English

纺织机织布机纺线车

米兰体育网址：缔造OpenAI的秘密竟只有一个词！新智元十年峰会圆桌七位大咖激辩

发布时间：2025-11-02 06:17:51 来源：米兰体育网址

米兰体育下载：

【新智元导读】在新智元十周年圆桌论坛上，七位来自半导体、无人驾驶、芯片和科研领域的重量级嘉宾，一同探讨了通往AGI与ASI之路上的核心问题：智能的核心究竟是什么？AI能效瓶颈与核聚变谁先突破？游戏为何成为推动人工智能奇迹的起点？大模型时代，语言如何成为智能的核心？嘉宾们交锋的思维火花，汇聚成一份面向ASI时代的人类行动指南。

机器何时能追平碳基人类的能力，6亿像素sensor的手机3年后就能匹敌人眼、但与人脑匹配的存储能力何时实现？

为什么最早推动AI突破的公司几乎都和游戏有关，英伟达、OpenAI、DeepMind？

当「人工智能」扑面而来，我们任何一个人都不得不面临一个问题：怎么来面对马上就要来临的ASI时代？

在新智元十周年庆典圆桌论坛上，这样一些问题被七位重量级嘉宾抛出、碰撞和交锋。

新智元十年回顾圆桌论坛由新智元创始人&CEO杨静主持，中国三星张代君、腾讯苏奎峰、驭势吴甘沙、慈星股份李立军、北师大黄华、CSDN李建忠、芯矩开物李立武畅谈新智元十年ASI启示录

先介绍下七位嘉宾，他们都是各自产业和学界的顶尖代表，包括了半导体、无人驾驶、芯片和科研等多个行业领域。

中国三星首席副总裁，曾任三星电子中国研究院院长11年(2013-2024)，期间主导三星电子在华AI、5G/6G先行研究开发和商业化落地。

清华大学计算机科学与技术博士，腾讯无人驾驶/车载地图总经理。多年从事无人驾驶、无人平台和相关应用技术探讨研究工作。

吴甘沙，驭势科技董事长、CEO。前英特尔中国研究院院长、首席工程师，领导英特尔大数据长期技术战略规划，成立英特尔唯一的机器人实验室。

博士、教授级高工，慈星股份董事、副总裁，中国（浙江）机器人及智能装备创新中心董事/投融资委员会主席，中国毛纺织协会「十三五」毛纺织行业「科技带头人」。

北京师范大学人工智能学院教授，院长，智能技术与教育应用教育部工程研究中心主任。国家杰出青年基金和中国青年科技奖获得者，国家万人计划科技领军人才。

2016年发起创办全球机器学习技术大会（ML-Summit），是AI领域极具影响力的高端技术研讨与交流平台。近年来提出科学技术创新的「范式转换立方体 ParaShift Cube」，相关研究和引起业界强烈关注。

李立武，AI算力芯片公司——芯矩开物（NeuMatrix）创始人和CEO。李立武拥有25年高端芯片设计和管理经验，设计过多款当时世界最先进GPU/CPU/FPGA及AI芯片产品系列。

他们都觉得新智元的价值不仅在于新闻报道，更在于「蒸馏信息、凝聚社群」，帮助产业和学界紧跟前沿、不被浪潮甩下。

这十年，AI从感知智能到大语言模型的跨越，正是新智元和嘉宾们共同的记忆。

张代君说，过去十年最震撼的肯定是AI 2.0, 大语言模型LLM，完全让认知智能产生质的飞跃，让通用AI甚至感觉触手可及。

李立军说，他感觉这十年来人工智能技术最大的发展和奇迹就是：它的发展超越了绝大多数人对人工智能发展的预期。

苏奎峰认为AGI让他看到了无人驾驶的真正可能，并且会极大地促进空间智能和物理智能Physical AI的可能性。

黄华说大模型现在是「一统江湖」，以前是还有人做算法，现在不管是科研还是产业，第一个想到的就是大模型。

李建忠说十年内最大的变化是整个业界认识到了语言在智能中的核心地位。其实神经网络并不是十年内发明的，但是当Transformer架构、可扩展的算力和语言碰到一起，媲美人类的智能才真正出现！

李立武说，过去是「劳心者治人，劳力者治于人」，而现在AI要来治劳心者了！目前最先受AI影响的是法律业、财会业和软件业。AI很快就会影响到大多劳心者的行业。

为什么最早推动AI突破的公司几乎都和游戏有关，比如英伟达、OpenAI、DeepMind？

吴甘沙在回答过去十年最大的奇迹时，给出的答案是AGI，但原因或许是游戏和信念。

吴甘沙说他们做人工智能，其实在2016年最火的还是人脸识别，压根没想到AGI。

DeepMind创始人哈萨比斯先做游戏公司，他早年曾共同设计1994年的热门游戏 Theme Park；

OpenAI早期也做游戏项目，他们的知名项目「OpenAI Five」是一支AI团队，能在Dota 2复杂的战术环境中对抗人类顶级职业选手。其首次公开亮相是在2017 年，对战Dendi一对一；之后发展为五人组合团队，并在2019年击败世界冠军团队OG。

