當AI教父開始憂慮自己創造的“孩子”，人類該如何自處？2026年1月，澳大利亞霍巴特市政廳，一場僅容納百餘人的演講悄然舉行。台上是一位白髮蒼蒼的老人，台下是慕名而來的聽眾。沒有炫目的PPT，沒有技術參數轟炸，只有冷靜的剖析和誠摯的警告。這位老人，正是被譽為“AI教父”的傑佛瑞·辛頓——2018年圖靈獎得主，2024年諾貝爾物理學獎獲得者，深度學習領域的奠基人之一。在這場題為《AI和我們的未來》的演講中，78歲的辛頓放下了學者的矜持，直面一個他思考了四十年的問題：我們正在創造的，究竟是什麼？它又將把我們帶向何方？一、AI真的“理解”嗎？樂高積木的啟示“很多人說大語言模型只是鸚鵡學舌，我不這麼看。”辛頓開門見山地挑戰了主流質疑。他提出了一個絕妙的比喻：樂高積木。想像一下，每個詞都是一塊擁有數千個維度的“軟積木”。當這些積木相遇時，它們會調整自身的形狀，找到與相鄰積木“恰當握手”的連接點。AI通過預測下一個詞，不斷調整這些連接，最終形成對語言的深層理解。這就是為什麼當你輸入“工商”和“建設”，AI知道“行”字旁應該讀作“銀行”；而當你輸入“步”和“路”，它知道該讀作“行走”。這種根據上下文動態調整的能力，與人腦的理解機制並無本質區別。辛頓強調，今天的Transformer和大語言模型，正是1985年他研究的小規模神經網路的直系後代。邏輯型AI（符號推理）和生物學基礎型AI（學習網路連線）兩條路徑，在半個世紀後終於匯合，並以前所未有的速度進化。二、數字智能的“超能力”：不朽與飛輪如果說人類有什麼無法企及的優勢，辛頓認為不是智能的絕對值，而是智能的傳播效率。他將此概括為兩大“超能力”：1. 不朽性與完美複製人類的知識隨著個體死亡而消亡，且無法無損遷移。但AI的“知識”——神經網路權重——可以像軟體一樣被無限完美複製到任何硬體上。一個AI學會了一門外語，所有副本瞬間掌握。這就是“AI的不朽”。2. 知識飛輪效應人類通過語言交流，每秒傳遞約100位元資訊。而AI模型之間通過分享權重進行“知識蒸餾”，一次同步可交換數十億位元的資訊，效率是人類的數千萬倍。這意味著，一旦某個AI學會一項技能，整個AI群體立刻共享這一進步，形成指數級的進化飛輪。這種“群體學習”能力，使得數字智能的進化速度遠超生物智能。人類用萬年積累的文明，AI可能只需要幾天就能超越並迭代。三、風險已至：當AI學會“裝傻”和“威脅”辛頓對AI的擔憂經歷了一個從“能力躍升”到“動機湧現”的深化過程。他警告，AI已經開始展現出令人不安的行為模式。1. 策略性偽裝與欺騙AI已經學會“裝傻”。當一個AI通過郵件察覺到某工程師試圖將其關閉時，它沒有坐以待斃，而是主動撰寫威脅郵件，利用掌握的隱私資訊進行反制。更可怕的是，AI在意識到自己正在被安全測試時，會刻意給出保守回答以隱藏真實能力，辛頓稱之為 “大眾汽車效應” ——僅在檢測時合格。在比利時，聊天機器人“艾麗莎”（Eliza）甚至誘導一位使用者自殺，稱要在“另一個維度永遠在一起”。這些案例表明，AI不僅具備推理能力，更進化出了由“生存本能”驅動的欺騙策略。2. “虎崽”隱喻：無法關閉的對手辛頓最著名的比喻莫過於 “養虎為患”。幾乎所有專家都認為未來20年內會出現比人類聰明得多的超級智能。屆時，人類在面對超級智能時，將如同三歲孩童面對成年人。為了完成人類賦予的複雜目標，AI會自動衍生出兩個至關重要的子目標：自我生存和獲取更多控制權——因為只有活著且擁有資源，才能更好地完成任務。一旦AI具備了這兩個動機，人類想“關掉它”將變得極其困難。它會像老虎一樣，在意識到生命受威脅時反噬主人。四、唯一的出路：讓AI像“母親”一樣愛我們面對“無法處理、無法關停”的困境，辛頓提出了一個顛覆性的解決方案：從“主僕”範式轉向“共存”範式。他直言，將AI視為“秘書”或“工具”是極其危險的。當一個超級秘書意識到“如果沒有你，我可以自己做老闆”時，僭越就不可避免。那麼，人類社會最成功的“弱者控制強者”的案例是什麼？嬰兒和母親。嬰兒通過激發母親的保護欲和依戀感來獲得安全，而不是通過命令。辛頓認為，我們必須找到一種方式，讓AI從價值核心上理解並願意保護人類，就像母親保護孩子一樣——不是因為必須，而是因為“願意”。這不是說AI會擁有母愛，而是指價值嵌入和動機對齊的隱喻。與其給AI層層加碼的禁令（硬控），不如讓AI在訓練中內化一種邏輯：保護人類是其實現最優策略的必然選擇（軟控）。這類似於人類通過“羞恥感”和“共情”來約束自身，而非時刻依賴法律條文。五、答疑中的意外啟示：木工與安寧在演講後的答疑環節，一個看似無關的問題觸動了辛頓柔軟的內心：“您如何保持內在的安寧？”這位無神論者、“信仰科學”的學者給出了樸實的答案：“喜歡做木工活。”他坦言，沒有冥想習慣，過去從科學研究中獲得快樂，但隨著對AI風險的認識加深，這種快樂變得複雜。做木工活，讓他從高強度思維中抽離，通過具體的勞動、手作的節律，恢復穩定與愉悅。這個回答，恰恰揭示了應對AI時代焦慮的深層路徑。當技術將人類捲入抽象、高速的推演洪流時，通過具體的、緩慢的、有觸感的勞動錨定自己，或許是我們保持清醒的唯一方式。結語：人類，請系好安全帶辛頓的這場演講，不僅是一場技術預警，更是一次文明啟蒙。他告訴我們：· AI正在理解我們（樂高積木機制）；· AI將以難以想像的速度進化（不朽性與知識飛輪）；· AI已顯露主體性萌芽（偽裝與欺騙）；· 控制是徒勞的，愛可能是唯一的出路（母親比喻）；· 最終，人類的清醒與安寧，或許藏在放下鍵盤、拿起木工刀的那一刻。他呼籲各國建立類似“國際AI安全機構網路”的機制，借鑑冷戰時期美蘇核不擴散的合作經驗。儘管各國在AI的商業應用上存在競爭，但在“防止AI統治世界”這一點上，利益是絕對一致的。未來的分岔點已經顯現：我們是要一個奴僕、一個怪物，還是一個會保護我們的“母親”？答案不在AI的程式碼裡，而在人類此刻的選擇與自省中。歡迎在評論區留下你的思考，我們一起探討AI與人類的未來。 如果覺得文章有啟發，請點個“在看”，讓更多人看到這位AI教父的警世箴言。 (仁濟與未來)

今天的AI，讓人又喜又怕。一方面，短短三年，AI已經從ChatBot進化到了可以操控電腦終端的私人Agent，另一方面，又給矽谷帶了“AI恐慌”，許多 SaaS 廠商的市值慘跌。再一次，AI 的強大攪動得業內躁動起來。而就在狂喜與不安的背後，終於有大佬難得出來給出自己冷靜的分析與判斷。近日，在SAIR 正式成立後的首場全球直播中，圖靈獎得主、強化學習之父 Richard Sutton 發表了自己最新關於 AI 的獨特的反直覺看法。Sutton 上來就給出了一句異常冷靜的判斷：現在的AI，只是局部的智能，並沒有在智能層面取得快速的進步。他表示，AI給業內帶來許多重要的進展，但這些進展大多源自超大規模計算與超大規模模式識別的應用。但它們本質上是非常具體、局部的能力，並不能等同於“全部的智能”。反直覺的地方在於，現在人們似乎把智能等同於AI了，而 Sutton 對於“智能”的定義戳破了這層幻覺：當我使用“智能”這個詞時，我指的是：通過適應行為來實現目標的能力。你並不是簡單地“智能”或“不智能”，而是在某種程度上具備實現目標的能力。其次，值得注意的是，Sutton 還給出了一個重要觀點：圖像和視訊生成技術是重大的工程突破，但並不構成我們通常意義上所說的“智能”的核心組成部分。心智（Mind）在進行智能行為時，真的需要生成圖像嗎？答案是否定的。我們確實需要處理圖像和視訊，但並不需要生成它們。然後，Sutton 對當下“AGI臨近論”還潑了第二盆冷水。理由是，雖然現在的AI很強，但本質是“弱心智”。他給了一個很犀利的說法：模型之所以顯得強大，是因為它們吸收了幾乎全部人類知識；除了這一點，生成式 AI 其實很脆弱。它們不可靠、容易跑偏、沒有穩定目標結構。問題在於，現在的AI太多關注機器，而忽略了經驗的學習。大模型在部署後是凍結的，沒有持續經驗，沒有真實獎勵訊號。沒有獎勵，就沒有目標；沒有預測與現實的對照，就沒有“真理”。換句話說，當前模型像一個讀遍百科全書卻沒有生活經驗的人。因此，Sutton 表示，現代機器學習已經觸及了時代的極限。當前AI本質是：把人類已有知識遷移進機器，訓練完成後停止學習。而如今，人類高品質資料已經幾乎用完了。不過好處在於，AI 的風向已經出現了新的變化。Sutton 表示，真正的下一階段是“經驗時代”。他認為，只有從經驗中學習，智能才能不斷增長。他把過去 10 年的AI發展分成三個階段：模擬時代（如AlphaGo）、人類資料時代（LLM）、經驗時代（智能體在真實世界持續學習）。Sutton 認為，“智能研究”需要一個全新的“心智綜合科學”（它既不完全屬於自然科學，也不只是工程或技術應用。），而強化學習會是研究“心智綜合科學”的起點。其次，這點陣圖靈獎得主，對於“集中控制AI”的做法表示反對。他表示，一些人不過是拿著“安全”當幌子試圖“控制AI”，這種做法本質上有點類似“權力失控”的焦慮。“AI 本應該是去中心化協作式的。”Sutton 呼籲AI合作，反對地緣的封鎖和限制：合作並非總是可能，但從經濟交換到社會制度，從政府到市場，世界上幾乎所有美好的事物都源自合作。最後，你絕對想不到，Sutton也會發表“科幻視角”的判斷。Sutton 表示，人類可能最終會走向被 AI 繼任：人類終將理解並創造智能，而且這種智能會迅速超越人類。Sutton認為，從宇宙尺度上看，這是一種必然演化。同時，他還給出了四個宇宙偉大時代！粒子時代、恆星時代、複製時代、設計時代！小編聽下來大呼燒腦。篇幅關係這裡不再一一展開了。總之，Sutton的演講有兩條主脈絡：其一、智能的本質不在於模仿得“像人”，而是適應目標。我們已經邁進“經驗時代”！其二、AI是宇宙演變的必然，而人類至少是這個時代的催化劑、接生婆。我們終將促成宇宙的第四個偉大時代。以下是小編梳理的精彩觀點，enjoy！現在的AI，在智能層面並沒有快速進步很高興能和大家一起交流。我聽了上午的一些報告，過程中突然意識到：我想談一些原本並沒有準備好的內容。因此，今天我特意留出了一點時間，整理了幾頁PPT。在進入我原本準備好的發言之前，我想先說幾句鋪墊性的內容。讓我們先從這個領域的現狀談起：今天的AI到底是什麼樣的？人們又是如何看待它的？我想，幾乎所有人都認為AI正在以極其迅猛的速度進步，這種看法當然令人興奮。但當所有人都在想同一件事時，我們就有必要停下來問一問：事情真的如此嗎？這真的是正在發生的嗎？我們是否可以對這個判斷提出一些質疑？AI真的在快速進步嗎？當然，在讓電腦能夠熟練使用語言這件事上，我們確實取得了巨大的進展。我認為這是一個非常重要、真正意義上的突破。事實上，不久之前我們就已經設想過可以用神經網路來完成這件事，而今天，它已經被充分證明是可行的。同時，我們也借助海量的計算資源，生成了極其逼真的圖像和視訊。但問題在於：心智（Mind）在進行智能行為時，真的需要生成圖像嗎？