近日，我受邀參加了2025搜狐科技年度論壇的圓桌對話——問道“智能”，與張亞勤、張朝陽、劉嘉進行深度交流，內容很硬核。由于對話實錄略長，為了方便大家快速了解圓桌的核心內容，我用團隊最新開發的Agent應用產品: DeepVo來梳理總結并生成了腦圖，如下：

如想試用

deepvo

產品，掃

二維碼即可

以下為圓桌對話實錄，有刪節（完整視頻在文章結尾）。

主持人/劉嘉：各位好！歡迎大家來參加搜狐科技年度論壇問道智能，我叫劉嘉，來自于清華大學。我是心理與認知科學系的主任，我的研究領域是腦科學、人工智能和認知科學交叉的地方。

一般別人認同我，是這么說的：是心理學里最懂腦科學的，腦科學里面最懂人工智能的，人工智能里面最懂心理學的，處于跨界的狀態。

這次搜狐跟我聯系，說劉老師能參加我們的活動嗎，我說好，這是特別榮幸的事情。他說請你來不是做發言嘉賓，請你來當主持人。我說我沒有當過主持人，也不知道怎么主持。他們說這個事兒必須你來干，他們設計了一個跨界場景，有基礎研究的，也有物理智能這種基礎的，也有產業最前沿的。

我能夠把大家串起來，因為我每一行懂一點點，能串起來，更多的是他們來做。所以今天我來擔任主持人，我也非常榮幸，盡量把這個角色做好，同時把更多的時間留給他們三位嘉賓。

我將按照提示牌上面的過程來做，的確沒有做過（笑）。

首先問張亞勤老師，在清華有一個習慣，老師與老師之間，都不叫院士，都不叫教授，全叫老師。張老師在AI界可以說是超級超級的老戰士了，現在引領AI的發展。

今年張老師有一本新書叫做《智能涌現，AI時代的變革與思索》，這本書特別好，我翻了一下。

我就想請張老師談一下這本書，在這本書里面你究竟想表達一個什么樣的觀點或者一個什么樣的思考？

張亞勤：謝謝劉老師！

這本書我花了挺多時間寫的，反映了我對人工智能發展包括歷史，包括未來的技術產業還有人才的思考。

我主要想定義幾點。第一個，這個我講了快十年了，人工智能是第四次工業革命主要的技術引擎。剛才王校長講在達沃斯，我一直在達沃斯講這個主題。

另外，新一代人工智能是什么，我認為是信息智能、物理智能和生物智能的融合，是原子、分子、比特的一個融合。

剛才校長講了很多，未來的教育、人才應該怎么樣應對新的人工智能時代。

這本書講到我五年前從百度離開之后，在清華成立智能產業研究院，產業和學校的關系，因為我們看到現在在AI領域，大部分的創新、系統性的創新來自于企業，所以學校要重新定位，人才、科研怎么和產業有更密切的結合。

所以，就是自己的一些思考吧，都可以讀得懂，這本書沒有公式，都可以讀得懂。

主持人/劉嘉：張老師是清華大學講席教授，在清華有一個特點，有各式各樣的講席教授，怎么判斷講席教授的級別，名字越短的級別越高，名字越長，您能聽得懂的級別越低。張老師也是AIR的院長，AIR就是人工智能產業研究院的負責人。

這個名字取的內涵很關鍵，AIR是空氣，人工智能就像我們呼吸的空氣一樣不可或缺，人類離不開AI。

張老師，寫了這本書，AI迭代非常快，有什么東西還想補進去，如果再給你一個月的時間？

張亞勤：這本書去年寫完的，一寫完之后就過時了，包括DeepSeek出來之后，整個產業格局發生了很多變化，包括規模定律scalling law從預訓練現在走向這個inference，走向這個reasoning，本身走向更多的第一性原理，一會兒可能會講到我們怎么樣讓AI學人類記憶系統，學人對物理世界的理解，包括在機器人方面大量的創新，包括架構的改變，這方面沒有寫到，如果要寫永遠定不了稿，這本書永遠出不來。

