“當(dāng)前AI（人工智能）正處于快速演化的關(guān)鍵階段?！苯?，北京中關(guān)村學(xué)院院長劉鐵巖在2025基礎(chǔ)科學(xué)與人工智能論壇上表示，大模型、具身智能與科學(xué)智能三者深度融合，構(gòu)成推動AI加速進化的“知識飛輪”。
當(dāng)“知識飛輪”真正高效轉(zhuǎn)動時，AI在某些維度上的學(xué)習(xí)與再生能力將可能超過人類。然而，劉鐵巖直言，AI發(fā)展仍面臨算力瓶頸、數(shù)據(jù)枯竭、評測滯后等一系列結(jié)構(gòu)性挑戰(zhàn)。
本次論壇是“2025國際基礎(chǔ)科學(xué)大會”特別活動之一，北京中關(guān)村學(xué)院院長劉鐵巖、清華大學(xué)電子工程系主任汪玉、美國紐約州立大學(xué)石溪分校顧險峰、曦智科技創(chuàng)始人兼CEO沈亦晨等多位專家圍繞AI的根本范式、算力瓶頸議題展開討論，500余名觀眾到場交流。
2025基礎(chǔ)科學(xué)與人工智能論壇（趙宇彤?dāng)z）
“硬傷”猶在
“大模型能對現(xiàn)有知識進行充分理解、總結(jié)和邏輯推理，科學(xué)智能基于科學(xué)規(guī)律提出新假說、發(fā)現(xiàn)新知識，具身智能則為AI提供了與物理世界交互的路徑，幫助驗證與生成新的知識體系。”劉鐵巖總結(jié)道。
當(dāng)前，隨著AI邁入復(fù)雜推理和多模態(tài)理解的新階段，傳統(tǒng)過度依賴堆疊算法、數(shù)據(jù)的“大力出奇跡”路徑已難以再進一步拓展AI發(fā)展的邊界。
劉鐵巖作《人工智能前沿發(fā)展趨勢與核心挑戰(zhàn)》報告（趙宇彤?dāng)z）
劉鐵巖指出，首當(dāng)其沖的是數(shù)據(jù)瓶頸。“互聯(lián)網(wǎng)上的自然文本數(shù)據(jù)已接近枯竭，被反復(fù)訓(xùn)練后邊際效益顯著降低。”他表示，作為大模型必不可少的“養(yǎng)料”，數(shù)據(jù)短缺制約其發(fā)展，盡管業(yè)界嘗試拓展多模態(tài)輸入、合成數(shù)據(jù)生成、交互數(shù)據(jù)采集等方式，但仍面臨質(zhì)量、成本和驗證機制等挑戰(zhàn)。
“當(dāng)前AI系統(tǒng)普遍面臨模型智能水平的持續(xù)提升，其推理能效卻不斷下降的矛盾。”清華大學(xué)電子工程系主任汪玉強調(diào)，Token（詞元）是人工智能時代核心的生產(chǎn)要素，未來要更關(guān)注單位能耗下可生成的有效Token數(shù)量（Tokens/J），“只有當(dāng)生產(chǎn)與應(yīng)用的成本必須足夠低廉、智能水平足夠可靠、系統(tǒng)規(guī)模足夠可擴展時，才能迎來真正意義上的產(chǎn)業(yè)革命?！?span style="display:none">ZO3速刷資訊——每天刷點最新資訊，了解這個世界多一點SUSHUAPOS.COM
然而，如何衡量、判斷不同大模型的推理能效？劉鐵巖坦言，現(xiàn)有的模型評測體系過于驚天，容易被“對癥”優(yōu)化、“刷榜”提分，急需引入任務(wù)導(dǎo)向、動態(tài)更新與專家混合評估機制，推動評測體系回歸本質(zhì)。
新挑戰(zhàn)涌現(xiàn)
“缺乏因果建模的能力是當(dāng)前AI在自然科學(xué)、數(shù)理建模等任務(wù)上受到限制的原因。”針對AI發(fā)展的瓶頸與限制，顧險峰指出，目前AI仍以相關(guān)性建模為主，而真正的科學(xué)建模不能僅靠大量數(shù)據(jù)推導(dǎo)模式，而需要簡約假設(shè)、邏輯自洽的因果體系。
劉鐵巖則認為，部分大模型已經(jīng)能“聽懂”人類語言。在邏輯推理、數(shù)學(xué)解題、文本論證等任務(wù)時，具備對“因為”、“所以”等因果性文本結(jié)構(gòu)的識別和理解能力，但在語義層面，是否真正理解文本背后的因果邏輯尚不明確。
近年來，多模態(tài)大模型的發(fā)展成了新熱點。當(dāng)認知對象從文本拓展到圖像、視頻，是否需要徹底摒棄token預(yù)測，轉(zhuǎn)向“世界模型”等新范式？
“語言本身是人類認知的表達系統(tǒng)?！睂Υ耍粲癯謽酚^態(tài)度，如果人類能夠通過語言準確描述某一對象或規(guī)律，AI就能借助模型實現(xiàn)理解和總結(jié)，如果人類無法找到合適的語言描述方式，AI也無能為力。
