新智元報(bào)道

編輯：LRST

【新智元導(dǎo)讀】OpenAI估值突破千億、NVIDIA 市值一度躍居全球前五，AI帶來(lái)的不止是技術(shù)浪潮，更是估值與認(rèn)知的劇烈重塑。當(dāng)我們站在AGI門前，下一步到底該怎么走？來(lái)自美國(guó)科羅拉多大學(xué)丹佛分校與肯尼紹州立大學(xué)的華人團(tuán)隊(duì)發(fā)布「AI方法論三部曲」，首次提出「能力實(shí)現(xiàn)率（CRR）」模型、「認(rèn)知幾何學(xué)」框架，指出我們正處于AI的「元語(yǔ)言時(shí)刻」，未來(lái)將邁向「思想微積分」時(shí)代——或許是AI發(fā)展最具前瞻性的理論體系之一。

AI的時(shí)代洪流滾滾向前，我們每個(gè)人都身處其中，感受著它的光榮與夢(mèng)想，也承擔(dān)著它的迷茫與代價(jià)。

一方面，是資本市場(chǎng)的狂歡盛宴。OpenAI的估值沖向千億美金，英偉達(dá)的市值超越眾多老牌巨頭，任何與「AI」沾邊的概念都能輕易點(diǎn)燃投資者的熱情。

另一方面，是技術(shù)與應(yīng)用的困惑。Adobe因AI功能收入不及預(yù)期，股價(jià)一夜閃崩；無(wú)數(shù)創(chuàng)業(yè)公司在「百模大戰(zhàn)」中力盡筋疲，卻仍在商業(yè)化的門前苦苦掙扎。

這場(chǎng)革命的核心矛盾已經(jīng)浮現(xiàn)：巨大的潛力預(yù)期與緩慢的價(jià)值實(shí)現(xiàn)之間，存在著一條深不見底的鴻溝。

我們不禁要問(wèn)：

• 為什么AI會(huì)引發(fā)如此巨大的估值泡沫？我們?cè)撊绾魏饬克恼鎸?shí)價(jià)值？

• 這場(chǎng)革命的本質(zhì)到底是什么？它更像一場(chǎng)工業(yè)革命，還是一場(chǎng)思想解放？

• 我們?cè)?strong>如何穿越當(dāng)前的迷霧，找到通往AGI的正確路徑？

現(xiàn)在，來(lái)自科羅拉多大學(xué)（CU Denver）和肯尼紹州立大學(xué)（KSU）的華人團(tuán)隊(duì)，通過(guò)一個(gè)系統(tǒng)性的「AI方法論三部曲」系列論文，為我們提供了深入的見解和答案。

這三篇論文如三塊基石，分別從經(jīng)濟(jì)、認(rèn)知、技術(shù)三個(gè)維度，構(gòu)建了一個(gè)理解AI的完整世界觀。

第一篇：《AnchoringAICapabilities in Market Valuations: The Capability Realization Rate Model and Valuation Misalignment Risk》- 解決了「為什么」的問(wèn)題。

第二篇：《Closer to Language than Steam: AL as the Cognitive Engine of a New Productivity Revolution》- 解決了「是什么」的問(wèn)題。

第三篇：《AI’s Euclid’s Elements Moment: From Language Models to Computable Thought》- 解決了「怎么做」的問(wèn)題。

能力實(shí)現(xiàn)率（CRR）

刺破萬(wàn)億估值泡沫的探針

論文地址：https://arxiv.org/abs/2505.10590

為什么市場(chǎng)會(huì)對(duì)AI如此瘋狂？論文一針見血地指出：這是源于一種強(qiáng)大的認(rèn)知偏誤——

錨定效應(yīng)（Anchoring Effect）。

當(dāng)OpenAI的GPT-4展現(xiàn)出驚人能力，其千億美金的估值就成了一個(gè)巨大的「錨」 。

投資者們將這個(gè)錨作為價(jià)值判斷的起點(diǎn)，并將其投射到所有AI相關(guān)的公司上，堅(jiān)信它們都能迅速將AI潛力轉(zhuǎn)化為巨額利潤(rùn) 。

然而，潛力和現(xiàn)實(shí)之間，往往隔著萬(wàn)水千山。

為此，研究團(tuán)隊(duì)提出了一個(gè)量化工具，能力實(shí)現(xiàn)率（Capability Realization Rate, CRR）模型。

