導(dǎo)讀：

3月29日，在2025中關(guān)村論壇通用人工智能論壇上，北京通用人工智能學(xué)院院長(zhǎng)，北京大學(xué)人工智能研究院、智能學(xué)院院長(zhǎng)朱松純表示，目前，行業(yè)對(duì)AI的討論幾乎被大模型能力所占據(jù)，而基礎(chǔ)學(xué)科、原始創(chuàng)新與智能本質(zhì)的研究卻被邊緣化，甚至遭到部分輿論的否定。更有甚者，形成了某種“技術(shù)投機(jī)”的氛圍，仿佛只有少數(shù)企業(yè)能代表中國(guó) AI 的水平，而長(zhǎng)期支撐 AI 發(fā)展的基礎(chǔ)學(xué)術(shù)群體、理論工作者、認(rèn)知科學(xué)研究者則被忽視。這種認(rèn)知偏差，正在讓我們離真正的AI創(chuàng)新越來(lái)越遠(yuǎn)。

李海倫 | 撰文

鄭可君 | 編輯

騰訊科技、賽先生，標(biāo)題為編者所擬 | 來(lái)源

過去一年，中國(guó)人工智能領(lǐng)域在輪番迭代的熱潮中快速演化。大模型公司如 DeepSeek 、Manus等頻頻成為市場(chǎng)與媒體的關(guān)注焦點(diǎn)。隨著資本、技術(shù)、政策相繼涌入，幾乎形成了“押寶大模型即押寶未來(lái)”的共識(shí)。

然而，北京通用人工智能學(xué)院院長(zhǎng)，北京大學(xué)人工智能研究院、智能學(xué)院院長(zhǎng)朱松純對(duì)此表示擔(dān)憂：伴隨這一輪技術(shù)熱潮而來(lái)的，是我們需要謹(jǐn)慎關(guān)注社會(huì)和政策對(duì)AI的認(rèn)知。

以下為朱松純的分享精華整理（在不改變?cè)獾那闆r下，有所刪減。）：

我特別重視與行業(yè)、媒體的交流和溝通，原因在于我深知行業(yè)的“敘事邏輯”，對(duì)于社會(huì)認(rèn)知的重要性。

人工智能從最初的學(xué)術(shù)問題，已經(jīng)全面轉(zhuǎn)向一個(gè)社會(huì)性、政策性的問題。我們面對(duì)的大多數(shù)決策者、機(jī)構(gòu)、媒體，普遍并非人工智能專業(yè)出身，但又被迫在短時(shí)間內(nèi)學(xué)習(xí)、理解、決策甚至向公眾宣傳AI，這給準(zhǔn)確傳播帶來(lái)了極大困難。

這里我要講一下人工智能的全球敘事與誤區(qū)：

AI存在炒作、泡沫和盲目跟風(fēng)

從2019年甚至更早，美國(guó)通過AI重新確立了技術(shù)霸權(quán)。全球資本過去7~8年都流向美國(guó)，圍繞的核心敘事是：大數(shù)據(jù) + 大算力+ 大模型，最終通向通用人工智能（AGI）。

隨后，“AGI帶來(lái)人類生存危機(jī)”的話題被廣泛炒作，形成全球范圍的焦慮。事實(shí)上，這就是一種媒體主導(dǎo)的敘事。過去十年，媒體和投資圈反復(fù)宣揚(yáng)“大數(shù)據(jù)、大算力、大模型”三位一體的路線，仿佛這就是AI的唯一未來(lái)。

2015~2016年，AlphaGo引發(fā)了第一次人工智能的熱潮，但冷靜下來(lái)8年后回頭看，當(dāng)時(shí)吹得神乎其神的AlphaGo及其相關(guān)產(chǎn)業(yè)，除了一些計(jì)算機(jī)視覺公司（所謂“四小龍”）被抬高了估值，最后實(shí)際并沒有形成產(chǎn)業(yè)化、社會(huì)化的廣泛影響。很多AI初創(chuàng)企業(yè)最后都走向了衰退。

目前，行業(yè)流行的“AI for Science（科學(xué)研究新范式）”說法，其實(shí)也存在認(rèn)知偏差。AI的主要研究方向仍集中在視覺、語(yǔ)言、機(jī)器人等智能感知和行動(dòng)能力上，嚴(yán)格來(lái)說，這些并不直接等同于“Science（科學(xué)研究）”。真正推動(dòng)科學(xué)研究的是Deep Learning for Science，也就是利用深度學(xué)習(xí)等工具輔助科學(xué)建模和數(shù)據(jù)分析，而不是AI本身作為科學(xué)的內(nèi)在組成部分。

我曾經(jīng)寫過一篇文章，提到了“烏鴉與鸚鵡的范式”（指當(dāng)前AI多停留在“鸚鵡式”的大規(guī)模模仿，距離“烏鴉式”的認(rèn)知與推理仍存在本質(zhì)差距），批評(píng)過這種“泡沫化的融資神話”，今天看，很多現(xiàn)象依然在重演。

國(guó)內(nèi)人工智能的現(xiàn)狀與困惑

這就是現(xiàn)在國(guó)內(nèi)AI領(lǐng)域的現(xiàn)狀：表面熱鬧，實(shí)質(zhì)混亂。

類似前幾年，“納米”概念泛濫，什么納米鞋墊、納米高壓鍋，現(xiàn)在又出現(xiàn)了“偽AI熱潮”。再比如一些大模型公司自詡“六小龍”，但很多根本無(wú)法盈利，估值虛高，風(fēng)險(xiǎn)巨大。

