人间一年AI一天! 替代不可避免, 萨顿、王兴兴等回答AI四大终极问题

外滩大会透露方向：AI干活、星际AI、人造太阳、经验时代

作者／IT时报孙妍

编辑／郝俊慧孙妍

2025Inclusion·外滩大会前夕，世界十大AI反问人类：有哪些工作需要永远留给人类？AI做出错误决定并造成损害，是否应该承担责任？如果AI能帮你优化生命质量，你愿意让渡多少隐私？你会为了自身的能力不退化，而主动屏蔽一些AI的帮助吗？你担心AI幻觉和信息茧房会把人类带到“沟里”吗？人类让AI变得越来越强大是在“养虎为患”吗……

与其说这些是AI对人类的提问，不如说这些是人类的自我思考。在“人间一年AI一天”的当下，人类最迫切需要的是答案——关于未来的答案。

香港大学计算与数据科学学院院长马毅说，他的电话被家长们“打爆”，问得最多的一个问题是，到底我的孩子学什么，才能在毕业时不被AI取代？

AI不仅把普通人拉进既兴奋又焦虑的情绪里，也给世界各大政治经济体带来焦虑。9月11日，2024年图灵奖得主、“强化学习之父”理查德·萨顿（RichardSutton）在外滩大会主旨演讲中表示，外界对AI带来的偏见、失业甚至人类灭绝的恐惧被夸大了，并且是被某些从中获利的组织和个人煽动起来的。

世间一切美好的源泉在哪里？萨顿的答案是，人工智能和人类繁荣将来自去中心化协作。

一问：AI干活怎么样？

王兴兴：AI干活还在爆发前夜

已经入行之人，反倒少了很多焦虑，因为他们更深刻地了解“AI之不能”。

“现在AI写文作画，已经比99.99%的人都要好。但真正让AI干活，还是一片荒漠。”这是人形机器人领域炙手可热的“明星”宇树科技官宣IPO后，宇树科技创始人兼CEO王兴兴首度发声。

马毅也提出了类似的看法，他认为当前以大模型为代表的AI仍处于最初级的“种系智能”阶段，依赖海量参数与预训练数据，不仅资源消耗高、效率低，且缺乏个体记忆与自我意识。马毅回顾了智能演化的四个阶段：从DNA所代表的种系遗传智能，到生物个体出现大脑与感知系统形成的个体发育智能，再到借助语言实现的群体智能，最后才是真正意义的人工智能。

即便站在AI最初级的阶段回望，王兴兴坦言最后悔的一件事还是十几年前没有学AI：“2011年时，我也曾对AI非常感兴趣，但当时AI非常冷门，看了几本书后觉得能做的有限，后来就干机器人去了。”

实际上，AI与机器人的融合发展正在催生全新的具身智能产业，也就是让机器人拥有AGI能力，能像人一样自主感知、规划和行动。本届外滩大会上，不少展示的机器人已经可以完成炒菜、救人、放置雷管等一些工作领域的基本动作。

机器狗从废墟中救出婴儿

但王兴兴仍然认为，当前具身智能发展存在相当大的挑战。首先，在数据层面，采集和质量问题仍比较突出，同时需要提升数据的利用率；其次，在模型层面，当前多模态数据的融合并不理想，并且模型与机器人的控制模态对齐也是难点，比如根据一个生成视频让机器人学做家务，单纯的视频生成可能已经比较好，但如何将视频生成与机器人控制模态对齐，仍然非常有挑战。

大道至简，不论什么时代创业都会碰到共性问题。王兴兴坦言，人员规模更大之后，可能会带来协作效率的降低，需要花时间探索更高效的组织管理方式，没办法完全做“甩手掌柜”。

“真正让AI落地干活，现在还在大规模爆发性增长的前夜。”王兴兴说，AI时代非常公平，只要聪明，愿意做事，荒漠中终会长出参天大树。对有志于创新创业的年轻一代，他建议“忘记过去的经验，学习当下最新的知识，全力拥抱新时代”。

二问AI竞争的关键变量是什么？

王坚：去火星的路上不能没有计算

“在开源这个时刻，OpenAI站在了历史错误的一边。”今年1月底，随着DeepSeek等中国大模型的开源，OpenAI创始人CEO萨姆·奥特曼说了一句令人震撼的话。

