，而是那個能把發動機裝進車裡、開著車去送貨、去載客、去賺到真金白銀的人。這個判斷的底層邏輯是：AI的真正價值在於滲透率。中國國務院的AI規劃就體現了這一務實思路——到2030年，AI智能體和裝置的普及率達到90%。中國憑什麼能普及得更快？蔡崇信列出了幾個核心底層邏輯。我們總擔心晶片被卡死，但蔡崇信告訴我們：決定勝負的，是那些基礎到你根本不會關注的領域。1.被低估的電力成本AI訓練和推理，本質上是在燒電。中國的電力成本，比美國低40%。為什麼？中國的國家電網每年投入900億美元的資本支出，而美國只有300億美元。電費低40%，意味著AI應用成本可以大幅低於對手。這是最基礎、最硬核的AI能源優勢。2.建造資料中心的成本低60%在中國建造資料中心的成本要便宜60%，這還不包括購買晶片、廉價GPU的成本。3.工程師紅利晶片可以封鎖，但人才你鎖不住。全球範圍內，幾乎近一半的AI科學家和研究人員擁有中國大學的學位——無論他們在美國公司、中國公司還是世界任何地方工作。蔡崇信說在最近剛看到一個社交媒體帖子，一個在Meta工作的非華裔員工抱怨說，他所在的AI團隊每個人都在說中文，用中文交流想法，他聽不懂。這意味著很多想法的分享和交流在全球AI領域正在用中文進行。這是第一次，中文成為一種優勢！現在，懂中文在AI世界變成了一個優勢。4.最反直覺的優勢：匱乏，逼出內功這是最讓人熱血沸騰的一點：缺乏頂級GPU，反而創造了“飢餓優勢”。美國人資源充足，程式碼寫得爛一點也沒關係，硬體能扛。但中國團隊呢？硬體受限，就必須在系統層面、演算法層面做到極致最佳化，把效率摳到最高。蔡崇信特別點名了爆火的DeepSeek。他說這就是被逼出來的奇蹟。2開源為什麼會贏？蔡崇信還給出了一個對未來的深度判斷，也是這場演講的重中之重。蔡崇信相信中國公司對待大語言模型的方法——即開源——將加速AI的採用，並將真正實現AI的普及，從而使更廣泛的社會受益。開源如此重要的原因是，它成本低廉，使用開源模型實際上不花一分錢。AI的未來，是像OpenAI那樣搞“黑箱子”（閉源），還是像阿里、Meta那樣搞開源？蔡崇信斬釘截鐵：開源模型，將擊敗閉源模型。為什麼？不是因為開源技術更先進，而是因為它更懂人性。他舉了一個極其生動的例子：假設你是沙烏地阿拉伯的國王，你想發展自己國家的AI，你有兩個選擇：用OpenAI的API:你得付一大筆錢，把你的資料傳給美國公司。然後呢？你不知道他們怎麼處理你的資料，你也不知道這模型裡面有什麼貓膩。這就是一個Black Box（黑箱）。用開源模型（比如阿里的Qwen):你直接下載程式碼，部署在你自己的私有雲上。免費，而且資料不出國門，完全可控。這就叫"主權AI"，意思是它是我們自主開發的AI。在全球地緣政治這麼複雜的今天，誰願意把命脈交到別人手裡？無論是政府還是大企業，只要稍微算一下帳，稍微考慮一下安全，都會傾向於開源。開源模型有三大殺手鐧：成本、主權、隱私。這三座大山，是閉源模型很難跨越的。3AI時代，普通人該如何應對？蔡崇信給了三條極具實操性的建議，特別是關於“學什麼”，他的觀點顛覆了很多人的認知。1.提出正確的問題比回答更重要在技能方面，蔡崇信認為要學習如何獲取知識，學習如何分析和思考，還有一個重要的技能是提出正確的問題。以前我們上學，老師獎勵那些能快速回答問題的人。但在AI時代，回答問題是機器的事，機器的知識庫比你大多了。蔡崇信強調："Asking the right question is more important than finding the answer." （提出正確的問題，比找到答案更重要）你要學會的是如何給AI下指令，如何拆解問題。這叫“Prompt Engineering”（提示工程），這是未來人類的核心競爭力。2.還要不要學程式設計？這是目前爭議最大的話題。輝達的老黃說“以後沒人需要學程式設計了”，對著手機說話就行。蔡崇信反對這個觀點。他說：要學！必須學！但他給出的理由："The purpose is not to actually operate a machine. The purpose is going through that thinking process."（目的不是為了去操作機器，而是經歷那個思考過程）學程式設計，不是為了讓你去寫程式碼（那活兒AI幹得比你好），而是為了訓練你的邏輯思維。甚至，他建議大家去學好Excel電子表格。為什麼？因為你要把一個複雜的公式寫對，讓數字自動跑出來，這本身就是一種嚴密的邏輯訓練。你要訓練的是腦子，而不是手速。3.選什麼專業？如果你的孩子現在要上大學，蔡崇信推薦了三個方向：資料科學：其實就是統計學的升級版。未來是資料爆炸的時代，世界越數位化，你或公司獲取的資料就越多，理解如何管理和分析資料非常重要。心理學和生物學：在做了資料之後，你還想觸及人性的一面，心理學的研究很重要。心理學和生物學幫助你理解人腦是如何工作的，它仍然是最高效、最節能的"機器"，理解大腦如何工作非常重要。材料科學：現在很多孩子不學電腦科學，而是在學材料科學。未來世界正被位元（數字資訊）主導，但未來讓位元移動更快的是原子（物理材料）。理解原子如何工作將會非常重要，人們製造半導體，未來半導體領域將會有很多創新。所以材料科學將是一個有趣的學習方向。4AI是泡沫還是未來？AI是否是下一個網際網路泡沫？蔡崇信的回答很哲學，關於泡沫，他認為有兩個概念：真正的泡沫和金融市場泡沫。金融市場泡沫：不知道是否存在金融市場泡沫，因為股票估值更像一門藝術。即使有既定的理論，你可以給一隻股票50倍的市盈率，因為你認為增長率非常高，這合理嗎？我不知道，可能存在與AI相關的金融市場泡沫。技術泡沫：AI現像是真實的。人們正在建造的所有基礎設施，投入到模型開發中的所有研發資源，都不會浪費，因為這是一個真實的現象。就像網際網路一樣，在2000年3月左右，網際網路泡沫破裂了，那是金融市場泡沫破裂，但今天的網際網路就在這裡，事實上網際網路現在更強大，所以技術本身不是泡沫。蔡崇信的這次演講，給人最大的感受是，這場比賽才剛剛開始。這不是一場百米衝刺，看誰起跑快；這是一場馬拉松，看誰能把技術真正融入到這片土地的每一個角落，看誰能用更便宜的電、更務實的態度、更開放的胸懷，去擁抱這個未來。"Focus on the application, not just the model."（關注應用，而不只是模型）這，或許才是中國AI破局的真正答案。對於個人來說，也許在未來，AI將成為成為我們的夥伴。正如蔡崇信所言：AI的下一個重大轉變是當人們開始不再僅僅將AI視為工具，而是作為朋友。現在AI似乎更像一個工具，我們都想用它來讓自己更高效，讓公司更高效。AI已經在幫助我們編碼，所以我們不需要那麼多軟體工程師。但是，AI何時能成為你的夥伴？那時，如果大多數人開始像對待另一個人一樣看待AI，那將真正改變世界，改變行為。有時想想這很可怕，但我看到這正在發生。 (ETF進化論)
