2025年2月22日，墨子沙龍邀請中國工程院院士，清華大學智能科學講席教授、智能產業研究院（AIR）院長張亞勤教授來到中國科學技術大學上海研究院做主題演講，一同探討人工智能從科研到產業化的未來。此外，本次活動還特別邀請了中國科大量子領域專家汪野教授、知名自媒體創作者差評君，與主講嘉賓進行量子與AI的觀點碰撞。本文根據該直播內容整理而成。

人工智能 （AI）已從昔日的科幻構想和前沿技術，發展為一種無處不在的社會現象。從大約十年前的AlphaGo，到近幾年的ChatGPT，再到近期炙手可熱的DeepSeek，人工智能的影響已滲透至各個領域，無論科研、產業，還是每個人的日常生活，乃至整個人類社會，都深受其影響。人工智能新浪潮正在涌動，人工智能技術發展之迅猛，用“日新月異”來形容再恰當不過了。

可以說，人工智能是過去二三十年里最具變革性的一種技術力量。在此，我將先從技術層面探討人工智能的整體發展趨勢，然后再談談如何將這一顛覆性技術深入應用于產業。如今，我們每個人或多或少都在使用各類AI應用，例如文生圖、郵件撰寫、詩歌創作等，而我將重點討論的深入應用是指人工智能將如何重塑產業格局：智能體技術如何催生全球首家無人醫院；無人駕駛的發展現狀及未來前景；在生物智能領域，人工智能如何推動腦機接口技術的進步，如何加速新藥研發……

人工智能的能力日益強大，但隨之而來的風險亦不容忽視。最后，我將探討人工智能帶來的安全隱患、潛在風險以及相應的治理。

技術大趨勢

歷史上的每一次工業革命都深刻改變了人類的生產生活方式。我們正處于第四次工業革命的浪濤之中，有三個重要的技術力量推動著這一變革：數字化、人工智能和新產業。其中，數字化技術至關重要，是第四次工業革命的基礎，因為有了數字化做“底座”，人工智能才得以發展，進而催生出新的產業。

數字化

麻省理工學院媒體實驗室的內格羅蓬特（N. Negroponte）在1995年出版的《數字化生存》（Being Digital）中稱數字化為“從原子到比特”。原子是物質的基本組成單位，而比特是數字化信息的度量單位，從原子到比特意味著人類文明從依賴物質實體到數字化時代的轉變。

數字化1.0，主要是內容的數字化。如今，我們所有人都在使用和享受的數字音樂、數字視頻和數字圖像在早期都是模擬形式的，第一波數字化是將自然內容轉化為數字格式。Word、Excel和PowerPoint等應用都是這一階段的產物，它們實現了文檔內容的數字化。大約在1990年代中期，進入數字化2.0時代，這一階段有兩個重要標識：消費互聯網和企業數字化 （信息化）。隨著互聯網的興起，各類內容被聯系在一起；繼PC互聯網而來的移動互聯網則帶來了更多可能，如今我們手機里的社交、移動支付等各類app都屬于移動互聯網、消費互聯網時代的產物。與此同時，企業也在進行數字化（也常被稱作信息化），例如有了企業的數據庫以及ERP系統等管理、市場、人事方面的各種應用。云計算可以說是企業數字化的一個重要成果，它也給企業帶來的深遠影響。

如今，我們步入數字化3.0階段。與以往的數字化不同，數字化3.0不僅僅局限于信息世界的數字化，更重要的是數字化開始涵蓋物理世界和生物世界。我們的車輛在數字化，我們的道路在數字化，我們的城市、電網，甚至家庭也在實現數字化。另一方面，我們的蛋白質、身體器官，乃至整個生命體也在經歷數字化。如果說數字化1.0和2.0是從原子到比特的轉變，數字化3.0則是比特與原子與分子的相互融合。這意味著，新一代的智能不僅僅是信息智能，它還是信息智能、物理智能、生物智能的大融合。

▲數字化3.0階段，物理世界和生物世界也在數字化

智能與人工智能

經過十萬、百萬年的進化，人的大腦變得極為高效，成為了最智能的存在。大腦的智能主要體現在四個方面：首先是感知，即感受物理世界的能力；其次是認知，我們通過邏輯推理來理解世界；然后是決策，最后是行為。盡管過去一百年里，科學家對大腦的研究取得了很多突破，但至今我們對人類這一最重要器官的理解仍然很有限。但即便如此，對大腦的理解也已經為人工智能的發展提供了有價值的啟示。

