本文對人工智能（AI）核心觀點：

大模型真正的本質是人機接口——萬物皆可Chat。

AI正以“非圖靈標準”的方式，越來越像人——相互如此地不同。

真正能落地的AI應用越來越像機器，而不是像人。

最近，被業界稱為AI四小龍之一的云從科技發布了一季度的財報，其虧損情況令人驚訝。一季度的營收僅為 3700 萬，同比下滑了 31%，和 2022 年相比，更是同比下滑了 83%，凈虧損額高達1.2億，居然是收入的3倍多。

AI四小龍老大的商湯科技，曾經市值超過 3200 億港幣，如今只有 500 多億，跌去了超過 80%。2024 年營收 37 億，凈虧損卻達到了 43 億，同樣是虧損額顯著超過了營收。

在AI一片熱潮之中，這些國內主要AI企業實際經營情況令人擔憂。

AI領域特別容易讓人產生誤解，作出商業上的錯誤判斷，真正找到可以有效落地的商業模式很不容易。我過去寫的很多文章一直呼吁，人們應該冷靜和理性對待AI的發展方向。

令人欣慰的是，宇視等從事AI視頻業務的公司尋找到了比較好的商業模式，在這個領域經營一直比較成功。

2025年五一節前，我在十三朝古都西安參加了宇視的2025合作伙伴大會。我參加過很多次宇視的產品發布和合作伙伴大會，這一次可以說是收獲最大和受觸動最深的一次。對AI的認知也提升了很大一個臺階。

一、對AI的眾多疑惑消散后的新認知

29號上午參觀完眾多宇視合作伙伴基于梧桐大模型研發的應用，以及主論壇的主題演講后，我就有些心潮起伏的感覺。

我在來之前最想看的就是這些細分的應用，甚至最希望看到一些場景極為特別的細分應用。這種期待在宇視的梧桐大模型2年前剛發布時就有了。這次的確在很多采用宇視平臺的伙伴公司展臺上看到了想看到的應用場景。

智慧電力

智慧零售

智慧化工

農田巡檢機器狗

河流污染檢測

一氧化碳等有害氣體激光檢測器

智慧校園

小區異常案例：貨物不能走客梯

安全生產

越是特別細分的應用場景，越是能夠體現出梧桐大模型的優勢。

這類應用場景以過去的技術并非絕對不能實現，只是因其應用面太狹窄，專門為其開發軟件在成本上很難平衡。

在過去一年中，宇視已經與超過3000個合作伙伴，應用于超過5000多個不同場景。依托宇視的梧桐大模型平臺，可以不需要專業編程人員，合作伙伴直接就可以將自己特定的應用場景素材輸入平臺，訓練出自己細分領域的特殊模型。

這種產品設計極為重要，通過這種方式極大降低非標準化應用的成本，才有可能擴展相應領域的業務應用。

一些媒體總結AI企業經營狀況不太好的原因時，把做了太多非標準化業務，導致成本過高，從而使得毛利率狀況惡化作為最主要的原因。

做AI的企業如果不能利用AI降低非標準業務的成本，那么就失去了采用AI技術的意義和價值。不能僅把AI當作一個新潮的概念，其實AI和其他概念的最基本商業邏輯都是一樣的，但AI這個概念特別容易讓人忘記最基本的商業邏輯。

過去媒體在談中國AI優勢時，大都意識到行業垂直應用是我們的優勢領域。這種優勢到底該如何變現才最重要，尤其要避免在做這種垂直應用時，伴隨的非標準化帶來成本劇增的大坑。

對這個問題的解答，雖然可以有理論和技術上的各種設想或想象，但最終還是需要靠千千萬萬一線客戶應用實踐，才會給出最清晰的答案。

例如電力線巡檢的應用，需要特定地檢測幾類危險場景：工程車輛施工是否會影響電力線的塔架；電力線和塔架是否有傾斜；周圍是否有山火等險情。而在小區場景里，AI要發現一些異常情況，如有人違反規定將貨物走客梯，需要保安及時發現并疏導等。