這個(gè)公式精準(zhǔn)地剖析了AI公司的價(jià)值內(nèi)核。

• 高CRR公司：它們不僅擁有強(qiáng)大的AI技術(shù)，更關(guān)鍵的是，已經(jīng)成功地將這些技術(shù)大規(guī)模轉(zhuǎn)化為實(shí)實(shí)在在的收入和利潤(rùn)。英偉達(dá)就是典型代表。市場(chǎng)對(duì)其AI芯片的瘋狂需求，直接體現(xiàn)在了爆炸性的財(cái)報(bào)數(shù)據(jù)上 。它的高估值，是由真實(shí)的盈利能力支撐的，泡沫成分相對(duì)較小。

• 低CRR公司：它們可能擁有驚世駭俗的AI能力（高潛力），但尚未找到穩(wěn)定的商業(yè)模式，將技術(shù)轉(zhuǎn)化為收入（低實(shí)現(xiàn)）。許多AI創(chuàng)業(yè)公司，甚至早期的OpenAI都屬于此類。它們的估值，更多是建立在對(duì)未來(lái)的信仰之上，因此蘊(yùn)含著巨大的「價(jià)值錯(cuò)位風(fēng)險(xiǎn)」 。

• 從高CRR預(yù)期到低CRR現(xiàn)實(shí)的陣痛：Adobe的案例則是一個(gè)絕佳的警示 。當(dāng)Adobe推出Firefl AI功能時(shí)，市場(chǎng)一度給予其極高的估值溢價(jià)。然而，當(dāng)財(cái)報(bào)顯示AI帶來(lái)的直接收入增長(zhǎng)未達(dá)預(yù)期時(shí)，其股價(jià)應(yīng)聲暴跌近12%。這說(shuō)明，市場(chǎng)最終會(huì)從「潛力錨定」回歸到「現(xiàn)實(shí)檢驗(yàn)」，而CRR就是檢驗(yàn)的一個(gè)標(biāo)準(zhǔn)。

CRR模型告訴我們，要想理解AI經(jīng)濟(jì)的「為什么」，就必須區(qū)分「Hype（炒作）」和「Reality（現(xiàn)實(shí)）」。資本的熱情源于對(duì)潛力的錨定，但最終的勝利，只屬于那些能將CRR從百分之一提升到百分之百的公司。

AI不是蒸汽機(jī)

而是新語(yǔ)言

論文地址：https://arxiv.org/abs/2506.10281

既然AI的價(jià)值實(shí)現(xiàn)如此重要，那么我們首先要搞清楚，AI到底「是什么」？它驅(qū)動(dòng)的是一場(chǎng)怎樣的革命？

許多人喜歡將AI比作「蒸汽機(jī)」或「電力」，認(rèn)為它將開啟新一輪的工業(yè)革命。但該系列的第二篇論文提出了一個(gè)更深刻的觀點(diǎn)：

AI的本質(zhì)，更接近于人類「語(yǔ)言」和「文字」的發(fā)明，它是一場(chǎng)認(rèn)知革命，而非工業(yè)革命。

蒸汽機(jī)延伸了人類的「肌肉」，而AI延伸的是人類的「心智」 。

這個(gè)類比并非文字游戲，它揭示了AI影響世界的根本方式.

從認(rèn)知外包到認(rèn)知增強(qiáng)

幾千年前，文字的發(fā)明是人類第一次偉大的認(rèn)知革命。它讓人類可以將記憶「外包」到泥板和莎草紙上，從而積累和傳承遠(yuǎn)超個(gè)體記憶極限的知識(shí)。

今天的AI，正是新一代的「認(rèn)知外包」工具。我們可以將信息檢索、數(shù)據(jù)分析、內(nèi)容草擬等任務(wù)交給AI，從而解放我們的大腦，專注于更高層次的創(chuàng)造、戰(zhàn)略和決策。

從信息傳播到知識(shí)生成

如果說(shuō)古騰堡的印刷機(jī)通過(guò)大規(guī)模復(fù)制，引爆了知識(shí)傳播的革命，那么AI則更進(jìn)一步。它不僅傳播知識(shí)，更能分析、綜合，乃至生成全新的知識(shí)。一個(gè)AI模型可以在幾分鐘內(nèi)閱讀數(shù)百萬(wàn)篇論文，發(fā)現(xiàn)人類科學(xué)家可能忽略的模式，就像AlphaFold預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)、AI發(fā)現(xiàn)新抗生素「Halicin」一樣。

AI的燃料是數(shù)據(jù)，它的引擎是算法，而它的產(chǎn)物，是曾被認(rèn)為是人類專屬的——思想、洞見和創(chuàng)造力 。

將AI理解為「認(rèn)知引擎」而非「物理引擎」，我們就抓住了這場(chǎng)變革的核心。它意味著，AI的普及將從根本上重塑所有依賴于知識(shí)和信息的工作——也就是今天經(jīng)濟(jì)中的幾乎所有行業(yè)。