例如，1960年代，麥克萊恩（P. MacLean）提出大腦結構和功能的一個簡化模型——“三重腦”模型。他將大腦分為爬行動物腦、古哺乳動物腦（也稱邊緣系統）、新哺乳動物腦（也稱新皮層）三部分：最基礎的爬行動物腦包括小腦、腦干等，負責調控呼吸、睡眠等用來維持生命的基本生理功能；其次是邊緣系統，負責情感、記憶和習慣等；最上層的是新皮層，它是進行聯想推理、邏輯思維的核心區域。我們說DeepSeek等具有推理功能，指的就是這一層次的能力。此外，人類與其他物種的一個重要區別是我們擁有復雜的記憶系統，坎德爾（E. Kandel）等人的研究告訴我們，人類有自動觸發、無需意識的內隱記憶以及意識參與、需要主動回憶的外顯記憶。這些記憶最終會轉化為知識。還有，你可能聽說過卡尼曼（D. Kahneman）的“系統1，系統2”理論。系統1進行快思考，更多依賴直覺，類似于肌肉反射，而系統2執行更深層次的推理和思考過程。這些對大腦工作原理的認識，已經影響并融入進人工智能的算法設計中，給人工智能發展帶來啟發。

許多人認為人工智能的起源可追溯至1956年的達特茅斯會議，正是在這次會議上首次提出了“人工智能”（Artificial Intelligence）這一概念。我認為，人工智能的真正起源應歸功于三位先驅。首先是圖靈（A. Turing），他提出了圖靈機和圖靈測試。他的著名論文《計算機器與智能》（Computing Machinery and Intelligence），實際上定義了計算和智能這兩條發展道路。長期以來，計算的發展飛速，而智能的發展則相對緩慢，直到過去十年，智能領域才迎來真正的飛躍，現如今計算和智能逐漸趨向融合。第二位是香農（C. Shannon），他為我們定義了信息、比特以及如何描述和傳輸信息。他是信息論的奠基人，實際上也是數字化的先驅，他的理論為智能系統中信息處理和知識描述提供了基本框架。第三位是控制論的奠基人維納（N. Wiener）?？刂普撝械摹胺答仭备拍睿鋵嵕褪且环N學習系統的模型，無論動物學習、人類學習，還是機器學習，都離不開這一機制。如今的強化學習、機器學習就源自這一思想。

▲人工智能的主要學派

經過多年的發展，衍生出許多不同的人工智能學派，如符號學派、進化學派、類比學派、貝葉斯學派、連接機制學派等。在人工智能的發展過程中，雖然經歷了幾次“寒冬”，但最終實現了大規模發展，并逐漸滲透到我們生活的各個方面。特別是過去十年，深度學習、連接主義的崛起，標志著人工智能進入了一個新的時代。

▲人工智能的發展歷程

過去十年，人工智能的發展呈現出幾個顯著的特點。首先是大數據和預訓練。海量的數據是數字化3.0的一個重要基礎，借助大數據和強大的算力，可以進行人工智能算法的預訓練，以找出模型的最佳參數。第二，人工智能不再局限于單一模態，而是進入了多模態的時代。除了文字之外，圖像、視頻、音樂等不同形式的信息都能被處理和理解，甚至涉及激光雷達、傳感器和腦機接口芯片等各類設備。另外，由于數據量和計算力的飛躍，人工智能的模型也越來越龐大，進入大模型時代。大模型相當于我們能夠構建一個更加復雜的函數，更精準地逼近復雜的現實世界。最后，尤其重要的是，人工智能的模型越來越向生成式方向發展。這種生成式模型不僅僅是對已有數據的分析與處理，更能在理解和學習的基礎上，創造出新的數據和內容。

大模型并非一個全新的概念，實際上，早在十年前，已經存在許多大型模型。然而，直到2022年ChatGPT的出現，大模型才邁上了一個新的臺階。首先，與過去的判別式模型截然不同，它是生成式模型。如今的人工智能不僅能夠處理和識別信息，還具備了生成新內容的能力，不僅可以生成文字、圖像、音樂、視頻，還可以生成代碼、公式、工具，甚至能夠生成蛋白質分子結構、開發新藥、設計新材料，為我們開辟了一個全新時代。另外，它還向我們展示了通向通用人工智能的一種可能性。過去，人工智能主要集中于語音識別、圖像識別、人臉識別等單一任務，每個任務需要專門設計模型，而隨著ChatGPT的出現，我們看到了一個大模型能夠同時完成多種任務，展現出與人類類似的多面能力。