什么才是人工智能的創(chuàng)新？

我長(zhǎng)期總結(jié)，AI的創(chuàng)新有5個(gè)層次：

最下面底層的是，哲學(xué)層面：探討“智能”的本質(zhì)。事實(shí)上，智能的本質(zhì)是“主觀的”，每個(gè)人的決策都基于自己對(duì)世界的認(rèn)知與價(jià)值體系。這些認(rèn)知未必客觀，卻決定了行為。

第二層，理論層面：建立認(rèn)知的數(shù)學(xué)框架，如邏輯學(xué)、統(tǒng)計(jì)建模、概率計(jì)算。

第三層，模型層面：根據(jù)框架構(gòu)建具體模型，如判別模型、生成模型、大模型等。

第四層，算法層面：在具體模型下，開發(fā)優(yōu)化算法，提高計(jì)算、推理、訓(xùn)練的效率。

第五層，工程與部署：把模型落地到硬件、平臺(tái)，優(yōu)化存儲(chǔ)、計(jì)算，形成可用的產(chǎn)品和系統(tǒng)。

目前很多所謂的創(chuàng)新，僅僅停留在第4層（算法）或第5層（部署）層面，連理論框架都不具備，卻在吹噓“顛覆”。而我們現(xiàn)在真正缺的是對(duì)智能本質(zhì)、認(rèn)知建模的原創(chuàng)性突破。

當(dāng)前社會(huì)存在嚴(yán)重誤區(qū)，仿佛只有 DeepSeek 等這樣的企業(yè)做出了成果，甚至有人極端認(rèn)為，學(xué)術(shù)界、研究機(jī)構(gòu)的工作都是“吃白飯”，這種情緒化、非理性的輿論正在誤導(dǎo)大眾。

我們必須澄清，DeepSeek 在工程落地、API 產(chǎn)品化、算力優(yōu)化等方面確實(shí)取得了成績(jī)，但主要集中在工程部署層面，并未解決人工智能的核心難題——比如認(rèn)知建模、智能理論、學(xué)習(xí)機(jī)制等。

支撐今天所有 AI 應(yīng)用的底座，正是學(xué)術(shù)界數(shù)十年在哲學(xué)、理論、建模、算法等基礎(chǔ)層面的持續(xù)投入。若因短期的產(chǎn)品化成效，就否定基礎(chǔ)研究，甚至鼓吹“學(xué)術(shù)無(wú)用論”，不僅荒謬，也極其危險(xiǎn)。

以美國(guó)的創(chuàng)新為例，很多集中在最底層的硬件（芯片、架構(gòu)）、大模型，以及算法優(yōu)化。我們?nèi)绻朐谥忻栏?jìng)爭(zhēng)中取得突破，關(guān)鍵要在于第四層和更高的哲學(xué)與理論創(chuàng)新。

如果只是重復(fù)美國(guó)的老路——算力、算法、部署，我們永遠(yuǎn)都是追隨者。

未來(lái)AI的前沿在文科

未來(lái)最難解決的問題，恰恰在于文科所關(guān)心的社會(huì)復(fù)雜系統(tǒng)，比如人口、政策、文明演化、價(jià)值體系。這些問題目前無(wú)法建模，無(wú)法實(shí)驗(yàn)，學(xué)界長(zhǎng)期靠“口頭解釋”和“事后分析”在“事后諸葛亮”，預(yù)測(cè)能力接近于零。

但今天，大規(guī)模仿真（模擬）實(shí)驗(yàn)和智能體（Agent）建模的能力讓我們有可能讓文科第一次變成一門可實(shí)驗(yàn)的科學(xué)。AI的真正前沿，是通過模擬與建模，讓文明、社會(huì)、經(jīng)濟(jì)與政策等可以進(jìn)入可驗(yàn)證的科學(xué)范疇，而非止步于圖像、語(yǔ)音和對(duì)話的優(yōu)化。

我們真正的工作重點(diǎn)

我們現(xiàn)在已經(jīng)基本完成了在智能哲學(xué)、理論框架、模型的初步構(gòu)建，正在向算法優(yōu)化和工程部署推進(jìn)。

下一步的重點(diǎn)是：

快速規(guī)模化。

完成模型的工程化和商業(yè)化。

與行業(yè)、應(yīng)用深度適配。

建立通用智能體（AGI Agent）工廠。

我們和大模型的關(guān)系并不是“對(duì)抗”，而是共生。大模型像人類的潛意識(shí)，為我們提供了感知和記憶的底座；而我們要做的，是在其上構(gòu)建通用智能體的認(rèn)知與決策體系。

總結(jié)和呼吁

人工智能不是“神話”，更不是“安全危機(jī)”“生存危機(jī)”的代名詞。它是真正關(guān)系到人類文明未來(lái)演化的工具。

而認(rèn)知的欠缺、敘事的誤導(dǎo)，才是真正的“卡脖子”。

我呼吁媒體、政府機(jī)構(gòu)、研究者們，尤其要關(guān)注AI的頂層邏輯與原始創(chuàng)新，不要盲目跟隨已有敘事，而要思考：中國(guó)，到底要怎樣的人工智能？ 

原標(biāo)題：《朱松純：國(guó)內(nèi)AI領(lǐng)域的現(xiàn)狀——表面熱鬧，實(shí)質(zhì)混亂》

閱讀原文