此外，AI是否具備“原創(chuàng)”能力也是本次討論熱點。
“在科學(xué)研究中，重大理論的提出絕非數(shù)據(jù)堆積所能催生。最關(guān)鍵的一步轉(zhuǎn)化，AI永遠抓不住?！鳖欕U峰直言，科學(xué)進步來自對未知現(xiàn)象的預(yù)判與假設(shè)，而非對已知結(jié)構(gòu)的不斷模仿。
沈亦晨則表示，盡管AI可以在大多數(shù)工程化問題中大顯身手，但在解決10%原創(chuàng)性突破問題方面仍力有未逮。
“即便AI無法做到‘無中生有’，但它在已知邊界上的全覆蓋與組合重構(gòu)，仍將對科學(xué)研究產(chǎn)生深遠影響?！眲㈣F巖從產(chǎn)業(yè)視角指出，未來AI將在“從類比中發(fā)現(xiàn)新結(jié)構(gòu)”方面具有巨大潛力，尤其是在AI for Science（人工智能驅(qū)動科學(xué)研究）的具體子任務(wù)中表現(xiàn)出色。
圓桌論壇（趙宇彤?dāng)z）
“下一場革命”
“AI要想走向大規(guī)模應(yīng)用，必須突破能效瓶頸?！蓖粲駨娬{(diào)，這對構(gòu)建下一代AI系統(tǒng)基礎(chǔ)提出更高要求，不僅要處理數(shù)字信息，更需實時感知物理環(huán)境，與傳感器和執(zhí)行器深度融合。
對此，汪玉系統(tǒng)介紹了提升AI系統(tǒng)性能的兩條路徑：一是保持能效水平的同時提升智能水平，二是通過軟硬件協(xié)同優(yōu)化，提高單位能耗下的推理能力?！爸挥兴惴ㄅc芯片協(xié)同優(yōu)化，才能實現(xiàn)真正意義上的系統(tǒng)能效提升。”汪玉強調(diào)。
然而，當(dāng)前大模型對算力依賴正呈指數(shù)級增長的趨勢。清華大學(xué)人工智能研究院常務(wù)副院長孫茂松舉例稱，最新一代大模型訓(xùn)練耗資約達100億美元，需要20萬張GPU卡支持，預(yù)計2035年將可能突破至1億張卡。
“百萬卡級別的計算已成為現(xiàn)實挑戰(zhàn)?！鄙蛞喑炕貞?yīng)道，盡管當(dāng)前業(yè)界在傳統(tǒng)電子芯片架構(gòu)內(nèi)嘗試了多種優(yōu)化策略，例如近存計算（CNM）、存內(nèi)計算（CIM）、流式計算與ASIC專用芯片等不同方案，但這些仍局限于晶體管架構(gòu)內(nèi)部優(yōu)化，算力上限仍受制于單位面積可集成晶體管數(shù)的物理天花板。
沈亦晨提出，光計算芯片或?qū)⒊蔀樾逻x擇。要想充分發(fā)揮光計算的高能效優(yōu)勢，需要在算法層面推動向低精度模型優(yōu)化。“同時，通過光作為連接介質(zhì)，可以極大提升芯片間通信帶寬與效率，解決分布式模型訓(xùn)練中‘多芯片如一芯片’的問題。”
汪玉補充道，無論是光計算還是電計算，關(guān)鍵是讓讓底層硬件異構(gòu)對開發(fā)者透明，即“看起來就是一臺機器”，進而保障工程系統(tǒng)的穩(wěn)定性和遷移效率。
“真正的人工智能下半場，將是‘Experience-driven AI’（由經(jīng)驗驅(qū)動的人工智能）?！眲㈣F巖拋出一種全新的范式設(shè)想，由100萬個機器人在物理世界中實時感知、同步數(shù)據(jù)和模型權(quán)重，實現(xiàn)全域智能協(xié)同，“這將超越大模型集中訓(xùn)練范式，形成全新的進化路徑?！?span style="display:none">ZO3速刷資訊——每天刷點最新資訊，了解這個世界多一點SUSHUAPOS.COM
“大模型的有效性是經(jīng)驗主義的，但它的問題也是根本性的?！泵嫦蛭磥?，孫茂松提出新的期待，“真正的突破，有賴于我們在理論與系統(tǒng)兩端都邁出新的一步?！?span style="display:none">ZO3速刷資訊——每天刷點最新資訊，了解這個世界多一點SUSHUAPOS.COM
本文鏈接：狂飆三年 AI下一步走向何方？http://www.sq15.cn/show-11-23914-0.html
聲明：本網(wǎng)站為非營利性網(wǎng)站，本網(wǎng)頁內(nèi)容由互聯(lián)網(wǎng)博主自發(fā)貢獻，不代表本站觀點，本站不承擔(dān)任何法律責(zé)任。天上不會到餡餅，請大家謹防詐騙！若有侵權(quán)等問題請及時與本網(wǎng)聯(lián)系，我們將在第一時間刪除處理。