主持人/劉嘉：我們期待你的第二版，相信迭代會很快。

下面問一下張朝陽博士，張博士是我的師兄，都是清華MIT畢業的，但是我還沒讀書的時候，您1996年就已經回國創業了，創立了搜狐，我是1997年去的，我是心理與認知科學系。

張朝陽：這個是跨學科的，非常好。

主持人/劉嘉：你剛才在致辭發言做開場的時候提到一個詞，我特別喜歡叫做“折騰至死”。我想問您一個問題，假設你晚生30年，今年2025年，相當于當年的1995年，離你創業搜狐還有一年時間。假設你是下面在座的一個晚30年的張朝陽，年輕人，你想做哪方面的事情，現在肯定不會做互聯網創業，而是做點兒什么？

張朝陽：現在顯然就會被卷入到整個AI，包括人形機器人，包括腦科學，像剛才亞勤說的比特，那個時候比特時代開始，現在是比特跟分子、原子，物理世界和生物世界結合，肯定是這方面了。

當然，人要活到老折騰到老，但是還是有年輕和年長的區別的。在年輕的時候，你是有時間和青春來燃燒的，所以你可以從事去追風口，可以對正在特別火爆的新的東西出來。但是它可能在商業上還沒有非常具體的實現前景的時候，但是因為你年輕，你可以融資，你可以有這個時間去做這方面的事情。

但是如果你年長，像現在，比如我做的事情更多的是在已經比較成熟的模式上，已經有非常好的商業模式，只不過我把它做得更好，這是一個區別。

所以，如果現在是30年前，我就會被卷入到AI里面。

主持人/劉嘉：因為這是一件非常了不起的事情，1996年創建搜狐的時候，如果打一個不恰當的比方，有點像2010年當時Demis Hassabis創建deepmind，因為2010年那個時候搞AI是腦袋不太正常的一幫人去搞的，因為當時大家（對AI都不了解）。

張朝陽：而且我1994年還在MIT實驗室，當時MIT計算機系的人都沒有做互聯網，因為當時對計算機的研究都在編程甚至virtual reality什么的，但是網絡這個東西，我當時就看到。因為我們做物理的，當然我的導師也是計算機，他本科是學計算機的，所以當時校園網給我特別震撼。

我們的同學在各個終端可以用UNIX執行talk，或者是有那個vax機什么的，當時就意識到網絡的存在。當時Tim Berners - Lee，在歐洲核子中心，就是查資料，我本來到圖書館去查一篇文章，但是但是這篇文章里面有很多索引，我想讀這個索引還得到另外的數據庫里面找，能不能一個鏈接就點進去就完了，就是HTML的發明，當時一看，哇，全連起來了，這個東西特別神奇，所以這個當時太新了，那個時候就在想網絡的事情，當時1994年的時候。

張亞勤：互聯網里面最關鍵的技術，HTML、WEB是在物理實驗室發明的，網絡是很清楚的，所以跨學科非常重要。

主持人/劉嘉：所以現在AI時代到來，總有一些人能夠看得很遠，而且敢下賭注，敢去做這些事情。

我想問一下傅總，我們是老朋友了，我們一起參加過很多次各種各樣的活動，拋開傅總本身作為連續創業者，作為公司老總的身份不談。他有一個很特殊的角色，就是每天也生產各種AI的短視頻，我相信在座各位一定看過他各式各樣的短視頻，無論如何我們必須承認一個事實，他就是AI時代的一個布道者。

我想問一下，你應該老老實實去融資，去掙錢，為什么去做一個AI的布道者？

傅盛：我還有一個身份，相比較臺上嘉賓，我肯定是學歷最低的，剛才聽王校長講，如果當年不讀博士會怎么樣，我后來想正是因為我有這么一個機會，當年在北京當一個北漂，然后遇到了互聯網，快速地跟著互聯網一起成長。