1998年，行业里最好、最开放的浏览器Netscape开源，这是互联网时代的分水岭事件，是互联网时代的关键变量。在人工智能时代，开源模型与闭源模型的选择，已经变成了AI竞争的关键变量。

阿里云创始人、之江实验室主任王坚认为，光开源代码已经不能解决问题，开放数据和计算资源是推动AI往前走的必经之路。

太空一直是最大的资源，“今天不能只把AI用在手机、电脑上，AI不应该缺失太空。除了通信卫星、导航卫星、遥感卫星外，AI将催生第四种卫星——计算卫星。”王坚所在的之江实验室通过卫星将AI大模型送到了太空。

2025年5月14日是王坚激动的一天，由12颗计算卫星组成的“三体计算星座”，第一次把与地面相同的8BAI模型送入太空。这意味着，在太空的任何地方都能完成对数据的处理，卫星与卫星之间也能实现互联互通。他解释道，在把卫星送到太阳轨道后，数据几乎没有办法传回到地面再做处理，只有把AI和算力送入太空，人类才有可能真正地走出地球。

王坚希望有无数主体来共同完成这个“三体计算星座”，在开放之下共享太空，未来把每一颗卫星都开放给全世界的任何一个人。

“人类去火星的路上，不能没有计算的陪伴和AI，这是未来十年，甚至二十年最激动人心的地方。”王坚表示。

三问AI的终点在哪里？

孙玄：核聚变

“AI的终点是能源，能源的终点是核聚变。”中国科学技术大学核科学与技术学院教授孙玄重申了业界的共识：核聚变是开启下一代文明的关键科技。

100万个GPU的耗电量，相当于北京市用电量的八分之一。AI目前用电量占地球的1.5%，如果我们把AI比喻成“地球大脑”的话，人的大脑能耗占人体的20%，因此有人预测，AI的耗电量也将占地球总用电量的20%以上。这些数据意味着，仅AI一个领域，就将产生巨大的能源缺口。

从2020年起，资本对核聚变的投入增长显著，英伟达、谷歌、OpenAI等头部国际科技企业均已入局核聚变领域，押注这一终极能源成为业界共识，核聚变领域被视为已处于商业化落地的黎明前夕。

据美国聚变工业协会（FIA）2024年7月发布的报告，全球核聚变商业公司累计获得总投资额达71亿美元，同比增加9亿美元，资本市场融资屡创新高；受访的35家企业中，89%的企业看好在21世纪30年代末之前实现并网发电。

然而，终极能源伴随终极挑战，通往“人造太阳”的道路上仍存技术难点。孙玄解释道，实现核聚变的核心科学难点在于约束温度高达上亿度的等离子体，“有点像我们试图用笼子困住一个脾气暴躁的野兽，很难。”

目前，追逐可控核聚变的主流技术分为激光惯性约束与磁约束两大方向，二者的实现条件均对工程建造要求极高。无论是研制精密无比的巨型激光器，还是建造ITER（国际热核聚变实验堆）级别的庞然大物，均存在价格昂贵、工期长的问题。

在外滩大会上，《IT时报》记者看到了传说中的“人造太阳”，它是合肥星能玄光科技开发的最新可控核聚变星能玄光核聚变模型。

“磁惯性约束”的混合路径能大幅降低造价和缩短建造时间并提升迭代效率，成为关住“野兽”的一个方法。此外，孙玄还提出了突破性的展望：“我们可否创造一个可以自己学习、自己设计一个全新的聚变堆，它不需要我们已有的实验数据，而是自己基于物理规则进行探索，就像以前的围棋软件AlphaZero一样？”

四问AI的确定方向是什么？

理查德·萨顿：AI进入“经验时代”

理查德·萨顿认为，人类数据红利正逼近极限，人工智能正从“人类数据时代”迈向“经验时代”，潜力将远超以往。

今天大多数机器学习的目标，是把人类已有的知识转移到静态、缺乏自主学习能力的AI上。“我们逐渐达到人类数据的极限，现有的方法不能生成新的知识，不适合持续学习，而持续学习对智能的效用至关重要。”他认为，我们正进入“经验时代”，需要一种新的数据源，由智能体与世界直接交互中生成。这正是人类和其他动物的学习方式，是AlphaGo自我博弈下的“第37手”，也是近期AlphaProof在国际数学奥林匹克斩获银牌的路径。