科技#AI泡沫#Google#OpenAI
•已編輯

AI教母李飛飛引爆矽谷！LLM大語言模型路線錯了，空間智能才是走向AGI的唯一路徑 | 附原文

“它們如同身處暗室的文字巨匠——能言善辯卻缺乏經驗，知識淵博卻脫離現實。”當“AI教母”、頂尖科學家李飛飛用這句話來定義今天所有的大語言模型時，她一針見血地指出了一個殘酷的現實：儘管AI看似無所不能，但它們其實都“活在黑暗中”。它們會寫詩、會畫畫，甚至會製作以假亂真的視訊，但卻無法理解一個杯子旋轉90度後會是什麼樣子，也無法讓一個虛擬人真正地遵守物理定律。在李飛飛看來，這種窘境的根源在於，我們一直以來都走錯了方向。AI的下一步，不是更大的語言模型，而是要賦予它們一種連嬰兒都與生俱來的能力——空間智能 (Spatial Intelligence)。 這，才是通往真正通用人工智慧的唯一路徑。01. 靈魂拷問：為什麼AI還是“睜眼瞎”？原文很長，我們先來點直觀的。你讓AI寫首詩，它分分鐘變身李白杜甫；但你讓AI做幾個簡單的物理題，比如：· “我把這個杯子轉90度，它長什麼樣？”· “這個迷宮的出口在那裡？”· “估算一下桌子到門的距離？”AI的回答，基本靠“蒙”。只要留意，那些看起來很酷的AI視訊裡，都會有各種“穿幫”鏡頭：一個人的手突然多了一根手指，或者物體毫無徵兆地穿牆而過。李飛飛就此一針見血地指出：因為它們不懂物理世界。它們無法真正理解距離、大小、方向和物理規律。所以，儘管我們對AI的期待是科幻電影裡的全能管家，但現實卻是：· 我們依然沒有能在家幫我們做家務的機器人。· AI在藥物研發、新材料發現等需要理解3D結構的領域，進展緩慢。· AI無法真正理解建築師、遊戲設計師或電影導演腦中的“世界”。02. 藏寶圖中缺失的那塊拼圖：空間智能AI缺失的“空間智能”，到底是什麼？李飛飛說，它是我們人類認知的“腳手架”。早在我們學會說話、寫字之前，就已經掌握了這項能力：· 嬰兒會花一到兩年時間，通過抓、扔、咬、看，來理解這個世界。· 你側方停車時，你的大腦在飛速計算保險槓和馬路牙子的距離有多遠。· 朋友把鑰匙扔給你，你不用拿紙筆計算拋物線，憑下意識就能接住。· 你半夜起床倒水，不開燈也能摸到杯子並把水倒進去。李飛飛還舉例說，甚至人類的偉大發現、文明進步都少不了這種能力：· 古希臘的埃拉托斯特尼是通過觀察兩地影子的角度不同，從而計算出的地球周長。· 哈格里夫斯發明出“珍妮紡紗機”，靠的也是對空間的觀察和理解。· 沃森和克里克是通過親手搭建3D分子模型，“拼”出的DNA雙螺旋結構。李飛飛認為，空間智能是人類想像力、創造力以及和世界互動的基礎。遺憾的是，當下的AI基本沒有這個能力。03. AI的下一步：從“語言模型”到“世界模型”那麼，怎麼讓AI“開眼”看世界呢？李飛飛給出了自己的答案：AI的未來，不在於更大的“語言模型”（LLM），而在於全新的“世界模型”（World Models）。她認為，一個真正的“世界模型”，必須是“三位一體”的：· 生成性（Generative）：它必須能創造出符合物理、幾何規律的3D世界。比如，它“知道”重力，知道物體會下落，知道水會往低處流。· 多模態（Multimodal）：它必須能處理一切輸入。比如不僅能聽懂你說的“話”，還要能看懂圖片、視訊、深度資訊、甚至你的一個“手勢”。· 互動性（Interactive）：這是最關鍵的。當你告訴它一個“動作”，它必須能預測出“下一秒會發生什麼”。比如“推一下積木”，它就知道積木會倒。李飛飛坦言，這個挑戰比訓練語言模型要難得多。她解釋道，語言是一維的、序列化的訊號，而世界是四維的（三維空間+時間），受重力、物理定律等無數複雜規則的約束。李飛飛透露，她一年前和他人共同創立了World Labs，以及最近向少數使用者展示的第一個世界模型Marble，都是為了攻克這個難題。04. 這將如何改變我們的生活？一旦AI擁有了空間智能，那才是一場真正的革命。首先，是“超能力”般的創造力。李飛飛團隊World Labs正在研發的Marble模型，能讓電影製作人、遊戲設計師、建築師用“提示詞”快速建立和迭代3D世界。未來，這些人不再需要學習複雜的3D軟體，只需要用語言描述，就能生成一個可以走進、與之互動的3D世界。屆時，人人都能成為“造物主”。其次，是真正的“具身智能”。機器人將不再是“笨手笨腳”的機器臂。在“世界模型”的加持下，它們會在模擬環境中學會成千上萬種實用技能，然後走進我們的家庭、醫院，成為得力的助手和看護。此外，李飛飛特別提到，這樣的AI將成為未來科學與教育的“加速器”。· 醫療：AI可以在多維度上模擬分子間的相互作用，加速藥物的發現處理程序，也或幫助醫生分析影像，為患者和護理人員提供持續支援。· 教育：學生不再只是看書，而是可以“走進”古羅馬的街道，或者親身“探究”細胞內部。教師可以借助互動環境教學，專業人士則可以在高度逼真的模擬環境中練習並掌握複雜技能。· 科研：通過模擬深海、外太空等人類無法親自到達的環境，我們可以擴大科學探索的範圍；通過將多維度模擬與真實世界資料採集相結合，拓展實驗室觀察與理解的邊界。05. 結語：AI的終點，是“為人類賦能”作為幫助開啟了現代AI時代的科學家之一，李飛飛在文章的最後，回歸了她最核心的人文關懷。她強調，AI的終極目標，絕非取代人類，而是“為人類賦能”：“讓AI成為增強人類專長、加速人類發現、放大人類關懷的力量——而不是取代那份屬於人的判斷力、創造力與共情力。”她認為，AI由人開發、由人使用、由人管理，必須始終尊重人的能動性和尊嚴。