电竞比分网-中国电竞赛事及体育赛事平台

廣西新聞網(wǎng) > 首頁(yè)欄目 > 經(jīng)濟(jì) · 生活 > 創(chuàng)新 > 正文

AI論道|AI之問(wèn):智能的另幾種可能

2026年08月04日 20:42 來(lái)源:廣西云-廣西日?qǐng)?bào) 作者:舒勇 編輯:付瑋燁 陶昌順

2022年,大語(yǔ)言模型ChatGPT的推出,掀起了全球人工智能行業(yè)的大模型發(fā)展熱浪。

彼時(shí),“參數(shù)越多、數(shù)據(jù)規(guī)模越大、算力越強(qiáng),智能水平就越高”被奉為行業(yè)準(zhǔn)則。大量資金涌入大模型領(lǐng)域,千億參數(shù)成為行業(yè)標(biāo)配,萬(wàn)卡集群成了入局門檻,業(yè)內(nèi)一度形成共識(shí):不做大模型的AI企業(yè),會(huì)被市場(chǎng)淘汰。

圖片由AI輔助生成 廣西云-廣西日?qǐng)?bào)記者付瑋燁制圖

而時(shí)至今日,行業(yè)的實(shí)際發(fā)展并未達(dá)到最初預(yù)期。千億參數(shù)模型單次訓(xùn)練成本需以千萬(wàn)元計(jì),推理環(huán)節(jié)算力消耗驚人;數(shù)據(jù)規(guī)模擴(kuò)大300倍,模型性能僅能提升個(gè)位數(shù)百分點(diǎn);全行業(yè)無(wú)一款大模型能實(shí)現(xiàn)AGI(通用人工智能)的落地……

一個(gè)疑問(wèn)在學(xué)界和業(yè)界浮現(xiàn):依托大語(yǔ)言模型實(shí)現(xiàn)超級(jí)智能,是否進(jìn)了一條“死胡同”?

當(dāng)下的大語(yǔ)言模型,本質(zhì)是一個(gè)“超級(jí)語(yǔ)言匹配器”,靠在海量文本里摸透詞語(yǔ)搭配的統(tǒng)計(jì)規(guī)律,順著前文逐個(gè)選出概率最高的詞拼接成句。它只能做到“知其然”,卻做不到“知其所以然”。這就好比一個(gè)人背下了整本百科全書(shū),卻從未走出過(guò)房門。它能在文字互動(dòng)里表現(xiàn)得如同智者,放到物理環(huán)境中卻像懵懂的嬰兒。

那么除了大模型之外,還有其他選擇嗎?答案是肯定的。

現(xiàn)在,已經(jīng)有越來(lái)越多研究者開(kāi)始探尋大模型以外的其他可行方案,并且要比我們預(yù)想的更豐富,也更深刻。

路徑一:世界模型

紐約大學(xué)教授、圖靈獎(jiǎng)得主楊立昆一直推崇“世界模型”的發(fā)展路徑,它的主要思路是:讓AI在自身的“虛擬空間”里搭建出一個(gè)對(duì)應(yīng)真實(shí)世界、可進(jìn)行交互的動(dòng)態(tài)模擬系統(tǒng)。它要理解物理規(guī)則,例如物體為什么會(huì)向下掉落、力如何傳遞、空間是怎樣構(gòu)成的。它需要把研究方向從“預(yù)測(cè)下一個(gè)Token”轉(zhuǎn)向“預(yù)測(cè)下一個(gè)物理狀態(tài)”。

美國(guó)斯坦福大學(xué)教授李飛飛提出的“空間智能”和這個(gè)思路一脈相承——智能不只是文字層面的邏輯游戲,更包含對(duì)空間的感知、想象以及推理能力。她所定義的世界模型需要擁有三種能力:生成性、多模態(tài)性、交互性。

圖片由AI輔助生成 廣西云-廣西日?qǐng)?bào)記者古秀芳制圖

國(guó)內(nèi)也有團(tuán)隊(duì)在探索類似的研發(fā)方向。仝人智能科技(西安)有限公司創(chuàng)始人吳易明認(rèn)為,與其給機(jī)器人輸入大量數(shù)據(jù),不如直接給它裝上一個(gè)可感知物理空間的“大腦”,讓它可以像人類一樣自主認(rèn)知周遭世界。該團(tuán)隊(duì)考量人類認(rèn)知的具身特征,搭建出一套可解釋的數(shù)學(xué)架構(gòu),這套方案的訓(xùn)練成本較低,和大模型動(dòng)輒數(shù)千萬(wàn)美元的訓(xùn)練開(kāi)銷形成了鮮明對(duì)比。