萨顿解释，“经验”指的是观察、行动和奖励，这三种信号在智能体与世界之间来回传递。“知识经验，可以从经验中学习。一个智能体的智能程度，取决于它能预测并控制自身输入信号的程度。经验是一切智能的核心与基础。”他同时指出，强化学习带领我们进入了新的经验时代，但要释放全部潜力，还需要两项目前尚不成熟的技术——持续学习（continuallearning）和元学习（meta-learning）技术。

“人类最卓越的超能力，在于比其他任何动物都更擅长协作。人类最伟大的成功在于协作本身——经济、市场与政府都是成功协作的产物，”萨顿表示，人工智能和人类繁荣来自去中心化协作，“协作并非总能实现，却是世间一切美好事物的源泉，我们必须寻求协作、支持协作，并致力将协作制度化。”

展望人工智能的未来，他提出了四条现实的“预测原则”：第一，对世界应该如何运转并没有共识，但没有哪一种看法能够凌驾于其他；第二，人类将真正理解智能，并借助技术将其创造出来；第三，当今人类的智力水平，很快将会被超级人工智能，或者超级智能增强的人类超越；第四，权力和资源会流向最聪明的智能体。所以，在人类的发展进程中，人工智能的替代将不可避免。

放眼宇宙的历史，萨顿将其分为四个时代：粒子时代、恒星时代、复制者时代和设计时代。他认为人类的独特之处在于“把设计推向极致”，创造出能自己设计的事物，这也正是今天通过人工智能所追求的目标。人类至少是催化剂，是助产士，更是开启宇宙第四大时代——“设计时代”的先驱。

“人工智能是宇宙演化的必然下一步，我们应以勇气、自豪和冒险精神来迎接它。”萨顿表示。

记者观察AI演进与落地路线逐渐清晰

2025年，注定是人类历史上不平凡的一年，人类走在通向AI大时代的路上，逐渐看清了眼前的路线图。

学界有了明确的AI演进方向：解决能源困局，走出地球；产业界有了明确的目标：让AI干活。

虽然业界认为预训练模型的规模定律（ScalingLaw）在逐渐放缓，但源码资本投资合伙人、美国国家工程院外籍院士张宏江认为，规模定律仍然是大模型性能提升的第一性原则，即大模型参数规模越高，训练数据量越大，计算资源越庞大，性能就越好。

过去三年中，大模型的单位token价格在快速下降，随着大模型性能的持续提升，使用成本还会不断降低。智能体成为AI最主流的应用，“智能体经济”即将繁荣，“超级个体+Agent”将带给组织巨大的结构性变革。

2025年8月，国务院印发的《关于深入实施“人工智能+”行动的意见》为中国人工智能发展提供了清晰的路线图：到2027年，率先实现人工智能与6大重点领域广泛深度融合，新一代智能终端、智能体等应用普及率超70%，智能经济核心产业规模快速增长，人工智能在公共治理中的作用明显增强，人工智能开放合作体系不断完善；到2030年，我国人工智能全面赋能高质量发展，新一代智能终端、智能体等应用普及率超90%，智能经济成为我国经济发展的重要增长极，推动技术普惠和成果共享；到2035年，我国全面步入智能经济和智能社会发展新阶段，为基本实现社会主义现代化提供有力支撑。

站在外滩大会看上海，AI产业高地的轮廓也逐渐清晰，随着《上海市进一步扩大人工智能应用的若干措施》（即“人工智能12条”）落地，人工智能基础理论、方法和工具、新一代通用人工智能、智能芯片、具身智能、智能软件、脑机接口、智算系统等成为重点方向，上海也拿出真金白银来支持企业：包括6亿元算力券、3亿元模型券、1亿元语料券等。

上海向来务实，带给人的误解是不适合创业，但它一直没有停止创新，而且每一步来时路都有清晰的脚印。

排版／季嘉颖

图片／外滩大会IT时报