所以說到人工智能崛起，其實我們在2016年、2017年就喊出All in AI的口號，也是比較早的，技術的變革給普通人帶來的機會是更大的，王校長說未來十年一定會帶來杰出的人物。把對AI的技術觀點分享出來，可以幫助更多曾經像我一樣年輕的人，他可能出身不是很高的學歷，但是AI是一個很好的機會可以讓你實現逆襲，這是從高大上的角度講。從我們自己的私心上講，因為AI是一個高速變化的時代，我們發出自己的聲音以后，推產品是不是會有人用，我們也在做機器人，我們的機器人到時候會有更多的受眾。

做媒體也好，和做技術是一樣的，只有時代在變化，你才有機會讓更多人關注，才會有更多的機會。而AI就帶來了機會。

張朝陽：而且現在是一個粉絲時代，有了粉絲就有了權力、有了影響力，所以你通過布道AI然后傳播你的產品。

傅盛：其實是這樣的，而且今天這個時代互聯網的高速發展，就已經變成了我們叫品效合一。

主持人/劉嘉：非常感謝！這一點讓我想起了馬斯克，馬斯克從來不打廣告，但是讓馬斯克說個啥，股市就會抖三抖，這就是張博士和傅總說的互聯網效應，現在每個人借助互聯網、借助AI可以把影響力放大。

你剛才說到很重要的觀點，等一下涉及到教育這一塊。以前你北大畢業的、清學畢業的，哪畢業的，這個的確蠻重要的。但是相對于你未來的發展而言，這個一點都不重要。戴瓊海院士說過一句話特別好，起點不重要，重要的是終點，終點代表著我們通過自己的努力、通過自己的前進達到的目標。其實起點無所謂，英雄不問出身。

圍繞這個話題正好引發了我的一個想法，AI從達特毛斯會議磕磕碰碰走到今天，我們可以想象下一個AI會是什么樣子，現在大家有一個普遍看法叫做通用人工智能，這個詞兒大家在談它什么時候到來，它會超越人類等等。

所以我想問一下張亞勤老師，對通用人工智能的理解是什么，你覺得它什么時候會到來，以及要到達它，最大的難點是什么？

張亞勤：都在這本書里面。原來我特別不喜歡這個字，就是通用人工智能，因為它本身定義是不太嚴格的。但是后來大家都講，我試圖把它納入一個規范。我認為有三點。

第一個，通用人工智能首先是要通用的，可以泛化的。有一個大的基座可以泛化，所以通用很重要，不是為了某一件事，一個算法、一個模型，它是可通用的，有泛化能力，有通識能力，有共識，有常識。

第二點，它可以自己不斷地學習進化迭代的。本身它不是一個靜態的東西，就像人一樣的，不斷地學習，它的智商是不斷提高的。

第三點，它在絕大多數的任務上超過絕大多數的人類。多少呢，比如99%，在物理界要吹個愛因斯坦也不容易，也不能說超過每一個人，超過99%的人類。

從這個觀點來講，需要差不多15到20年。

首先，信息智能。就是語言、文字、語音包括視頻，就是自然語言內容的智能，ChatGPT出現那一刻，我認為我們在對話方面、語音方面已經通過測試了。需要四到五年，在視頻各方面達到人類的水平，五年左右可以達到信息智能的通用AGI。

其次，物理智能。包括無人駕駛、機器人特別是人形機器人、無人車這些東西，這些東西可能至少需要十年時間，因為現在機器人當然做得很好了，但是真正到完全可以適用的程度，特別是家庭用機器人，還需要很長時間。

第三個比較難的是生物智能。

張朝陽：信息智能還需要四五年時間，物理智能還需要十年時間。第三個？

張亞勤：第三個，生物智能。比如剛才Charles（張朝陽）講的強腦的腦機接口，包括馬斯克的Neurallink需要植入芯片，把人工智能、AI大模型和人的大腦、器官、人的生物體、生命體聯在一塊的時候，這個需要15到20年，整體需要15到20年達到。

