世界模型：下一場 AI 革命的起點。簡介李飛飛是全球頂尖人工智慧科學家，被譽為“現代AI之母”。她不僅是ImageNet資料集的牽頭建立者（該資料集直接推動 AI 走出 “寒冬”，催生深度學習革命），還曾擔任Google雲首席 AI 科學家、史丹佛人工智慧實驗室（SAIL）主任，更是史丹佛以人為本人工智慧研究所（HAI）的聯合創始人。在AI領域深耕 25 年，李飛飛見證並主導了從機器學習萌芽到大型語言模型爆發的關鍵歷程；如今，她創辦World Labs聚焦 “世界模型”研發，探索 AI 在空間智能與具身智能領域的新可能。本次Lenny播客對話中，李飛飛回溯了AI的進化史、拆解了ImageNet的核心價值，深入解讀“世界模型” 為何是AI的下一個前沿，還探討了機器人落地的難點、普通人參與AI的路徑，以及如何讓技術始終“以人為本”。她用親身經歷告訴我們：AI的未來不是“取代人類”，而是由人類共同塑造，每個人都能在這場變革中找到自己的角色。本期目錄人工智慧的未來，不取決於 AI，而取決於人走出 AI 寒冬：ImageNet 如何改變世界深度學習的“黃金三件套”AGI 並不近：AI 的短板遠超大眾認知世界模型：下一場 AI 革命的起點Marble：為所有人生成 3D 世界的模型機器人為什麼難？“苦澀的教訓”未必適用創始人李飛飛：競爭、人才與未知的未來以人為本的 AI：技術之外的責任致所有普通人：AI 時代，每個人都有自己的角色人工智慧的未來主持人Lenny：很多人稱你為“AI 樂觀主義者”。你真的認為 AI 不會取代人類嗎？它會如何影響未來？李飛飛：我不是烏托邦主義者，我當然知道 AI 會帶來風險、衝擊和改變。但我相信一件事：AI 是由人創造、受人啟發，並最終影響人類的技術。因此，它的走向取決於我們，而不是它自己。縱觀人類文明，每一次技術革新都是雙刃劍：寫作、蒸汽機、電力、網際網路……都帶來了風險，但也成就了現代世界。AI 也一樣——它可以造福世界，也可以被濫用，區別在於：我們是否以負責任的方式使用它。走出AI寒冬主持人Lenny：十年前，“AI公司”還是一個貶義詞。你的工作把這個領域從寒冬中帶了出來。能講講ImageNet的故事嗎？李飛飛：2000年我進入人工智慧領域，那時AI只是冷門中的冷門概念。但我一直相信，人類的絕大部分智能建立在視覺之上，因此視覺智能是AI 的核心。真正的問題是：機器缺少學習世界的“經驗”。孩子要看數百萬物體才能學會認知；機器也一樣。於是2006年，我和學生發起了ImageNet。我們的目標很簡單，也很瘋狂：給機器提供世界上最大、最乾淨的視覺學習資料。我們最終整理了：1500萬張圖像、2.2萬個概念分類、一個完整的層級體系。2012年，辛頓團隊用神經網路+ImageNet+兩塊民用GPU，在演算法上取得了歷史性突破。那一年，被視為現代深度學習的真正起點。（圖片來源：stanford）深度學習的“黃金三件套”主持人Lenny：你認為為什麼從2012年之後 AI 會突然爆發？李飛飛：因為我們終於同時擁有了三樣東西：第一，大規模乾淨的資料（Data）；第二，神經網路模型（Neural Networks）；第三，大規模可平行的 GPU 計算（Compute）這三者組合，形成了現代 AI 的“黃金配方”。即便今天的ChatGPT，本質仍是：海量資料、更複雜的神經網路、更多、更強的GPU。理念並沒有變，只是規模變得不可思議地大。AGI並不近：AI的短板遠超大眾認知主持人Lenny：讓我直接問一個所有人都關心的問題：我們是不是已經站在“通用人工智慧（AGI）”的懸崖邊上？這個詞幾乎被用濫了，大家都在宣稱AGI即將到來，並且它會接管一切。在你看來，我們距離AGI還有多遠？按照目前的方法能夠到達那裡嗎？還是說我們需要根本性的突破？李飛飛：這是個非常值得深入討論的詞。嚴格來說，我不知道是否存在一個被科學界普遍接受的AGI定義。它在不同人口中，涵義差距巨大：有的把AGI等同於機器的“超能力”；有的認為只要機器能在社會中作為一個經濟主體——例如靠自己的勞動謀生——那就是AGI。作為科學家，我非常謹慎。我之所以進入這個領域，是受到一個大膽問題的吸引：機器是否可以像人類一樣思考、學習和行動？對我來說，這一直是人工智慧的北極星。從這個意義上講，“AI”與“AGI”對於我沒有本質區別——只是我們是否達到了那個終極目標而已。我們在某些方面取得了巨大進展，比如對話式人工智慧。但這並不意味著我們已經跨越了所有智能的門檻。我常常想，如果艾倫·圖靈今天仍然在世，你問他AI和AGI的區別，他大概也會聳聳肩說：“我在1940年代問過同樣的問題。”所以，我並不願意掉入“AGI 定義之爭”的兔子洞。那更像是一個行銷術語，而不是科學概念。作為研究者，我們所追求的目標就是人工智慧本身，而不是一個模糊的標籤。從科學史來看，沒有任何一個學科會在某一刻宣佈“我們已經完成了，可以停止創新”。人工智慧作為人類文明中最年輕的科學技術之一，我們至今仍只觸及了表層。舉一個簡單例子：如果你給一個模型播放一段包含幾個辦公室房間的視訊，然後問它：“裡面有幾把椅子？”這是幼兒都能做到的任務，但今天的 AI 卻做不到。更不用說像牛頓那樣，從天體運動中推匯出描述萬物的方程。那種創造性、抽象性、推理能力，是目前的技術水平完全無法企及的。情感智能同樣如此。想像一個學生向老師表達困擾、討論動機、傾訴焦慮——在這些對話中所體現的情緒識別和人類理解，今天的 AI 根本無法提供。所以我認為：我們還有太多事情沒有做到，我們離終點仍相當遙遠，創新才剛剛開始。世界模型：下一場AI革命的起點主持人Lenny：你已經談論“世界模型”這個概念很多年了，甚至創辦了一家公司來建構它。