AI認(rèn)知幾何學(xué)

通往AGI的五大時(shí)刻

論文鏈接：https://arxiv.org/abs/2506.23080

既然我們知道了「為什么」和「是什么」，那么最關(guān)鍵的問(wèn)題來(lái)了：AI將「怎么做」，它會(huì)如何演化？我們又該如何參與并引領(lǐng)這一進(jìn)程？

系列的第三篇論文，也是最具前瞻性的部分，構(gòu)建了一個(gè)名為「AI認(rèn)知幾何學(xué)（Geometry of Cognition）」的框架 。它指出，AI的演化并非隨機(jī)的「布朗運(yùn)動(dòng)」，而是一條結(jié)構(gòu)清晰、有跡可循的道路。

這條路，與人類自身認(rèn)知技術(shù)的發(fā)展史，有著驚人的同構(gòu)性。

研究團(tuán)隊(duì)將AI的演進(jìn)劃分為五個(gè)革命性的「時(shí)刻」：

1. 專家系統(tǒng)時(shí)代

歷史類比：古代美索不達(dá)米亞的楔形文字，主要用于記賬和法令，功能具體、領(lǐng)域狹窄。這就像是人類早期試圖固化特定知識(shí)的嘗試，雖然有效但局限性明顯。

AI范式：上世紀(jì)80年代的專家系統(tǒng)（如MYCIN），將特定領(lǐng)域（如醫(yī)學(xué)診斷）的知識(shí)編碼為固定的「IF-THEN」規(guī)則 。這類系統(tǒng)在特定場(chǎng)景下表現(xiàn)出色，但缺乏通用性。

特點(diǎn)：刻板、脆弱 。一旦遇到規(guī)則之外的情況，系統(tǒng)就會(huì)崩潰 。這是一個(gè)只能「記錄知識(shí)」而不能「生成思想」的時(shí)代，AI尚處于模仿和記憶的初級(jí)階段。

Transformer時(shí)代（我們剛經(jīng)歷）

歷史類比：字母表的發(fā)明，用有限的幾個(gè)符號(hào)（字母）就能組合出無(wú)窮的詞匯和思想，實(shí)現(xiàn)了對(duì)語(yǔ)言的通用抽象表示。這標(biāo)志著人類信息處理能力的飛躍，從具體的圖像和符號(hào)走向了抽象的編碼。

AI范式：2017年誕生的Transformer架構(gòu)。它通過(guò)Tokenization（分詞）和Self-Attention（自注意力機(jī)制），創(chuàng)造了一套AI的「字母表」，可以處理文本、圖像、蛋白質(zhì)序列等任何信息。

特點(diǎn)：強(qiáng)大、通用，但也帶來(lái)了不透明性（黑箱問(wèn)題）。我們知道它很強(qiáng)大，但不知道它內(nèi)部的「語(yǔ)法規(guī)則」是什么，這為AI的解釋性和可控性帶來(lái)了挑戰(zhàn)。

元語(yǔ)言時(shí)刻，當(dāng)下我們所處的時(shí)代

歷史類比：古希臘人發(fā)明了語(yǔ)法、邏輯和修辭學(xué)，開始「研究語(yǔ)言本身」，讓思想過(guò)程變得可以分析和結(jié)構(gòu)化。

AI范式：我們今天看到的技術(shù)，如思維鏈（Chain-of-Thought, CoT）、Constitutional AI (CAI)和Agentic Frameworks (ReAct)，正是AI開始反思自身「思考過(guò)程」的標(biāo)志。

• CoT讓模型「說(shuō)出」思考步驟，使其思維可見。

• CAI為模型設(shè)定「憲法」，讓它學(xué)會(huì)自我批判和對(duì)齊。

• ReAct讓模型在「思考-行動(dòng)-觀察」的循環(huán)中與世界互動(dòng)。

特點(diǎn)：AI開始擁有自我反思和治理的能力。這是從「會(huì)說(shuō)」到「會(huì)思考如何說(shuō)」的巨大飛躍。

數(shù)學(xué)符號(hào)時(shí)刻，下一個(gè)前沿標(biāo)題

歷史類比：牛頓和萊布尼茨發(fā)明微積分。他們創(chuàng)造了一套新的符號(hào)系統(tǒng)（如 dy/dx, ∫ ），將復(fù)雜的連續(xù)變化問(wèn)題，轉(zhuǎn)化為可計(jì)算、可驗(yàn)證的代數(shù)運(yùn)算。