而且這三個方面是并行發展的，會相輔相成的。

張朝陽：我有一個問題，一直關心物理或者自然科學的很多公式和理論。如果你要用人工智能給出一些結果，那些都很對，各種公式都寫出來了，但是這個人工智能真的理解嗎？

張亞勤：我覺得不一定真理解，但是現在如果任何有規則的、有答案的、有結構化的，人工智能都會超過人類。比如咱們下棋，比如語言，為什么語言我們可以做得很好，因為語言本身是一種高度抽象化的、結構化的，有語法、有語義的東西，這個AI可以做得很好，語音識別、人臉識別做得很好。

但有一些比較模糊的東西AI會差一些，數學可以做得很好，編碼可以做得很好，編程可以做得很好。但是有模糊的東西它會稍微弱一點。

張朝陽：比如物理里面薛定諤方程，波粒二象性，它理解嗎？

張亞勤：我覺得它肯定不理解，但是它可以做出很多創新，然后給人類提供更多的靈感。

傅盛：這個有不同的觀點，得定義什么叫理解。你說我們大腦對一些東西理解，剛才張老師說的就是電流，如果從那個微觀層面看，電流叫理解嗎。但是如果我們能夠根據一個輸入得到一個輸出，而且每次都對，就算一種理解。

當然在大模型的內部看，它就是所謂的概率函數，但是它最后能夠實現這樣，其實我認為是理解。

還有一個，我對通用人工智能最近有一個思考，我是聽卓克講的課，我覺得他講得很對。他認為通用人工智能在今年推理模型出現以后，在剛才您講的語言這個點已經達到了。一個叫GPQA的測試，去年年底谷歌推的，讓人類博士生回答題目。人類博士生通過谷歌搜索引擎，他在自己專業大概能得75分，在不是自己專業只能得30分，分為化學這些專業。但是OpenAI O3能夠達到80分，那個題目每個字我都認識，但我不太看得懂，每個專業的題目特別專業。具身這塊我也認同，物理還要很多年。但是在認知層面，語言認知推理層面，它已經相當強，在每個領域沒有明顯短板。

張亞勤：這個我同意，在信息領域幾年之內超越不了。包括最近幾年我們做的智能體醫生，對于大部分病例的診斷判斷已經超過醫生。

傅盛：肯定超過，包括寫代碼，公司內部現在要求全員編程。

張亞勤：OpenAI出了Codex，包括像微軟做的Copilot，我兒子在微軟做軟件工程師，90%的代碼已經是AI幫他寫了。

另外剛才講的數學、物理，去年底我和丘成桐先生打一個堵，我說五年之內，AI能證明人類沒有證明的猜想或者公式，比如三體問題，或者流體力學的問題，這些東西我認為五年之內會證明一個，再過五年會發明一個，不一定發明到薛定諤方程或者麥克斯韋方程式，會發明人類沒有的。邱生桐先生認為還不行，我認為行。

主持人/劉嘉：我覺得這個觀點特別好，可以把知識分類，分為已知的已知，現在所有的知識就是已知的已知，AI從中總結完全沒有任何問題，而且超過人類。

第二層可以分成叫做已知的未知。比如在之前我們知道怎么從氨基酸生成蛋白質三維結構，這是已知的，但是蛋白質的結構太多，不能把所有的全部囊括。所以在這個時候，我們把路走出來了，AI可以快速跟進，直接把結構生物學這個領域顛覆得差不多了。

還有一個領域，如果要對理解做一個操作性定義，就是對于未知的未知。現在人類也不知道還有這個領域或者還不知道這個命題，它能夠從零到一把這個東西做出來，就像剛才您和邱生桐老師打的賭一樣，他都不知道這個數學公式，寫出一個世界上沒有的，像張朝陽老師說的一樣廣義相對論從來就沒有，愛因斯坦憑著自己腦袋把這個東西寫出來。沒有借助過去已知的已知，未知的未知，天馬行空地把這個東西寫出來，那個時候就是AI真正智能誕生的一個時間，就是我們說的理解。

張亞勤：我再加一句，現在講到AI也講到人腦，AI和人大腦智能的區別還是很大的，我們大腦經過幾十萬年的進化，效率是十分高的，比如860億個神經元，百萬億量級的突觸。只有不到3斤重，消耗20瓦的能耗。