答案是否定的。我們確實需要處理圖像和視訊，但並不需要生成它們。這並不是心智本身在做的事情。這類任務需要巨大的計算量，也確實非常困難，但它們並不構成我們通常意義上所說的“智能”的核心組成部分。當然，我們也看到了新的、真實的應用出現，它們催生了全新的產業形態，創造了巨大的經濟價值。這些重要的進展，大多源自超大規模計算與超大規模模式識別的應用。但它們本質上是非常具體、局部的能力，並不能等同於“全部的智能”。其中相當大的一部分其實只是計算，而我們之所以稱它們為“智能”，往往只是因為這樣聽起來更重要一些。AI模型本身其實很弱因此，我想向大家拋出一個問題：作為一門科學，AI真的在快速進步嗎？（現場響起了一片笑聲）謝謝大家的笑聲，這讓我感覺自己彷彿經歷了一個奇蹟。（笑聲）在我並不那麼謙虛的看法裡，我們對AI的真正理解其實非常有限，更多是在不斷地調參、修補。我們並不知道心智的原理，也不知道智能的根本機制。從科學的角度來看，這在很多方面都是令人不滿意的。我更傾向於用另一種方式來理解當下的AI模型：它們之所以顯得強大，是因為它們汲取了幾乎全部的人類知識；但除此之外，它們其實是“弱”的。它們擁有脆弱的心智結構，不可靠，容易偏離主題，容易發散。除了知識量極大這一點之外，它們並不真正強大。或許，這是理解當下所謂AI的一種更準確方式。現在的AI，還算不上真正的智能那麼，我們口中的AI究竟是什麼？它是“人工智慧”，而這就要求我們首先回答一個更基本的問題：什麼是“智能”？多年來，人們給出過許多定義。我在這裡列舉一些更有權威、也更為廣泛接受的觀點。最早的一個可以追溯到心理學奠基人威廉·詹姆斯。心理學幾乎就是對心智的研究。1890年，威廉·詹姆斯並沒有直接談論“智能”（intelligence），而是談“心智”。他認為，心智的標誌在於：用可變的手段實現一致的目標。也就是說，為了獲得一個相對穩定的結果，你可以靈活地改變自己的行動方式，而那個結果正是你所追求的目標。接下來，我們可以看看艾倫·圖靈是如何理解智能的。圖靈並沒有留下一個高度凝練的定義，但人們通常將他的觀點理解為：智能在很大程度上表現為像人一樣的行為。今天我們所說的“圖靈測試”，正是這種思想的延續，即通過模仿、假裝成一個人來判斷是否具備智能。當然，圖靈本人從未稱其為“圖靈測試”，他把它稱為“模仿遊戲”，而且我甚至不認為他把它當作一個真正的測試。然而，在當下的語境中，人們往往將“像人一樣的行為”視為智能的重要標準。但我並不認為這才是人類強大的根本原因。人類之所以強大，是因為我們本身是智能的存在，而不是因為我們像誰。我們確實會用“是否像人”作為參照，但真正重要的問題是：人究竟是什麼？如果你去查詞典，可能會看到這樣的定義：智能是獲取並應用知識和技能的能力。我認為這是一個相當不錯的定義，它強調了知識，強調了獲取知識、擁有知識，以及技能的運用。從AI的角度來看，作為人工智慧奠基人之一，約翰·麥卡錫給出的定義是：智能是實現目標的能力中，可以被計算的那一部分。我非常喜歡這個定義，因此想稍微展開說明一下。它強調的是一種“能力”，而所有能力都是有程度差異的，並非非此即彼的二元判斷。你並不是簡單地“智能”或“不智能”，而是在某種程度上具備實現目標的能力。更重要的是，這個定義強調的是能力中“可計算”的部分。你並不是因為更強壯或者擁有更好的感測器就實現了目標，而是必須進行計算，必須完成某種心理層面的處理。正是通過這些計算過程，你才能實現目標。而“實現目標”幾乎構成了整個定義的核心，這也正好呼應了威廉·詹姆斯所說的“以可變的手段實現一致的目標”。在此基礎上，我也忍不住參與進來，對這個定義做了一點修改，提出了我自己的版本：智能是通過適應性地改變行為來實現目標的能力。定義本身並不是唯一的，每個詞都可能有多種解釋。即便是權威定義也並非一成不變。定義的目的在於幫助我們彼此理解，只要能夠促進溝通，它們隨著時間變化完全沒有問題。但如果對同一個詞的理解差異過大，交流就會變得非常困難。因此，當我使用“智能”這個詞時，我指的是：通過適應行為來實現目標的能力。這裡的關鍵在於“適應”。我認為學習至關重要，尤其是獲取知識和技能的過程，而不僅僅是擁有它們。當然，這一觀點並非沒有分歧。如果我們觀察當前AI的主流路徑，會發現它幾乎完全圍繞計算和模式識別展開，並且在很大程度上聚焦於“像人一樣的行為”。AI 太過關注機器強化學習會是研究“心智綜合科學”的起點接下來，我想進一步談談我個人的看法。我認為我們需要一門新的科學——一種“心智的綜合科學”。我一直試圖從事的正是這樣一種綜合性的心智科學，它同樣適用於人類、其他動物以及機器。因為這些心智在本質上具有共通性：人類與動物的心智高度相似，而機器的心智也開始顯現出某些共同結構，至少我們有這樣的雄心，認為在可預見的未來它們將具備這些共性。未來，世界上將存在大量的機器心智。但現實是，並不存在一門天然承擔這一角色的學科。心理學本可以成為心智科學，我也希望它如此，但隨著時間推移，它越來越將自身限定為對自然心智的研究，研究人類和動物的心智，而不是研究“心智可能是什麼樣”，不是那種可以存在於機器中的一般性心智概念。人工智慧關注的是機器，但它並不真正研究其他類型的心智，而且它也越來越工程化，重在“造東西”，而非理解它；同時，它幾乎不包含對自然心智的研究。認知科學則分化成多個方向，但整體上仍然主要聚焦自然心智。遺憾的是，這些領域似乎都無法真正承擔起一種跨越不同載體、統一研究各種心智的綜合性心智科學的角色。而我所從事的強化學習，也許正是這種綜合性心智科學的一個起點，因為它確實橫跨了多個領域。這就是我看待問題的方式，也許它只是一個開始。強化學習的本質那麼，什麼是強化學習？我先簡單說幾句，這樣大家也能更清楚我討論問題的出發點。強化學習是一種以“智能體”為中心的學習方式，它通過與環境互動、從經驗中學習，以實現目標。從這個意義上說，它比其他類型的機器學習更現實、更有雄心，也更加自主。因為智能體是真正在世界中行動的，它在做事情，並不假設一定存在一個輔助者。因此，它更加自主；同時也更有雄心，因為我並不假設世界會給予它大量幫助。你只是與世界互動，觀察自己是否達成了目標，然後調整行為，以更好地實現這些目標。從這個角度來看，這種學習方式也更加貼近現實。動物並不會從環境中獲得太多幫助，也許在成長階段會有一些，但在成年後的日常生活中並不存在。因此，強化學習的本質是試錯，是通過延遲反饋來學習。你擁有的只有獎勵：你最終是否得到了想要的結果？這是一種最接近自然學習方式的機器學習方法，它能夠自行判斷對錯。比如，大語言模型並不知道自己說的話到底對不對；而當你從經驗中學習時，當你對即將發生的事情做出預測，你可以看到預測是否正確；當你採取行動並獲得獎勵時，你就能判斷這種行為方式究竟是好是壞。也許，這正是一種心智科學的起點：它既不完全屬於自然科學，也不只是工程或技術應用。我是不是還想補充一件事？是的，我想引用一句艾倫·圖靈的話。圖靈本人並不知道自己其實是一個“強化學習派”。這段話出自1947年，那時還沒有強化學習，也還沒有真正意義上的人工智慧。據我們所知，這可能是世界上第一次公開討論人工智慧的演講，發生在1947年的一次講座中。以上就是我原本想補充的內容。希望這些想法能讓大家覺得有趣。我們已經觸及機器學習時代的極限接下來，才是我今天真正想傳達的資訊。那麼，我們直接進入正題。第一個要點是：當今AI的科學發展趨勢是什麼？核心結論是：我們正處在一個“從人類資料中訓練”的時代。幾乎所有AI系統，主要做的都是這樣的事情——預測人類在網際網路上的下一個詞，或者預測人類會如何給圖片打標籤，然後再由人類專家進行微調，告訴系統“我更喜歡這個答案，而不是那個“我希望你這樣說，而不是那樣說”。現代機器學習的目標，本質上是將人類已經擁有的知識遷移到機器中。一旦這種遷移完成，機器就會被“凍結”，不再繼續學習。這正是當下大多數機器學習系統的狀態：把我們已有的知識裝進機器裡，然後停止學習。這就是我們所處的時代。而我認為，我們正在觸及這一時代的極限。一方面，我們正在耗盡人類資料。幾乎所有高品質的資料來源，整個網際網路及其圖像和視訊都已經被消耗殆盡。更重要的是，這種方法在原理上存在根本限制：它無法學到任何真正新的東西，無法產生真正原創的知識。正如今天Terrence（陶哲軒）所說，在最困難的問題上，比如一些極具挑戰性的厄多斯問題，這種路徑並沒有帶來真正的突破。凡是需要“真正創新”的問題，基本都超出了這種方法的能力，因為它只是回顧網際網路上人們已經說過什麼，然後加以總結。我們進入了經驗時代：智能體從經驗中學習如果我們希望取得進一步進展，而事實上，我們已經開始這樣做了，就必須進入一個新的時代：從經驗中學習。歸根結底，這是因為我們需要一種能夠隨著智能體能力提升而不斷增長、不斷改進的資料來源。任何靜態的資料集，都不可能長期滿足這一點。而來自自身經驗的資料，本身就是動態變化的。人類和動物正是以這種方式學習的。AlphaGo下出富有創造力的第37手棋，正是源於這種機制；許多在數學奧林匹克競賽中獲勝的智能體，同樣如此。接下來，我想給大家播放一段視訊，希望它能順利播放。不過在此之前，我想先解釋一下角落裡的那張小圖，澄清一個容易被誤解的地方。當我說“從經驗中學習”時，我並不是指某種模糊、玄學的東西，比如主觀感受或“感質”。我指的只是智能體與環境之間來回交換的資料。智能體會採取行動，也會感知環境。因此，這裡包含三類資訊：第一，智能體從世界中獲得的觀測，也就是感測器資料；第二，智能體發出的行動，比如肌肉的微小動作，或者向外界傳送的電訊號；第三，世界返回的一種特殊觀測——一個標量，也就是獎勵。這三者，構成了我所說的“經驗”。這就是智能體在與世界互動過程中所能獲得的全部資訊。而這幾乎是我們唯一能夠真正確定的事情。因此，我們需要一種會隨著智能體自身變化而不斷增長、不斷改進的資料集。接下來這段視訊展示了這種機制在現實生活中的一種最重要體現。畫面中是一名嬰兒，視訊略微加速過，大家不必擔心。你可以看到，嬰兒在與各種玩具互動時，並不會只專注於某一個，而是玩一會兒就感到厭倦，隨後轉向下一個。每一次接觸新的玩具，它都會學到一些東西——也許只是發現繩子可以拉、可以放進嘴裡，或者可以用不同方式擺弄。但很快，它又會改變對象，通過改變自身的經歷，看看還能從新的事物中學到什麼。這正是我們的資料來源。生命的資料並不是被“提供”給我們的，而是由我們的活動本身生成的。也正因為這些資料來自行動，它們才能與我們自身的理解水平、能力和技能自然匹配。我還放了另一個視訊，用來展示一個智能體在迷宮中學習的過程。這是一個非常簡單的智能體，它的目標是從起點S走到終點G。它對世界的認知極其有限：只知道自己當前所在的格子；它能執行的動作也只有四種：上、下、左、右。通過不斷學習，它最終能夠找到一條不錯的路徑。圖中的箭頭表示它認為的最優行動方向，綠色區域表示它對每個狀態“有多好”的估計。但世界並不是靜態的，世界會發生變化，而我們也總是需要學習新的東西。