回看人工智能的發展，會發現兩個因素至關重要：大數據和大算力。值得注意的是，當前對算力的需求呈指數級增長，每年的增長是十倍量級，遠遠超過了摩爾定律的預期。過去幾十年的計算機發展史上，有三個重要的“極限”影響和制約著傳統計算和通信范式：香農定律揭示了信息處理的極限，馮諾依曼架構定義了計算機的基本工作原理，摩爾定律預測每18個月計算機的計算能力或晶體管密度將會翻倍。然而，為了推動AI的發展，我們必須突破這三個“極限”。過去十年、特別是最近五年所涌現出的許多新技術、新發明，其目的就是為了突破這些傳統瓶頸。未來，類腦計算、量子計算、光計算、生物計算也許會扮演重要角色。

未來AI大模型的發展方向可以概括為5個方面：1）多模態。人工智能不僅能處理文字，還能處理視頻、圖像、3D結構信息、4D時空信息以及生物信息等，實現跨模態、多模態發展。2）自主智能。智能體可以自主規劃任務、開發代碼、調動工具、優化路徑、實現目標，以及進行自我迭代、升級和優化，但這也會帶來一定風險。3）邊緣智能。大模型從云端走向本地化，部署在手機、PC等邊緣服務器和設備終端上，實現高效率、低功耗、低成本、低延時。3）物理智能。人工智能與機器人、無人車、無人機以及電網、通信網絡等物理設施結合，推動基礎設施智能化發展。4）生命智能。將大模型與人腦和生命體融合，探索硅基與碳基生命的融合。

產業3.0

人工智能技術的發展催生了全新的產業生態，從“數字化+”、“互聯網+”進展到了“人工智能+”時代。首先，人工智正在深刻改變IT產業，誕生了新的芯片、新的軟件、新的模型、新的數據中心、新的應用。如今全球市值最高的企業大多來自互聯網和IT行業，而這些企業都在轉變為人工智能企業。其次，人工智能正在改變所有工業。任何一個企業，只要有數字信息，就會受到人工智能的影響，或者生產AI，或者使用AI。我認為，就像在互聯網時代所有企業都可以說是互聯網企業一樣，未來所有企業都是AI企業。此外，人工智能還創造了全新的工業，我稱之為“新智能產業”或“新智能經濟”，這是一種全新的產業生態。我曾在微軟做操作系統，我認為就像PC互聯時代的Windows、移動互聯時代iOS/Andriod， 大模型就是AI時代的操作系統，支撐著從芯片架構到各種應用的整個生態，而這個新的生態比過去要龐大十倍、百倍，甚至更多。

我現在所在的機構是清華大學智能產業研究院，我稍作下介紹。這是我從百度退休后創辦的，成立的初衷很簡單，就是利用人工智能技術賦能產業，推動社會進步。更早時我在微軟亞洲研究院，其成立時也有這樣的理念，但微軟亞洲研究院是屬于公司、為公司服務的，我希望建立一個面向整個社會、更多為我們國家培養人才的研究院。我們的目標是培養具有國際視野的技術領軍人物，實現關鍵技術上的突破，打造學術和產業的雙引擎。

AI + 產業

清華大學智能產業研究院成立時，我們確立了三個主要方向：AI+自動駕駛/機器人、AI+物聯網、AI+生命科學，分別對應前面提到的大模型的3個發展方向，即物理智能、邊緣智能、生物智能。接下來，我通過我們的一些工作實例來探討人工智能對產業的深刻影響。

醫療智能體：全球首家無人醫院

智能體能夠感知環境、自主決策并執行行動以實現特定目標，通常具備自主性、反應性和適應性等特征。清華大學智能產業研究院（AIR）劉洋教授課題組利用AI智能體，打造了全球首家無人醫院 Agent Hospital。

這一項目非常有趣！它是一套虛擬世界系統，設置了21個科室，患者、護士和醫生均由AI扮演。通過綜合使用大模型、醫學知識庫和公開病例，系統生成了覆蓋不同疾病、年齡、性別、地區等關鍵因素的數十萬AI患者。而AI醫生通過閱讀醫學文獻、診治大量AI患者，來提高診療能力。由于虛擬世界內的時間流逝速度是真實世界的100倍，僅用2天時間便能完成上萬病例的診斷，最終，Agent Hospital在美國醫生執業醫師資格考試數據集上取得極其優異的成績。醫療智能體將為人類提供低廉、便捷、優質的醫療服務。