AI范式：未來(lái)的AI，其思考過(guò)程將不再是模糊的自然語(yǔ)言，而是可執(zhí)行、可驗(yàn)證的形式化程序。這需要兩大技術(shù)的突破：

• 神經(jīng)-符號(hào)AI（Neuro-Symbolic AI）：如AlphaGeometry，結(jié)合神經(jīng)網(wǎng)絡(luò)的直覺和符號(hào)引擎的嚴(yán)謹(jǐn)邏輯來(lái)解決問(wèn)題 。

• 程序合成（Program Synthesis）：AI的輸出直接是一段代碼，這段代碼的執(zhí)行過(guò)程就是解決問(wèn)題的過(guò)程。

特點(diǎn)：AI的思想將變成一種「可計(jì)算的思想微積分」，從根本上解決了當(dāng)前長(zhǎng)鏈條推理中的「錯(cuò)誤累積」問(wèn)題，是通往可靠自主智能的必經(jīng)之路。

形式邏輯系統(tǒng)時(shí)刻，終極目標(biāo)

歷史類比：弗雷格和羅素等人試圖將整個(gè)數(shù)學(xué)建立在堅(jiān)實(shí)的形式邏輯公理之上，創(chuàng)造一個(gè)完美、無(wú)懈可擊的推理體系。

AI范式：AGI的最終形態(tài)，可能不是一個(gè)巨大的、黑箱的神經(jīng)網(wǎng)絡(luò)，而是一個(gè)其行為可被形式化驗(yàn)證（Formal Verification）、可證明（Provably）對(duì)人類有益且價(jià)值對(duì)齊的智能系統(tǒng) 。

特點(diǎn)：AI的「能力」和「安全」在這一刻合二為一。它將成為一個(gè)我們能完全理解和信任的、并行的認(rèn)知架構(gòu)。

更重要的是，這五個(gè)時(shí)刻的演進(jìn)是自反的（Reflexive）。

AI在「元語(yǔ)言時(shí)刻」發(fā)展的自我反思能力，將反過(guò)來(lái)幫助它重構(gòu)自己在「字母表時(shí)刻」的底層表示方式，從而為邁向「數(shù)學(xué)符號(hào)時(shí)刻」奠定基礎(chǔ) 。這是一個(gè)不斷「自我迭代、自我重建」的螺旋上升過(guò)程。

AI不只是工具

而是認(rèn)知方式的再創(chuàng)造

「AI方法論三部曲」為我們描繪了一幅壯麗的畫卷。它用CRR模型解釋了當(dāng)前市場(chǎng)的「狂熱之源」，提醒我們價(jià)值終將回歸實(shí)現(xiàn)；

用「認(rèn)知引擎」的比喻，定義了這場(chǎng)革命的「根本性質(zhì)」，讓我們不再拘泥于工業(yè)時(shí)代的舊思維；

最終，用「認(rèn)知幾何學(xué)」的五大時(shí)刻，為我們指明了從現(xiàn)在到未來(lái)的「演進(jìn)路徑」，讓混沌的探索有了清晰的航標(biāo)。

在AI這場(chǎng)浩蕩進(jìn)化中，模型規(guī)模也許會(huì)再翻十倍，但真正決定未來(lái)的，是我們能否構(gòu)建出「思想的數(shù)學(xué)語(yǔ)言」。

正如文字之于文明、幾何之于理性，下一代AI的基石，可能是一套我們尚未發(fā)明的「思想微積分」。

我們正站在「元語(yǔ)言時(shí)刻」的黎明，這是AI學(xué)會(huì)自我審視的開端。下一個(gè)偉大的機(jī)遇，將屬于那些能夠率先創(chuàng)造出AI「思想微積分」的開拓者。

作者介紹

Xinmin Fang是科羅拉多大學(xué)計(jì)算機(jī)專業(yè)的博士生，研究方向包括移動(dòng)計(jì)算和物聯(lián)網(wǎng)、機(jī)器人。

Lingfeng Tao是肯尼紹州立大學(xué)助理教授，主要研究機(jī)器人控制、人機(jī)系統(tǒng)和人工智能。

Zhengxiong Li是科羅拉多大學(xué)助理教授，主要研究方向是AI機(jī)器人、物聯(lián)網(wǎng)/移動(dòng)計(jì)算。

參考資料：

https://arxiv.org/abs/2505.10590

https://arxiv.org/abs/2506.10281

https://arxiv.org/abs/2506.23080