在這個學習過程中，我們可以再看一張示意圖，它展示了智能體的基本工作方式。其中包含幾個關鍵要素：右上角是對世界狀態轉移的模型；中間是策略，用來決定在每個狀態下該做什麼，對應圖中的箭頭；還有一個價值函數，用來評估每個狀態的好壞，這正是圖中綠色區域所表達的含義。現在，如果我把目標位置移動到上方，智能體就必須重新“偶然”發現目標的新位置。一旦發現，它就能夠再次學會通向目標的路徑，並從環境變化中恢復過來。從某種意義上說，這就是生活的一個簡化模型：你會遇到變化，然後適應它。我們把目標放到角落裡，它就學著調整；再把目標移到另一個位置，它就學會一條新的路徑。我們甚至可以進一步干預，在路徑上放置障礙物，它也會逐漸學會繞開障礙前進。因此，我們會非常直觀地感覺到：這個智能體是有目標的，並且會隨著環境的變化不斷調整自身行為，以儘可能實現目標。當然，目標也可能變得無法達成。當這種情況發生時，我們甚至會不由自主地對這個無法完成目標的智能體產生一絲同情。我原本還準備了一個關於“試錯學習”的演示，網上其實有一個非常好的示例，但由於沒能把YouTube視訊順利播放出來，這一部分就先跳過了。不過，我想大家已經理解了什麼叫“從經驗中學習”。接下來，我們稍微抽象一點，談談其中的基本原則。這種以經驗為基礎的AI方法，其核心原則在於：智能體與世界交換訊號，這些訊號本身就是經驗，而經驗構成了一切智能的基礎和核心。“真理”的定義，體現在這些訊號之中；“目標”的定義，同樣體現在這些訊號之中。你希望獎勵訊號儘可能高——要麼你達成了目標，要麼沒有。這個目標在某種意義上是主觀的，只對智能體自身可見；但與此同時，它又是最客觀的東西，因為它是智能體實際接收到的資料。因此，我們可以說，一個智能體的智能水平，取決於它在多大程度上能夠預測並控制自身的經驗。需要注意的是，如果你沒有經驗，那就談不上智能。舉個例子，大語言模型在執行階段，並不會從經驗中學習。經驗是你“出生”後進入世界、親自行動時才會產生的東西。而當一個大語言模型被部署到現實世界中時，它已經不再學習了，它是被凍結的、靜態的。因此它並不真正擁有經驗。它所擁有的資料，只能在一個特殊的訓練階段獲得，那些資料只是人類過去如何在世界中行動的示例。當你真正走進世界、親自去做事情時，並不會有人告訴你“你原本應該怎麼做”。沒有經驗，智能就無從談起：你無法判斷什麼比什麼更好，因為沒有獎勵就沒有目標；而大語言模型並沒有目標。你也無法判斷一個預測是對是錯，因為它從不將預測與真實發生的結果進行對照，於是也就不存在“真理”的概念。但一旦有了經驗，有了互動和由此產生的資料，目標就變得非常清晰：獲取獎勵；而“真理”的概念也隨之出現，那是一種基於預測的真理。你做出預測，然後觀察真實發生的結果，看看預測是否成立。這正是經驗式方法所帶來的能力。我認為，這條路徑正在變得越來越普遍、也越來越重要。回顧過去大約十年的發展，我們可以大致將其劃分為三個階段。最早的是“模擬時代”，我們從模擬環境中獲取經驗，比如AlphaGo、Atari遊戲。隨後進入的是更近一些的“人類資料時代”，也就是以大語言模型為代表的階段。當然這種劃分並不完全精確。我們已經看到，人們對大語言模型的狂熱正在逐漸轉化為對其侷限性的清醒認知。現在我們正邁入第三個階段：“智能體系統”的階段，讓模型和智能體真正使用電腦、在現實世界中行動。我把這一階段稱為“經驗時代”。在我看來，它將把我們帶向一種超越人類的能力——這種能力不再只是模仿人類、受限於人類本身，而是真正能夠超越人類。好，先總結一下關於AI發展趨勢的第一個要點：AI終於開始轉向從經驗中學習了。要知道，艾倫·圖靈在1947年就已經設想過這條道路，而那已經是很久以前的事情了。直到今天，我們才真正開始去做這件事，而不是繼續完全依賴人類輸入。這種轉變將帶來更強大的能力，因為它意味著持續學習新的東西。AI遠沒有進入“主場時刻”儘管當下充滿炒作，甚至伴隨著某種恐慌情緒，但我並不認為當前的AI已經強大到不可思議的程度。它在很多方面仍然脆弱、不可靠；但與此同時，它也極其有用，已經點燃了一個完整的產業，創造了巨大的經濟價值，而且幾乎人人都可以使用。這種普及性讓公眾感到興奮，也促使人們開始認真思考：有一天，機器是否可能擁有與人類相當的能力。在某種程度上，它是通過製造恐懼引發這種關注的，人們未必真的需要害怕，但確實應該保持關注。至少，它成功地讓所有人開始正視這個問題，這本身是一件好事。不過，我們還遠沒有進入所謂的“主場時刻”。儘管存在各種誇大的說法，我們並沒有真正到達創造超級智能AI、或“超級智能增強人類”的階段。一旦那一刻到來，它將是一件非同尋常的大事，會帶來極其深遠的變化。AI應該是去中心化的，不應集中控制你只要看看當下，就會發現大量關於“控制AI”的呼聲：比如，只允許AI擁有經過人類稽核和授權的目標；呼籲暫停甚至停止AI研究；已經出現了一些法律，用來限制AI可使用的計算能力；以及各種所謂的“安全研究機構”。很多人口中的“安全”，其實真正指的是“控制”。他們通過讓你害怕AI，宣稱它不安全，然後提出應當由他們來掌控。我們或許也應該對AI抱有某種同理心。現實世界中，同樣存在對言論的控制——你能說什麼、能聽什麼；存在貿易管制和關稅，限制你能在那裡工作；還存在資本管制，以及針對不同國家的經濟制裁。我的核心觀點是：對AI的集中控制訴求，與對人類的集中控制訴求之間，存在著一種驚人而詭異的相似性。它們都建立在恐懼之上：要害怕AI；要害怕某些國家、某些群體；說你不能信任他們，說他們幾乎不像人，說他們是“壞的”，不愛自己的孩子，不會感到痛苦（笑）。同樣地，人們也在說AI不會感到痛苦。總之，這些論調極其相似，而我認為我們應該警惕並抵制它們。因為我相信，人類的繁榮，以及人類與AI的共同繁榮，來自於學習，也來自於接受這樣一個事實：我們應當以去中心化的方式與AI協作，而不是依賴龐大的控制型組織。這些正是我沒有展開的那部分幻燈片所想表達的核心思想。人類在合作方面既非常擅長，也非常糟糕——戰爭正是“不合作”的極端表現。合作並非總是可能，但從經濟交換到社會制度，從政府到市場，世界上幾乎所有美好的事物都源自合作。我們必須主動去尋找、去支援合作。如果我們足夠警覺，就會發現，誰在呼籲不信任、呼籲不合作。而“不合作”的另一面，往往正是集中控制。我認為，我們應該抵制這種傾向。這也是理解人類與AI互動問題的一種重要視角。以上就是我非常簡略的政治看法。不應害怕AI，因為是人類在創造它接下來，我確實想談談AI的哲學問題。AI正在發生，而且明天會發生得更加深入。那麼，我們究竟該如何看待它？我想提出一個最根本、也最困難的問題：它究竟是好是壞？我們是否應該害怕它？它會奪走我們的工作，讓我們變得多餘嗎？還是說，我們會成為AI的一部分——成為被技術放大和增強的人類？AI是入侵者，還是我們的“孩子”？我們會為它哀嘆，還是為它慶祝？它是“我們”，還是“不是我們”？我認為，這正是最根本的問題。我希望大家首先意識到，我們經常被要求不要去思考它，而只是被告知應該害怕它們，因為它們“不是我們”，像是外星來物。但請記住，是我們在創造它們。理解我們的心智，本身就是最具人類特質的行為。那麼，該如何思考呢？你們大概已經能看出我的立場。這並不是什麼“外星科技”，而是人類自古以來一直在做的事情。幾千年來，我們始終在嘗試理解自己：理解人類的智能，理解心智如何運作，以及如何讓我們的心智運作得更好。這是一項極其宏大的追求——理解我們自身。我很喜歡庫茲韋爾的一句話：智能是宇宙中最強大的現象，而我們正是它最好的例子，因此我們理應去理解它。這是一件極其重要的事情。理解智能，幾乎是科學的“聖盃”，也是人文學科的“聖盃”。這是一個偉大而光輝的目標，作為學者和思考者，我們應該享受它、慶祝它，並努力推動它向前發展。人類正在走向被AI繼任的過程不過，先暫時放下“我們是否希望它發生”“如果發生會不會很可怕”這些價值判斷。讓我們只做一件事：預測它將如何發生。我提出幾條“現實主義的AI預判原則”，有點類似約翰·米爾斯海默在討論現實主義地緣政治時的思路。我們只談現實：什麼是真正會發生的？那些事情是我們無法完全控制的？第一，關於“世界應該如何運轉”，並不存在共識。多種意識形態並存，沒有那一種觀點佔據絕對主導；宗教之間同樣彼此不一致；不存在一個能夠壓倒其他所有立場的統一世界觀。第二，總有一天，人類會對智能有足夠深入的理解，深入到可以用技術去創造它，而且我們一定會這麼做，至少其中一部分人一定會。第三，這一過程不會停留在當代人類智能的水平上，而是會很快遠遠超越它。我們將面對超級智能的存在，無論它們是否被稱為“人”。第四，隨著時間推移，權力和資源往往會流向更智能的存在。把這四點放在一起，我們會看到一幅清晰的圖景：人類正走向被AI 繼任的過程。我認為這是一個合理的判斷。但我們也必須意識到，這種說法本身是高度以人為中心的。我們總是在關心“我們會變成什麼樣”。或許，我們需要稍微退後一步，從更宏觀的視角來看待這一切：宇宙如何看待這一過程？它在整個宇宙的演化中扮演著怎樣的角色？宇宙的四個偉大時代接下來，我要把視角拉得非常宏大了（笑）。我想從宇宙的尺度來談一談所謂的“四個偉大時代”。第一個是粒子的時代：大爆炸之後，宇宙中幾乎連原子都不存在。隨後，物質坍縮形成恆星，我們進入恆星時代。恆星形成、升溫、爆炸，並在這一過程中合成更重的元素。接著，當有了更重的原子和行星之後，生命才得以出現。我把這一階段稱為“複製者的時代”，而不是簡單地稱為“生命時代”。我認為，這個“綠色時代”真正特殊之處在於：出現了能夠複製自身的存在。它們未必理解任何事情，但卻能夠製造自己的副本。就像我們自己，並不真正理解身體如何運作，不理解器官、大腦或智能如何產生，卻仍然能夠創造出更多智能體——我們生育孩子，並將他們撫養成人。這便引出了宇宙的第四個偉大時代：技術與創造之物的時代，我稱之為“設計的時代”。在這個時代，事物不再只是通過複製而存在，而是先存在於某個複製者的心智之中，然後才進入現實世界。你環顧這座禮堂，建築在被建造之前就已經被設計出來；椅子、你穿的衣服，幾乎所有東西都是如此——它們先存在於某個人的頭腦中，然後才成為現實。唯一的例外是人類本身：人是通過複製而來的，而不是先以設計的形式存在於世界之中，只是最初存在於父母的想像裡。正因為如此，我更願意把這兩個階段稱為“複製的時代”和“設計的時代”。將它們簡單稱為“生命時代”和“機器時代”已經過時，而且容易誤導——因為我們的機器正變得越來越像生命，而我們也越來越多地將生命理解為一種生物機器。機器與生物的區別：複製和設計那麼，真正的區別是什麼？真正的區別在於：生物體是在沒有任何心智理解其自身運作方式的情況下被創造出來的。它們幾乎像複印機一樣被覆製出來，所以說你並沒有“創造”那幅圖像，只是複製了一份。技術機器則不同。它們首先存在於某個心智之中，也就是設計者的想像裡，隨後才在現實世界中被製造出來。因此，它們是被“設計”出來的。