那么，未來是否不再需要醫生？我認為，完全不是這樣。AI并非是要取代醫生，而是作為醫生的一個助理。未來，每位醫生都將配備一個AI助理，它將負責包括診斷、處理數據在內的大部分的工作，然而最終的診斷決策仍應由醫生做出。AI助理的角色是醫生的輔助，幫助醫生提高效率和準確性，而不是替代醫生做專業判斷。

物理智能：機器人，無人駕駛

對于物理智能、具身智能，大家可能已不陌生，出現在2025年春晚并引發人們熱議的人形機器人即屬于此類。機器人將首先進入工廠和社會，例如從事保安、警察等工作，最終，它們將進入家庭，成為人們日常生活的一部分。我相信，十年之后，機器人數量可能會遠超人類。每個家庭都擁有多個AI機器人，有些是物理、現實的，有些則是數字、邏輯的，它們既能處理家務，又能與人交流，甚至成為你的管家、朋友。

無人駕駛是物理智能的重要應用領域之一，它是一種專門用于駕駛任務的機器人系統。過去幾年，這一技術逐漸從概念走向現實，例如武漢的“蘿卜快跑”和上海的無人駕駛項目。我花費過很多時間和精力做人工駕駛，大約十年前，作為百度總裁，我推動了無人駕駛項目。我認為，無人駕駛是人工智能應用中最具挑戰性和重要性的一個領域。一方面，它面臨諸多技術挑戰，涉及感知、認知、決策和執行等各類復雜任務，且因為關系生命安全，對可靠性、準確性的要求極高。另一方面，與許多需要多任務處理的應用不同，顧名思義，無人駕駛僅專注于一個任務——駕駛。因此，盡管技術難度高，但由于任務明確且邊界清晰，我認為這是可以實現的。基于這一理念，我們當時推出了自動駕駛平臺Apollo。它完全開放、開源，如今已發展為全球最大的無人駕駛平臺，是中國對世界的一項重要貢獻。

實現無人駕駛是個復雜的事情，需要考慮技術可行性、用戶需求、產業生態以及商業模式等市場因素，還要考慮政策、法規、倫理、隱私和其他人為因素等非市場力量的影響。這些因素交織在一起，讓問題變得復雜，但在十年前，我就堅信無人駕駛是一定會實現的，而且會在不久的未來實現。當時對無人駕駛發展前景的一些判斷，也基本實現了。我們現在已經看到，無人駕駛讓出現更安全、更經濟，深層次地改變了產業。

生物智能

在中央電視臺的一檔節目中，鋼琴家郎朗與一位女孩合作進行鋼琴表演，配合非常默契。而女孩使用的是假肢，技術來自杭州一家名為“強腦科技”的公司。這正是生物智能的一個絕佳案例。

我們知道，馬斯克（E. Musk ）的 Neuralink 是通過將芯片植入大腦來實現腦機接口。而強腦科技所采用的技術則不同，它不需要植入芯片，而是利用一種新型的高靈敏度傳感器來測量腦電波和肌電信號。通過積累大量數據，并應用人工智能算法，這項技術能夠識別我們的思維，甚至指揮我們的手或腿執行相應動作。這項技術的挑戰非常巨大。首先，信號非常微弱，需要檢測到極其微弱的電流，這對傳感器的靈敏度要求極高。其次，如何將這些信號轉換為具體的動作是一個難題。舉個例子，使用這項技術的患者可以想象某個字形，機器通過檢測腦波就能自動將其轉化為書法。這表明，AI不僅能夠識別我們的思維，還能將其精準轉化為行動，完成復雜的任務。

另一個例子是清華大學智能產業研究院（AIR）團隊的工作，AIR聶再清教授課題組開發了一個面向生物醫藥領域的大模型，名為 BioMedGPT。這一模型涵蓋了蛋白質、分子、單細胞等生物醫學領域的專有知識，以及大模型的知識和數據庫的知識圖譜。借助這一平臺，研究人員可以進行多種創新工作，如新藥研發、蛋白質結構解析，甚至可以生成新的藥物，這為藥物的研發開辟了全新的思路。