世界模型與語言模型不同，是另一種方向。現在，不僅你在討論世界模型，馬斯克、黃仁勳、Google等公司也在談。你比他們更早開始這條路線，而且你最近剛發佈了重要成果。能不能先解釋一下：什麼是世界模型？為什麼它這麼關鍵？李飛飛：我很高興看到越來越多的人開始談論世界模型。但事實上，我已經思考這件事很久了，幾乎貫穿我整個職業生涯。過去幾年，大型語言模型的快速發展，無論來自學術界還是像OpenAI這樣的機構，即使對於我們這些研究者來說，也極具啟發性。我還記得GPT-2在2019年末問世的那段時間。當時我擔任史丹佛人類中心人工智慧研究所（HAI）的聯合主任。公眾對大型語言模型的理解還很有限，但我們已經看到了它的潛力，並意識到它會深刻影響未來。我和史丹佛做NLP的同事，如珀西·梁、Chris Manning等人，進行了無數次討論。我們都認定：這項技術將是革命性的。因此，HAI 成為了全球第一個成立“基礎模型研究中心”的機構，我們也發表了第一批關於基礎模型的重要論文。但我來自視覺智能領域，這意味著我一直在思考一個更長期的問題：真正的智能絕不止於語言。想像一個消防現場、車禍現場或自然災害現場。人類在這些極端環境中的行動，依賴的是：瞬間的空間意識、對物體與環境關係的理解、對場景的整體推斷、不斷變化的三維世界判斷。語言在這些任務中只佔很小的一部分，甚至在關鍵時刻根本派不上用場。與此同時，我做了大量機器人研究，而機器人進一步讓我意識到：語言之外，要讓 AI 具有行動能力、環境理解能力，核心是“空間智能”與“世界理解”。這就是世界模型的意義。它是連接視覺智能、具身智能、機器人智能的關鍵。我在2022年開始系統思考世界模型的框架，並在2024年做了一個TED演講，希望推動這個領域的公共討論。最終，我意識到：這是一件必須以“產業速度”加速的科技，需要最好的工程師、最強的科學團隊來推動。因此我創辦了World Labs。公司名字中的“World（世界）”，正是因為我們堅信——下一代 AI 的核心，不是語言，而是世界。李飛飛著書《我眼中的世界》，這是一部科學回憶錄，講述了她如何成為一名人工智慧科學家，以及現代人工智慧的誕生歷程。（圖片來源：X@Feifei Li）Marble：為所有人生成3D世界模型主持人Lenny：你創辦了World Labs，並推出了Marble。能介紹一下這是什麼嗎？李飛飛：Marble是全球第一個真正意義上的可生成完整 3D 世界的模型。只需一句話或一張圖，你就可以讓模型生成：“一個可以走進去、能探索、能修改、能推理的 3D 世界。”使用它的行業非常多：電影製作（虛擬場景生成，製作效率提升 40 倍）、遊戲開發、VR/AR 場景生成、機器人模擬訓練、心理學研究、建築與設計。這是第一次，世界建構不再只屬於專業團隊，而是屬於任何一個創作者。（圖片來源：World Labs）機器人為什麼難？主持人Lenny：為什麼“苦澀的教訓”可能並不適用於機器人？能否先解釋一下人工智慧歷史上的“苦澀的教訓”是什麼，然後談談為什麼它不能帶領機器人技術走向我們希望的方向？李飛飛：“苦澀的教訓”這個說法通常指的是圖靈獎獲得者Richard Sutton寫過的一篇文章。他總結人工智慧發展幾十年的經驗後認為：在長期競爭中，簡單模型加上海量資料往往會勝出，而複雜模型與有限資料反而不如前者有效。這篇文章是在ImageNet出現幾年後發表的某種意義上也呼應了我們為什麼需要建構大規模資料集。不過，對我來說，這不是“苦澀”的，而是“甜蜜”的教訓。我之所以建立ImageNet，就是因為我相信大規模資料在智能發展中的關鍵作用。但為什麼這條規律在機器人技術中不那麼容易奏效？原因有很多。首先，機器人資料的獲取難度遠高於語言資料。語言模型的訓練資料是文字，結構乾淨、標註明確，模型的輸入和輸出都保持一致。換句話說，語言模型擁有一個幾乎“完美對齊”的訓練體系。機器人則完全不同。機器人需要在三維物理世界中行動，而來自網際網路的大量視訊雖然提供資訊，卻無法直接告訴機器人如何完成動作。例如，一個機器人要抓起一支筆，它需要知道手臂如何移動、手指如何閉合、與物體如何接觸，這些都不是網路影片能直接提供的。因此，必須用其他方式補充資料，比如遠端操控資料、模擬環境生成的合成資料，以及未來可能由世界模型生成的資料。你剛才說得很對：機器人缺乏“在三維世界中行動”的訓練資料。這是根本難點所在。我們擁有的網路影片並不能完全滿足需求，於是需要把各種來源的資料“拼接”起來，讓機器人能夠在“巨量資料假設”下進行訓練。隨著世界模型的發展，我們未來可能會釋放更多可以用於機器人訓練的資訊，但目前仍然處在非常早期的階段，“苦澀的教訓”是否適用於機器人，還遠未到可以下結論的時候。其次，與語言模型甚至空間模型不同，機器人不僅需要“大腦”，還需要“身體”。機器人是真實的物理系統，這意味著它要面對的不僅是演算法，還有材料、機械結構、動力系統、安全性、穩定性、供應鏈、應用場景等一系列複雜問題。從這個角度看，機器人反而更接近自動駕駛汽車，而不是軟體模型。我們可以回顧自動駕駛的歷史。我的同事Sebastian Thrun在2005年左右帶領史丹佛團隊贏得了第一屆DARPA自動駕駛挑戰賽。那輛車當時能在內華達州沙漠中自動行駛130英里。從那時到現在的Waymo，無論是在技術成熟度還是在實際部署上，都經歷了將近20年，而且自動駕駛仍未完全解決所有問題。主持人Lenny：是的，即便Waymo已經能在舊金山的街道上autonomously行駛，我們仍然還有很多未攻克的難題。李飛飛：沒錯。更關鍵的是，自動駕駛其實是相對“簡單”的機器人系統。