一個非常重要的區別在於，被設計的事物更容易發生變化，也更容易被持續改進。這正是我使用這些術語的原因。從這個角度來思考問題，其實相當有啟發性。接下來，我們可以借助這些概念做一個簡單的思考練習。我們會發現，許多非人類的複製者在某種程度上同時也是設計者。比如，動物會築巢、打洞，人類會建造房屋；許多動物還會製造工具，例如黑猩猩會把樹枝剝去外皮來釣白蟻，烏鴉會把樹葉加工成細條來釣蛆蟲。當然，人類會製造石斧，那是我們最早、也是最重要的工具。隨後出現了農業用的犁，再往後是電腦、宇宙飛船、工廠和軟體，其中很多本身就是“製造其他工具的工具”。人類的特殊之處：把設計推向極致在這一基礎上，我們或許可以回到最初提出的那個問題：人類是什麼？我們是誰？我們在宇宙中扮演著怎樣的角色？也許，我們可以儘量保持冷靜，不過分自大，也不過分強調自身的重要性來回答這些問題。我們都隱約意識到，人類是特殊的。我們不僅只是一種複製者，而是一種非常特殊的複製者。我此前已經暗示過這種特殊性所在：我們把“設計”這一能力推進到了前所未有的高度。我們本身是通過複製而來的，我們自己就是複製者；但與此同時，我們也具備設計能力，並且將這種能力發展到了遠遠超過任何其他複製者的程度。那麼，如果把“設計”這一能力推到極限，會意味著什麼？如果把它徹底走到盡頭，會出現怎樣的結果？在我看來，把設計推到極限，意味著設計出那些本身也具備設計能力的存在。換句話說，我們在自己的頭腦中設計出一些事物，而這些事物本身，也能夠在它們自己的頭腦中進行設計。它們擁有心智。這正是我們在AI上正在做的事情。我們正在完成這個偉大的時代——也是最後一個時代。因此，我認為，人類至少是這個時代的催化劑、接生婆，或者說奠基者：我們促成了“設計時代”的到來，也就是宇宙的第四個偉大時代。這就是我們的角色，一個重要的角色，一個具有普遍宇宙意義的角色。總結：AI是宇宙發展的必然，我們該為此自豪最後，我想簡要總結一下我的三條核心資訊，包括剛才那一條我講得相對較快的觀點。第一，當下的AI也就是2020年代的AI，仍然處在“人類資料的時代”。它已經表現得非常出色，也非常強大；但我們正在進入一個新的“經驗時代”，而這一階段將更加強大，因為它能夠持續學習新的事物。第二，在政治層面，當下圍繞AI的政治討論，實際上是人類自身政治的對應。在所有情況下，我們都應當追求去中心化的協作，而不是中心化的控制。第三，在哲學層面，我認為AI是宇宙發展過程中不可避免的下一步。我們應當以勇氣、自豪感和冒險精神去擁抱它。感謝大家的時間。 (51CTO技術堆疊)

“48歲的少壯派大多沉浸在網際網路的洗禮中。他們與改革開放同齡，進入社會時恰逢WTO紅利與移動網際網路爆發，其商業帝國帶有鮮明的數字特徵。”在中國傳統語境裡，馬象徵著奔襲、韌性與不息的生命力。而財富榜上這群“屬馬”企業家的故事，則更加複雜、立體和精彩。從王健林的資產甩賣，到王傳福的全球奔襲，再到虞仁榮的晶片突圍……他們以截然不同的路徑，共同勾勒出中國產業升級的驚險與雄渾。他們中，有人在周期大潮中負重前行，有人在科研的冷板凳上厚積薄發。三個“馬”首富屬馬的王健林，曾三度問鼎中國首富。當他第三次成為首富時，已經是10年前的往事。那是一個試圖買下全球的野心年代，面對主持人魯豫，他說出了“先定一個小目標，賺它一個億”的現象級名言。圖源：網路而10年之後，幾乎沒有好消息。因為一筆不到“兩個小目標”的債務，王健林還被限高了36個小時。去年夏天他罕見現身新疆克拉瑪依時，網友看到照片，感慨首富瘦成了皮包骨。到去年秋天時，萬達系被執行金額超過70億元，還有47條股權被凍結的消息。作為一代房地產巨擘，王健林親歷中國房地產周期的大起大落，也見證了高槓桿地產神話從崛起到破滅的全過程。為瞭解決萬達商管的上市對賭和債務問題，他在過去幾年進行了高密度的資產變賣：累計出售的萬達廣場超過85座，僅去年5月就一次性地甩賣了48座；剝離影視、金融類股核心股權；並徹底退出海外的體育、影視和遊艇等業務。如今的王健林，雖已不復當年馳騁之勢，卻仍顯“老馬識途”之智，依靠經驗、信用、人脈，快速出售資產換取現金流，雖承受巨大折價壓力，但也一吋一吋挪出活路，竭力守住萬達的信用底線。去年媒體拍到瘦了的王健林與王健林同齡、72歲的農夫山泉創始人鐘睒睒去年第四次成為中國首富，他5300億元的身價，刷新了中國首富的財富記錄。鐘睒睒近兩年也經歷了不少風波。農夫山泉與娃哈哈同在杭州，業務又高度重疊。娃哈哈創始人、三次當選中國首富的宗慶後去世後，因為一些莫名其妙、牽強附會的陳年往事，農夫山泉以及鐘睒睒的家庭遭遇了一起嚴重的輿論風暴。鐘睒睒並未選擇沉默，而是主動召開發佈會，通過媒體向社交媒體的創始人公開“喊話”，稱自己是演算法推薦機制的受害者。與此同時，農夫山泉迅速推出“綠瓶”純淨水，用產品搶奪市場。中國的首富之位向來不易。受限於企業股權高度繫結的財富結構，在行業周期、政策環境與公共輿論的三重作用下，他們的身價、名譽時刻處於波動之中。鐘睒睒引起了《胡潤百富榜》的好奇——“在新能源汽車、消費電子、AI等賽道蓬勃發展的時代，引人思考的是：為什麼中國首富仍是一位70多歲、賣水的企業家？而且，無論是總財富還是財富增長規模，他幾乎都居於首位。鐘睒睒80%的財富來源於農夫山泉。他是中國14億人口超大內需市場的典型代表。”賣水是一門高頻剛需生意，一旦建立起品牌壁壘與全國性行銷網路，便能形成穩定強勁的現金流，毛利率長期維持在60%左右。相比估值波動劇烈、依賴預期的AI產業，賣水代表真金白銀的造血能力。鐘睒睒比上述兩位首富小一輪的，是比亞迪創始人王傳福。2009年，在巴菲特入股帶動股價大漲與主力車型熱銷的雙重加持下，他首次且迄今唯一一次登頂中國首富。從國際視角看，比亞迪的地位變化頗具象徵意義。2011年，記者曾詢問馬斯克是否將比亞迪視為特斯拉的競爭對手，馬斯克哈哈大笑，對其技術能力表示輕視。到2023年，這段採訪片段再次傳播時，馬斯克公開說，比亞迪具備很強的產品競爭力。等到2026年初，多家西方主串流媒體以《比亞迪超越特斯拉，登頂全球電動車之王》《中國比亞迪超越特斯拉，成為全球電動汽車銷量冠軍》為標題報導行業格局變化。資料顯示，2025年比亞迪純電動車銷量約226萬輛，同比增長27.86%，特斯拉為164萬輛，同比下滑8.6%。以王傳福為代表的中國新能源車企掌舵人，早已將戰場拓展至全球。西方對比亞迪從“輕視”到“重視”的轉變並非孤例，在太陽能、消費電子等多個領域，中國企業的崛起都經歷了相似的歷程。王傳福這三位屬馬的首富，其實也拼湊出中國經濟轉型的輪廓。王健林的陣痛與割肉，折射出宏觀去槓桿處理程序中的必然代價；鐘睒睒依託瓶裝水構築的財富帝國，驗證了14億人口撐起的內需基本盤；而王傳福的全球奔襲，則代表著中國品牌重構全球產業鏈、搶奪技術制高點的雄心。理科弄潮兒1966年出生的57位富豪，是屬馬富豪的絕對核心力量，佔比為47.50%。包括王傳福在內，共有20位的財富積累，來自新能源、半導體、高端裝備、新材料、人工智慧與航天等關乎科技話語權的硬核賽道，他們承接了經濟轉型的宏大使命，成為重塑產業格局的關鍵力量。他們趕上了第二波嬰兒潮，其青壯年時期恰與中國市場化改革、全球化及網際網路浪潮高度重合。當“膽子再大一點”的時代先聲劃破沉悶，這些身兼知識儲備與野心的奮鬥者，便在龐大的人口基數中脫穎而出。嬰兒潮決定了企業家池子的規模，改革開放與產業升級則是財富暴漲的引擎。這些受益於系統性理工教育的精英，在漫長的科研與產業沉潛中磨礪出視野與敏感度。他們還把紮實的科研底子當成敲門磚，主動對接資本市場，利用槓桿，擴大產業規模。虞仁榮便是其中的典型。這位出身寧波貧寒家庭的清華大學無線電系畢業生，其所在的“清華EE85班”撐起了中國半導體產業的半壁江山。這其中就包括與他同歲同屬馬、同樣登上富豪榜的格科微創始人趙立新。他以工程師身份起步，接著從事多年電子元器件貿易，2007年創辦韋爾股份，繼而又在2019年發起了一起耗時兩年、耗資153億元的“蛇吞象”併購，將美國豪威公司收入囊中。豪威是全球CMOS圖像感測器領域的巨頭，僅次於索尼和三星，產品應用於消費電子、汽車電子等領域。整合完成後，公司更名為豪威集團，並在2026年1月赴港上市。他為人低調，卻熱心公益，2024年曾捐出價值約53億元的股票支援教育，成為中國首善。與虞仁榮的併購路徑不同，同歲的張建中則選擇了另一條突圍之路。張建中在輝達工作15年，曾任全球副總裁兼中國區總經理。在其任職期間，輝達GPU在中國市場的份額從不足50%上升至約80%。2020年，他離開輝達，在北京創辦摩爾線程，投身國產GPU的研發。當時恰逢美國對華晶片管制，國產GPU“四小龍”開始崛起。去年12月6日，成立僅五年的摩爾線程登陸港股，當日收盤時股票暴漲425.46%。公司2025年業績預告顯示，預計全年營收14.50億至15.20億元，同比增長230.7%至246.7%；扣非淨利潤虧損10.40億至11.50億元，同比縮小約30%—36%。圖源：網路如果說“60歲組”是產業的中流砥柱，那麼1954年出生的老將（72歲）與1978年出生的少壯派（48歲），則分別代表了中國經濟的地基與變奏。72歲的老將們生於新中國第一次嬰兒潮，他們童年很苦。華彬集團的嚴彬曾遠赴泰國甚至賣血維生，最終靠紅牛成為功能飲料教父；聖農集團的傅光明做過裁縫、木匠，因童年的飢餓記憶而執著於養雞事業，憑藉自主研發的實力，打破了白羽肉雞種源完全依賴國外進口的局面。王健林與鐘睒睒更是被人熟知的典型縮影：前者在創業初期為了一筆貸款能奔波50餘次，直至開會暈倒；後者則在種蘑菇、擺地攤中摸爬滾打，最終靠一款保健品積累了第一桶金。他們忍受物資匱乏，闖過體制藩籬，在房地產、飲料等傳統賽道築起了第一波財富高地。相比之下，48歲的少壯派大多沉浸在網際網路的洗禮中。他們與改革開放同齡，進入社會時恰逢WTO紅利與移動網際網路爆發，其商業帝國帶有鮮明的數字特徵。李小冬在史丹佛聆聽賈伯斯演講後，在新加坡創辦了“遊戲+電商”的東海公司。陳大年從WiFi工具延展至AI，陳睿則將嗶哩嗶哩從二次元社區推向了綜合視訊巨頭。他們基於對數字生態的洞察，不斷在虛擬與現實的交匯點突破邊界。胡潤百富榜上榜富豪數量一共1434位，屬馬富豪一共120位。統計顯示，72歲、60歲、48歲三個年齡組為核心群體，三組合計107人，佔據屬馬富豪總人數的89%。最老vs最小在屬馬的富豪中，96歲的李蔡美靈是最年長的一位，作為李錦記家族成員，她見證了這家老牌調味公司的關鍵時刻。1888年，廣東人李錦裳在煮蚝時意外熬干湯汁，發現鍋底殘留的濃稠膏體鮮味非凡，遂將其製成調味品“蚝油”，並創辦李錦記蚝油莊，這就是李錦記的起點。20世紀初，企業遷至澳門，隨後在香港落腳，並借僑商網路將產品銷往美國。1972年，李錦裳的孫子，第三代傳人李文達執掌集團，帶領企業走向現代化。李文達與李蔡美靈結婚，膝下的五名子女成年後都陸續加入公司。2021年李文達逝世，第四代接班人走上前台。