從世界模型的角度看來(lái),智能的本質(zhì),是要去理解真實(shí)世界的運(yùn)行規(guī)律。一個(gè)僅能生成通順語(yǔ)句的AI,和一個(gè)可以真正獨(dú)立思考的AI,二者間的差距,很可能比我們?cè)O(shè)想的還要大得多。

路徑二:非Transformer架構(gòu)

Transformer架構(gòu)這種全靠“注意力機(jī)制”的路子,自2017年被提出后,幾乎占據(jù)了所有大模型的主流應(yīng)用位置。但它的缺陷也很明顯:它的計(jì)算復(fù)雜度呈二次方增長(zhǎng),生成的Token越長(zhǎng),對(duì)算力的要求就越高,這意味著,模型規(guī)模變大后,運(yùn)算效率反而會(huì)出現(xiàn)下降。

當(dāng)前,一批新的架構(gòu)正在挑戰(zhàn)這個(gè)壟斷。美國(guó)產(chǎn)業(yè)界已有以RWKV為代表的新一代線性架構(gòu),它把計(jì)算復(fù)雜度從二次方降到了線性,計(jì)算量不再隨內(nèi)容長(zhǎng)度暴漲,而是勻速增長(zhǎng),可以有效降低運(yùn)行能耗。

圖片由AI輔助生成 廣西云-廣西日?qǐng)?bào)記者付瑋燁制圖

在國(guó)內(nèi),也有研發(fā)團(tuán)隊(duì)在探索更貼近生物智能的技術(shù)路線。中國(guó)科學(xué)院自動(dòng)化研究所團(tuán)隊(duì)發(fā)布的類腦脈沖大模型“瞬悉1.0”,借鑒了大腦神經(jīng)元工作機(jī)制,提出新的線性計(jì)算架構(gòu)。該模型僅需主流模型約2%的數(shù)據(jù)量,就能達(dá)到相當(dāng)?shù)恼Z(yǔ)言理解與推理性能,且全流程可在國(guó)產(chǎn)GPU平臺(tái)上運(yùn)行,為自主可控的非Transformer架構(gòu)提供了可行路徑。

此外,上海巖芯數(shù)智人工智能科技有限公司自研的Yan架構(gòu)大模型,以神經(jīng)元選擇激活為核心,是國(guó)內(nèi)首個(gè)通過(guò)備案的非Transformer通用大模型,可在低功耗工控機(jī)等終端設(shè)備上流暢運(yùn)行。

尋找效率更高、能耗更低、更貼近真實(shí)智能規(guī)律的新架構(gòu),是AI產(chǎn)業(yè)突破成本瓶頸、實(shí)現(xiàn)規(guī)�;涞氐膭傂琛>拖耧w機(jī)的發(fā)明,并未被模仿鳥(niǎo)類扇動(dòng)翅膀的思路所困囿,人工智能的最終產(chǎn)業(yè)形態(tài),也不會(huì)止步于Transformer架構(gòu)的衍生版本。

路徑三:端側(cè)智能

當(dāng)前的大模型還有一個(gè)特征——“中心化”,所有智能都集中在云端,需要依賴規(guī)模龐大的數(shù)據(jù)中心支撐運(yùn)行。

可智能真的有必要這樣集中嗎?

2026年美國(guó)消費(fèi)電子展上,小模型+端側(cè)AI的崛起已成為一個(gè)非常明顯的趨勢(shì),從離線多語(yǔ)言翻譯、本地化圖像生成到機(jī)械臂實(shí)時(shí)控制,原本需要云端完成的復(fù)雜任務(wù),如今在手機(jī)、筆記本電腦、智能眼鏡等設(shè)備中即可本地化高效實(shí)現(xiàn)。

圖片由AI輔助生成 廣西云-廣西日?qǐng)?bào)記者付瑋燁制圖

所謂端側(cè)AI,是將經(jīng)大模型“蒸餾”后的小模型“裝進(jìn)”手機(jī)、電腦、汽車等終端設(shè)備,使其無(wú)需依賴云端服務(wù)器,即可獨(dú)立完成感知、計(jì)算、決策全流程的方案。一方面,數(shù)據(jù)無(wú)需上傳,可降低隱私泄露風(fēng)險(xiǎn);另一方面,本地推理將響應(yīng)延遲壓縮至毫秒級(jí)。