如果看前沿大模型，基本上萬億級的參數，需要Mega瓦到吉格瓦的能耗。所以我們這個效能比人的大腦要低很多，就包括這個復雜度。如果把突觸作為大腦的一個參數權重，還差100倍。所以整個效率和架構需要大幅度顛覆。

我看鄭緯民院士也坐在這兒，他就是做這個的，AI要在這個方面趕上人類需要很多顛覆。包括我們的記憶系統，我們人類有DNA的記憶，有海馬體短期的記憶，有大腦皮層長期的知識記憶。這個現在AI其實并沒有，包括剛才我們講的物理世界真正的理解，是比人類還是差的挺多。

但是有些地方比人做得好，比如有固定的公式、任務、固定答案，有結構化的，剛才講的RF ford蛋白質解析，包括這個無人駕駛，那肯定會做的比人類要好。

另外，特別大的優勢，人類大腦是區域性的，這塊是負責圖像的，這塊是負責運動的，這塊是負責語言的，這塊是負責社交的，由于大腦很小，受到區域限制。但是機器不受限制，每個區域可以連在一塊，這個時候產能的智能可能不同，不一樣，我們并不認為不好，但是它是不同的智能。

還有一點機器的好處，萬億大參數，把這個權重公布之后，別的都可以重復，智能是可以重復拷貝迭代的。但是一個人聰明，教育另外一個人學，是很長的教育過程，這是不同的。

主持人/劉嘉：從進化上看，人有兩個進化，第一個是神經元不斷增加，這就是大模型做的參數不斷增加。但是有第二個人的進化過程中，他的神經元的復雜度也在不斷增加，就是突觸的數量以及突觸的形態。

現在有一個全新的方向，從根節點問題顛覆現在已有的人工神經網絡，我從最底層的神經元置換成精細神經元模型，模仿生物神經元究竟怎么工作的。

從這一點上來講，可能意味著一種全新的模式會參加。為什么會強調這一點？有一個很著名的叫信息整合理論IIT，它說就是我們的意識基礎與結構的復雜度有關系，當結構非常簡單，比如一塊石頭，它的結構非常簡單。大模型的參數量夠了，但是復雜度不夠。人的精細神經元的復雜度夠了，這是我們參考意識的關鍵。

注意到時間問題。我就想問朝陽博士一個問題，在2023年有一個很戲劇性的東西就是OpenAI的宮斗，就是奧特曼和伊利亞干起來了，兩個都想把對方趕走，并不是基于誰的股份多一點誰的股份少一點，我們要怎么樣上市，而是基于理念上的分歧。奧特曼強調有效加速，只要把人工智能的性能這些東西迅速提上去。而伊利亞，OpenAI的首席科學家，認為要超級對齊，要跟人類的價值觀對齊。它一旦經過幾十年的發展，每個方向都超越人類，人類的存在價值是什么，是不是人類就會淘汰掉。

我想問張朝陽博士，你是學物理的，剛才談到廣義相對論，研究宇宙演化，從更大的宏觀角度我想請教一下，假設AI發展起來，它有一天達到了AGI，它比人在某個方面都聰明，人和機器應該如何相處，人是只有被淘汰的命運嗎，還是我們干脆現在就像第一次工業大革命，現在機器來了，我們趕緊給它鎖住，別讓它最后把人類干掉。

張朝陽：這個是值得探討的，理解人腦的思維吧。

因為大模型，整個機器AI的效率用大量的運算，物理里面研究的很多東西都是一種自洽，一個理論的正確性，因為它是完美的，它是正確的，能夠自洽的，能夠自我解釋。也許AI方面，人腦的思考是有限的，不能一下子全局思考，所以AI能夠通過尋找這種自恰性，也許是以它的方式理解了物理，理解了這個世界。