它們在二維平面上運行，主要目標是不碰到任何東西。而機器人呢？它在三維世界中運行，是一個三維物理實體，它的任務是接觸物體、抓取物體、移動物體，這比自動駕駛複雜得多。有人會說，早期的自動駕駛是在深度學習時代之前，而如今深度學習已經極大加速了機器人“腦力”的發展。這確實是事實，也是我對機器人和空間智能領域保持高度興奮的原因。但與此同時，汽車行業已經有成熟的供應鏈和硬體體系，而機器人行業在這些方面還遠未建立完善生態。機器人產品化的難度不僅在演算法，還在於硬體、製造、場景和經濟模型。這是一個非常有挑戰也非常令人興奮的時刻。但我們確實需要接受這樣一個現實：機器人領域可能仍然會經歷許多新的“痛苦教訓”。主持人Lenny：在做這些研究時，你是否會對人類大腦本身產生更多敬畏？畢竟我們能輕易做到許多機器人無法完成的事，僅僅是走路、躲避障礙、抓取物體這些動作背後都蘊含著極其複雜的機制。李飛飛：完全是這樣。我們的腦只消耗20瓦能量，比一盞普通燈泡還暗，卻能完成如此多複雜的任務。可以說，我越深入研究人工智慧，就越深刻地尊重人類智能本身的奇蹟。創始人李飛飛主持人Lenny：你作為創始人，最大的感受是什麼？李飛飛：AI創業的競爭比十年前激烈太多：頂尖人才稀缺、GPU資源昂貴、技術迭代速度驚人、型號、框架和生態極其複雜。但我一直相信兩件事：使命感，和能與我同心的團隊。無論在普林斯頓、史丹佛、Google還是現在的World Labs，我都是因為相信“某件必須被創造的事”，才做出選擇。未來仍充滿未知，但正因如此，才令人興奮。以人為本的AI：技術之外的責任主持人Lenny：你在史丹佛創辦HAI的初衷是什麼？李飛飛：因為我清楚AI的影響力已經超越技術本身。它正在改變：教育、醫療、法律、社會治理、全球政策……技術越強大，我們越需要從人文、社會科學、法律和倫理角度建立支撐體系。HAI的理念很簡單：AI必須以促進人類福祉、維護人的尊嚴為核心。沒有這一點，技術會反噬我們。史丹佛大學以人為本人工智慧研究所(HAI)的創始聯合主任、電腦科學先驅李飛飛。（圖片來源：Stanford HAI）AI 時代，每個人都有自己的角色主持人Lenny：很多人害怕被AI替代。普通人該如何面對未來？李飛飛：我想大聲告訴每一個人：AI 時代，每個人都有自己的角色。如果你是藝術家，AI是新的畫筆，而不是你的替代者。如果你是教師，AI可以提升課堂，而不是取代你。如果你是護士，AI可以減輕你的工作負擔。如果你是農民，你依然有權參與科技如何影響社區。如果你是學生，你是下一代技術的創造者。AI不應該剝奪人的尊嚴，而應成為我們的工具和助力。未來不是由AI決定，而是由我們共同決定。 (創新觀察局)

‘I have to do it’: Why one of the world’s most brilliant AI scientists left the US for China朱松純於北京大學，2025 年 7 月。攝影：Sean Gallagher/衛報2020年，在美國度過了半生之後，朱松純買了一張單程票回到中國。如今，他或許掌握著決定誰能贏得全球人工智慧競賽的關鍵。作者：Chang Che2025年9月16日星期二 05:00 BST在朱松純（Song-Chun Zhu）六歲的時候，他已經遇見過的死亡次數多得數不清——至少他覺得是這樣。那是20世紀70年代初，他的父親在中國農村開了一家村供銷社。除了種地之外，幾乎沒什麼可做的，於是那家小店就成了人們休息、恢復精力和分享故事的避風港。朱在那家店里長大，吸收了一輩子的悲劇：朋友死於車禍，親戚因病去世，自殺的故事比比皆是。“那真的很難熬，”朱最近回憶說。“那時人們太窮了。”年輕的朱開始對人死後留下的東西著迷。有一天，他發現了一本記載家族譜系的書。當他問管家譜的人為什麼裡面只有祖先的生卒日期，卻沒有他們的生活經歷時，那人平淡地回答說，他們是農民，沒有什麼值得記錄的。這個答案讓朱感到恐懼。他立下決心，自己的人生不能是這樣的命運。如今，56歲的朱已是世界人工智慧領域的頂尖權威之一。1992年，他離開中國赴美國哈佛大學攻讀電腦科學博士。後來，在加州大學洛杉磯分校，他領導了全球最活躍的人工智慧研究中心之一，贏得了無數重要獎項，並吸引到五角大樓和美國國家科學基金會的重量級科研資助。他因開創性研究——探索機器如何在資料中發現模式——而受到讚譽，這項工作為現代人工智慧系統（如ChatGPT和DeepSeek）奠定了基礎。他和妻子、兩個在美國出生的女兒住在洛杉磯穆赫蘭大道上的山頂住宅。他曾以為自己永遠不會離開。但在2020年8月，在美國生活了28年之後，朱突然讓同事和朋友們大為震驚——他回到中國，出任北京兩所頂尖大學的教授，並擔任北京一家人工智慧研究機構的主任。朱從中國農村到執掌美國領先的人工智慧實驗室的旅程，既不可思議，又是更大故事的一部分。近一個世紀以來，世界上最聰明的科學頭腦被美國所吸引，因為在那裡他們最能推動自己的研究。這些新來者的工作幫助美國在核武器、半導體和人工智慧等技術領域建立起主導地位。而如今，這個時代似乎正在走向終結。唐納德·川普正在拆解那些曾經讓美國對國際人才充滿吸引力的社會要素。他切斷科研資金，試圖打壓頂尖大學——在他政府看來，那些大學是敵對機構。在美的中國學生和教授面臨更多壓力。迴響起20世紀50年代的“紅色恐慌”，一些中國學生和教授被拘押、驅逐，簽證被吊銷。即便在川普政府圍攻美國科學根基的同時，它也在大肆宣揚要在人工智慧領域戰勝中國競爭對手。7月，川普宣佈在賓夕法尼亞州建立一個價值900億美元的“人工智慧中心”，並與矽谷科技領袖密切合作，制定了一份國家藍圖，力圖在全球人工智慧的各個方面——從基礎設施到治理——佔據主導。