這條路線的底層邏輯,已有來(lái)自學(xué)界的理論支撐。清華大學(xué)計(jì)算機(jī)系副教授劉知遠(yuǎn)團(tuán)隊(duì)通過(guò)對(duì)數(shù)十個(gè)主流大模型的測(cè)算研究,提出“大模型密度定律”。研究顯示,大模型的“能力密度”約每三個(gè)多月翻一番,也就是說(shuō),每隔100天左右,就能用一半的參數(shù)量,實(shí)現(xiàn)此前頂尖大模型的同等性能。劉知遠(yuǎn)據(jù)此判斷,未來(lái)最前沿的AI技術(shù),會(huì)首先落地在端側(cè)。

中國(guó)信息通信研究院2025年底發(fā)布的《數(shù)字消費(fèi)藍(lán)皮書(shū)(2025年)》預(yù)計(jì),未來(lái)三年,我國(guó)AI手機(jī)和AIPC市場(chǎng)滲透率將分別突破50%和80%,車載終端也將通過(guò)集成智能座艙與智能駕駛系統(tǒng)實(shí)現(xiàn)服務(wù)升級(jí),智能終端將走入“本地智能”時(shí)代。

可以暢想,未來(lái)的智能生態(tài),或許不再由少數(shù)幾個(gè)云端大模型主導(dǎo),而是由無(wú)數(shù)運(yùn)行在各類終端上的小型智能體共同組成,織成一張分散協(xié)同、無(wú)處不在的智能網(wǎng)絡(luò)。

路徑四:具身智能與“無(wú)須訓(xùn)練”的智能

大模型的核心做法是“訓(xùn)練”——從海量數(shù)據(jù)中學(xué)習(xí)統(tǒng)計(jì)規(guī)律。但這是不是唯一的方法?

目前行業(yè)的探索主要分為兩條路線。一條是“直接寫入底層邏輯”的路線。國(guó)內(nèi)已有團(tuán)隊(duì)在這條路線上進(jìn)行研究,期待用數(shù)學(xué)方法搭建出物理世界的精準(zhǔn)映射,讓機(jī)器天生就能理解物理常識(shí),無(wú)需靠大量數(shù)據(jù)訓(xùn)練習(xí)得。

圖片由AI輔助生成 廣西云-廣西日?qǐng)?bào)記者付瑋燁制圖

另一條則是“仿真環(huán)境試錯(cuò)”的路線。北京智源人工智能研究院提出的物理AI發(fā)展路徑中,有一條“現(xiàn)實(shí)—仿真—現(xiàn)實(shí)”的范式——先把真實(shí)的工廠、街道、家居環(huán)境一比一還原到數(shù)字空間里,再讓AI在虛擬環(huán)境里反復(fù)嘗試、自主探索,學(xué)會(huì)走路、抓取、操作設(shè)備等技能,再遷移到真實(shí)世界中。這就相當(dāng)于給AI建了一座“訓(xùn)練場(chǎng)”。

可見(jiàn),除了從現(xiàn)成數(shù)據(jù)里“讀”出來(lái),智能也可以在AI和真實(shí)世界不斷互動(dòng)的過(guò)程中“生長(zhǎng)”出來(lái)。

結(jié)語(yǔ)

回到最開(kāi)始的問(wèn)題:發(fā)展人工智能,就一定得用大模型嗎?答案是:不一定,而且很大概率不需要。

站在更高層面來(lái)看,我們還需要重新思考一個(gè)問(wèn)題:到底什么是智能?

人類智能并不是單一維度的,它既有流暢的語(yǔ)言表達(dá)能力,也有對(duì)空間的感知能力;既有嚴(yán)密的邏輯推理,也有敏銳的直覺(jué)判斷;既有知識(shí)儲(chǔ)備的積累,也有創(chuàng)造創(chuàng)新的靈感。

而未來(lái)的人工智能,核心是多元智能的融合與共同發(fā)展。人工智能會(huì)形成一個(gè)完整的生態(tài)系統(tǒng),而非只存在單一的技術(shù)路線。

未來(lái),如果有人站在智能文明的視角回看當(dāng)下,也許就能發(fā)現(xiàn):大模型不是發(fā)展的終點(diǎn),甚至算不上起點(diǎn)——它只是人類探索智能本質(zhì)的道路上,一段值得尊重、但終究會(huì)被超越的旅程。

真正的人工智能革命,或許不久的將來(lái)就會(huì)到來(lái)。

(作者系全國(guó)政協(xié)委員、民進(jìn)中央開(kāi)明畫院副院長(zhǎng))

掃一掃在手機(jī)打開(kāi)當(dāng)前頁(yè)
>>更多精彩圖集推薦