它的魔力在於擴展我們的能力，讓我們更有創造力、更有效率。“空間智能”代表的正是這樣一個“更深刻、更豐富、更有力量的生活的願景”。它有望“建構出與真實世界高度契合的機器，讓它們成為我們應對重大挑戰的真正夥伴。”也許，機器的真正智能，就將從這篇“啟示錄”開始。【以下是李飛飛長文全文】跨越語言，構築世界：空間智能——AI的下一個前沿（From Words to Worlds: Spatial Intelligence is AI’s Next Frontier）1950年，當計算還不過是自動化算術和簡單邏輯的代名詞時，艾倫·圖靈 (Alan Turing) 提出了一個至今仍迴響不絕的問題：機器能思考嗎？能夠想像他所預見的一切，需要非凡的想像力：有朝一日，智能或許可以被建構，而非與生俱來。這一洞見後來開啟了一場名為“人工智慧” (Artificial Intelligence, AI) 的不懈科學探索。在我自己投身AI領域的二十五年裡，圖靈的願景依舊激勵著我。但我們離它還有多近？答案並非一言兩語能說清。如今，以大語言模型 (Large Language Models, LLMs) 為代表的前沿AI技術已開始改變我們獲取和處理抽象知識的方式。它們都是“能言善辯的書呆子”，滿腹經綸，卻“不親民”。而空間智能 (Spatial Intelligence) 將改變我們創造以及與真實和虛擬世界互動的方式——它將徹底變革故事敘述、創造力、機器人技術、科學發現等諸多領域。這正是AI的下一個前沿。自踏入該領域以來，對視覺和空間智能的追求一直是指引我的“北極星”。正因如此，我花費數年時間建構了ImageNet——首個大規模視覺學習和基準測試資料集，它與神經網路演算法和現代計算裝置如圖形處理器 (Graphics Processing Units, GPUs)一道，成為催生現代AI誕生的三大關鍵要素之一。正因如此，我在史丹佛大學的學術實驗室在過去十年裡一直致力於將電腦視覺與機器人學習相結合。也正因如此，一年多以前，我與聯合創始人賈斯汀·約翰遜 (Justin Johnson)、克里斯托夫·拉斯納 (Christoph Lassner)、本·米爾登霍爾 (Ben Mildenhall) 一道共同創立了World Labs：為了首次將這一可能性全面地變為現實。·在本文中，我將闡釋什麼是空間智能，它為何重要，以及我們正在如何建構將解鎖這一能力的世界模型 (World Models)——其影響將重塑創造力、具身智能 (Embodied Intelligence) 和人類的進步。空間智能：人類認知的腳手架AI從未像現在這樣激動人心。生成式AI模型，如大語言模型，已從研究實驗室走入日常生活，成為數十億人進行創造、提高生產力和溝通的工具。它們展現了曾被認為不可能的能力，能夠輕鬆生成連貫的文字、堆積如山的程式碼、照片般逼真的圖像，甚至短影片片段。AI是否會改變世界，這已不再是個問題。無論以何種合理的定義來看，它都已經做到了。然而，仍有太多事物遙不可及。自主機器人的願景依舊引人入勝，但仍停留在推測階段，遠未成為未來學家們長期承諾的日常生活的一部分。在治癒疾病、新材料發現和粒子物理學等領域實現研究大幅加速的夢想，在很大程度上仍未實現。而讓AI真正理解並賦能人類創造者的承諾——無論是幫助學生學習分子化學中複雜的概念，輔助建築師進行空間可視化，協助電影製作人建構世界，還是為任何尋求完全沉浸式虛擬體驗的人提供支援——也依然遙不可及。要瞭解為何這些能力仍然難以實現，我們需要審視空間智能是如何演化的，以及它如何塑造我們對世界的理解。視覺長期以來都是人類智能的基石，但其力量源於更為根本的東西。遠在動物學會築巢、照顧幼崽、用語言交流或建立文明之前，“感知”這一簡單的行為就已悄然開啟了一段通往智能的進化之旅。這種看似孤立的、從外部世界收集資訊的能力——無論是感知一縷微光還是觸摸一種質地——在感知與生存之間建立了一座橋樑，而這座橋樑隨著世代更迭而愈發堅固和精巧。神經元在這座橋樑上層層生長，形成了能夠解釋世界並協調生物體與其環境互動的神經系統。因此，許多科學家推測，感知和行動成為了驅動智能進化的核心循環，也是大自然創造我們這個物種——感知、學習、思考和行動的終極體現——的基礎。空間智能在定義我們如何與物理世界互動方面扮演著至關重要的角色。每一天，我們都依賴它來完成最普通不過的行為：通過想像保險槓與路緣之間不斷縮小的間隙來停車；接住從房間另一頭扔過來的鑰匙；在擁擠的人行道上穿行而不發生碰撞；你半夜起床倒水，不開燈也能摸到杯子並把水倒進去。。在更極端的情況下，消防員在倒塌的建築中穿越不斷變化的濃煙，對結構的穩定性和生存機會做出瞬間判斷，並通過手勢、肢體語言和一種共同的職業本能進行交流，這種本能是任何語言都無法替代的。而嬰幼兒在學會說話前的數月甚至數年裡，完全通過與環境進行充滿趣味的互動來學習這個世界。所有這一切都發生得直觀而自然——這是機器尚未能達到的流暢程度。空間智能也是我們想像力和創造力的基礎。故事講述者在腦海中創造出異常豐富的世界，並利用從古代洞穴壁畫到現代電影再到沉浸式視訊遊戲等多種形式的視覺媒介，將這些世界呈現給他人。無論是孩子們在沙灘上堆砌沙堡，還是在電腦上玩《我的世界》(Minecraft)，基於空間的想像力都構成了在真實或虛擬世界中進行互動體驗的基礎。在許多行業應用中，對物體、場景和動態互動環境的模擬，為從工業設計到數字孿生 (Digital Twins)再到機器人訓練等無數關鍵的商業用例提供了動力。歷史上充滿了由空間智能扮演核心角色的、定義文明處理程序的時刻。在古希臘，埃拉托斯特尼 (Eratosthenes) 將影子轉化為幾何學——在太陽直射賽印 (Syene) 的那一刻，他在亞歷山大港測量出7度的夾角——從而計算出地球的周長。哈格里夫斯 (Hargreaves) 的“珍妮紡紗機” (Spinning Jenny) 通過一個空間上的洞察徹底改變了紡織製造業：將多個紡錘並排排列在一個框架中，讓一名工人可以同時紡多根紗線，生產效率提高了八倍。沃森 (Watson) 和克里克 (Crick) 通過親手搭建三維分子模型發現了DNA的結構，他們不斷擺弄金屬板和金屬絲，最終將鹼基對的空間排列“拼”了出來。