還有一個例子是大家熟知的 AlphaFold。運用人工智能算法，AlphaFold第一次成功解析了幾乎所有人類蛋白質的結構。解析蛋白質結構對醫學具有極大的意義，因為許多疾病的根源都與蛋白質的突變或錯誤相關。為了治療這些疾病，我們需要開發藥物，但藥物和蛋白質之間的匹配并不容易，目前，僅有10%的蛋白質能夠與藥物相匹配。面對這一問題，清華大學團隊利用人工智能大模型，計算出了成藥的所有可能性，研究人員從中可以篩選出潛在的藥物。目前，該項目已經涵蓋了200多萬個潛在藥物，并且開源，供全球研究人員使用。

▲BrainCo 腦機接口技術

風險、治理與展望

人工智能展現了強大的能力，但我們也必須警惕其中的風險。目前看來，風險主要集中在信息領域，例如，AI生成了大量假信息，包括虛假的數據、虛擬人物，甚至可以創造出極其逼真的數字人進行詐騙。這些風險雖然存在，但我認為它們是可控的。然而，當人工智能的能力應用到物理世界時，風險將更加復雜和嚴重。比如，在機器人、無人車、無人機，甚至大型電廠等基礎設施領域，AI系統如果不可控或被惡意利用，所帶來的后果將是巨大的。特別是應用在生物技術領域時，風險將進一步擴大。

因此，風險控制和治理至關重要，需要科研、政策和法規層面的多維協同。過去兩年，許多論壇和機構在積極開展這方面的工作，致力于確保人工智能在安全和可控的框架內發展。

關于人工智能未來的發展，在2024年6月6號的“太湖對話”上，我分享了個人觀點。需要說明，這僅是我個人的觀點，不代表清華大學或清華大學智能產業研究院的立場。此外，我還特別提到了日期。我對AI發展的5個觀點如下。（1）在未來十年，大模型、生成式AI仍將是主流技術和產業路線。（2）未來需要多種不同類型的模型，包括大型的基礎模型、垂直領域的專用模型，同時，我們還需要邊緣模型。關于開源與閉源之爭，也存在許多分歧。有些人認為閉源會始終占據主導地位，而開源沒有未來。但我一直認為，開源和閉源將同時存在，各自有其獨特的生態系統。（3）基于Token的統一表征和規模定律（scaling law）是大模型的核心要素。首先，無論是文字、圖像、激光雷達數據還是蛋白質結構，所有的信息都可以轉化為統一的token，這使得大模型能夠處理不同形式的信息，實現多模態。其次，規模定律揭示了模型規模與性能之間的關系，表明隨著模型參數量的增長和訓練數據規模的擴大，大模型的表現會顯著提升。（4）相較于人腦的高效，當前人工智能算法在計算效率和能耗效率方面仍存在顯著差距，為突破這一瓶頸，亟需構建新一代算法體系。預計在未來五年內，AI基礎架構將迎來突破，當前主導的Transformer、Diffusion等技術范式或將被顛覆。（5）我個人對通用人工智能的定義是，當AI在大部分（例如95%）任務上超越大部分（例如95%）人類時，我們就認為達到了通用人工智能的標準。根據此定義，我認為在信息智能領域（對語言、圖像、聲音和視頻的理解、生成等），0—5年內將實現通用人工智能；在物理智能領域（無人駕駛、人形機器人等），0—10年內將實現通用人工智能，最早實現的可能是無人駕駛；在生物智能領域（腦機接口、制藥等），0—20年內將實現通用人工智能。

人工智能將是信息智能、物理智能和生物智能的融合，它依托天文級的數據、強大的計算能力和先進的智能算法。人工智能將帶來巨大的產業機遇，據分析，到2030年，人工智能將創造20萬億美元的GDP，相當于全球第二大經濟體中國目前的GDP。然而，人工智能的崛起也伴隨著諸多隱患，風險控制和治理至關重要。人工智能不僅是企業的事情，更是國家層面的事情，它將深刻改變全球的社會和經濟格局。年輕人應敢于做夢，只有敢于夢想，才能實現偉大的目標。

張亞勤：中國工程院外籍院士，清華大學智能科學講席教授，清華大學智能產業研究院院長。他于2014年9月至2019年10月擔任百度公司總裁。出任百度總裁前，張亞勤院士曾在微軟公司工作16年，歷任全球資深副總裁兼微軟亞太研發集團主席、微軟亞洲研究院院長兼首席科學家、微軟全球副總裁和微軟中國董事長。

本文轉載自《墨子沙龍》微信公眾號

《物理》50年精選文章