還有一些特定的、如大鵟及雪豹等珍稀野生動物保護應用，可能需要在野外安裝可見光和紅外相機，判斷出特定要監測的珍稀動物出現并拍照。

國際愛護動物基金會感謝宇視，傷員大鵟[kuáng]，猛禽醫院術后康復

珍稀動物 雪豹

通過參加這次活動中獲得的豐富信息，我對AI的本質終于可以整理出一個系統的全新理解，使我過去對AI存在的諸多疑慮有一個相對清晰的答案了：

1. 大模型真正的本質不是“通用AI”，而是一個通用的、呈現出似乎有語義理解能力的人機接口。

   這是我聽到宇視總裁張鵬國提出的新理念“萬物皆可Chat”時產生的靈感。

2. AI正以“非圖靈標準”的方式越來越像人——相互如此地不同。

   這是我對宇視梧桐行業大模型發展到現在大量細化應用場景時產生的靈感。

   我從四十年前開始研究AI時，就對人工智能業界流行的圖靈標準很難接受。不僅感覺它太模糊，而且人本身相互之間就不像，怎么可能有一個通用的測試來評價機器是否像人呢？

   我所說的“AI越來越像人”的準確含義，是AI在大模型的基礎上，出現越來越細分的巨大差異，就如人一樣相互之間千差萬別。

   就像我們在中學里學習的都是統一和通用的知識，到大學就會出現專業差異，最終要到實際工作中，還是需要針對差異化的專業細分領域學習更專業的知識和技能。

   對于“通用人工智能AGI（Artificial General Intelligence）該如何理解？它是否有可能實現？”等問題，我們并無興趣討論。只是需要指出的是：AI的真正落地和實用，關鍵在于差別，而不在于通用。

3. 真正能落地的AI應用越來越像機器，而不是像人。

   人類創造一切機器，都是為解決市場上的實際問題，但在AI領域卻特別容易摻雜進人們想象中的某種意義上“像人”的AI，甚至幻想出很多連人都做不到的事情。

   例如，人類有一個情侶的不可能三角：顏值、能力和性格不可能同時達到最優。但是，人們卻總是幻想能開發出顏值、能力和成本同時達到最優的機器人；人不是萬能的，卻總是去幻想萬能的機器人。

二、北航辛棄疾的最佳演講

很少能在一個本來算程式化的企業活動中有這樣的靈感大爆發。我現場聽過宇視總裁張鵬國的很多次演講，感覺這次演講是我聽到過的最出色的一次。臨近午夜，張總與我在微信上熱烈交流了當天的感受。

張總號稱“北航辛棄疾”，他講清楚技術不難，寫出好詩詞也不難。但如何將一個突破性的技術新趨勢用最簡潔且吸引人的概念表達出來，需要特別的靈感，甚至特別的歷史時間點。

他說可能只有回到老家才會有靈感，現場演講中他提到自己是從酒店走到會場的。我一查地圖，走過來得將近一個小時，在老家的土地上走這一個小時應該會有很多感觸，回到根才能理解到根。

風起于青萍之末，浪成于微瀾之間。

AI已經發展很多年，大模型火爆全球是從2022年底開始，為什么現在卻說是“風起”？

因為過去AI的發展，可能都只是真正的風起之前突發的一次次飛塵漫天、遮天蔽日的陣風，而今卻是AI慢慢修成正果之后開始的、方向已經明確的信風。

窺一斑可見全豹，賞一花即曉春來，一葉落而知千秋。

張總在演講中說，DeepSeek把他對詩詞的自信全打掉了，這應該是AI成熟的一個側面。

AI與人們的直覺想象可能正好相反，很多被認為富有人類智慧的能力，卻被證明人工智能實現起來卻更容易。例如寫報告、寫新聞稿、法律咨詢、金融精算、寫詩、繪畫、生成視頻、下棋，甚至是科學研究發現新的蛋白質折疊結構......

這些在過去被認為是高智商的工作，AI卻是更早、更易實現的。而一些被認為是人類相對比較簡單、文化水平不高的人都可以做的工作，例如做家務、貨車司機等，AI實現起來卻很難。這是下一代AI要解決的問題。

大模型本身就是從機器翻譯中發展出來的，所以它最主要的能力就是語義理解和生成。機器翻譯中的生成是按語義盡可能一對一地在不同語種間轉換。而一旦將這個模型摘出來進行充分的發展，就會爆發出完全不同的能量。

首先，大模型生成的不再是嚴格按輸入的信息內容一對一翻譯的內容，而是可以將其看作命令或要求進行擴展式的生成。對此人們已經充分感受到了，它可以根據輸入的一句話的要求生成相應的報告、圖片或視頻，也可以生成演講的PPT等。

二是輸入的內容也不限于人類的語言文本，也可以是圖像、視頻等多模態信息。更讓人震撼的是，它還可以輸入各種動物——鳥獸的語言，將其翻譯成人類可理解的語言，也可以將人類的語言翻譯成動物能直接理解的語言?？梢月牰B語，號令百獸的神話故事即將變為現實。

回到本文開頭就提出的核心觀點，未來是否會出現奇點此處我們并不去討論，但對AI的未來，以及什么才是真正的人工智能，已經可以建立起比較清晰的圖景了：

• 像人一樣具備一些通用的基礎智能。

• 像人一樣針對不同應用有千差萬別的優化專業能力。

• 像人類創造的一切機器一樣，以最優的性價比實現特定應用。

  在這一點上，最不應該追求“像人”。如果在這一點上和人一樣，我們為什么要去創造人工智能，直接創造人不就得了？那不是最像嗎？

  當一個機器擁有了一切像人的特性，也就具有了人類的一切缺點和毛病。人類創造機器，就是為克服人類自身缺點和毛病，所以追求AI像人并不是一條正確的路線。

（完）