在每一個案例中，當科學家和發明家需要操縱物體、將結構可視化並對物理空間進行推理時，空間智能都推動了文明的進步——而這些都無法僅用文字來捕捉。空間智能是我們認知賴以建構的腳手架。無論我們是被動觀察還是主動創造，它都在發揮作用。它驅動著我們的推理和規劃，即便是針對最抽象的話題。它對於我們互動的方式至關重要——無論是口頭還是身體上的，無論是與同伴還是與環境本身。雖然我們大多數人並非每天都能像埃拉托斯特尼那樣揭示新的真理，但我們通常都以同樣的方式思考——通過感官感知來理解一個複雜的世界，然後利用一種直觀的理解，來掌握它在物理和空間層面是如何運作的。不幸的是，今天的AI還不會這樣思考。過去幾年確實取得了巨大進步。多模態大語言模型 (Multimodal LLMs, MLLMs)，除了文字資料外，還利用大量的多媒體資料進行訓練，從而引入了一些基本的空間意識，如今的AI可以分析圖片、回答相關問題，並生成超逼真的圖像和短影片。通過感測器和觸覺技術的突破，我們最先進的機器人也開始能在高度受限的環境中操縱物體和工具。然而，坦率的現實是，AI的空間能力仍遠未達到人類水平，其侷限性很快就會暴露出來。在估算距離、方向和尺寸，或通過從新角度重新生成物體來進行“心理旋轉”等任務上，最先進的多模態大語言模型模型的表現很少能超過隨機猜測。它們無法走出迷宮、識別捷徑或預測基本的物理現象。AI生成的視訊——雖然是新生事物，而且確實很酷——往往在幾秒鐘後就會失去連貫性。雖然目前最先進的AI在閱讀、寫作、研究和資料模式識別方面表現出色，但同樣是這些模型，在表徵或與物理世界互動時，卻存在根本性的侷限。我們對世界的看法是整體性的——不僅僅是我們正在看什麼，還包括所有事物在空間上的相互關係、它們的意義以及為何重要。通過想像、推理、創造和互動——而不僅僅是描述——來理解這一切，正是空間智能的力量所在。沒有它，AI就與其試圖理解的物理現實脫節了。它無法有效地駕駛我們的汽車，無法在我們家中和醫院裡引導機器人，無法為學習和娛樂創造全新的沉浸式和互動式體驗，也無法加速材料科學和醫學領域的發現。哲學家維特根斯坦 (Wittgenstein) 曾寫道：“我語言的極限意味著我世界的極限。”我不是哲學家。但我知道，至少對於AI而言，世界遠不止於文字。空間智能代表了超越語言的前沿——這種能力將想像、感知和行動聯絡在一起，並為機器真正提升人類生活開啟了可能性，從醫療保健到創造力，從科學發現到日常輔助。AI的下一個十年：建構真正具備空間智能的機器那麼，我們該如何建構具備空間智能的AI？如何才能打造出能夠像埃拉托斯特尼那樣用視覺進行推理，像工業設計師那樣進行精密工程設計，像故事講述者那樣富有想像力地創造，以及像急救人員那樣流暢地與環境互動的模型？建構具備空間智能的AI需要比大語言模型更宏大的目標：世界模型 (World Models)，這是一種新型的生成式模型，其理解、推理、生成以及與語義、物理、幾何和動態上都極為複雜的虛擬或真實世界進行互動的能力，遠超當今大語言模型的範疇。該領域尚處萌芽階段，目前的方法從抽象推理模型到視訊生成系統不一而足。World Labs於2024年初正是基於這一信念而創立：基礎性方法仍在確立之中，這使其成為未來十年的決定性挑戰。在這個新興領域，最重要的是確立指導發展的原則。對於空間智能，我通過三個基本能力來定義世界模型：·生成性：世界模型能夠生成具有感知、幾何和物理一致性的世界。要解鎖空間理解和推理，世界模型也必須能夠生成它們自己的模擬世界。它們必須能夠根據語義或感知指令，生成無窮無盡、多種多樣的模擬世界——同時保持幾何、物理和動態上的一致性——無論這些世界代表的是真實空間還是虛擬空間。研究界正在積極探索這些世界應該以隱式還是顯式的方式來表示其固有的幾何結構。此外，我相信一個通用的世界模型除了需要強大的潛在表徵外，還必須能夠為其輸出生成一種顯式的、可觀察的世界狀態，以適應多種不同的用例。特別是，它對當下的理解必須與它的過去、與導致當前狀態之前的世界狀態，連貫一致。·多模態：世界模型在設計上就是多模態的。正如動物和人類一樣，世界模型應該能夠處理多種形式的輸入——在生成式AI領域中稱為“提示詞” (prompts)。給定部分資訊——無論是圖像、視訊、深度圖、文字指令、手勢還是動作——世界模型都應能預測或生成儘可能完整的世界狀態。這要求它能以真實視覺的保真度處理視覺輸入，同時以同等的流暢度解讀語義指令。這使得智能體和人類都能通過多種輸入與模型就世界進行交流，並反過來接收多種輸出。·互動性：世界模型能根據輸入的動作輸出下一個狀態。最後，如果動作和/或目標是給世界模型的提示詞的一部分，那麼其輸出必須包括世界的下一個狀態，無論是隱式還是顯式表示。當僅給定一個帶或不帶目標狀態的動作作為輸入時，世界模型應產生一個與世界先前狀態、任何預期的目標狀態，以及其語義含義、物理定律和動態行為相一致的輸出。隨著具備空間智能的世界模型在其推理和生成能力上變得越來越強大和穩健，可以想見，在給定一個目標的情況下，世界模型本身將不僅能預測世界的下一個狀態，還能根據新狀態預測下一個動作。這項挑戰的範圍超過了AI以往所面臨的任何挑戰。雖然語言純粹是人類認知的一種生成現象，但世界遵循的規則要複雜得多。例如，在地球上，引力支配著運動，原子結構決定了光如何產生顏色和亮度，無數的物理定律約束著每一次互動。即使是最奇幻、最具創意的世界，也是由遵循定義它們的物理定律和動態行為的空間物體和智能體組成的。要將所有這一切——語義、幾何、動態和物理——協調一致，需要全新的方法。表示一個世界的維度，遠比表示像語言這樣的一維順序訊號要複雜得多。要實現能夠提供我們人類所享有的那種通用能力的世界模型，需要克服幾個艱巨的技術障礙。在World Labs，我們的研究團隊正致力於為實現這一目標取得根本性進展。以下是我們當前研究課題的一些例子：一種新的、通用的訓練任務函數： 定義一個像大語言模型中“預測下一個Token” (nexttoken prediction) 那樣簡潔優雅的通用任務函數，長期以來一直是世界模型研究的核心目標。其輸入和輸出空間的複雜性，使得這樣一個函數在形式化上天生就更加困難。