張亞勤/文

如果將人類文明的發展歷程視作一部卷帙浩繁的厚重著作，那么全世界進入高速發展的現代化階段只占據了其中極少的一部分。就像是基因突變，人類的物質積累從匱乏到富足，對世界的認知從淺薄到深刻，跨越空間、接收信息的效率從極低到極高……一切的變化僅用了短短200多年。我們是怎么做到的？我想，歸根結底，是由于人類歷經數千年積淀，真正推開了科學的無盡前沿之門。

18世紀末蒸汽革命的背后，有著物理、數學、工程學以及全球地理大發現的推動；20世紀初電氣與能源革命的背后，有著電磁學、化學、天文學的碩果被成功轉化至產業生態的誘因；20世紀末信息革命的背后，有著量子物理、信息論、控制論等多元學科的最新成果經由芯片、網絡等載體涌入現實世界的背景。

以上三次歷史事件，被稱作現代化進程中的三次工業革命，或者說產業革命。通過總結現象背后的規律與共性，我們會發現每一次工業革命的爆發都大致符合一個發展范式：科學的無盡前沿之門被推開，大量先進的研究成果和技術創意加速向產業界流動，并得以轉化。這些轉化而來的成果往往以一項或多項關鍵性通用技術為基石，最終承托起社會經濟的指數級增長。今后，人工智能將成為那枚再度開啟科學無盡前沿之門的鑰匙與引燃下一次工業革命的導火索嗎？

在此，我想引入一個人工智能大模型領域的專業詞匯——“涌現”（Emergence）。當數據量和模型參數的體量達到一定程度，如百億參數級別時，會出現涌現現象，即模型的準確度和可預測性突然跳躍式提升。這種現象也可以用人汲取知識的過程來比喻，我們每天讀書求知，當積累超過某個閾值，便會瞬間融會貫通，就像是開竅。目前，有關大模型為何會出現涌現現象，具體的數學模型和因果關系尚不清晰——但一個相對清晰的事實是，近年來，作為一種經驗定律，規模定律顯著影響著人工智能的性能提升。也就是說，當數據、算力和參數提升到某種規模時，智能會呈指數級上升。

我們該如何觸發智能時代的突破性技術涌現？這些技術怎樣反哺產業升級？多年來，我在求學和從業過程中一直在思考這些問題。2019 年，我決定從百度退休，將工作重心再一次轉移到學術和科研上。當時我有一個基礎、清晰的判斷：這次改變對我來說并不是重新開始，而是將此前我在產業界積淀的許多思索整合、重塑為某種更加立體的結構，并借此指引和規范后續的工作實踐。在我看來，即將展開的一系列新故事的主線，就是我們應如何推開第四次工業革命的大門。

人工智能必然是這個時代最重要的技術變革力量

倘若沒有蒸汽機的發明和大規模應用，很難想象我們能夠迎來內燃機的升級和革新。也就是說，第四次工業革命的啟動方式，一定是與此前的科學進步和產業進化一脈相承的。如今，符合這一規律且能承載更多重任的技術就是AI。

以深度學習為代表和標志的新一代AI技術，其本質是在大數據、強算力的基礎上持續提升算法效果。我們看到，AI已經在許多任務處理領域取得了接近甚至超越人類平均水平的成績。尤其是過去的兩三年，一個大的成果就是生成式AI。

2022年11月30日，ChatGPT剛發布，我便嘗試使用了一番，結果大受震撼：第一，我覺得，ChatGPT的出世意味著，人類歷史上首次出現了真正可以通過圖靈測試的智能體——1950年，艾倫·圖靈先生發表了論文《計算機器與智能》（Computing Machineryand Intelligence），繼而提出了圖靈測試的思想實驗。60多年來，圖靈測試一直是我們這些計算機科研人員希望攀越的峰巔。直至今日，塵埃落定。機器在某種意義上已經學會了思考。第二，我認為，大模型將成為AI時代新的操作系統，就像個人計算機（PC）時代的Windows、移動時代的iOS和Android。第三，我判斷，大模型是我們從面向具體任務的AI邁向通用人工智能的起跑線。

我感受過的“ChatGPT時刻”

1986年，我剛到美國求學，第一次摸到了傳說中的蘋果Macintosh電腦。在國內，我只用過需要輸入字符命令的機器，所以可以想象，我接觸到圖形用戶界面和鼠標時會是怎樣的心情。

第二次是20世紀90年代初，我在桑納福實驗室研究與高清數字電視相關的視頻壓縮技術。在相關人士的現場見證下，我們首次將所有系統集成在一起，在一間配有5.1環繞聲設備的小黑屋里，放映了由索尼高清攝像機專門拍攝的長達15分鐘的高爾夫比賽和滑雪比賽的視頻片段——現實世界的雪花與高爾夫球場在全新數字技術的加持下重現于每個人的眼前，大家都震撼于電視畫面居然可以如此清晰。在此之前，許多觀眾（包括政策制定者）對數字電視的推廣都持保守態度，但在度過精彩的15分鐘后，所有人都成為支持者。

第三次是2016年3月，阿爾法狗（AlphaGo）首次戰勝人類圍棋高手李世石的那個時刻。我也下圍棋，在那之前，我完全不相信機器能贏人類，那時我想“至少還需要5年吧”。圍棋是人類發明的最難、最復雜的棋類，我雖然已經在研究AI，卻并不認為AlphaGo能如此迅速地戰勝世界圍棋冠軍——AI的強大第一次超出了我的預期。