但是這種人的這種創造性，或者說這種人的直覺怎么解釋？AI能夠All Smart，你怎么來定義一個AI比人更聰明？

那就說在整個的尋找自洽性和整個的已知的，你剛才說的，已知的未知里邊包括蛋白質的結構各個方面。只不過我們就說人腦不具備能夠把它重復性計算，AI能實現了。但是對于直覺，是延續了未知的，它能產生嗎？如果產生不了的話，它還是不如人聰明。人總是突然心生一計，然后來來設計某個東西，完全在他的自洽性之外的東西。

所以最后確實未來AI和機器人的發展是不是會對人類是一個威脅？直覺是什么？

張亞勤：從我們人類誕生以來，一直是和外界是共存的。

直到1865年蒸汽機發明之前，一直是按照達爾文的自然進化，人就是人。

到了蒸汽機發明之后，我們就是人的智能Human Intelligence加上智能Mechanical Intelligence，這個時候人類進化就已經是非線性的。

那到了AI階段的話，HI（人類智能）加上AI（人工智能），機器加上人，這時候智商是一個大的飛躍。

所以我認為我們以后考慮人類的時侯，整個的智商是HI加上這個AI，我們智商比如說Charles（張朝陽）智商是150或者200，你加上這個AI之后，這個整體的智商可能變成1500或者2000乘至少乘一個10 x。就像我們在這個蒸汽機時代，機械時代，我們人的體力可以乘個10 x。

所以我認為人類還是主宰，而這個AI的機器或者機器人還是我們人的一個從屬。我20年前寫一篇文章，我說AI應該是IA，Artificial Intelligence應該是Intelligent Agent，應該是一個智能體，它還是為人服務的，所以我們講了意識的問題，情感的問題。現在的這個技術路徑我不認為會達到，更重要的還是更多的它的能力。

主持人/劉嘉：傅總做了機器人，你應該對這個問題是最為關心的？

傅盛：對，剛才張亞勤院士講直覺這件事，AI完全是有的，如何定義直覺？比如當年在AlphaGo和李世石下棋的時候下出來一手，那種在很多時候叫智能涌現，就是我們以前定義為的直覺，因為它突然來的。

我特別認同張亞勤院士說的，我們可以把它看成是智商的放大器。因為兩件事，智能和意識是完全不同的兩件事。你看螞蟻能夠形成非常強大的智能，我看網上有一個視頻，螞蟻怎么過一個坎兒，弄一個很長的桿子怎么過坎兒，它可以形成非常強大的智能，但是它沒有意識，所以智能和意識是兩件事。

而今天，人工智能就是一個更大的計算器，就是把你的智力放大就好了。這是一個關系。

第二個，它比人聰明，我認為現在已經到了，它的智商水平已經比我們高了，但是并不影響我們使用它。

機器人這個事兒也是這樣的，我覺得今天人工智能算法里面有一個東西，就是它有直覺，但是它沒有起心動念。它不會說今天我想著發明一個定律，只能說給它一個任務發明一個定律，它可能會做，它對世界沒有好奇心，沒有起心動念，也沒有我們所謂夢想的東西。例如明天要成為更強大的人工智能，它沒有這個東西，它就是放大器的角色。包括機器人在很長時間內也會是這樣一個角色。

但是它并不代表著不會給人類帶來威脅，比如壞人掌握它了，或者你給它的命令不明確，你說讓環境變得更好一點，不明確，它認為環境更好一點，人沒有了就更好了，會有這個問題，所以里面有法律法規的問題或者制定的問題，這是更復雜的問題。

主持人/劉嘉：從這個角度來講，AI不光是科學還有技術的問題，而是倫理、社會、法律、政治這些關系。因為時間不多了，就聊一個敏感的話題，大家可以聊得短一點，不用過于敏感。

現在世界上AI就兩個大國，一個是中國一個是美國。我在2023年接受鳳凰衛視采訪的時候，我說只有一個大國，就是美國。現在大家翻出來鞭尸，中國也起來了，美國也承認中美之間AI的差距現在在逐漸縮小，甚至微乎其微了。