儘管仍有許多尚待探索之處，但這個目標函數及相應的表徵必須反映幾何和物理定律，尊重世界模型作為想像與現實的“親民”表徵這一根本性質。大規模訓練資料： 訓練世界模型需要比文字處理複雜得多的資料。好消息是：海量的資料來源已經存在。網際網路規模的圖像和視訊集代表了豐富、易於獲取的訓練材料——挑戰在於開發能夠從這些二維的、基於圖像或視訊幀的訊號（即RGB）中提取更深層空間資訊的演算法。過去十年的研究已經顯示了在語言模型中，資料量與模型規模之間的縮放定律 (scaling laws) 的力量；世界模型的關鍵突破在於建構能夠以相當規模利用現有視覺資料的架構。此外，我不會低估高品質合成資料以及像深度和觸覺資訊等額外模態的力量。它們在訓練過程的關鍵步驟中補充了網際網路規模的資料。但前進的道路依賴於更好的感測器系統、更穩健的訊號提取演算法以及遠為強大的神經模擬方法。新的模型架構和表徵學習： 世界模型的研究將不可避免地推動模型架構和學習演算法的進步，尤其是在當前的多模態大語言模型和視訊擴散範式之外。這兩種範式通常將資料“Token化”為一維或二維序列，這使得簡單的空間任務變得不必要地困難——比如計算一個短影片中不重複椅子的數量，或者記住一個小時前房間的樣子。替代性架構可能會有所幫助，例如用於“Token化”、上下文和記憶的三維或四維感知方法。例如，在World Labs，我們最近關於一個名為RTFM的即時生成式、基於幀的模型的工作就展示了這種轉變，它使用基於空間的幀作為一種空間記憶形式，以實現高效的即時生成，同時保持所生成世界的一致性。顯然，在我們能通過世界建模完全解鎖空間智能之前，我們仍面臨著艱巨的挑戰。這項研究不僅僅是一次理論演練，它是催生一類新型創造力和生產力工具的核心引擎。而World Labs內部的進展一直令人鼓舞。我們最近與少數使用者分享了Marble的一瞥，這是有史以來第一個可以通過多模態輸入提示，來生成並維持一致的三維環境的世界模型，供使用者和故事講述者在他們的創作工作流中進行探索、互動和進一步建構。我們正在努力使其盡快向公眾開放！Marble只是我們創造一個真正具備空間智能的世界模型的第一步。隨著進展的加速，研究人員、工程師、使用者和商界領袖們都開始認識到其非凡的潛力。下一代世界模型將使機器能夠在全新的層面上實現空間智能——這一成就將解鎖當今AI系統中仍然普遍缺乏的關鍵能力。用世界模型為人們建構一個更美好的世界AI發展的動機至關重要。作為幫助開創現代AI時代的科學家之一，我的動機一直很明確：AI必須增強人類的能力，而不是取而代之。多年來，我一直致力於使AI的開發、部署和治理與人類的需求保持一致。如今，技術烏托邦和末日論的極端敘事比比皆是，但我繼續持有一種更為務實的觀點：AI由人開發，由人使用，並由人治理。它必須始終尊重人的能動性和尊嚴。它的魔力在於擴展我們的能力；讓我們更具創造力、更緊密相連、更富生產力、更感充實。空間智能正代表了這一願景——AI賦能人類的創造者、照護者、科學家和夢想家，去實現曾經不可能的事情。正是這一信念，驅動著我致力於將空間智能作為AI下一個偉大的前沿。空間智能的應用橫跨不同的時間線。創造性工具正在湧現——World Labs的Marble已經將這些能力交到了創造者和故事講述者的手中。隨著我們不斷完善感知與行動之間的循環，機器人技術代表了一個雄心勃勃的中期目標。最具變革性的科學應用將需要更長的時間，但有望對人類的繁榮產生深遠影響。在所有這些時間線中，有幾個領域因其重塑人類能力的潛力而脫穎而出。這需要巨大的集體努力，遠非一個團隊或一家公司所能實現。它需要整個AI生態系統的參與——研究人員、創新者、企業家、公司，甚至政策制定者——共同為一個共同的願景而努力。但這個願景值得追求。以下便是那個未來所蘊含的可能：創造力：為故事敘述和沉浸式體驗注入超能力“創造力是智慧在尋開心。”這是我個人英雄阿爾伯特·愛因斯坦 (Albert Einstein) 的一句名言，也是我最喜歡的一句。遠在書面語言出現之前，人類就在講述故事——將它們畫在洞穴牆壁上，代代相傳，在共同的敘事之上建立起整個文化。故事是我們理解世界、跨越時空建立聯絡、探索人性意義，以及最重要地，在我們內心找到生命意義和愛的方式。今天，空間智能有潛力改變我們創造和體驗敘事的方式，這種方式既尊重其根本重要性，又將其影響從娛樂擴展到教育，從設計擴展到建築。World Labs的Marble平台將把前所未有的空間能力和編輯可控性交到電影製作人、遊戲設計師、建築師和各類故事講述者的手中，讓他們能夠快速創造和迭代完全可探索的三維世界，而無需傳統三維設計軟體的繁重開銷。創造性行為本身依然如故，充滿活力且富於人性；AI工具只是放大和加速了創造者所能達成的成就。這包括：·新維度的敘事體驗： 電影製作人和遊戲設計師正在使用Marble來創造出不受預算或地理限制的完整世界，探索在傳統製作流程中難以駕馭的各種場景和視角。隨著不同形式的媒體和娛樂之間的界限日益模糊，我們正接近一種全新的互動體驗，它融合了藝術、模擬和遊戲——個性化的世界，其中任何人，而不僅僅是工作室，都可以創造並沉浸在自己的故事中。隨著將概念和故事板提升為完整體驗的更新、更快捷方式的興起，敘事將不再受限於單一媒介，創作者可以自由地在無數的介面和平台上建構具有共同主線貫穿的世界。·通過設計實現空間敘事： 基本上，每一個製造出來的物體或建造出來的空間，在其實體創造之前，都必須在虛擬三維空間中進行設計。這個過程迭代性強，且在時間和金錢上都成本高昂。有了具備空間智能的模型，建築師可以快速將結構可視化，而無需投入數月時間進行設計，他們可以在尚未存在的空間中漫步——這本質上是在講述我們未來可能如何生活、工作和聚集的故事。工業和時尚設計師可以即時將想像轉化為形式，探索物體如何與人體和空間互動。·全新的沉浸式和互動式體驗： 體驗本身是我們這個物種創造意義最深刻的方式之一。在整個人類歷史中，只有一個單一的三維世界：我們共同分享的物理世界。僅僅在近幾十年來，通過遊戲和早期的虛擬現實 (virtual reality, VR)，我們才開始瞥見分享我們自己創造的另類世界意味著什麼。現在，空間智能與新的產品形態，如VR和擴展現實 (Extended Reality, XR) 頭戴裝置以及沉浸式顯示器相結合，以前所未有的方式提升了這些體驗。