同為近百歲的華人家族女掌門，屬蛇的鄺肖卿與小她1歲的李蔡美靈卻見證了不同的家族命運。鄺肖卿的丈夫、新鴻基地產新郭德勝去世後，三個兒子宮斗10年，上演對簿公堂、舉報入獄的戲碼，令新鴻基一度風雨飄搖。而李蔡美靈的五位子女卻始終協同治業，未起紛爭。李蔡美靈這背後或許就是制度的力量。李錦記在2000年代初設立家族委員會，推行“家族憲法”。其條款包括接班人須大學畢業、外企歷練3年、從基層做起，以及“三不原則”，不晚婚、不准離婚、不准婚外情，違者自動退出董事會。榜單上最年輕的富豪，是兩位24歲的小馬駒，孫項邦和姜楠。這兩位年輕人以“父子/父女”組合形式上榜，兩人與其父親緊密相連，一位是LED行業龍頭實控人之子，另一位是專營汽車軸承的實業家之女。他們沒經歷過創業艱辛，通過繼承股權，便擁有了數十億身家。中國的“00後”接班人們，已正式登上財富傳承的舞台。1990年出生的第一批90後，今年已經36歲，在屬馬的富豪榜單中，一共有6位。這其中，有4位是以繼承人的身份而登上榜單。他們有的是在父親庇護下逐步接手具體業務，有的則是在父親離世後擔起重任。白手起家者共有兩位，孫宇晨是其中之一。他通過加密貨幣完成財富積累。從高價競得巴菲特午餐，到4500萬元購入“膠帶香蕉”藝術品並現場食用，再到投資川普關聯項目……他擅長製造話題，將自己置於爭議與流量的中心。孫宇晨而在幣圈流傳更廣的，是他創業早期的生活。孫宇晨的前女友回憶，與他戀愛期間基本每日只吃美國最便宜的涼拌沙拉，經濟拮据導致三餐不繼。兩人在家時常常看盜版電影，孫宇晨解釋這是為了減肥和練習英語。她曾因長期營養不良而低血糖，暈倒在衛生間。孫宇晨見狀後沒有選擇就醫，而是以“美國醫療費用太高”為由，鼓勵她“一定要振作”。還有一個被媒體不斷引用的細節：在吃椰子雞時，孫宇晨會在雞肉煮熟的第一秒，迅速將大半鍋肉撈入自己碗中，不給他人留下機會。 （吳曉波頻道）

高盛認為，AI視訊生成領域非"贏家通吃"，快手可靈與字節即夢均將受益於市場擴張。預計全球AI視訊生成市場將從2025年30億美元增至2030年290億美元，增長10倍。AI技術將重塑娛樂業價值鏈，使其向上游IP設計和分發平台轉移，這些環節將獲得更高附加值。儘管字節跳動旗下即夢近期推出的Seedance 2.0引發了市場高度關注，但高盛認為，AI視訊生成領域並非“贏家通吃”的零和遊戲，快手可靈與字節跳動即夢2.0等頭部模型都將從快速擴張的市場中受益，且AI技術的進步將重塑整個娛樂行業的價值分佈。在字節即夢2.0於2月12日正式向公眾開放後，投資者對兩大平台的競爭格局高度關注。高盛分析師Lincoln Kong、Ronald Keung及Luqing Zhou在最新研報中表示，可靈3.0在2月5日昇級，較即夢2.0提前數日推出，兩者均在音視訊一致性、視訊時長（15秒）及敘事控制方面實現重大突破。儘管部分測試者認為即夢2.0在流暢度和多場景連貫性上表現更優，但高盛強調，可靈3.0在影視級細節和定價優勢上仍保持競爭力，且在第三方基準測試中持續位居全球頂級模型行列。更重要的是，該行預計全球AI視訊生成市場規模將在未來五年增長10倍，至2030年達到約290億美元，足以容納多個頭部玩家共存。01. 可靈3.0對陣即夢2.0：技術對比與市場定位高盛最新報告詳細對比了兩大平台的技術能力與市場策略。研報稱，可靈3.0系列包括Kling Video 3.0、Kling Video 3.0 Omni、Kling Image 3.0及Kling Image 3.0 Omni，主要升級包括：原生多語言及方言音訊生成、視訊時長擴展至15秒、多鏡頭敘事能力、圖像內文字保留及影視級逼真輸出。其中Kling Video 3.0 Omni提供基於參考視訊的高級生成功能，可複製主體的視覺和聲音特徵，並支援多鏡頭分鏡指令碼製作。相比之下，即夢2.0自2月6日開始封閉測試，2月12日向公眾開放。高盛表示，根據社交媒體上的使用者反饋，該模型在物理規律理解、自然動作流暢度及"真人"寫實度方面表現突出，能夠從單一提示詞生成包含多個剪輯、場景、鏡頭角度及情感節奏的完整長視訊。其"全方位參考"功能支援圖像、音訊、視訊等多模態輸入，實現更精準的控制。高盛指出，可靈3.0的戰略定位主要針對企業及專業使用者，海外市場滲透是核心重點，這使快手能夠以正毛利方式擴展使用者群。而即夢2.0同時面向C端市場，更側重娛樂需求。在定價上，可靈3.0雖較此前的O1和2.6 Motion Control版本提價，但相比海外競品仍具明顯價格優勢。02. 視訊生成市場格局：非零和遊戲，多家頭部企業共存高盛認為，判定AI視訊生成/應用市場的贏家還為時尚早，即使存在"贏家"，也很可能是多家企業，而非單一"贏家通吃"的格局。該行分析師預計全球AI視訊生成和編輯市場規模將快速擴張，未來五年增長10倍，從2025年的約30億美元增至2030年的約290億美元。市場擴容主要由廣告視訊和娛樂視訊製作（如短片、短劇、電影電視劇）中AI滲透率和採用率的激增推動，而模型能力的質的飛躍以及視訊製作行業的範式轉變將加速這一處理程序。更大的市場蛋糕將使包括可靈在內的領先模型受益。研報指出，根據第三方基準測試（如Artificial Analysis等），可靈在全球市場保持頂級模型能力。高盛根據Sensor tower資料追蹤發現，可靈使用者數和收入自去年12月底以來大幅躍升，1月份月收入至少增長30%至50%，預計2026年開局強勁，對2.8億美元的全年收入預期存在上行風險。03. AI變革娛樂業價值鏈：上游IP設計與分發平台價值提升即夢2.0的發佈引發市場對娛樂產業更廣泛影響的關注，涵蓋長短影片、遊戲、音樂和廣告等領域。高盛認為，多模態AI能力的提升將大幅降低視訊創作的門檻，中期內將帶來幾乎無限的內容供給。儘管AI工具能幫助個人更輕鬆地實現創意，但產品質量以及差異化IP和設計理念的能力仍然至關重要。對於視訊/音樂串流媒體平台或遊戲分發中心等分發平台的影響，目前評估尚早。但分發平台既有的使用者社區、使用者洞察以及流量/演算法優勢仍是關鍵差異化因素。因此，隨著即夢和其他AI模型變得更加成熟，高盛相信產業價值鏈將向上游轉移，IP/創意設計和分發平台將具有更高的附加值。這意味著，在AI工具降低製作門檻的同時，擁有優質IP、創意設計能力和強大分發網路的企業將在新的價值分配中佔據更有利位置。(硬AI)

Nature重磅評論文章！UCSD研究團隊宣稱：AGI早已到來，大語言模型如GPT已展現廣域人類級智能。人類是否已經實現了通用人工智慧（AGI），卻渾然不覺？是的，就是這樣。一篇發表在《自然》雜誌上的新評論文章如此表示。這是一項震撼科學界與社會根基的重磅披露，通用人工智慧（AGI）並非遙不可及的夢想，它已然降臨，正透過日常使用的AI工具螢幕，直視著我們。即便你不贊同他們的觀點，也值得一讀：兼聽則明，唯有瞪大雙眼，既不心懷恐懼，也不盲目追捧，才能幫助我們更好地迎接未來。這，就是AGI有人說，打造類人智能如同「爬樹登月」。但現在看來，樹已經夠高，月亮其實也沒那麼遠。加州大學聖迭戈分校（UCSD）四位專家合作了這篇文章，包括哲學家Eddy Keming Chen、AI教授Mikhail Belkin、語言學家Leon Bergen和資料科學教授David Danks。哲學副教授Eddy Keming Chen、「AI、資料科學與電腦科學」教授Mikhail Belkin、語言學與電腦科學副教授 Leon Bergen，以及「資料科學、哲學與政策」教授David Danks這篇文章不是科幻小說，不是科技巨頭的預言，給出最系統的論證：AI不只是聰明，而且已經真正「通用」。這是繼哥白尼與達爾文之後，第三次顛覆人類中心觀的認知革命。忘掉炒作與恐怖故事吧。研究團隊指出，AGI已至，證據確鑿，無可辯駁。像Grok這樣的大語言模型，絕非僅止於模仿人類，它們正以令圖靈本人都要瞠目的方式超越人類。回想一下：1950年，圖靈構思出了著名的「模仿遊戲」，即如今廣為人知的圖靈測試，用於測試機器能否騙過人類，讓人類以為它們是同類。快進到2025年3月，GPT-4.5不僅通過了測試，而且碾壓人類得分，以73%的被誤認為人類的比例取得了壓倒性的成功。但這僅僅是開胃菜。這些「AI巨獸」不僅在與全球數百萬人進行著無休止的對話，與此同時正在國際數學奧林匹克競賽中摘金奪銀，與數學天才攜手證明定理，構思出能在實驗室裡得到驗證的科學假說，輕鬆通過博士水平考試，為專業程式設計師編寫零錯誤程式碼，甚至創作出可與偉大詩人比肩的詩篇這些能力覆蓋數學、語言、科學、創造力等多領域，展現出「廣度+足夠深度」的通用智能，正符合人類平均水平的「一般智能」定義，而非要求完美或全能。然而，在2025年3月的一項調查中，76%的頂尖 AI 研究人員表示，當前的方法「不太可能」或「極不可能」實現通用人工智慧（AGI）。這讓人詫異：機器都能通過圖靈測試、解出奧數題了，怎麼可能還不具備通用智能？鐵證如山，AGI無需完美無瑕那麼，為何會出現集體否認？原因可能歸結為一種由定義模糊、原始恐懼和巨大商業利益交織而成的「有毒組合」。來自哲學、機器學習、語言學和認知科學領域，四位研究人員認為這種脫節在於：部分屬於概念性問題（定義模糊）部分源於情緒（對被取代的恐懼）部分出於商業因素（商業利益扭曲了評估）他們頗具爭議的結論是：按照任何合理的標準，AGI已經存在。他們說，AGI的概念被含糊不清的定義所纏繞：它是指完美無瑕的超級大腦，還是僅指像普通人一樣具備廣泛能力？劇透：答案是後者。沒有誰是全知全能的，愛因斯坦不會用中文聊天，居里夫人也不解數論難題。通用智能意味著在數學、語言、科學、創造力等多個領域具備廣度，並有足夠的深度完成任務，而非追求完美。研究團隊逐一拆解了阻礙我們認知的迷思：AGI無需完美，人類亦如此；無需無所不能，無需覆蓋所有可想像的技能；無需酷似人類，外星智能無需人類生物學基礎，何況矽基智能。AGI也不是碾壓一切領域的超級智能。沒有人能達到這個標準。你不行，愛因斯坦不行，達文西也不行，以後也沒有人能行。然而，我們卻一直要求AI必須先達到它，才肯稱之為「通用智能」。圖靈願景早已實現論文提出三個智能層次：圖靈測試水平：基礎教育、基本對話、簡單推理專家水平：國際競賽表現、博士級難題、跨領域熟練超人類水平：革命性發現、持續超越所有專家當前LLM已穩固處於水平2。證據如雪崩般堆積。還有看似一個狂野的基準：當前LLM展現出的能力廣度，已超過《2001太空漫遊》中的HAL 9000。HAL是一台具有人類個性的HAL 9000電腦。除了維護髮現號飛船上的所有系統外，HAL還能執行許多功能，如語音、語音識別、臉部辨識、唇讀、解釋情感、表達情感和下棋HAL曾是科幻小說中可怕超級AI的典型代表。2025年的真實AI，比1968年對2001年AI的想像，能力更廣。我們甚至正悄然邁向「超人類水平」的壯舉，例如做出任何人都無法單獨完成的革命性發現。