美國肯定在芯片算力方面遙遙領先。還有在最原來的算法，起步比中國早很多。現在中國在逐漸趕上，我想請教三位，我們的優勢究竟在什么地方，相對于美國而言，我們的AI是不是能夠超過美國，從傅總開始，然后到張總這邊。

傅盛：兩年前我經常參加各種的活動，大家總問一個問題，算力被禁運，中國的人工智能和美國人工智能哪個更強。我一直是這個觀點，我認為中國和美國一定是并駕齊驅的。因為它的本質就是算力、算法和數據，算法上是公開的，算力，中國人總有各種辦法解決這個問題，或者你看DeepSeek出來用更小的算力解決以前的問題。然后數據，中國也是有優勢的。尤其今年上半年，DeepSeek出來以后，我也去硅谷看，對他們的影響還挺大的。

我現在有一個觀點，不知道張亞勤院士認不認同，我認為中國在某些方向實現反超美國都有可能。

主持人/劉嘉：你認為原因是什么？

傅盛：因為我們在實踐上更快。中國團隊一直有這個能力，只要是范式定義好的領域，當然出現一個不是transformer的模型，這件事可能我們不會首發。但是在transformer下，在中國現在的算力體系下，中國會更快，而且在工程化的人才密度上中國是更多的，你會發現我們的模型能力跟得非常快，再加上現在Agent很火，Agent這種創業的團隊，中國團隊一貫是有優勢的，所以跟實踐結合會有一些反超。

張亞勤：我完全同意，三要素方面中國有些短板，有些快一些。中國最重要的優勢是人才優勢，現在的年輕人，人工智能出來的速度，包括清華大學算下來整個是美國的5倍左右，人工智能最大的創新發生在過去五年，可能還有未來的五年，所以我認為大量的優秀人才是我們最大的優勢。

如果看一下歷史，Charles（張朝陽），中國做互聯網做得最早，在互聯網，我們很多原始技術包括商業模式也是向美國借鑒的。到了移動互聯的時候，開始也是借鑒的，但是后來從規模、從用戶體驗、從產品架構，中國做得不僅比美國好，而且在美國現在做得好的也是中國的故事，所以AI以后也會到這個程度，也可能中美兩個架構不一樣，路徑不一樣，包括以后說不定芯片都不一樣，芯片也不一樣，模型也不一樣、應用也不一樣，但是從整體，我對中國十分有信心。

傅盛：我幫著張亞勤院士再補充一點，我2011年去美國，您剛才說人才厚度的問題，那個時候做APP，在中國能招到的人比硅谷多多了，硅谷能招兩個人、五個人、十個人就很多了，我們想做一個海外APP，現在我覺得人工智能有點到那個時代了，陽光底下無秘密了。

張亞勤：但是我們希望從0-1創新，中國可以創造另外一個non-transformer的東西，不僅僅是把它做得大，從1到N，而且0到1有更多的創新。

張朝陽：我基本上同意二位所說的，中國人首先聰明，中國人真的在世界上非常聰明。

第二個，中國人更勤奮，尤其是儒家文化，人往高處走，每個人都要出人頭地，所以中國人非常勤奮。

這兩點導致，再加上我們的人口多，更激烈的競爭，所以中國真的是在AI或者整個科技全方位領域都在追趕甚至超越。包括芯片領域，以后解決算力問題。

主持人/劉嘉：好的，因為時間關系，我還準備了好幾個問題，現在發現時間不夠。

從剛才各位的精彩發言我們可以看到，AI不僅是一個科學問題、不僅是一個技術問題，它也是一個社會問題，因為它會影響到我們生活的方方面面，可能會影響工作、擇業，未來的工作選擇。

同時最終落腳點，還是剛才三位說的教育的問題，AI的成功和失敗，不是取決于誰的芯片暫時領先一下，誰的算法暫時領先一下，而是取決于人才厚度。我也希望今天通過三位嘉賓的精彩分享，能夠讓家長意識到將來的小孩擇業應該怎么樣發展，我們的教育工作者意識到將來要培養什么樣的未來人才。讓我們以熱烈的掌聲感謝三位嘉賓的精彩發言，謝謝！