我們正邁向一個未來，在那裡，步入完全實現的多維世界將變得像打開一本書一樣自然。空間智能使得世界建構不再僅僅是擁有專業製作團隊的工作室的專利，而是向個人創作者、教育工作者以及任何有願景分享的人開放。機器人技術：具身智能的實踐從昆蟲到人類，動物都依賴空間智能來理解、導航和與它們的世界互動。機器人也不例外。具備空間感知能力的機器自該領域誕生之日起就是人們的夢想，這也包括我自己與我的學生和合作者在史丹佛研究實驗室的工作。這也是為什麼我對利用World Labs正在建構的這類模型來實現這一可能性如此興奮。·通過世界模型擴展機器人學習： 機器人學習的進展取決於一個可擴展的、可行的訓練資料解決方案。考慮到機器人需要學習理解、推理、規劃和互動的可能性狀態空間極其巨大，許多人推測，需要結合網際網路資料、合成模擬和真實世界的人類演示捕捉，才能真正創造出具有泛化能力的機器人。但與語言模型不同，當今機器人研究的訓練資料十分稀缺。世界模型將在此扮演決定性角色。隨著它們感知保真度和計算效率的提高，世界模型的輸出可以迅速彌合模擬與現實之間的差距。這反過來將有助於在無數狀態、互動和環境的模擬中訓練機器人。·伴侶與合作者： 機器人作為人類的合作者，無論是輔助實驗室裡的科學家，還是協助獨居老人，都可以在急需更多勞動力和生產力的領域擴展部分勞動力。但這需要具備感知、推理、規劃和行動的空間智能，同時——這是最重要的——與人類的目標和行為保持共情的一致。例如，一個實驗室機器人可以處理儀器，讓科學家專注於需要靈巧或推理的任務，而一個家庭助手可以幫助老年人做飯，而不會削弱他們的樂趣或自主性。能夠預測下一個狀態，甚至可能預測與此期望一致的行動的、真正具備空間智能的世界模型，對於實現這一目標至關重要。·擴展具身形式： 人形機器人在我們為自己建構的世界中扮演著一個角色。但創新的全部益處將來自更多樣化的設計：輸送藥物的奈米機器人，穿梭於狹小空間的軟體機器人，以及為深海或外太空建造的機器。無論其形態如何，未來的空間智能模型都必須整合這些機器人所棲息的環境以及它們自身的具身感知和運動。但開發這些機器人的一個關鍵挑戰在於，缺乏這些多種多樣的具身形態的訓練資料。世界模型將在模擬資料、訓練環境和基準測試任務等方面為這些努力發揮關鍵作用。更長遠的視野：科學、醫療保健和教育除了創意和機器人應用，空間智能的深遠影響還將擴展到那些AI能以拯救生命和加速發現的方式增強人類能力的領域。我下面重點介紹三個具有深度變革潛力的應用領域，但毋庸置疑，空間智能的用例在更多行業中都具有廣闊的前景。·在科學研究中，具備空間智能的系統可以模擬實驗，平行測試假設，並探索人類無法進入的環境——從深海到遙遠的行星。這項技術可以改變氣候科學和材料研究等領域的計算建模。通過將多維模擬與真實世界資料收集相結合，這些工具可以降低計算門檻，並擴展每個實驗室所能觀察和理解的範圍。·在醫療保健領域，空間智能將重塑從實驗室到病床的一切。在史丹佛，我的學生和合作者多年來一直與醫院、養老院和居家患者合作。這段經歷讓我確信了空間智能在此處的變革潛力。AI可以通過多維模擬分子相互作用來加速藥物發現，通過幫助放射科醫生在醫學影像中發現模式來增強診斷，並實現環境監測系統，在不取代康復所需的人際聯絡的情況下支援患者和護理人員，更不用說機器人在許多不同場景下幫助我們的醫護人員和患者的潛力了。·在教育領域，空間智能可以實現沉浸式學習，使抽象或複雜的概念變得具體可感，並創造出對我們大腦和身體學習方式至關重要的迭代體驗。在AI時代，更快、更有效的學習和技能再培訓的需求，對學齡兒童和成年人而言都尤為重要。學生可以在多維空間中探索細胞機器或漫步於歷史事件。教師可以通過互動環境獲得個性化教學的工具。從外科醫生到工程師的專業人士，都可以在逼真的模擬中安全地練習複雜技能。在所有這些領域，可能性是無限的，但目標始終如一：讓AI成為增強人類專長、加速人類發現、放大人類關懷的力量——而不是取代那份屬於人的判斷力、創造力與共情力。結論過去十年見證了AI成為一個全球現象，以及技術、經濟乃至地緣政治的一個拐點。但作為一名研究者、教育者，以及現在的企業家，最能激勵我的，仍然是圖靈75年前那個問題背後的精神。我仍然分享著他的那份好奇心。正是這份好奇心，讓我每天都為空間智能這一挑戰而充滿活力。歷史上第一次，我們有望建構出與物理世界如此協調的機器，以至於我們可以在面對最嚴峻的挑戰時，將它們視為真正的夥伴。無論是加速我們在實驗室中理解疾病的方式，徹底改變我們講述故事的方式，還是在我們因疾病、受傷或年老而最脆弱的時刻支援我們，我們都正處在一項技術的前沿，它將提升我們最關心的生活方面。這是一個更深刻、更豐富、更有力量的生活願景。在大自然於遠古動物身上釋放出空間智能的第一縷微光近五億年後，我們有幸成為能夠很快賦予機器同樣能力的這一代技術人員——並有幸利用這些能力為世界各地的人們造福。我們對真正智慧型手機器的夢想，沒有空間智能是無法完整的。 (網易科技)
科技#AI教母#李飛飛#大語言模型
•

OpenAI：人類只剩最後5年

剛剛拿下阿克塞爾·斯普林格獎，山姆奧特曼又語不驚人死不休：五年後AI將全面超越人類，人類智力的霸權時代，已進入倒計時。2030年，GPT-8不僅能給出終極難題量子引力答案，能向你娓娓道來其思考過程、靈感來源，以及它為何決定研究這個課題。它，有資格成為真正的AGI。屆時，“當今經濟活動中30%到40%的任務都將由AI執行。”……如果是在兩年前，我們或許還會感到激動、為自己的飯碗而焦慮。但此時此刻，雖然類似的感覺還有，但相信絕大多數人都淡了許多。牛逼聽太多，實在是麻木了。看著現在正與你對話的傻瓜式AI大模型，雖然有點用，但有被吹的那麼厲害嗎？就這麼個玩意，你很難想像它能在5年內，就成為超越一切的存在。01 現實很骨感美國智庫METR曾於7月初發佈報告，稱大語言模型每7個月能力翻倍，遠超摩爾定律。預計到2030年，AI足以在數小時內完成人類一個月的工作量。這與奧特曼所預測的時間點，比較接近，未來似乎很美好。但回到現在，同樣是智庫METR做了一項試驗：將一批經驗豐富的軟體工程師分成兩組，一組純人工，另一組使用AI工具程式設計。結果卻出乎很多人意料。