OpenAI刚创建的时候，最大的兴趣是在游戏，它也并没有被认为是当时最牛的人工智能初创公司。

吴甘沙特意提到一场Ilya和奥特曼之前的采访，采访问他们为什么大公司没有做出来，反而是OpenAI做出来。

吴甘沙说，过去这几十年我们人工智能其实是一种过去我们做了什么，现在我们在这个基础上继续做什么的思路，似乎形成了路径依赖。

而像OpenAI则完全把过去抛弃，无脑相信有更多的算力、更多的数据、更大的模型，智能会涌现！

我们智人的智能突破最早可能也是在玩游戏的过程中开始的，打猎本身能是一种游戏。

找到AGI的道路，不能从有用的方向去突破，你想解决比如一个企业的问题，解决人脸识别的问题，太功利了，只有无用之用，才可以找到AGI的独特蹊径。

游戏有很多种，有一种游戏无穷地玩下去，这是让我印象特别深刻的，并不是从一个有用的事情出发，从游戏从无用的事情出发。

其实神经网络并不是最近十年发明的，2013年的AlexNet已经让大家认识到它的重要性，16和17年大家也知道神经网络在视觉识别上已经很厉害。

李建忠Cue了吴甘沙的「游戏论」，他说虽然OpenAI最开始是游戏不假，但是OpenAI在2017年确定了真正的语言方向。

李建忠说他2023年在硅谷跟OpenAI前首席科学家Ilya Sutskever交流过，Ilya说，他很早就相信语言是智能的核心。

他在看到Transformer之后，立马就知道这正是他们想要的东西。语言智能和Transformer这种能够Scaling的架构碰到一起，智能才真正地出现了！

李建忠说，深度学习之父Geoffrey Hinton也经常感谢图灵给了他很多神经网络方面的灵感。

但Hinton和人工智能业界某一些程度长期忽视了另一位哲学家维特根斯坦关于语言和人类智能关系的判断：「语言的边界，就是世界的边界」。

维特根斯坦跟图灵都在剑桥教书，图灵讲的是计算机、神经网络，维特根斯坦讲人类的语言、心智、智慧。

人工神经网络给了计算机一个大脑的基座，但是动物也有大脑，那为何人类在智能方面是百兽之王？

2012年～2020年之间整个人工智能业界的实践表明「纯视觉无法带来真正的智能」。虽然Yann LeCun经常讲人类每天接受的视觉数据量远超语言的数据量。但是数量对智能不是决定性的。没有语义信息，只是一堆像素，毫无意义。在感知智能领域，哪怕包括李飞飞做的ImageNet也需要大量语言来标注，没有语言的标注，这是什么物体，这个物体有什么功能，没有人知道。

我们人类怎么样让我们的宝宝有智能？光给他/她看这样一个世界是不行的，孩子出生之后母亲对孩子永远是在讲话，哪怕孩子不会讲话，母亲还要对他/她讲，讲话的过程是通过语言逐步建立他/她的智力的过程。

李建忠谈到，很多视觉派，比如Yann LeCun、李飞飞长期不承认语言在智能中的核心地位，视觉派如果还固执己见的话，包括在所谓的「世界模型」上，还会再继续犯错几十年。

而Ilya很早就认识到了语言在人类智能中的核心地位，呼应了当年维特根斯坦的哲学判断，才使得AI有了今天的发展，人类智能的核心就是语言！

李建忠最后引用了尤瓦尔赫拉利写的《人类简史》，书中谈到人类语言最大的魅力是，能描述这样一个世界上95%根本不存在的事物。比如「有限责任公司」，一个动物怎么能理解这么抽象的东西？要想理解「有限责任公司」必须对人类的经济、社会制度、市场制度有深刻的理解，而这些理解的背后都是由语言进行抽象的。语言不仅能描述这样一个世界上存在的事物，还能描述这样一个世界上大量不存在的事物。

人类学家很早就指出人类和动物的核心区别不是直立行走，而是「语言」。而正是语言导向了人类的智能，这是最近十年人类在AGI上最大的发现，长期被我们忽略了。

黄华认为实现ASI的关键在能耗，降到现在的100倍以下，就可能实现了，因为现在能耗是最大的问题。

李立军说可换个思路，可以先解决能耗问题，若可控核聚变实现，能耗就不再是瓶颈。

另一个角度来说，现在可控核聚变最大一块就是用AI解决控制问题，它自己会解决。

张代君从半导体视角对比人类：2030年相机传感器可达6亿像素，接近人眼分辨率；NAND Flash存储容量和AI综合算力能效的演进仍是短板，需10–15年才能接近高效人脑。