我很高興地看到，2025年春節前，一家中國公司創造了屬于自己的“ChatGPT時刻”——DeepSeek（深度求索）刷新了大規模依賴算力出奇跡的固有模式，用更少的資源、更小的團隊、更短的時間，訓練出性能達到全球頂尖水平的新一代模型。DeepSeek還打破了ChatGPT“兩個月用戶數突破1億”的紀錄，僅用7天便實現了1億用戶的增長，我試用之后，驚嘆于DeepSeek團隊的創造力和行動力，也深深感受到江山代有人才出。在某些時刻，充滿朝氣的新銳力量在AI領域的創新上更具優勢。年輕一代從后衛轉為前鋒，可能只需要很短的時間。

回歸正題，通過屢屢打破人類認知的非凡表現，AI已成為基于互聯網、大數據、云計算等產業要素且日益強大的最新通用技術。同時，AI 技術的多點落地、普及應用亦成為新一輪數字化發展的關鍵任務。

我本人有幸親身經歷并深度參與了數字化發展的每一個重要階段：從以高清電視為代表的媒介數字化到互聯網時代迅速崛起、體量驚人的數字經濟，再到智能從低到高、從弱到強的進化路徑及其蘊藏的無窮可能性。正是這樣的經歷，讓我時常能夠跳出當下，捕捉到那些可能改變未來的技術力量的蹤影。2000年，我提出了與當時的AI訓練模式不同的探索思路——我稱之為“智能人工”（Intelligent Agent）；2012 年，我預見了互聯網的物理化，幾年后還據此制定了ABC（AI、Big Data、Cloud）的技術和產品框架，指出了從“互聯網+”到“智能+”的趨勢和機遇。

AI的價值方向必然會落實在不同產業的深層變革上

在2016年冬季達沃斯論壇上，我談道，AI是當代最具變革性的技術力量，也是第四次工業革命的技術引擎，將深層次地顛覆每個傳統業態，重構產業格局。

既已鎖定了AI這一技術錨點，對我來說，接下來的任務自然是圈定重返學術界的研究方向。

AI技術帶來的改變更加深刻、復雜、立體，不僅會改變內容、信息、企業，還將深入滲透到物理世界和生物世界。我認為這可能導致一個差異化現象：AI為個人消費者帶來的價值提升，可能是漸進的、逐步積累的；AI為企業乃至行業帶來的價值改變，則可能是高效的、迅速顛覆的。舉例來說，AI帶動的自動駕駛變革，顯然能夠從最底層改寫汽車和交通產業的運行邏輯。AI驅策的醫療行業變革，有可能重新定義醫生這一職業角色，乃至重塑各級醫療體系。

AI與產業結合這件事非常重要。從產業界切換到學術界，我的興趣點和事業目標并不是關起門來搞研究、寫論文，而是深入挖掘技術的潛能，使之能夠更快更深入地改造產業。

在身份方面，我應該從場上的球員切換到場下的教練，而且最讓我感興趣的是，在可以預見的未來，這場名為“產業智能”的精彩比賽不會停歇。這是一場21世紀全人類共同參與的賽事，我和我的隊友們將全力以赴，追求更好的表現。

第四次工業革命必須適配新的產學研范式

明確了回歸學術界的技術錨點與研究方向后，我開始思考具體的行動方式。

觀察歷史可知，每一次工業革命依賴的科研基座和成果轉化通道都在變得更加復雜：早期的工業革命或許僅靠發明家便能推進；到了電氣革命階段，出現了更多企業與科研院校相互配合的范例；再發展到信息革命階段，涌現了更具融合性的科研組織形式，國家實驗室、企業研究院、大學科研力量以及社會研究機構承擔了更艱巨的使命、更前沿的探索任務，貝爾實驗室、IBM公司的華生實驗室（T.J.Watson Labs）、施樂帕洛阿爾托研究中心（Palo Alto Research Center，PARC）、微軟研究院等具有典范意義的科研機構應運而生。

站在第四次工業革命的大門前，我們同樣需要再一次更新科研范式，尤其面向智能產業時，需要將專業知識、產業需求和前沿智能化技術更緊密地結合。我們由目標逆推實現方法就會發現，為智能革命輸送創新能量的主體，不能僅僅是高校內的院系和企業中的研究團隊。

可不可以突破以往科研范式的邊界，以未來的應用藍圖為燈塔，重新構筑一種與產業需求結合度更高的智能技術研究底座？這或許是我在決定回歸學術界時的最大期待。

聚焦AI在多元產業的落地輻射，并以此為導向開展科研探索，培養融會產學研能力的高水準人才——我的這些構想和目標很快得到了各界同人的認可。

我覺得“無盡前沿”這個說法很有意思。“無盡前沿”源自曼哈頓計劃的重要貢獻者、美國國家科學基金會的倡建人范內瓦·布什于1945年提交給羅斯福總統的一份名為《科學——無盡的前沿》的報告。該報告深刻影響了二戰后美國的科技政策，為之后半導體、計算機、航天航空等產業的發展營造了良好的環境，某種意義上還推動了美國乃至全球基礎科學的進步。今天，AI的理論、算法、應用勢必會給全世界每個人、每個組織帶來深遠的影響。

無盡前沿之門從未關閉，但它需要我們這些科技工作者一次次地努力推動，才能讓作為整體的人類牢牢把握每一個牽動未來的可能。

（作者為清華大學智能產業研究院院長；本文為《智能涌現：AI時代的思考與探索》一書自序）

責任編輯：劉錦平 主編：程凱