相比於純人工，借助AI工具預測快40%，實際上卻慢了19%。也就是說，AI不僅沒有使得效率提升，反而降低了效率。無論是採用不同的結果指標、估計方法，還是對資料進行各種子集/子分析，開發速度的放緩現象依然存在。使用了更先進的工具，效率怎麼可能下降呢？包括參與實驗的程式設計師，也認為AI工具幫助自己提升了約20%的效率。這完全不符合邏輯，但資料不會說謊。為瞭解釋這種現象，實驗方將之歸為“能力-可靠性缺口”概念。簡單來說，就是現在的大語言模型，雖然能完成大量複雜的任務。但它們給出的成果，無法達到真實企業需要的業務水平。比如在執行程式設計任務中，程式設計師確實在尋找資訊和主動編碼上花費的時間更少了，但撰寫提示詞同樣需要時間。同時，AI固然能快速生成大量程式碼，但其中充滿小錯誤，導致人類程式設計師不得不花費大量時間去檢查、更正AI輸出，甚至重寫。大部分情況下，人類反而成了AI的保姆。更關鍵的是，程式設計已經是AI表現最好的領域。在這個領域都無法帶來效率提升（在目前的水平下），甚至起到反效果，其他行業可想而知。都說站在風口上、豬都能飛起來，人人都想當那隻豬。根據天眼查專業版資料，截至2025年4月，全國現存在業、存續狀態的人工智慧相關企業超過424.3萬家。其中，2025年新增註冊相關企業約28.6萬家。這個領域，是如此繁榮、參與者是如此之多，所有人都在說AI是未來最大的財富增量。但實際的情況是，除了提供算力的輝達，和成千上萬利用資訊差賺流量的博主……目前幾乎還沒有那一家AI企業真正賺到錢。至少在現階段，它仍然是典型的：高投入，低回報。據摩根士丹利估算，僅微軟、Meta、Google、亞馬遜四家巨頭，2024年的資本投入就高達3000億美元，其中大部分流入AI項目。總體來看，2024年全世界生成式AI投資額較2023年增長超過70%，預計2025年的的總支出更是將達到2024年的3倍。這種背景下，科技巨頭還能扛得住，或許能支援到AI應用真正百花齊放的那一天。而大量中小競爭者，即便前期拿到投資，也根本撐不下去。比如開發出AI回話模型的SD，至今仍背著1億美元債務；Stability AI，核心研究團隊集體辭職；Character AI不得不賣身Google……國內的圈子，大同小異。波形智能，曾拿到千萬融資，突然就解散了，包括CEO、CTO等核心成員集體跳槽OPPO。竹間智能，創始人簡仁賢曾擔任微軟工程院副院長，因現金流吃緊，部分部門不得不停工，基本上停擺了。華夏芯，資金鏈斷裂、申請破產，14項專利、15項軟體著作權被掛到京東拍賣……2022年11月至2024年7月，全國共有78612家新註冊AI企業處於註銷、吊銷或停業異常狀態，佔同期新註冊企業總量的8.9%；全國AI領域註銷、吊銷的企業總數，更是超過20萬家。雖然沒有最新的資料，但按照這個比例估算，目前倒閉的新註冊AI相關企業，100%已經超過10萬家。正如AI工具的實際作用，目前遠遠沒有人們想像中那麼強。不要只看到頂尖巨頭在台前的光鮮，這才是AI浪潮的真正底色。九成的參與者，都將、或已經倒在黎明前，其中不乏真正純粹的技術團隊。在AI技術出現真正意義上的突破之前，這種情況不會改變。02 未來確實不遠如果說，古人的生產力是天平，付出多少力氣就收穫多少糧食。那麼，現代人的生產力就是一根槓桿，只用坐在機器前敲敲打打，就能驅動萬噸的巨輪。在我們的想像中，生成式AI的變革性之處在於，打破了“成本、質量、速度只能選其二”的三角模型。不過目前來看，無論是成本、質量還是速度，AI工具似乎都與我們預想的還差很遠。因為現階段的AI只會標準化的創作，這會導致兩個問題。其一，同質化；其二，細節缺失。以AI繪圖為例，生成式AI是通過整合大量資源，來獲得繪畫能力。一旦源頭出現交叉重複，必然導致AI作畫出現不可避免的同質化。這一點我們平常使用AI工具時都能感受到，你如果不輸入大量特定的提示詞，它給出的圖片風格其實都非常類似。更關鍵的是，它只是把資料具象化為圖片，這就不可避免出現大量低級錯誤。比如，人物裝飾不完整，某些器官比例失真，手指多一根等等。這在上文提到的程式設計工作中，同樣有出現。由於這兩個問題的存在，生成式AI目前只能勝任比如稽核、閱片之類的少部分重複性非常高的工作。對大部分人而言，它根本無法作為一個合格的工具，更深層次的細節把控，必須由人來把控。最終導致，使用工具後的效率，反而不如原來高。當然，未來雖然還未來，但它終究會到來。今時今日的種種，我們可以歸咎為企業家的過度宣傳，但更本質的原因只有一個：如今的AI不夠強。應該強到什麼程度，它才能真正作為一個合格的工具，給企業“降本增效”呢？其實應該有一個標準：達到人類從業者的平均水平、乃至最低水平。它不需要非常強，只需要達到最普通的水準，就將徹底改變今時今日的市場生態。因為在任何行業，佔絕大多數的普通人如果被淘汰，人工成本自然就降下來了，效率也得到了提升。比如目前AI應用最廣泛的遊戲行業。只要定義好規則，關卡策劃、系統、數值等基礎、重複性的設計內容，後續的工作本來就是套範本直接協作。基本上，初級策劃所有能幹的工作，基本上都即將被替代。甚至，只需保留少數創造力最強的人，這樣做不僅能降本增效，遊戲本身的質量也會得到提升。比如，每個NPC都有一個完整而具體的故事，且能與玩家進行更詳細而真實的對話——實現性格千人千面。玩家體驗毫無疑問會得到提升。而在單純靠人力堆的時代，這是不可能實現的。對大廠而言，AI能幫助自己降本增效，以後大型遊戲的研發成本更低、周期更短，從而帶動整個市場更加活躍。對小廠而言，本來主攻的就是頁游、小程序遊戲，基本就是賺一波就跑。對他們而言，以後的成本基本只剩下推廣，研發全交給AI就可以了，無限薅羊毛。唯一受傷的，只有大部分不夠“優秀”的從業者。這種事情，如今已經在遊戲行業發生，而且這兩年隨著顯示卡升級大爆發，行業會變得越來越卷，50%的人可能面臨轉行。其他行業，都在瑟瑟發抖。那一刻的到來，不需要AGI，只需要等到工具能完成最簡單的工作。但絕對不應該是現在。03 尾聲至少此時此刻，對大部分行業而言，AI是根本無法取代人的，甚至作為工具都不太合格。但最近兩年，很多中小企業的管理層們，不論懂或不懂，大多都跟著輿論走、給員工強調降本增效的概念，普遍裁員。留下的員工熟悉AI工具，尤其是免費的那種，提高自己的工作效率。這算是比較low的做法，也是最普遍的。但最終，絕大多數隻是降了本，根本沒有增效。即便真的增了效，絕大多數的情況也不是因為AI，而是裁員導致人心惶惶、大家越來越卷而已。更諷刺的是，現在都2025年了，AI應用市場規模即將突破5000億元。卻依然有相當一部分企業，就像坐井觀天的土財主一般，覺得買幾台高配電腦就是數位化轉型，生成幾個數字人主播就是在做AI。這並非誇張，稍微去瞭解一下就知道，抱有這種想法的企業、甚至投資者都相當之多。或者說，這大概才是目前市場熱炒AI的真實底色。 (格隆)