“美國是開啟人工智慧競賽的國家，”川普說。“我今天要宣佈，美國將贏得這場競賽。”一個月後，中國也公佈了自己的藍圖，誓言要將人工智慧融入經濟，從工廠自動化到養老服務。在經費充裕的北京通用人工智慧研究院，朱是少數幾個被委以推進人工智慧前沿重任的人之一。他的理念如今正在影響本科課程設計和政策制定。但他的哲學與美國的主流範式截然不同。美國公司如OpenAI、Meta和Anthropic，集體投資了數十億美元，建立在這樣一個前提上：只要有足夠的資料和計算能力，基於神經網路（模仿大腦神經元的數學系統）建構的模型就能引領人類走向通用人工智慧（AGI）的聖盃。廣義上講，AGI是指能夠完成不限於某一狹窄任務，而是能完成任何任務，其水平可與最聰明的人類媲美甚至超越的系統。科技界的一些人還將AGI視為一個轉折點——屆時機器將能夠自我無限改進。他們相信，依賴神經網路的大型語言模型，距離“起飛”可能只剩五到十年。朱堅稱，這些想法是建立在沙灘上的。他認為，真正智慧的標誌是能夠以最少的輸入推理並實現目標——他稱之為“小資料，大任務”的方法，而不是像ChatGPT等大型語言模型所用的“巨量資料，小任務”方法。朱的團隊最近指出，AGI的特徵包括在新情境下的機智、社會和物理直覺、以及因果關係的理解。朱認為，大型語言模型永遠無法達到這一點。美國的一些人工智慧專家同樣對矽谷的主流信條提出質疑，而隨著人工智慧的進展放緩、新的產品（如GPT-5）令人失望，他們的聲音今年更為響亮。需要一條不同的道路，而這正是朱在北京努力探索的方向。在當前的人工智慧競賽中，要把純粹的學術探索與地緣問題分開幾乎是不可能的。研究人員選擇在那裡開展工作，已成為一件賭注極高的事情。然而，對某些科學家來說，智力探索的激情——以及個人榮譽的前景——或許依然比國家利益更有吸引力。朱在哈佛時期的同學、20年老友馬克·尼茨伯格（Mark Nitzberg），對朱突然回國感到意外。“我問他：‘你確定要這樣做嗎？’”尼茨伯格告訴我。尼茨伯格回憶，朱的回答是：“他們給了我在美國永遠得不到的資源。如果我想要建造我腦海中的這個系統，那這是千載難逢的機會。我必須去做。”幾乎所有在西方認識朱松純的人都問過我同一個問題：你去過他的辦公室嗎？它位於北京大學校園北側未名湖後方，彷彿是為了吸引遊客而建。一道格子木門標誌著入口，之後你會被帶進一個四合院住宅，朱松純在那裡講課和舉辦研討會。在那裡，他的助手會帶你到大廳的盡頭，那裡有一扇後門，通往一片令人歎為觀止的景觀：岩石、溪流和石榴樹。溪流對岸還有另一處四合院住宅，它建在一座獨立的小島上，可以通過一座石橋到達。那就是朱松純的“辦公室”。一個春天的早晨，我去拜訪朱先生的時候，他一邊欣賞著自己種的花草，一邊抱怨著前一天的一場雨把小溪弄得渾濁不堪。我問他是誰在維護這片庭院。“我們有一整支隊伍，”他指著一群剛進院子的人說。在朱先生辦公室的對面，小溪的另一邊，是一間玻璃幕牆的會議室，他在這裡接待來訪者。我們坐在那裡，聽朱先生講述他橫跨兩個超級大國的一生。1969年，朱出生在長江邊的古老河港鄂州附近，是家中五個孩子中最小的一個。夜晚，在燭光和煤油燈下，教師、牧師和大學畢業生們常常聚集在朱父親工作的供銷社附近舉辦沙龍。朱聽他們辯論，從蘇聯日益加深的阿富汗局勢，到美國大選，無所不包。朱對我說：“等我上小學時，我覺得自己已經對中國和世界正在發生的事情有了很好的理解。”他很清楚自己不想留在家鄉父親的店裡工作。朱松純是當地高中的尖子生，後來考入位於安徽的中國科技大學，主修電腦科學。1986年，朱松純開始攻讀學位時，中美關係已恢復正常，他的一些教授首批受國家公派訪美。他們帶回了大量書籍，準備翻譯。“當時，我們把美國視為一座燈塔，一座科學的聖殿，”朱松純說。進口書籍中包括英國神經科學家大衛·馬爾的《視覺》（Vision）。馬爾的著作將人類視覺——一個生物過程——分解成數學框架，堪稱經典。馬爾的著作表明，機器或許有一天能夠像人類一樣“看”世界。朱松純對此著迷不已。從那時起，他就夢想著能夠繪製智能圖譜——我們如何思考、推理和進行道德判斷——如同物理學家繪製宇宙圖譜般精準。對他來說，建構通用人工智慧並非最終目標，而是他更深層次追求的一部分：為心靈發現“萬物理論”。據悉，朱松純近年來曾兩次公開落淚。第一次是在向學生講述他被哈佛大學錄取的故事時。1991年，朱松純從中國科學技術大學畢業時，家境貧寒，無力支付美國大學的申請費。但他還是申請了，沒有支付任何費用，儘管他沒有申請美國最頂尖的大學——他不敢。不管怎樣，他被拒絕了。第二年，一位教授建議朱松純再次申請，說常春藤盟校資金更雄厚，可能不會在意那筆漏交的申請費。幾個月後，他驚訝地收到哈佛大學寄來的一封厚厚的黃色信封，信中他得知，哈佛大學將全額資助他攻讀電腦科學博士學位。“這改變了我的一生，”朱松純說。2025年7月10日，朱松純在北京大學辦公室外的花園裡。攝影：Sean Gallagher/《衛報》做出錄取決定的人是大衛·芒福德，一位獲獎無數的數學家和菲爾茲獎得主。幾年前，他開始研究電腦視覺——人工智慧的一個領域，專注於讓機器能夠識別和處理視覺資訊。當芒福德遇到一位來自中國中部的申請者，這位申請者提出了一個關於智能的“萬物理論”，並把馬爾（Marr）視為自己的靈感來源時，他被深深吸引了。“我對他的視野以及他以如此全面的方式來研究人工智慧的方法感到震驚，”芒福德對我說。在2020年的一次採訪中，芒福德——後來成為朱的導師——提到他意識到自己“遇到了一件特別的事情”的那一刻。朱參加了一小時的考試，但留了一道題空白。不是因為太難，而是因為太簡單。