Token概念的变化：虽然名字仍叫「token」，但底层数据结构会发生巨大变化

数据结构与数据流的完善：未来更完备的数据体系将推动AI发展，同时也反过来影响芯片设计。

光计算的介入：预计三到五年内，光计算会对AI产生巨大推动，其能耗仅为传统方式的千分之一。认为可能依赖光计算，三到五年有望出现突破。

李立军从传统纺织行业出发为大家预言了未来的一种情形：你想干点活还不容易嘞！

李立军说他小时候看电视剧里上海滩纺织厂里工人特别多，工作的环境也非常差，工作强度又巨大，因此经常会有工友组织起来反抗资本家的剥削搞罢工的情节。

衣食住行，衣是人类的一个基础要求，纺纱工人很多，可以看80年代以前的照片，密密麻麻的工人站在纺纱机前面，织布机前面。

现在没有了！就拿我们从事的针织行业来看，也是纺织里面一个细分品类，现在能轻松实现一根纱线输入设备，出来整件衣服就做好了，马上可以穿。

我们现在也在做垂类小模型（不是大模型），只要口头讲讲想要一件什么样的衣服，什么颜色，上面有什么图案，尺寸多少，系统就能自动生成一段代码，这个代码文档输入到我们的纺织设备上，一件高度个性化定制的衣服马上就能穿在身上，我们正在推进这一个项目的产业化。

他说网上有个段子，一定会实现，因为那时候劳动会成为需求，为什么成为需求？

AI把活干完了，所以你想干点活还不容易！你要去体验一下干活是什么感觉，还要去和AI抢一抢。

人类往后可能主要的事情一个是享受生活，还有一个就是用好工具，AI是一个强大的工具，如果不去用它就会被淘汰（被其他用它的人淘汰）。

机器何时能追平碳基人类的能力，6亿像素sensor、与人脑匹配的存储能力何时实现？

比如，在视觉层面，手机/相机传感器目前已能到2亿像素，大约在2030年可达6亿像素，这就已经接近人眼分辨率。

比如三星的第九代3D NAND已到286层、单盘能做到128TB，但与人脑约2.5PB存储容量相比，还是小巫见大巫。

和芯片的摩尔定律相比，存储「摩尔定律」迭代更慢，是当前机器进化的木桶短板。

CPU的摩尔定律是18个月，GPU的摩尔定律大概6-8个月，存储的摩尔定律事实上它是每2.5年存储容量才能够升级1倍，所造成的是今天的单品SSD大概是128T，但是人脑是多少？人脑大概专家测算了一下，通常采信的是人脑存储容量是2.5PB，什么概念呢？128T单品现在用于服务级存储单元，现在大脑有20倍。

而且从能效方面，人脑约20W耗能但效率非常之高；GPU以能效比计仍远落后人脑，现在的芯片想要追近人脑能效也需10–15年。

杨静提出一个问题：有没有感觉只要跟物理相关的，和物质相关的，就会比较慢？

但是「脑子里面」的东西是进化很快的，像今天大家都在说AGI、ASI，我们做无人驾驶挺羡慕的，我们这个行业怎么就那么慢。

这边（AI）是一日千里，因为比特是零质量，零距离，零成本，所以它的迭代演进肯定是快，带物理的，带身体的肯定慢。

吴甘沙用无人驾驶举例，车流当中，如果有百分之二三十是无人驾驶的，那你就会感受到事故少了，拥堵少了，一定会，我看过一个研究，只要有20%左右的。

要让电脑如成人般地下棋是相对容易的，但是要让电脑有如一岁小孩般的感知和行动能力却是相当困难甚至是不可能的。

在第一次、第二次革命的时候，主要还是体力上的自动化，还是机械自动化的过程；信息革命可能还是偏人的智力上的提升。

这次AI的革命也确实会加速这样的一个过程，包括大家也都有一个共识，这一波最替代的就是那种偏智力型重复劳动。

编码、律师等等，这些非常容易就会被替代了，反而就像无人驾驶也好，具身智能，在物理世界里跟物理交互这件事情还是挺难的一件事情。

李建忠则谈到比特和原子的根本性不同，比如比特复制无成本、原子不可复制；因此原子世界的Scaling laws与数字世界有根本性的不同。因此他认为数字空间的AGI或在3–10年到来；而物理空间的AGI（比如具有泛化能力的具身智能）「还很远」，仍处在「漫漫长夜」阶段。

一端是特别创新的搞顶端算法设计的，另一端是搞软硬件相结合做优化做到极致的，可能就是这两端会存在，中间一段就没有了。

今后可能就顶端那一批人工作，这个社会两端分化会很严重，会有大量的人没事干，我觉得这是对社会最大的颠覆。