OpenAI：人類只剩最後5年
科技#OpenAI#山姆奧特曼#AI
•

對話萬維鋼：AI 的19個關鍵問題

我將向萬維鋼請教如下 19個關於 AI 的關鍵問題，請點選上方“預約”。模組一探尋本質——智能的終局與路徑1、（路線之問）萬老師您判斷，現在以Transformer 為基礎的大語言模型路線，究竟是通往通用人工智慧（AGI）的康莊大道，還是一條會很快遇到天花板的岔路？如果說此路能通，我們距離終點還缺失了那些關鍵的“拼圖”？有確定的時間表嗎？2、（定義之問）最近DeepMind 的哈薩比斯說，如今的LLM 遠非“博士級智能”，因為它們缺乏持續推理和自主學習能力，甚至會犯低級錯誤。這是否精準地描述了當前AI“能力天花板很高，但能力地板很低”的現狀？我們應該如何定義和評測一個AI是否達到了真正的“通用智能”？3、（破局之問）針對AI“能力地板低”和“常犯低級錯誤”的問題，目前的技術路徑（比如繼續擴大模型規模、最佳化資料質量）能從根本上解決嗎？還是說，我們需要等待像哈薩比斯所說的“一到兩個關鍵突破”？這個突破最可能發生在什麼領域？4、（世界模型之辯）Yann LeCun 旗幟鮮明地反對“自回歸模型能實現AGI”的觀點，大力鼓吹“世界模型”（World Model），認為讓AI 理解世界因果關係才是正道。這是否是哈薩比斯所說的“缺失的關鍵突破”之一？“大力出奇蹟”的Scaling Law 是否真的已經走到了盡頭？模組二商業戰爭——格局與壟斷5、（市場格局）當前全球大模型“百家爭鳴”，但回顧網際網路歷史，無論是搜尋（Google）還是社交（Meta），最終都走向了寡頭壟斷。您認為AI 基礎大模型的終局會是幾家獨大，還是會呈現一個更多元化的生態？6、（具身智能）將目光從軟體轉向硬體，在機器人這個賽道，特斯拉的“第一性原理”和資料飛輪能否幫它建立像電動車領域那樣的壟斷優勢？或者，中國企業是否會憑藉強大的製造業和成本控制能力，再次上演“反超”的戲碼？7、（商業模式）既然AI 目前還無法完全避免“低級錯誤”，那麼在當下，AI 最可靠、最有價值的商業應用場景是什麼？是作為“副駕駛”（Copilot）增強人類能力，還是在某些容錯率高的領域徹底取代人力？模組三文明基石——能源、經濟與創新8、（能源之問）AI、電動車、機器人都是能源消耗大戶。這種由“計算”和“物理智能”驅動的能源需求，會如何重塑全球的能源結構？這對於被寄予厚望的太陽能和爭議中的核能，分別意味著怎樣的機遇和挑戰？9、（經濟引擎）彼得·蒂爾等樂觀派認為，AI 帶來的生產力爆發，足以解決當前美國乃至全球面臨的諸多經濟困境。您是否認同這種“AI 救世論”？AI 的指數級增長，在多大程度上能真正轉化為宏觀經濟的健康增長？10、（創業生態）Wintel 和移動網際網路時代，誕生了大量依附於核心平台的生態企業。但AI 似乎正在“消滅中間商”，許多過去需要中小企業完成的工作，現在可以由一個強大的AI 直接完成。這對於未來的小企業和創業者，是機遇還是災難？模組四人類未來——就業與教育11、（個體應對）AI 對知識工作者的衝擊已經開始顯現。對於我們普通“打工人”而言，未來幾年最重要的“元能力”是什麼？是學會如何與AI 高效協作，還是專注於那些AI 短期內無法取代的創造性或情感性工作？12、（教育變革）教育被認為是最能從AI 中受益的領域，但全球教育體系依然在巨大的慣性中運行。對於有遠見的父母和學生來說，我們現在應該主動做些什麼，來為10年後的世界儲備真正的競爭力？模組六智能邊界——自主體、資料與意識13、（資料“投喂”困境）高品質的人類資料即將耗盡，未來我們可能不得不讓AI “吃”自己生成的合成資料。這會導致一個“數字近親繁殖”的、創造力枯竭的未來，還是會催生出我們無法理解的、全新的智能形式？14、（意識與“靈魂”）這是一個略帶哲學性的問題。隨著AI 在對話中展現出越來越強的“共情”和“自我意識”的表象，我們是否需要重新思考“意識”的定義？或者說，我們是否會進入一個“真假難辨”的時代，即便AI 沒有真正的意識，人類也會因為情感依賴而賦予其“靈魂”？模組七文明尺度——風險、治理與終極探問15、（加速vs 安全）矽谷現在分裂為兩大陣營：一方是以a16z 為代表的“有效加速主義”（e/acc），認為應不惜一切代價推動AI 發展；另一方則是“AI 安全派”，呼籲謹慎慢行，警惕失控風險。這場關乎人類命運的豪賭，您認為我們應該踩下油門還是剎車？16、（全球治理難題）AI 的發展速度已經遠遠超過了任何一個國家或國際組織的立法速度。面對這項“超越國界”的技術，我們有可能建立一個有效的全球性監管框架嗎？還是說世界最終會分裂成幾個獨立的、互不相容的“AI 治理區”？17、（科學的終結？）AlphaFold 已經顛覆了生物學。您認為，AI 是否會成為一種“萬能科學工具”，在未來幾十年內解決物理學、數學等領域最根本的難題？如果科學發現的過程本身被AI 自動化，人類科學家的角色和使命將是什麼？18、（終極價值之問）如果有一天，AI 在幾乎所有智力勞動上都超越了人類，人類存在的獨特價值是什麼？當“工作”不再是生活的中心，我們的社會結構、價值體系和個人對意義的追求，將發生怎樣天翻地覆的變化？模組八地緣博弈19、（地緣政治之問）中美AI 競爭被視為本世紀最重要的大國博弈。目前看，美國在頂尖人才、高端算力（晶片）和基礎大模型的原始創新上仍具優勢，但其內部也存在“安全vs 加速”的路線搖擺；而中國則擁有海量資料、強大的國家意志和無與倫比的產業應用和快速迭代能力。二者之間的競爭會呈現出怎樣的軌跡？ (孤獨大腦)
科技#萬維鋼#關鍵問題#AI