“他說，‘這太荒唐了，’”芒福德回憶道，“但其他問題他都答得完美無缺。”在我們整個春天的談話中，朱似乎把哈佛與他少年時夢想中的美國聯絡在一起：一個開放的實驗室，一個來自中國農村的鄉下孩子，只要有足夠的闖勁，就能把科技奇蹟變成現實。這是愛迪生和愛因斯坦的美國，是那個歡迎猶太物理學家逃離希特勒德國、並為他們提供庇護、尊嚴和洛斯阿拉莫斯實驗室的國度。在朱看來，這是一個把智慧和雄心置於種族、意識形態和國籍之上的國家。在哈佛，他從未覺得格格不入，儘管有時對新環境感到困惑。有一次，他問同學尼茨伯格，為什麼沒有人去採摘哈佛校園裡樹上的蘋果。他覺得那是浪費食物。直到1997年，朱才在美國真正經歷了文化衝擊。在哈佛完成博士學位並在布朗大學短暫任職後，他來到史丹佛任講師。他的妻子珍妮也隨行，她是朱在中國科大時的同學，兩人在1994年結婚。當時的灣區正充滿著網際網路泡沫的興奮氣氛。雅虎剛剛在華爾街上市，風險投資人雲集校園。朱所在系的兩位博士生，拉里·佩奇和謝爾蓋·布林，剛剛創造了一個名為 google.com 的搜尋引擎。隨著學生們蜂擁而至學習網路開發課程，朱開設的更偏理論的模式識別課程卻難以吸引興趣。這讓他感到沮喪。“在哈佛，大家關心的是理解。他們的校徽是三本書，”他對我說。但史丹佛的校徽——一棵樹後面一個“S”——在他看來，“就像一個美元符號”。朱在史丹佛待了一年後轉到俄亥俄州立大學，在那裡他覺得文化缺乏雄心、過於地方化。2002年他又來到加州大學洛杉磯分校，在33歲時獲得終身教職。同年，珍妮生下了他們的二女兒朱易。一年後，他獲得了電腦視覺領域的最高獎——馬爾獎。同事們把他比作史蒂夫·賈伯斯，因為他的強烈激情和對平庸的零容忍。當我問起他在加州大學洛杉磯分校的一位合作者與朱共事是什麼感覺時，他說：“感覺就像我身處前線的戰場。我們不會端著一杯咖啡坐下來聊生活或家庭。這種事從來沒有發生過。永遠只是工作和研究。”在朱在加州大學洛杉磯分校的18年間，他所處的領域經歷了幾乎難以想像的變化。在這段時期的大約前半段，他是人工智慧主流中的領軍人物。然而在後半段，他卻日益感到幻滅。與不同的人交談，他們會提出不同的理論來解釋朱為何最終決定離開美國，但幾乎毫無疑問的是，至少在某種程度上，他受到了與自己曾經幫助塑造的領域產生智識疏離感的影響。朱與所謂“人工智慧教父”——Geoffrey Hinton、Yoshua Bengio 和 Yann LeCun 等人——的關係，說得委婉一點，是複雜的。不過曾經有一段時間，他們的理念大體一致。受“製造智慧型手機器”的共同目標吸引，他們都認為視覺感知是必須攻克的關鍵問題。直到20世紀80年代末和90年代，讓電腦“看”的主流方法還是靠手工編寫的指令。比如，要讓電腦識別一位手寫的數字，研究人員必須寫下詳盡的程序，覆蓋所有可能的筆畫組合情況。這種基於規則的方法非常脆弱——手寫稍有變化，就可能破壞邏輯。隨後出現了一系列突破。20世紀80年代末，時任AT&T貝爾實驗室研究員的LeCun開發了一種強大的神經網路，通過成千上萬的樣本訓練，它學會了識別手寫的郵政編碼。與此同時，在哈佛和布朗大學，也出現了另一條發展路徑。1995年，朱與那裡的研究團隊開始開發基於機率的方法，能夠學習識別圖案和紋理（例如獵豹斑點、草地等），甚至還能生成新的樣本。這些並不是神經網路。朱稱自己的團隊為“哈佛-布朗學派”，他們把視覺問題視為統計學問題，依賴於“貝葉斯推斷”“馬爾可夫隨機場”等方法。兩派使用著不同的數學語言，在哲學上也存在分歧。但他們共享一個底層邏輯：資料，而非手工指令，才是機器理解世界、復現世界模式的基礎——這種思想延續到今天的人工智慧系統，如ChatGPT。在整個90年代末和2000年代初，朱與“哈佛-布朗學派”是電腦視覺領域最具影響力的聲音之一。他們的統計模型幫助許多研究者認識到，資料匱乏才是阻礙AI發展的關鍵瓶頸。為解決這一問題，2004年，朱赴加州大學洛杉磯分校工作兩年後，便與一位微軟高管在家鄉鄂州創立了“蓮花山研究院”。研究人員對日常物體（如桌子、杯子等）的圖像進行標註，並放入一個大型資料集，用於訓練更強大的統計模型。蓮花山研究院是最早嘗試建構大規模資料集以改進和測試AI系統的項目之一。然而到2009年，朱開始對資料驅動的方法失去信心。他的團隊在蓮花山已標註了超過50萬張圖像，但朱困擾於一個簡單問題：圖像的標註方式，往往依賴於研究者希望機器完成的具體任務，帶有一定的任意性。比如，如果任務是讓機器人識別一個杯子以便抓取，那麼把手把標出來至關重要；但如果任務是估算杯子的市場價值，那麼品牌和材質的細節更為重要。朱認為，真正可泛化的智能必須能夠“超越”資料去思考。他對我解釋說：“比如你用一本書訓練機器，它可能學會了人們是如何說話的，但我們為什麼要說這些話？我們是如何想到並說出來的？”這一更深層次的認知能力是缺失的。2010年，朱關閉了研究院，轉而嘗試建構具有“認知架構”的智能體——能夠在物理與社會環境中，以極少的資料進行推理、規劃與進化。他選擇的時機再糟糕不過了。大約在同一時間，普林斯頓大學的助理教授李飛飛發佈了ImageNet，這是一個更大的資料集，包含300多萬張帶標籤的常見物體圖像，例如狗、椅子和自行車。（李飛飛曾參加過蓮花山研究所的一個研討會，後來稱朱教授是她的影響者之一。）ImageNet是公開的，其規模和相對簡單的結構使人工智慧研究人員能夠測試和完善他們的圖像識別演算法。2012年秋季，辛頓及其團隊開發的神經網路在ImageNet競賽中大獲全勝，鞏固了神經網路的主導地位，並掀起了持續至今的全球人工智慧應用浪潮。“就在我對巨量資料敬而遠之的時候，它卻爆發了，”朱多年後在給導師芒福德（Mumford）的信中寫道。