当人类积累的知识加速迁移到 AI，我们期待它带来怎样的改变？
在世界互联网大会上，知乎（ZH）创始人、董事长兼 CEO 周源以《人类历史上最大规模的知识迁移》为题发表演讲，从知乎（ZH）社区里的真实问题与讨论出发，分享他对 AI 发展新路径的思考：让 AI 深入工程创新和科研发现，让各学科专家的知识与经验推动技术进步，并最终更好地为人服务。
以下为演讲全文。
大家好，我是周源。很高兴又一次来到乌镇，和大家聊聊 AI。
这个环节的主题叫作《智启新元，共探 AI 发展新路径》。今天我想分享的主题是——人类历史上最大规模的知识迁移。
回顾历史，人类知识从口口相传迁移到书本，再迁移到互联网，每一次迁移，都带来了巨大的价值和创新。比如互联网带来了前所未有的流动性和连接。而今天，我们正在经历一次新的迁移：知识正在迁移到 AI。
所以我想，AI 发展的新路径，和这个大的发展背景是高度相关的。
其实，关于这个问题的答案，在「十五五」规划中已经明确指明了方向。一会儿我来展开讲这个逻辑。
首先，我还是得用知乎（ZH）来开个场。知乎（ZH）是一个人类知识的网络，每天都有新知，也有新的问题。坦率地说，只有人才会在工作和生活中遇到问题，遇到问题的不是 AI。大家可以看下面这张图，大概有 5000 多个格子，一格代表一天，每一天都对应着一个在知乎（ZH）上最热门的问题。这些真实的好奇心、困惑和变化，最终形成了一道清晰的轨迹。
如果把时间窗口缩短一些，只看去年到今年，大概 500-600 个格子，大家会很明显地发现：含 AI 量越来越高了。
甚至 2025 年的知乎（ZH）「年度之问」，就是关于 AI 的——「到底什么是真的」。
这其实是去年的主题了，为什么大家会关心这个问题。跟当时 AI 的状态有很大关系。去年，我在跟国家版本馆的同志交流时，对方跟我说，经常遇到 AI 的回答不准确，闹笑话，也就是大家常说的 AI 幻觉。你们要不要开发一个新产品叫「对乎」？专门给 AI 挑错的。
听上去是句玩笑话，但从去年到今年春节，社区里确实有很多问题都和这件事相关。春节的时候，我们做了个活动叫「不让 AI 好好过年」。这也是一个玩笑，因为模型公司经常在节假日前最后一天发布新版，大家经常吐槽。当时很多人参与进来，用各种奇奇怪怪的问题包括著名的「洗车题」去难住 AI，大家笑称这是「智商下限测试」。那时候我们看到的，确实是一个经常出错的 AI。但换个角度说，这也是一个切片，是那个阶段我们真实看到的 AI 状态。
但 AI 的发展速度实在太快了。
春节过后，我们发现 AI 的状态又开始不一样了。不管是中国还是美国，大模型都像拧了发条一样快速迭代，每个模型仿佛只能活两个月，下个版本永远在惊艳你。应用场景也开始赛马式涌现，从全民似乎都在养龙虾，转眼又换成全民 vibe coding，堪称一场科技创新盛世。AI 带来的资本热度也在不断推高，到今天，Anthropic 可能即将以两万亿美金估值上市。
很多行业里的人都说，AI 太快了，只要我学得慢，我就不用学。但我想说，宏观层面的高速发展，和普通人的真实体感之间，仍然存在巨大差异。对于很多人来说，比如十一回到老家，AI 依然是一个「拍照问这是什么、那是什么」的搜索工具。
所以，回到今天讨论的「发展新路径」。我们的 AI 能力，到底发展到了什么位置？这可能是判断路径时一个非常重要的坐标。前段时间，我看到知乎（ZH）上的一个回答，引发了我的思考。GPT6 Astra 问世后，大家都在惊叹，它可以一步一步操作鼠标，用 photoshop 画出蒙娜丽莎（002918）。于是知乎（ZH）上有个问题：中国的模型需要多久才能达到或超越 GPT6 Astra 呢？知乎（ZH）有一位答主叫作 chenqin，常年从事各类深层数据分析。他的一篇回答，引发了大家的关注和讨论。
他认为，国产模型在 agent、coding、前端设计上表现很好。比如说：一句话生成游戏（881275），AIGC 短剧，这些都是我们日常看得见、用得着的消费（883434）场景。现在去菜市场买菜，大爷大妈都在用 AI 问答。AI 短剧更是占据了大量注意力。这些都是国产模型比较擅长的领域。
但过去两年，他一直在围绕「提取知识图谱的关系和实体」「长上下文的产业政策提取」和「复杂图文题目的做题和批改」，测试新模型能力的 Benchmark（BHE）。比如「上下文产业政策提取」这一项，他手里有 200 多万份数据样本，用来测试不同模型的表现。他的测试结论是，国产模型在这几个场景里，围绕效果、质量、速度、价格几个纬度，全方位被 luna 碾压，只有 GLM-5.3-flash在打折下有价格竞争力，一旦优惠结束选择就非常有限。
IDC 前不久发布了一份中国算力评估报告，也能看出类似趋势：中国算力在消费（883434）服务场景上落地和消耗更多，而在需要长期训练和打磨的场景上，算力投入仍明显不足。这跟 chenqin 的测试是吻合的，在大规模数据标注、通过 API 构建产业生态等产业基础设施场景上，海外模型走在前面。比如说 OpenAI 最近一直在攻克数学定理，一个月内解决了超过 100 个长期公开问题，引发了数学界的一系列讨论和争议。我曾就这件事和一位院士交流过，他的判断很直接：OpenAI 在数学证明上，确实已经到达了科研级水平。数学是科学的底层语言，大模型在数学领域打下的训练基础，实现的突破，也会进一步反哺到更广泛的科研领域。
所以，再回到今天的主题：AI 的新路径在哪里？「十五五」规划明确指引的方向：工程创新和科研发现。这也是真正意义上的「人工智能（885728）+」——不是把 AI 加到流量上，而是加到真正的硬骨头上。高端芯片、量子科技（885730）、生物制药、脑机接口（886047）、具身智能，这些既是 AI 可以大展拳脚的战场，也是真正卡脖子的环节。
知乎（ZH）上常年有工程师分享我们的大国工程，怎么造大飞机（885566）、造航空母舰、怎么一步一步啃下硬骨头。过去靠的是愚公移山的精神，今天，我们面对的是同一个命题：AI 时代的愚公移山。令人振奋的是，这些领域一直在不断突破。这些突破的背后，是一批默默耕耘的科研人。他们就是 AI 时代搬山的愚公。他们的研究可能离当下的消费（883434）很远，但离人类的未来很近。
可以说，当下正在发生的，是人类历史上最大的一次知识迁移——把人类积累的知识，迁移到 AI 里去。但这句话并不完整。它不是句号，而是逗号。逗号的后半句，我想应该是「更好地为人服务」。
必须承认，我们在算力和人才密度上都面临挑战。但除了算力和人才之外，「人工智能（885728）+」要实现可持续、高质量的发展，关键还是在产业升级和科学发现上，尤其在高质量的数据驱动上——由各学科的人类专家来驱动，既提升模型水平，又反哺垂类领域的工程创新和科研发现的价值闭环，最终为人服务。
让人和技术相互反哺，这才是一条能够走得更远的路。知乎（ZH）作为一个活跃着各领域人类专家的知识网络，也愿意，也必须在这条路上做出自己的贡献。
谢谢大家。