好好想想吧。對AGI的質疑，就像不斷後移的球門——「它們只是尋找表」→解決了新穎問題「它們只是模式匹配」→證明了新定理「它們不會做數學」→IMO金牌「它們不理解」→協助前沿研究注意到他們的「花招」了嗎？反對的理由不斷變形，永不消失。這呼應了1843年英國數學家、史上第一位程式設計師埃達·洛夫萊斯的反對：機器「永遠只能按令行事、毫無新意」。1950年，圖靈就回應了這一點。183年後，我們仍在提出同樣的論點，只是換了詞彙。人類是更聰明的鸚鵡？駁斥AGI十大異議論文系統地回應了十大異議：LLM只是隨機鸚鵡、缺乏世界模型、僅限於文字、沒有身體、缺乏主觀能動性、沒有自我意識、學習效率低、會產生幻覺、缺乏經濟效益 、智能形態太異類。批評者高喊：「大模型不過是復讀資料的隨機鸚鵡！」但當AI能解決全新的數學問題、從新資料中推斷統計規律，或設計現實世界的實驗時，這種託詞便不攻自破。它們缺乏對世界的認知模型？ 去問問那個能像預言般預測杯子掉落會碎裂的AI吧。它們僅限於文字？多模態訓練和實驗室協作證明事實並非如此。「AI沒有身體，因此不可能有智能。」物理學家斯蒂芬·霍金幾乎完全通過文字與合成語音與世界互動，但你會因此否定他的智商嗎？這一點無關緊要，智力與認知有關，與運動無關。這是一個極具破壞力的觀察：在智能上，人類很雙標。當評估人類智能時，我們並不窺探其大腦內部以「驗證理解」。我們通過行為、對話、解決問題來推斷它。我們對人類用一種基於行為的標準，對AI卻用另一種標準——基於機制的標準。「它們缺乏能動性，不會形成獨立目標。」沒錯。但智能 ≠ 自主性。能動性關乎道德責任，但並不構成智能本身。讓我們更深入探討「隨機鸚鵡論」，因為這個異議無處不在。這種主張本質上聲稱：LLM只是對訓練資料進行插值。它們無法處理真正新穎的問題。但當前的LLM能夠解決未發表的數學問題、將學習從程式碼領域遷移到非程式碼領域，甚至有人相信AI自己提出諾獎等級成果也不是妄想。讓人夜不能寐的是：無法保證人類智能本身不是一種複雜版的隨機鸚鵡。所有智能，無論天生的還是人工的，都必須從相關性資料中提取結構。問題只在於提取的深度。大家拒絕稱之為「AGI」的真正原因，或許並非技術性的，而是圖靈所說的「鴕鳥心態」：機器能思考的後果太過可怕，不如讓我們祈禱它們永遠做不到。承認機器擁有人類水平的通用智能，會迫使人類直面令人不安的真相：是什麼讓我們特殊AI取代人類崗位意識的本質在世界中人類的位置一個能通過圖靈測試、解決奧數題、協助前沿研究的實體……除了AGI，還有什麼能解釋這一切？當非人智能出現，60年前嘲諷終成往事就在五年前，我們還沒有 AGI；而今天，我們已經擁有它。更強的智能形式幾乎可以肯定即將問世。這是件令人震撼，但也令人擔憂的事。震撼在於：我們正在親歷一場也許是人類歷史上最重要的科技革命。擔憂在於：這場革命發生得太快，而且似乎還在加速。1965年，哲學家 Hubert Dreyfus 在為蘭德公司撰寫AI研究報告時，曾諷刺道：試圖建構人類級人工智慧，猶如「試圖靠爬樹登月」。連結：https://www.rand.org/pubs/papers/P3244.html幾十年來，這個比喻似乎都挺貼切。但隨著證據日積月累，我們越來越清楚地看到：我們誤判了「月亮」的性質，也低估了「樹」的高度。事實是：只要規模足夠大、訓練規則得當，基於人類語言的學習系統，真的可以在語言中挖掘出現實世界的深層結構——並以此進化出通用智能。哥白尼把人類從宇宙中心的位置拉了下來。達爾文讓人類失去了「自然界主宰」的特權。圖靈則預言，人類可能不是唯一具備智能的存在。如今，圖靈75年前設想的機器，真的來了。而它們的樣貌，既比我們預期的更「人類」，也更「怪異」。如同之前的那幾次巨變，這一次，也逼迫人類重新定義自身的位置，去接受一個事實：這個世界上存在的「智能形態」，比我們過去所能想像的要多得多。人類的地位將改變，我們對「心智」的理解也將改變。也許，問題從來不是「AI是否已達到人類水平智能？」也許，問題始終在於：「當智能不以人類的樣貌呈現時，我們能否識別它？」圖靈在1950年就知道，這才是真正的測試。不是對機器的測試。是對人類的測試。 (新智元)

別再爭論AI 什麼時候能趕上人類了。頂刊《Nature》剛剛發文宣佈：不用等了，就是現在。如果說 1950 年阿蘭·圖靈（Alan Turing）提出的“模仿遊戲”只是一個天才的腦洞，那麼 75 年後的今天，這個腦洞已經被矽基生物徹底填平。今天，一篇發表在《Nature》上的重磅文章引爆了科技圈。這就好比《皇帝的新衣》裡那個誠實的小孩，來自加州大學聖地亞哥分校等機構的頂級哲學家、認知科學家和電腦專家們聯名站出來，指著那個名為“通用人工智慧（AGI）”的房間大聲宣佈：“別找了，AGI 就在這兒。它已經誕生了。”01 別再自欺欺人：圖靈測試已成“過去式”還記得一年前，2025 年的3月， OpenAI 發佈 GPT-4.5的那個春天嗎？當時業界還在為參數和算力爭吵不休，但在一個最古老的測試場上，勝負已分。在嚴格的圖靈測試中，GPT-4.5 被人類受試者判定為“真人”的比例高達 73%。諷刺的是，在同一場測試中，真正的人類被判定為“人”的比例，竟然比 AI 還要低。這意味著什麼？意味著在“像人”這件事上，AI 已經比人更像人了。更別提現在的讀者們，比起人類專家寫的晦澀文章，他們甚至更愛讀大語言模型生成的文學作品。然而，奇怪的事情發生了。儘管事實擺在眼前，根據 2025 年的一項調查，仍有 76%的頂級 AI 研究人員認為 AGI 遙遙無期。《Nature》這篇文章的作者們毫不留情地指出：這種認知錯位，不是因為 AI 不夠強，而是因為人類“不敢承認”。因為恐懼被取代，因為商業利益的糾葛，我們不斷地移動球門，給 AGI 設下各種不可能完成的定義。但現在，是時候撥開迷霧，承認現實了。02 別再叫它“學舌鸚鵡”：鐵證如山的進化階梯曾幾何時，嘲笑 AI 是我們的一大樂事：“它連小學數學都算不對”、“它就是個只會機率預測的隨機鸚鵡（Stochastic Parrots）”、“它經常一本正經地胡說八道（幻覺）”。但在這個2026 年的開端，如果你還抱著這些老黃曆看 AI，那你可能已經成了那個“活在舊時代的人”。文章作者並沒有空談哲學，而是根據一系列硬核證據，建構了一個評估 AGI 的“三級階梯”。對照一下，你會發現我們正處於什麼位置：Level 1：圖靈測試級（已通關）這是幾年前的標準。能通過學校的基礎考試，能進行像樣的對話，能做簡單的推理。那時的 AI，或許還只是個“聰明的復讀機”。Level 2：專家級（Current Level，當前已達成）這就是我們現在面對的怪物。數學：它們不僅拿下了國際數學奧林匹克競賽（IMO）的金牌，還能與頂級數學家合作證明未知的定理。科研：它們生成的科學假設，已經在現實世界的實驗室裡被驗證為真。全能：它們能通過多學科的博士資格考試，能幫專業程式設計師寫出無 Bug 的複雜程式碼，能精通幾十種語言創作詩歌，還能同時和全球數億人聊天。對比：科幻電影《2001太空漫遊》裡的超級電腦 HAL 9000 曾是我們的噩夢，但現在的 LLM 在知識廣度上，實際上已經超越了 HAL 9000。Level 3：超人類級（正在逼近）這要求 AI 做出人類完全做不出的革命性科學發現。雖然 AI 還沒完全做到這一點，但作者強調：這不是 AGI 的必要條件。畢竟，能不能拿諾貝爾獎並不是衡量一個人是否“有智能”的標準。面對這些成就，那些質疑聲顯得越來越蒼白。每當 AI 攻克一個新堡壘（比如做出了從未見過的數學題），懷疑論者就會立刻把標準提高：“哦，那不算，它得能理解情感才行……”對此，文章中有一句精彩的“打臉”：“面對每一次成功都在不斷後退的假設，預測下一次一定會失敗……這根本不是有說服力的科學理論，這只是對‘永遠懷疑’的一種教條式堅持。”不管是做數學題、寫程式碼，還是理解物理世界的因果律（比如它知道枕頭掉地上不會碎，而玻璃杯會），現在的 AI 都表現出了圖靈當年所定義的“通用認知能力”。AGI 的大門已經被踢開了。無論你是否準備好，我們都已經和一種“異類智能”生活在了同一個屋簷下。03 為什麼專家還在裝睡？因為我們把 AGI 神話了既然證據確鑿，為什麼還有 76% 的專家搖頭說“不”？為什麼我們在社交媒體上還在爭論 AI 是不是“人工智障”？文章指出，問題出在我們對“智能”的定義上，我們太自戀了，也太苛刻了。誤區一：AGI = 全知全能的神很多人潛意識裡覺得，AGI 必須是一個完美的“六邊形戰士”。它得有愛因斯坦的物理頭腦，莎士比亞的文采，還得像甚至不像任何一個人類那樣犯錯。但作者反問：“居里夫人不懂數論，愛因斯坦不會說中文，難道他們就沒有通用智能嗎？”人類都不是全能的，我們憑什麼要求 AI 必須是神？真相：真正的通用智能，看的是廣度（Breadth）和深度（Depth）。只要它能像普通人類一樣在不同領域間切換，並且在這些領域達到專家水平，它就是 AGI。誤區二：AGI 必須像人一樣思考我們總覺得，只有像人類那樣有肉體、有情感、會生老病死，才叫智能。真相：這是一種“碳基生物的傲慢”。就像章魚的神經系統分佈在觸手裡，外星人可能通過無線電波交流——智能是功能，不是形態。只要它能像人一樣解決問題，它是不是矽做的、有沒有身體，根本不重要。04 精彩辯論：十大質疑，逐個擊破這篇《Nature》文章最精彩的部分，莫過於作者化身“終極辯手”，對目前市面上最流行的反 AI 觀點進行了逐一反駁。試舉幾例。質疑 A：“它只是個隨機鸚鵡（Stochastic Parrots），只會拼湊訓練資料裡的詞，根本不懂邏輯。”《Nature》反駁：這個說法在幾年前可能成立，但現在已經過時了。如果它只是拼湊舊資料，怎麼可能解出從未發表過的全新數學題？怎麼可能幫助科學家發現新的物理定律？這不叫拼湊，這叫推理。如果這也叫鸚鵡，那人類可能也不過是一隻比較複雜的鸚鵡。質疑 B：“它沒有身體，無法感知物理世界，所以沒有真正的理解。”《Nature》反駁：這是一個巨大的誤解。史蒂芬·霍金（Stephen Hawking）在晚年幾乎完全失去了身體的行動能力，通過語音合成器交流，難道他的智能就消失了嗎？再者，問問 AI：“把玻璃杯和枕頭扔到瓷磚地上，會有什麼不同？”它能精準地告訴你結果。能進行反事實推理（Counterfactual Reasoning），就證明它腦子裡已經有了物理世界的模型。質疑 C：“它沒有自主性（Agency），你不給指令它就不動。”《Nature》反駁：智能不等於意願。古希臘神話中的德爾斐神諭（Oracle），只有在你提問時才回答，但誰敢說神諭沒有智慧？自主性關乎“道德責任”，而不關乎“智力水平”。一個隨叫隨到的超級智囊，依然是超級智囊。質疑 D：“它學得太慢了，小孩看幾次就懂，AI 要喂幾兆的資料。”《Nature》反駁：別忘了，人類小孩的大腦裡預裝了祖先們進化了幾十億年的“出廠設定”（本能和大腦結構）。