朱與神經網路學派最公開的衝突發生在2012年，而就在幾個月後，後者便在ImageNet圖像識別挑戰賽中大獲全勝。當時，朱是美國頂級電腦視覺會議CVPR（電腦視覺與模式識別會議）的大會主席，同年，一篇由LeCun與人合著、涉及神經網路的論文遭到拒稿。LeCun給組委會寫了一封措辭激烈的信，稱同行評審“荒謬至極”，以至於他不知道“該如何寫回覆而不冒犯評審專家”。即便到了今天，朱仍堅持認為評審專家拒稿的決定是正確的。“那篇論文的理論工作不夠嚴謹，”他告訴我，“得說清楚你到底在做什麼。它好在那裡？”朱的質疑直指他對神經網路存有的核心疑慮：儘管神經網路在眾多工中表現極其出色，但要弄明白其背後的原理卻並不容易。在朱看來，這催生了一種自滿的文化，一種“為追求性能不惜一切代價”的心態。他認為，一個更完善的系統應當更具結構性和可靠性——無論是系統本身，還是其開發者，都應能對系統的輸出結果作出解釋。儘管朱心存疑慮，ImageNet挑戰賽的勝利還是引爆了人工智慧領域的“淘金熱”，許多神經網路領域的先驅也因其成果而備受讚譽。辛頓（Hinton）隨後加入了Google；LeCun轉投Meta；而與他人共同研發出那套贏得ImageNet挑戰賽的神經網路系統的伊利亞·薩茨克弗（Ilya Sutskever），則協助創立了OpenAI。2018年，辛頓、LeCun與本吉奧（Bengio）憑藉在神經網路領域的研究成果，共同獲得了電腦科學領域的最高榮譽——圖靈獎。2024年，辛頓又因“在人工神經網路機器學習領域作出開創性發現與發明”，成為諾貝爾物理學獎的聯合得主之一。在給芒福德的信中，朱稱自己對所選的道路“無怨無悔”。但他坦言，令他感到不滿的是，在他看來，辛頓團隊收穫了本該屬於他早期研究的成果。朱告訴我，20世紀80至90年代，哈佛-布朗學派研發的統計模型與演算法“為後來的深度學習和大型語言模型奠定了基礎”。他聲稱，辛頓及其團隊“並未認可這一點”。朱一位長期在美國工作的合作者（因擔心遭到美國政府報復而要求匿名）則對朱的這一說法提出了異議。這位合作者表示，朱作為電腦視覺領域“資料驅動範式”的早期倡導者之一，確實理應獲得更多認可，但辛頓團隊設計出的演算法才完善了這一方法，並使其具備了規模化應用的能力。（辛頓與本吉奧拒絕置評；LeCun未回應置評請求。）2010年代中後期，當神經網路在人臉識別、疾病診斷等領域的問題上取得驚人進展時，朱卻在研讀哲學——他告訴我，儒家學者“對世界的理解比人工智慧研究者深刻得多”——同時默默鑽研自己的認知架構理論。他正走著一條孤獨的道路。2019年，朱再次擔任CVPR大會主席。在審閱提交的論文時，他的心沉了下去：幾乎所有論文都只關注在特定狹窄任務上，通過神經網路實現微小的性能提升。此時，朱對神經網路的反對已變得發自內心。加州大學洛杉磯分校一位曾師從朱的博士生回憶，自己因在論文中暗中使用神經網路，曾多次遭到朱的斥責。朱身邊的人都知道要避開那些“禁忌詞彙”——“神經網路”（neural nets）、“深度學習”（deep learning）、“Transformer”（即GPT中的“T”）。有一次，在朱於洛杉磯創辦的一家初創公司的全員會議上，一名新員工無意中在簡報裡加了一張關於深度學習的幻燈片。據當時在場的人透露，朱在全公司人面前怒斥了這名員工。（朱則稱此事“被誇大了”。）“一旦他確立了某種願景，”朱的一位長期合作者如是評價，語氣中帶著幾分委婉，“他就會極其堅定地認為自己是對的。”隨著朱松純的理念被邊緣化，美國對於華裔科學家的整體環境也變得越來越不那麼友好。2018 年，美國司法部啟動了“中國計畫”，該計畫的批評者聲稱其依賴種族定性。超過 100 名華裔教授因涉嫌竊取敏感技術而受到調查。大多數被正式指控的人的指控都被駁回或撤銷，很少有人被發現參與了直接的智慧財產權盜竊。川普時代改變了華裔科學家與美國的關係。根據一項著名的學術研究，2018 年後，在美國的資深華人學者的回國數量幾乎翻了一番。2018年底，朱先生開始接到矽谷新聞網站The Information記者的電話，詢問他最近從中國電信巨頭華為獲得的15萬美元資助。同月，美國將華為列為國家安全威脅。朱先生告訴我，這筆華為的錢沒有任何附加條件，他用這筆錢資助了他的博士生的研究。為了盡快平息此事，他告訴記者，他以後不會接受華為的任何捐款。“目前，中美關係很糟糕，”他當時說道，“我們被夾在中間了。”隨著中美關係惡化，朱發現獲得人工智慧研究資金越來越困難，此前這些資金大部分來自美國軍方。他說，他從未被聯邦特工盤問過，也沒有被美國邊境官員攔下詢問他的研究和與中國的關係，但他以前的博士生卻被攔下問話。據尼茨伯格說，“中國計畫”啟動後，朱的一些學生已經習慣了在入境處被耽擱，以至於他們在安排參加會議的行程時，會把在機場的額外時間預留出來。在這種環境下，中國被視為美國的直接競爭對手，甚至是威脅，長期以來被視為正常的與中國的科學聯絡現在籠罩在懷疑的陰雲之下。這在很大程度上是基於對學術研究實際運作方式的誤解。2024 年，眾議院邁克·加拉格爾要求加州大學洛杉磯分校和聯邦機構提供檔案，點名朱松純為何能獲得數百萬美元的聯邦資助。五月，我第二次拜訪朱的辦公室時，我們討論了這些指控。一位秘書給我們倒了茶，茶杯一空就給我們續。朱否認與北京理工大學有任何關係，但承認他曾共同指導過一位來自北京理工大學的博士生，該博士生在蓮花山實驗室工作。他還告訴我，2009年，他在加州大學洛杉磯分校工作期間，他的蓮花山團隊曾向鄂州市政府申請過一項地方人才計畫的資助，他用這筆錢補貼研究人員的工資。（他說，這並非“千人計畫”的一部分。