——访中国工程院外籍院士、清华大学智能产业研究院创始院长张亚勤
■中国经济时报记者张一鸣■见习记者姚俊臣
从1956年的达特茅斯会议开始,整个世界对人工智能(885728)(AI)的探索热情几经涨落。但最近十年,上扬的趋势显而易见。
十年前,随着AlphaGo战胜李世石,公众逐渐认识到深度学习的威力,张亚勤顺势提出了“AI+”理念。如今,随着ChatGPT、智能体、具身智能轮番亮相,AI逐渐成为社会生活的基础设施,他又把这些思考、解读和预测收进一本书里,取名《智能涌现:AI时代的思考与探索》。
“涌现”不是修辞术。身为中国工程院外籍院士、清华大学智能产业研究院创始院长的张亚勤说,有一层涌现发生在数据、算力、算法三者的叠加上,达到一定规模后自然出现涌现效应;另一层发生在技术之外,AI不断向外溢出,进入教育、医疗、制造、交通、金融等领域。
01
AI对经济的影响才刚刚开始
“AI对整个经济社会的影响才刚刚开始。”张亚勤说,“我们现在还只看到了冰山一角。”
过去几年,大模型不断刷新参数规模与能力边界。“数据有多少”“模型有多大”“算力有多强”一度成为AI产业竞合的主调。但翻开近期大模型厂商的财报,这套逻辑正在改变:模型推理成本、单位算力产出,开始被市场广泛关注。
对此,张亚勤的结论很直接:AI产业已经过了单纯依靠堆参数、数据和算力来提升模型性能的阶段。这不是说前沿模型不再重要,智力上限仍在提升,但迭代速度与前两年相比已明显放缓。
“让模型更轻、更快,用更少的算力与数据达到相同或类似的效果。”他说,AI产业的下一步,不仅要继续提升模型能力,而且要在算法、架构和应用层面提高效率。
这不是一个技术问题,而是一个经济问题。
将AI放进更长的产业周期(883436)审视,移动互联网(160636)时代的产业规模约为PC互联网时代的10倍,而人工智能(885728)时代有望在此基础上再扩大100倍。AI不只是纯粹的技术工具,而是制造、交通、能源(850101)、金融等千行百业共同的基础设施与底层思维。
“现在的‘AI+’与刚提出的时候完全不同。当时只是构想,现在已经可以在真实产业中找到一些答案,但它的潜力还远远没有得到充分释放。”张亚勤说。
“智能体”是今年的关键词。《智能涌现》里面写道:我们当前正处于数字智能、物理智能与生物智能三大智能融合的周期(883436)。数字智能把进阶的智能赋予所有数字体,让人随时随地、借助任何方式获取智能体验;物理智能是物理世界的数字化,起步虽早,完成尚需时日;生物智能是生物世界的数字化,指向机器智能、人脑和生物交叉的未来形态。
智能在加速,但价值兑现期还需要等待。
02
AI进入物理世界面临新考题
如果说过去十年AI主要是在数字世界里发展,那么下一个十年,更显著的变化将是AI向物理世界渗透。张亚勤用“比特”和“原子”两个概念来区分数字世界与物理世界。
数字世界的数据,可以被大规模复制、标注和共享。物理世界的逻辑则完全不同——数据量小,场景分散,不同机器人、机械臂、灵巧手所处的应用场景不同,数据格式不统一,数据之间也缺乏互联,很难实现真正意义上的共享。而且,一个算法接收输入、生成动作,动作再反馈回模型,时间耗费很长。“这是物理世界的客观限制。”张亚勤说。
同时,需要强调的是,由于具身智能部署数量较少、应用场景有限、算法不易收敛,数字世界的规模效应很难复现。具身智能的技术路线也在不断演进。从视觉模型、动作模型(VLA)到世界模型、基础模型,再到本体模型与云端模型,不同技术路线之间如何互动、耦合、学习、进化,都在探索之中。
“数据很重要,但是由于数据不足,很难从根本上解释具身智能发展遇到的一系列瓶颈,也很难解决所有问题。”张亚勤认为,与其追求数据规模,不如思考如何让数据“闭环”:先采集一部分数据,让机器人学习,再进入新的物理环境执行任务,在执行任务的过程中产生新的数据反哺模型,从而推动能力提升。“没有这个闭环,收集再多数据都不行。”
03
中国AI产业迎来新机遇
具身智能是AI产业发展变化的一个缩影。张亚勤注意到,AI产业竞争的重心正从基础模型向中训练、后训练阶段延伸,涵盖推理优化、智能体应用及具体行业场景。
推理成本正快速下降。但是,单位成本的降低,反而激发了更广泛的应用场景,导致算力消耗量不降反升。智能体复杂度的提升,进一步抵消了部分效率红利。
“未来,真正具有蓬勃生命力的AI,不一定是参数规模最大的模型,而是能够以更低成本、更高效率完成特定任务的模型。”张亚勤说。
对效率和成本的重视,恰恰为中国AI产业打开了新的发展空间。近年来,从DeepSeek等新兴力量的崛起到整个产业链的快速发展,中国走出了一条“更快的算法、更高的效率、更低的价格”的发展道路。
“美国花大部分时间打造前沿大模型,追求算力、数据,提高模型上限。中国公司大部分是把模型用起来,基于真实场景数据,在训练、中训练、后训练等环节中持续提升应用水平。应用场景优势又反哺了模型,促进模型性能不断提升。”张亚勤说。
04
通用机器人落地应用尚需时间
具身智能真正走向大众生活,很大程度上取决于从相对可控的固定场景走向更加复杂的开放环境。
“自动驾驶是具身智能中率先跨越技术门槛的赛道。一些做得好的企业,安全系数已经超过人类司机,通过了‘新图灵测试’。”在张亚勤描绘的场景中,五年或十年后,在宽广的、具备一定智能的城市道路上,行驶的都是自动驾驶车辆,不需要司机和监督员,就能够实现真正意义上的无人驾驶(885736)。
但是,通用机器人的落地、应用,还需要时间沉淀。他直言,具身智能短期内很难真正走进普通家庭。当前,无论是在家庭、工厂还是商场,具身智能整体仍处于不断“试错”的状态。
不过,他依然乐观。放眼未来,机器人的数量可能在十年之后超过人的数量,并成长为一个十万亿元级的产业。乐观也不等于盲目。智能涌现之后,真正的考验或许不是AI能做什么,而是一本摆在所有人面前的经济账、社会账,到底怎么算。