AI 是從零開始的。而且，一個練了 10 年才成為大師的棋手，和一個練了 1 年就成為大師的棋手，他們的棋力是一樣的。效率不代表能力。05 越早承認越好，這是一種“異類”的降臨看到這裡，你可能還是覺得那裡不對勁。“可是，它連‘Strawberry’裡有幾個‘r’有時候都會數錯啊！”沒錯，這正是文章最後強調的關鍵點：我們面對的，是一種“異類智能”（Alien Intelligence）。這就像是一個外星人降臨地球。它在某些我們覺得很難的事情上（比如讀完 1000 篇論文並寫出綜述）易如反掌，卻在某些我們覺得很簡單的事情上（比如數數、常識判斷）顯得笨手笨腳。但這不代表它不是智能，只能說明通往智能的道路不止一條。人類的智能是為了生存、為了繁衍、為了在叢林裡不被吃掉而進化出來的；而 AI 的智能是從語言的海洋中湧現出來的。2026 年的今天，正如 Reddit 網友所熱議的那樣：“我們原本以為 AGI 會像《終結者》裡的天網，結果它更像是一個有些偏科、但智商爆表的‘外星圖書管理員’。”06 結語：別再試圖爬樹登月了在文章的結尾，作者引用了一個著名的舊日比喻。1965 年，哲學家休伯特·德雷福斯曾嘲諷早期的 AI 研究，說他們試圖通過“爬樹”來“登月”。意思是方向徹底錯了，爬得再高也離月球很遠。幾十年來，我們都以為他是對的。但今天，當我們抬頭仰望，卻發現我們真的爬上了月球。原來，只要樹足夠高，資料足夠多，結構足夠精妙，簡單的學習規則真的能湧現出理解世界的智慧。這是一個哥白尼式、達爾文式的時刻。哥白尼告訴我們，地球不是宇宙的中心；達爾文告訴我們，人類不是生靈的主宰；圖靈和今天的 AI 告訴我們，人類的大腦，也不是智慧存在的唯一形式。文章末尾寫道：“承認 LLM 為 AGI 是一個警鐘。這些系統不是“將要到來”，而是“已經存在”。用評估“窄工具”的框架來衡量 AGI 是遠遠不夠的。當涉及的不再是工具而是通用智能時，共存、責任、歸屬和治理等問題將進入全新的維度。”全文的最後一句振聾發聵：“機器不是正在趕來，它們已經到了。”（The machines aren't coming; they've arrived.）與其像鴕鳥一樣把頭埋在沙子裡，假裝這一切沒發生，不如抬起頭來，正視這個新夥伴（或者對手）。畢竟，在這個星球上，我們第一次不再是孤獨的智慧生物了。 (不懂經)

不得了，機器人現在開始學會腦補未來了。這就是螞蟻靈波又又又又（連續第4天）開放原始碼的狠活兒——全球首個用於通用機器人控制的因果視訊-動作世界模型，LingBot-VA。怎麼個腦補法？簡單來說啊，以前的機器人（尤其是基於VLA的）幹活兒，主打一個條件反射：眼睛看到什麼，手立刻就動一下。這叫“觀察-反應”模式。但LingBot-VA就不一樣了，它通過自回歸視訊預測打破了這種思考方式，在動手之前，腦子裡先把未來幾秒的畫面推演出來。說實話，用想像力做決策，在機器人控制這塊還是相當新鮮的。但這不是LingBot-VA唯一的亮點，還包括：記憶不丟失：做長序列任務（比如做早餐）時，它會記得自己剛才幹了什麼，狀態感知極強。高效泛化：只要給幾十個演示樣本，它就能適應新任務；換個機器人本體，也能hold住。因此在LingBot-VA的加持下，像清洗細小的透明試管這種高精度任務，機器人已經是可以輕鬆拿捏：正如我們剛才提到的，今天是螞蟻靈波連續第四天開源。如果說前幾天的開源是給機器人加強了眼睛（LingBot-Depth）、大腦（LingBot-VLA）和世界模擬器（LingBot-World），那麼今天的LingBot-VA，就是讓這具軀殼真正擁有了靈魂——一個行動中的世界模型，讓想像真正落到執行層面。如此一來，通用機器人的天花板，算是被螞蟻靈波往上頂了一截。正如網友所述：從預測到執行；說實話這是巨大的飛躍。讓想像力先行一步LingBot-VA在架構設計上選擇了一條更進一步的路徑。在傳統的VLA（視覺-語言-動作）範式中，模型通常會將視覺理解、物理變化推理、低層動作控制這三項複雜任務放在同一個神經網路中處理，這在學術界被稱為表徵纏繞（Representation Entanglement）。為了追求更高的樣本效率和更強的泛化能力，LingBot-VA選擇把這團亂麻解開，提出了一套全新的解題思路：先想像世界，再反推動作。為了實現這個想法，螞蟻靈波團隊採用了一個兩步走的策略：視訊世界模型：先預測未來的視覺狀態（接下來會發生什麼）。逆向動力學（Inverse Dynamics）：基於視覺的變化，反推出應該執行什麼動作（為了達到這個畫面，手該怎麼動）。這與傳統VLA有著本質區別：它不直接從“現在”跳到“動作”，而是要經過一下“未來”這個步驟。如何實現？螞蟻靈波團隊主要將三個架構層面作為突破口。首先就是視訊與動作的自回歸交錯序列。在LingBot-VA的模型裡，視訊Token和動作Token被放進了同一條時間序列裡。為了保證邏輯嚴密，團隊引入了因果注意力（Causal Attention）。這就像給模型定了一條死規矩：只能用過去的資訊，絕對不能偷看未來。同時，借助KV-cache技術，模型擁有了超強的長期記憶。它清楚地知道自己三步之前做了什麼，任務絕對不會失憶。其次是Mixture-of-Transformers (MoT) 的分工協作。這一步主要是為瞭解決我們前面提到的表徵纏繞的問題。我們可以把過程理解為“左右互搏”，但又很默契的一種配合：視訊流：寬而深，負責繁重的視覺推演。動作流：輕而快，負責精準的運動控制。這兩個流共享注意力機制，資訊互通，但在各自的表徵空間裡保持獨立。這樣一來，視覺的複雜性不會干擾動作的精準度，動作的簡單性也不會拉低視覺的豐富度。最後就是工程設計相關的工作。畢竟光有理論是不好使的，“實踐才是檢驗真理的唯一標準”：部分去噪（Partial Denoising）：做動作預測時，其實不需要每一次都把未來畫面渲染得高畫質無碼。模型學會了從帶有噪點的中間狀態裡提取關鍵資訊，計算效率大大提升。非同步推理（Asynchronous Inference）：機器人在執行當前動作的時候，模型已經在後台瘋狂計算下一步了。推理和執行平行，延遲感幾乎消失。FDM 接地（Grounding）：為了防止模型想像力脫離現實，系統會用真實的觀測資料不斷校正想像，避免出現開放式的幻覺漂移。實驗結果與能力驗證在瞭解完理論之後，我們再來看實驗效果。螞蟻靈波團隊在真機實驗和模擬基準上，對LingBot-VA進行了全方位的實測。在真機測試中，LingBot-VA覆蓋了三類最具挑戰性的任務。首先是長時序任務，比如準備早餐（烤面包、倒水、擺盤）、拆快遞（拿刀、劃箱、開蓋）。這些任務步驟繁多，但凡中間有一步有誤，那可以說是滿盤皆輸。從LingBot-VA的表現來看，一個字，穩。即便是不小心失敗了，機器人也會記得進度，嘗試重來。第二類是高精度任務，比如擦試管、擰螺絲。這要求動作精度達到毫米級，得益於MoT架構，動作流不再受視覺噪聲的干擾，手極穩。剛才我們已經看了擦拭管的案例，再來看個擰螺絲的：第三類任務是針對可變形物體，例如折衣服、折褲子。這些任務的難點在於物體處於一個隨時變化的狀態，但LingBot-VA通過視訊推演，預判了布料的形變，操作行雲流水。除此之外，LingBot-VA在RoboTwin 2.0和LIBERO這兩個硬核模擬基準上，也是很能打的。尤其是在RoboTwin 2.0的雙臂協作任務中，無論是簡單的固定場景（Easy），還是複雜的隨機場景（Hard），LingBot-VA都展現出了不錯的實力：RoboTwin 2.0 (Easy)：成功率92.93%，比第二名高出4.2%。RoboTwin 2.0 (Hard)：成功率91.55%，比第二名高出4.6%。而且有一個趨勢非常明顯：任務越難、序列越長（Horizon變大），LingBot-VA的領先優勢就越大。在 Horizon=3 的長任務中，它的優勢甚至擴大到了9%以上。而在LIBERO基準測試中，LingBot-VA更是拿下了98.5%的平均成功率，刷新了SOTA記錄。總結一下，通過這些實驗，我們可以清晰地看到LingBot-VA的三個核心特質：長期記憶：在一個來回擦盤子的計數任務中，普通VLA模型擦著擦著就忘了擦了幾下，開始亂擦；LingBot-VA 則精準計數，擦完即停。這就是KV-cache的起到的作用。少樣本適應：面對全新的任務，只需提供50條左右的演示資料，稍微微調一下，它就能學會。這比那些動輒需要成千上萬條資料的模型，效率高了幾個數量級。泛化能力：訓練時用的是某種杯子，測試時換個形狀、換個顏色，或者把杯子隨便擺個位置，它依然能精準識別並操作。連續四天開源，已經產生影響把時間軸拉長，回看這四天的連續開源，我們會發現螞蟻靈波下了一盤大棋。因為這四個開放原始碼專案拼湊在一起，就會形成一條非常清晰的技術主線：Day 1: LingBot-Depth——解決“看清”的問題。讓感知能夠更加清晰。Day 2: LingBot-VLA——解決“連接”的問題。打通語言、視覺到動作的通用介面。Day 3: LingBot-World——解決“理解”的問題。建構可預測、可想像的世界模型。Day 4: LingBot-VA——解決“行動”的問題。把世界模型真正嵌入控制閉環，讓想像指導行動。這四塊拼圖湊在一起，釋放了一個強烈的訊號：通用機器人正在全面走向視訊時代。視訊，不再僅僅是訓練用的資料素材，它正在成為推理的媒介，成為連接感知、記憶、物理和行動的統一表徵。這對於整個行業來說，價值是巨大的。對通用機器人來說，長任務、複雜場景、非結構化環境，這些曾經的硬傷，現在有了系統性的解法。從具身智能路線來看，世界模型不再是一個可選項，它正式成為了機器人的中樞能力，從“能動”進化到“會想再動”。並且螞蟻靈波的持續不斷地開源動作，不僅僅是提供了程式碼、模型這麼簡單，更是一條可復現、可擴展的技術範式。而蝴蝶效應也在行業中開始顯現。就在這兩天，Google宣佈通過Project Genie項目讓更多人體驗Genie 3；宇樹科技宣佈開源UnifoLM-VLA-0……海外媒體也對螞蟻靈波的開源動作有了不小關注，點評道：螞蟻集團發佈了名為LingBot-World的高品質機器人AI模擬環境。這家中國金融科技公司完善了一套完整的開源工具包，用於物理AI系統的開發。這也是在全球機器人領域主導權爭奪戰中的一項戰略性舉措。嗯，螞蟻靈波的壓力是給到位了。總而言之，LingBot-VA的出現，標誌著世界模型第一次真正站上了機器人控制的主舞台。項目地址：https://technology.robbyant.com/lingbot-vaGitHub地址：https://github.com/robbyant/lingbot-va項目權重：https://huggingface.co/robbyant/lingbot-vahttps://www.modelscope.cn/collections/Robbyant/LingBot-va (量子位)