這項國家級計畫催生了許多地方類似計畫，它們借用該計畫的標籤來吸引頂尖學者到各自的地方。）他還補充說，在那裡進行的圖像註釋工作並沒有什麼“敏感”之處。他說，2010年他關閉研究所後，資金就失效了。至於為什麼選擇在中國設立研究所，朱民說，原因與這些年來在中國設立的數千家其他美國企業一樣，人工成本低。朱松純說，2020年夏天，他決定離開美國。他表示，自己對人工智慧領域的發展方向以及美國的政治氣候感到不滿。此外，還有個人因素。他的小女兒朱易是一名花樣滑冰運動員，2018年被招募代表中國參加2022年北京冬奧會。到2019年，她已成為中國公民，並在北京與中國隊一起比賽和訓練。朱告訴我，在決定離開的時候，他當時並沒有收到任何來自中國機構的工作邀請。到了秋天，他才先後收到了北京大學和清華大學的全職教授職位邀請。隨後，北京市同意資助由朱主導的一所人工智慧研究院，該研究院將被命名為“北京通用人工智慧研究院（BigAI）”。然而，兩位知情人士對朱的時間線提出了質疑。他們表示，朱與北京市的談話開始得更早——在2018年初——而且討論的不僅是他可能回國的問題，還涉及到他的小女兒。2018年1月，朱易在美國花樣滑冰錦標賽上獲得了新秀組冠軍。不久後，中國奧委會將她與自由式滑雪運動員谷愛凌一同招入同一批次。當我將這些質疑轉述給朱時，他稱這些網路上的猜測“完全錯誤”，“這不是中國的運作方式”。他說在2018年初確實討論過女兒的招募事宜，但否認在這些對話中曾討論過他自己的回國。2020年8月，朱買了一張單程機票飛往中國。加州大學洛杉磯分校的許多同事和研究生直到他已經離開，才知道他有離開的打算。他甚至對住在灣區的大女兒也隱瞞了這一決定。朱把自己的保密歸因於環境的動盪。川普第一任期內，針對華人的仇恨犯罪激增。我理解朱的意思是，他不想因為搬遷的決定而被公開當作替罪羊。他清楚自己的個人選擇承載著更大的地緣份量。在離開美國的那個早晨，朱站在自家屋外，拉著行李箱，望向陽光灑落的洛杉磯群山。在車道的盡頭，他回過頭，停下腳步，欣賞了一眼自己的玫瑰園。那是他童年時聽著村莊外世界的故事所能想像到的一切。如今，他在告別。朱松純第二次落淚——他說“感動不已”——是和學生們一起觀看錢學森生平的紀錄片時。錢學森出生於中國，畢業於麻省理工學院，是火箭科學家，參與了曼哈頓計畫，幫助研發了美國第一枚彈道導彈。在麥卡錫時代，美國當局因涉嫌間諜活動吊銷了錢學森的安全許可並將他軟禁。由於沒有證據支援這些指控，1955年，美國將他遣返回中國以換取美國戰俘。回國後，錢學森領導了一系列軍事和技術突破，幫助中國成為今天的超級大國。在他領導的“兩彈一星”計畫下，中國發展出了發射可打擊美國的彈道導彈的能力。在美國，錢學森的故事被視為美國自我毀滅的警示故事。在中國的版本中，錢學森是一位無私的愛國者，他心甘情願放棄在美國舒適的生活，來為落後的祖國服務。20世紀80年代，錢學森在朱松純這樣的有抱負的科學家群體中家喻戶曉。自從朱松純回國後，兩者之間的相似之處就更加明顯了。當我問他關於這個建議的問題時，他的回答很低調。“在美國，學者一直希望啟動人工智慧的曼哈頓計畫，”他說。“中國也應該有一個人工智慧計畫。這是很自然的，這不是什麼秘密。”當我問他，誰贏得人工智慧競賽——美國還是中國——是否重要時，他頓了頓。“我希望矽谷贏嗎？可能不會。”他說，他希望最符合倫理道德的人工智慧版本獲勝。在我們交談中，朱松純指出，考慮到川普第二屆政府的焦土政治，他的離職現在看來是多麼有先見之明。在最近的一項民意調查中，四分之三的美國科學家表示他們正在考慮離開。包括 LeCun 在內的許多人工智慧領袖都公開表示，川普削減科研預算將如何損害他們的工作。中國的大學利用這股人才外流的浪潮，吸引哈佛學生和在最近聯邦預算削減後失業的研究人員。歐盟也在做同樣的事情。美國右翼普遍認為，美國已經失去了曼哈頓計畫或阿波羅計畫所體現的雄心壯志，而且正在落後。中國電動汽車在歐洲鄉村飛馳，美國藥店嚴重依賴中國製造的原料。中國在科技期刊上發表的論文數量已經超過美國，而且這一差距可能還會擴大。每年從中國大學畢業的STEM 專業學生數量是美國的四倍。危險在於，在趕走國際人才的過程中，美國有可能失去曾經相對於競爭對手的優勢之一。（“我在北京大學的博士生至少與麻省理工學院和史丹佛大學的博士生不相上下，”朱自豪地告訴我。）對世界上最聰明的頭腦的開放幫助美國在人工智慧以及無數其他領域確立了領先地位。朱松純離開美國時，他的合作者擔心他在中國的研究會失去獨立性。相反，朱松純表示，他覺得在北京專注於研究更自由。在實踐中，中國科學家往往享有相當大的自主權，如果他們在具有戰略意義的領域工作，就能獲得充分的資源。在美國，原則上從未受到束縛的學者如今感受到了川普政府的突然打擊。數十億美元的研究經費被暫停，直到大學默許哈佛大學校長所說的對大學“知識環境”的“政府直接監管”。今年3月，哥倫比亞大學同意對其中東、南亞和非洲研究系進行新的監管。香港科技大學前校長、加州大學洛杉磯分校前學院院長陳繁昌在兩種大學體系都有工作經驗。他告訴我，他現在在美國看到的情況十分糟糕。“我們過去可以清楚地說，美國大學獨立於政客。這是美國學術體系的優勢，”陳繁昌告訴我。“我現在不能再這麼說了。”在中國和美國，朱都以一位嚴格的學術導師聞名，堅持嚴苛的學術正統。據他在北京的現任學生說，他有一句常掛在嘴邊的話，如今已被製作成動圖，在他們的群聊裡廣泛流傳：“如果你再這樣做，就會被開除！”換句話說，朱不是一個容易被說服的人。因此，當 OpenAI 在2022年推出 ChatGPT 時，中國科技界大為震驚——一位中國人工智慧創業者甚至承認自己感到“迷失”，並且“失眠”，因為被西方再次超越而備受打擊——但朱卻毫不動搖。