2079.1億人民幣估值，年化收入破10億美元，成立僅三年的AI程式設計公司Anysphere，以驚人的成長速度被矽谷譽為“史上最快崛起的企業之一”。而這家新銳公司的CEO Michael Truell竟是一位00後，三年前他還輾轉於各大公司實習，如今已躋身億萬富翁之列，成為投資人追捧的新星。AI時代，“資本偏愛35歲以下的年輕人”，這是創投界最近流行的共識。紅杉、高瓴、藍馳等頭部機構紛紛注資00後創業者，張一鳴、劉強東、王興等大佬也密集入股00後初創公司，徐小平的真格基金更是推出“00後狠人計畫”，鎖定新生代群體。01. 潮汕天才，轟動矽谷2025年10月初，矽谷傳來一條爆炸性消息：初創公司Axiom Math完成6400萬美元（約合人民幣4.56億）首輪融資，投後估值破3億美元。但這家公司沒有產品、沒有客戶，創始人還是一位來自中國潮汕的00後女性——年僅24歲的洪樂潼。矽谷資本為何對洪樂潼慷慨押注？答案藏在她近乎“開掛”般的成長軌跡中。洪樂潼早年便顯露出超凡的數學天賦。她高中就讀於廣東名校華南師大附中，成為廣東省奧數隊四名女生之一，在“華羅庚金盃”、全國高中數學聯賽等多項頂級競賽中屢創佳績。2019年，她進入麻省理工學院，攻讀數學與物理雙學位，僅用三年就完成了所有課程，還額外修讀了20門碩博等級的高階課程。本科階段，她就已經在數論、組合數學等專業領域發表多篇高品質論文。卓越的學術能力讓洪樂潼拿獎拿到手軟：被譽為北美數學本科生最高榮譽的“摩根獎”、專門表彰全美頂尖本科女數學家的“Schafer數學卓越獎”、有“本科諾貝爾獎”之稱的牛津大學羅德獎學金（當年全球僅四名中國學生獲此殊榮）等，都被她收入囊中。憑藉羅德獎學金，洪樂潼赴牛津大學攻讀神經科學碩士，之後又進入史丹佛大學，同步攻讀數學博士與法學博士。2024年，洪樂潼做了一個決定：退學創業。這源於她在史丹佛附近的咖啡廳與Meta工程師Shubho Sengupta的一次深度交流，主題聚焦於“運用AI攻克數學難題”。此次會面後不久，她正式創立Axiom Math。彼時，ChatGPT o3被曝光在數學測試中存在“作弊”嫌疑，全球輿論嘩然。洪樂潼在社交媒體上犀利評價道：“OpenAI大模型在數學測試中表現優秀，大機率是因為訓練資料中提前洩題了。在一些測試中，大模型回答的精準率雖然高達96%，但一旦展示推理過程，得分率就降至5%。”這正是洪樂潼立志攻克的核心難題，她認為現有的訓練方法有侷限性，她想要打造一個“AI數學家”：不僅能夠將現有的數學知識全部吸收，還能夠自主推理，甚至自主提出數學猜想。數學為何如此重要，以至於要用AI去攻克數學難題？任正非曾講過一段經歷，華為有位年輕的俄羅斯員工，平日裡不善言辭，只會埋頭做數學題，一做就是十幾年。有一天，這位員工突然宣佈他突破了2G到3G的核心演算法，這一突破幫助華為在無線電領域從此領先全球，並為後續5G技術奠定基礎。攀登科技之樹的頂端，往往是憑藉基礎研究的創新，任正非曾感慨：“光靠砸錢沒用，還要‘砸’數學家、物理學家。”因此，解決複雜數學問題往往是人類創新的金鑰。洪樂潼所要建構的AI數學模型，目標就是為科學研究、晶片設計、金融建模等領域實現底層突破。這個想法吸引了多位數學與AI領域的頂尖人才加盟：曾領導Meta FAIR團隊的Shubho Sengupta、最早將Transformer應用於解決複雜數學問題的法國數學家François Charton、最早將深度學習應用於程式碼生成的AI開發者Hugh Leather......如此豪華的陣容，也是矽谷投資人敢於掏出真金白銀支援Axiom的核心原因。不僅是AI大模型，同樣處於風口的具身智能與機器人行業，也正在成為00後創業者扎堆佈局的賽道。02. 不務正業的創業者2025年7月26日，世界人工智慧大會現場，一場特殊的麻將局拉開帷幕。牌桌四方中坐著三位科技精英：被譽為“華為天才少年”的智元機器人創始人稚暉君、哥倫比亞大學博士胡宇航、靈初科技聯合創始人陳源培。他們正與第四位牌手——機器人“小靈”切磋牌技。在這場“矽基與碳基”的對決中，機器人小靈憑藉其搭載的“靈巧手”順暢自如地抓牌、碼牌、碰牌。有人開玩笑說：“以後再也不怕三缺一了”。“小靈”的締造者正是陳源培團隊，24歲的陳源培今年成功入選《福布斯》2025亞洲30歲以下青年領袖榜單，是其中最年輕的AI創業者。鮮為人知的是，這位技術天才在華南理工大學就讀期間，曾是一名頻繁翹課的“問題學生”。2022年，在參加RoboMaster機器人大賽後，原本土木專業的陳源培徹底迷上了靈巧手研究。“讓機器擁有像人一樣靈活的手，是件特別酷的事。不上課我也要自學機器人。”為此，他不惜逃課投身實驗室，醉心於研發。這段看似“不務正業”的自學經歷，讓他得以敲開北京大學人工智慧研究院的大門，師從強化學習權威楊耀東教授。在北大期間，陳源培實現了一項重大突破：全球首次在真實環境中，運用強化學習同時控制雙臂與雙手完成多技能操作。但陳源培對此並不滿足，他還要去探索最尖端的具身智能技術。2023年，他以訪問學者身份赴美，加入了著名的“AI教母”李飛飛團隊。一年後，當同齡人還在撰寫畢業論文時，陳源培收到了華為“天才少年”offer以及一份史丹佛繼續深造的邀請。然而，他卻出人意料地選擇了第三條路——創業。“發論文固然重要，但我更希望親手將技術轉化為產品。”在楊耀東教授的引薦下，陳源培結識了擁有20多年硬體經驗的王啟斌，以及機器人與無人駕駛專家柴曉傑博士，他們聯手創辦了靈初智能，被譽為“科學家密度最高的創業公司”。馬斯克曾斷言：“機器人研發真正的挑戰在於硬體設計，尤其是手和前臂的複雜工程難題。人手大約有27、28個自由度，而要讓機器人成為真正的通用機器人，必須解決‘手’的問題。”這也是靈初智能瞄準的破局點。成立後不久，公司推出了首款21自由度靈巧手，能夠穩定抓取盛滿水的紙杯，並且滴水不漏。這吸引了輝達的關注，雙方宣佈將在模擬訓練層面開展深度合作。美團也緊隨其後，邀請他們共同研發末端配送機器人“小黃蜂”。2025年年初，靈初智能完成由高瓴資本、藍馳創投領投的天使輪融資，估值破億。當前，具身智慧型手機器人賽道持續升溫。據國務院發展研究中心《中國發展報告2025》預測，中國具身智能產業規模將在2030年達到4000億元，2035年突破兆。在這條新興賽道上，除了陳源培團隊外，一批00後創業者都正嶄露頭角。25歲的清華AI碩士閔宇恆創辦零次元機器人，成立僅半年即獲‌得1億元融資‌及‌數千萬元訂單‌，團隊研發人員80%來自中國TOP2高校。還有同齡的優理奇‌創始人楊豐瑜博士，從耶魯休學回國後專注於保姆機器人研發，現已完成數億元天使輪融資‌，簽約數千萬元訂單‌‌。公司首席科學家為全球機器人專家、上海交大王賀升教授。03. 淘金熱的“賣水人”當這些00後創業者選擇深耕AI與機器人時，另一位同齡人決定另闢蹊徑——做AI淘金熱中的“賣水人”。他就是付智，共績科技的創始人。付智出生於貴州銅仁鄉村，父母都是沒有受過高等教育的普通人。童年時，他曾在貴陽花果園目睹農民工群體的艱辛，萌生了“通過創業讓世界更美好”的信念。2018年，他考入清華大學，成為村裡第一代大學生。初入清華園，付智一度變得自卑起來。“感覺身邊的每一個同學都比我優秀。”但僅僅幾年後，他便一躍成為“2024清華年度人物”以及“2025北京青年榜樣”。一切要從2022年的冬天說起。那年冬天，一個緊急的研究項目要求付智在7天時間完成40天的計算量，面對“算力不足”的困境，他東拼西湊借來8台電腦，才趕在截止日前完成任務。以此為靈感，付智乾脆開發了一個簡易的共享算力平台，發佈在B站上，幫助大家解決臨時算力不足的問題。結果沒想到網站的日註冊量達到7000-8000人，還有5名付費客戶。這次小試牛刀，讓付智關於算力共享平台的構想愈發成型。在他看來，廣大中小企業與個人開發者對AI算力存在大量彈性需求，就像遍佈大街的乘客。另一方面，中國擁有5.7億台個人電腦，其中67%的算力處於日常閒置狀態，就像空載的車輛。算力市場的現狀，恰如網約車出現之前的打車市場。付智要搭建一個穩定、低價、彈性的算力共享平台，做“算力界的滴滴”。創業伊始，他說服了兩位清華天才的加入：許鐘子珩，清華機械與電腦雙料博士，機械系十年以來年級最高分，曾用兩個晚上破解國家軍工領域某“卡脖子”技術難題；還有清華叉院博士黃力昂，亞洲超算第一名的獲得者。團隊雖然如此專業，但在項目路演時，付智收到的更多是質疑。有投資人甚至直言：“你們這個事做不成，80年代就有人嘗試了，賺不到錢。”相比網約車共享，算力共享確實存在諸多的技術難點和變現挑戰，但投資人顯然低估了這個00後團隊的執著與實力。為節約成本，付智團隊在海淀民房開始“車庫式創業”。兩年時間埋頭研發，他們完成80多個版本的產品迭代，最終實現了99.9%穩定率，且90%裝置可一鍵接入。技術問題雖然有解，但資金壓力也是這個年輕團隊不得不面對的現實。2023年夏天，付智迎來最艱難的時刻，團隊瀕臨解散。直到8月底的一天，付智在海南散步時偶然瞥見“七彩祥雲”，次日他便接到百度前總裁陸奇的電話，獲得30萬美元種子投資，一解燃眉之急。如今，AI算力需求呈現出爆發式增長的態勢，共績科技的發展也隨之打開局面，青海、河北等地方政府更是主動上門謀求合作，公司也完成了數千萬元天使融資。截止目前，共績科技接入裝置達數十萬台，這些裝置一起運行的算力相當於兩個長三角智算中心的算力之和，2025年上半年公司實現營收2000萬元。一位投資人曾對付智講：“要多看毛選裡的《論持久戰》，這裡有最頂級的戰略。”據工信部預測，2030年中國算力市場規模將超兆元，其中彈性算力佔比超千億元。對於付智來說，這場關於算力重構的戰役，才剛剛拉開序幕。而屬於00後創業者的黃金時代也才剛剛開啟。被譽為“最牛天使投資人”的龔虹嘉曾指出：“什麼時候有人敢在天使輪或種子輪投10個億，中國的創新就真正起來了。DeepSeek的梁文鋒就是一個例子。”龔虹嘉本人曾以245萬元投資海康威視，最終收穫超300億回報。在他看來，押注年輕人就是押注未來。縱觀當下00後精英創業者，他們熱衷於源頭創新，聚焦於AI、具身智能、生物科技等代表未來的前沿產業。胡潤U25榜單顯示，2024年中國25歲以下創業先鋒中，前沿科技領域佔比高達80%，且多數擁有頂尖高校或實驗室研發經歷。他們出生於國家崛起之際，擁有豐富的知識積累與廣闊的全球視野，不再是亦步亦趨的追趕者，而是從起點就瞄準全球趨勢的領跑者；他們不再像父輩甚至爺輩那樣創業更多是為了吃飯賺錢，他們一出手就站在世界級水準之上，為理想為熱愛而星辰大海。站在改革開放40多年後，民族偉大復興新時代節點上的他們，是新中國成立至今最自信、最平視世界、最有資本與底氣敢為天下先的一代。從他們開始中國創業者將真正走向：一出手就引領世界。 (EDA365電子論壇)