2023年初的一次人工智慧研討會上，他避免對 ChatGPT 作為技術成就給予任何讚美。他說，大語言模型“仍然無法”達到通用人工智慧的標準，因為它們並不“具備理解或與人類價值觀對齊的能力”。同年晚些時候，朱認為對自己人生有重大影響、因錄取他進入哈佛而改變了他命運的教授芒福德前往北京領取一項數學獎。當時芒福德已年逾八十，退休近十年。芒福德告訴我，若不是想“看看宋君在做什麼”，他大概不會成行。兩人關係十分親近，過去常在朱的UCLA實驗室見面。在朱的北京大學辦公室裡，掛著一封芒福德寫給他的信，信中寫道：“我覺得你確實是我的學術繼承人。”2025年3月，北京中關村論壇上，一個類人機器人與記者握手。圖片來源：VCG/Getty Images然而，他們並非事事都意見一致。儘管朱在很大程度上對神經網路不屑一顧，但芒福德卻在其數學結構中看到了一些深刻的東西，他想鼓勵這位昔日的學生重新審視自己的觀點。“最重要的是，”芒福德告訴我，“我想表達的是，我認為 BigAI 要想成功，必須擁有一個龐大的團隊來研究深度學習技術。”在北京，芒福德陪朱松純漫步於北大校園的小溪、柳樹和鋪好的道路上，並與朱松純的家人共進晚餐。之後，芒福德開始闡述他的觀點。朱松純的朋友和學生告訴我，他的方案似乎在某種程度上奏效了。他允許學生在某些任務上試驗Transformer——最先進的神經網路架構。曾經將神經網路偷偷帶入像Contropband這樣的項目的研究人員表示，他們可以更公開地使用它們。芒福德後來告訴我，朱松純是“迄今為止我所教過的電腦視覺領域最聰明的學生”。然而，“他花了很長時間才意識到深度學習正在創造巨大的奇蹟。我認為這是他的一個重大錯誤。”儘管如此，在朱的通用人工智慧願景中，神經網路的作用始終有限。“我們並不是拒絕這些方法，”朱告訴我，“我們只是說它們有自己的用武之地。”三月的一個周六早上，朱邀請我參加在北京舉行的年度科技論壇，BigAI 正在會場展示其最新技術。一隻機器狗在會議大樓裡蹦蹦跳跳，圍觀者高喊著指令（“坐下！坐下！我說坐下！”）。不遠處，孩子們圍著一根細長的機械臂，下著圍棋策略遊戲。主廳外，一個有著杏仁色眼睛的人形女性頭部茫然地凝視著人群。當訪客走近時，它會掃描對方的面部。很快，它的矽膠皮膚開始抽動，扭出與訪客相似的面部表情。在去年的科技論壇上，BigAI 發佈了一個名為 TongTong 的虛擬人形兒童機器人，他們希望它能夠具備大多數人工智慧所缺乏的能力。研究人員普遍認為，對物理和社會世界運作方式的常識性直覺是神經網路最難掌握的技能之一。正如 LeCun 最近所說：“我們擁有能夠通過律師資格考試的法學碩士，所以他們一定很聰明。但他們不可能像任何 17 歲的孩子一樣在 20 小時內學會開車，也不可能像任何 10 歲的孩子一樣一次性學會把碗碟裝滿洗碗機。這是為什麼呢？我們缺少什麼？” TongTong 還沒有準備好從事法律工作，但它似乎能夠把碗碟裝進洗碗機。它的設計初衷是模仿三到四歲兒童的認知和情感能力。今年，BigAI 團隊首次推出了TongTong 2.0，他們聲稱它擁有五六歲兒童的能力。在一個大螢幕上，TongTong 2.0 以動畫女孩的形象出現在虛擬客廳中。在會議室前面，一位 BigAI 工程師正在現場演示 TongTong 的能力。當工程師要求 TongTong 與她的朋友 LeLe（另一個 AI 代理）合作尋找玩具時，TongTong 似乎避開了她朋友已經搜尋過的區域。後來，當 TongTong 被要求從搆不著的書架上取回電視遙控器時，她用墊子給自己額外的支撐。（當提示 ChatGPT 執行類似任務時，研究人員發現它是一個“缺乏經驗的常識性問題解決者”。朱松純認為，ChatGPT 等深度學習系統無法克服這一弱點。）目前，TongTong 僅作為一款在模擬環境中運行的軟體存在，而非物理世界中的 3D 機器人。演講結束後，BigAI 宣佈與多家機器人公司建立合作夥伴關係。對朱的技術而言，一個關鍵的考驗在於它能否以具身繫統的形式存在，並仍然能夠執行他所重視的推理和規劃功能。演講開始前，朱松純身著藍色西裝登上講台，發表主題演講。他首先將自己的人工智慧理念與所謂的“矽谷敘事”進行了對比，後者認為通用人工智慧可以通過更多資料和計算能力來實現。正如朱松純在後來發表的演講稿中所說，媒體、公眾和機構一直被一種虛假的敘事所誤導，這種敘事催生了大量空洞的中國“人工智慧研究所”，並抬高了初創企業的估值。這種誤導的後果之一是，它讓中國人誤以為他們是西方“束縛”（或稱“kabozi”）的受害者。“kabozi”一詞後來被用來指代美國對華高端電腦晶片的出口管制。對朱松純來說，阻礙人工智慧進步的關鍵因素並非計算能力不足，而是對整個主題的錯誤認識。這場最初在會議和同行評審期刊上進行的學術爭論，如今似乎捲入了一場劃時代的技術霸權之爭。朱松純的觀點非常一致，但表達資訊的方式多年來卻有所轉變。朱松純表示，中國需要“抵制盲目追隨”矽谷的敘事，發展自己“自給自足”的人工智慧戰略。然而，在我與朱松純的四次會面中，我感覺他更關注的是學術爭論的利害關係，而非兩國之間的國際競爭——他分別在這兩個國家度過了人生的一半時光。當我離開朱的四合院時，已是傍晚。太陽斜落到屋頂之下，把玉蘭花映照得一片粉紅。朱陪我走到標記著他辦公室入口的格柵籬笆前。他想再次強調，“過去30年，我一直專注於一件事。那就是人工智慧的統一理論。為了建立理解。這是我唯一的動力，”他對我說。他又提起了自己與芒福德的研究。“哈佛-布朗電腦科學學派，”朱自豪地說。“這正是我們在這裡延續的東西。” (邸報)