新智元報道
編輯:LRST
【新智元導讀】OpenAI估值突破千億、NVIDIA 市值一度躍居全球前五,AI帶來的不止是技術浪潮,更是估值與認知的劇烈重塑。當我們站在AGI門前,下一步到底該怎么走?來自美國科羅拉多大學丹佛分校與肯尼紹州立大學的華人團隊發布「AI方法論三部曲」,首次提出「能力實現率(CRR)」模型、「認知幾何學」框架,指出我們正處于AI的「元語言時刻」,未來將邁向「思想微積分」時代——或許是AI發展最具前瞻性的理論體系之一。
AI的時代洪流滾滾向前,我們每個人都身處其中,感受著它的光榮與夢想,也承擔著它的迷茫與代價。
一方面,是資本市場的狂歡盛宴。OpenAI的估值沖向千億美金,英偉達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燃投資者的熱情。
另一方面,是技術與應用的困惑。Adobe因AI功能收入不及預期,股價一夜閃崩;無數創業公司在「百模大戰」中力盡筋疲,卻仍在商業化的門前苦苦掙扎。
這場革命的核心矛盾已經浮現:巨大的潛力預期與緩慢的價值實現之間,存在著一條深不見底的鴻溝。
我們不禁要問:
為什么AI會引發如此巨大的估值泡沫?我們該如何衡量它的真實價值?
這場革命的本質到底是什么?它更像一場工業革命,還是一場思想解放?
我們該如何穿越當前的迷霧,找到通往AGI的正確路徑?
現在,來自科羅拉多大學(CU Denver)和肯尼紹州立大學(KSU)的華人團隊,通過一個系統性的「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,分別從經濟、認知、技術三個維度,構建了一個理解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」的問題。
第三篇:《AI’s Euclid’s Elements Moment: From Language Models to Computable Thought》- 解決了「怎么做」的問題。
能力實現率(CRR)
刺破萬億估值泡沫的探針
論文地址:https://arxiv.org/abs/2505.10590
為什么市場會對AI如此瘋狂?論文一針見血地指出:這是源于一種強大的認知偏誤——
錨定效應(Anchoring Effect)。
當OpenAI的GPT-4展現出驚人能力,其千億美金的估值就成了一個巨大的「錨」 。
投資者們將這個錨作為價值判斷的起點,并將其投射到所有AI相關的公司上,堅信它們都能迅速將AI潛力轉化為巨額利潤 。
然而,潛力和現實之間,往往隔著萬水千山。
為此,研究團隊提出了一個量化工具,能力實現率(Capability Realization Rate, CRR)模型。
這個公式精準地剖析了AI公司的價值內核。
高CRR公司:它們不僅擁有強大的AI技術,更關鍵的是,已經成功地將這些技術大規模轉化為實實在在的收入和利潤。英偉達就是典型代表。市場對其AI芯片的瘋狂需求,直接體現在了爆炸性的財報數據上 。它的高估值,是由真實的盈利能力支撐的,泡沫成分相對較小。
低CRR公司:它們可能擁有驚世駭俗的AI能力(高潛力),但尚未找到穩定的商業模式,將技術轉化為收入(低實現)。許多AI創業公司,甚至早期的OpenAI都屬于此類。它們的估值,更多是建立在對未來的信仰之上,因此蘊含著巨大的「價值錯位風險」 。
從高CRR預期到低CRR現實的陣痛:Adobe的案例則是一個絕佳的警示 。當Adobe推出Firefl AI功能時,市場一度給予其極高的估值溢價。然而,當財報顯示AI帶來的直接收入增長未達預期時,其股價應聲暴跌近12%。這說明,市場最終會從「潛力錨定」回歸到「現實檢驗」,而CRR就是檢驗的一個標準。
CRR模型告訴我們,要想理解AI經濟的「為什么」,就必須區分「Hype(炒作)」和「Reality(現實)」。資本的熱情源于對潛力的錨定,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
而是新語言
論文地址:https://arxiv.org/abs/2506.10281
既然AI的價值實現如此重要,那么我們首先要搞清楚,AI到底「是什么」?它驅動的是一場怎樣的革命?
許多人喜歡將AI比作「蒸汽機」或「電力」,認為它將開啟新一輪的工業革命。但該系列的第二篇論文提出了一個更深刻的觀點:
AI的本質,更接近于人類「語言」和「文字」的發明,它是一場認知革命,而非工業革命。
蒸汽機延伸了人類的「肌肉」,而AI延伸的是人類的「心智」 。
這個類比并非文字游戲,它揭示了AI影響世界的根本方式.
從認知外包到認知增強
幾千年前,文字的發明是人類第一次偉大的認知革命。它讓人類可以將記憶「外包」到泥板和莎草紙上,從而積累和傳承遠超個體記憶極限的知識。
今天的AI,正是新一代的「認知外包」工具。我們可以將信息檢索、數據分析、內容草擬等任務交給AI,從而解放我們的大腦,專注于更高層次的創造、戰略和決策。
從信息傳播到知識生成
如果說古騰堡的印刷機通過大規模復制,引爆了知識傳播的革命,那么AI則更進一步。它不僅傳播知識,更能分析、綜合,乃至生成全新的知識。一個AI模型可以在幾分鐘內閱讀數百萬篇論文,發現人類科學家可能忽略的模式,就像AlphaFold預測蛋白質結構、AI發現新抗生素「Halicin」一樣。
AI的燃料是數據,它的引擎是算法,而它的產物,是曾被認為是人類專屬的——思想、洞見和創造力 。
將AI理解為「認知引擎」而非「物理引擎」,我們就抓住了這場變革的核心。它意味著,AI的普及將從根本上重塑所有依賴于知識和信息的工作——也就是今天經濟中的幾乎所有行業。
AI認知幾何學
通往AGI的五大時刻
論文鏈接:https://arxiv.org/abs/2506.23080
既然我們知道了「為什么」和「是什么」,那么最關鍵的問題來了:AI將「怎么做」,它會如何演化?我們又該如何參與并引領這一進程?
系列的第三篇論文,也是最具前瞻性的部分,構建了一個名為「AI認知幾何學(Geometry of Cognition)」的框架 。它指出,AI的演化并非隨機的「布朗運動」,而是一條結構清晰、有跡可循的道路。
這條路,與人類自身認知技術的發展史,有著驚人的同構性。
研究團隊將AI的演進劃分為五個革命性的「時刻」:
1. 專家系統時代
歷史類比:古代美索不達米亞的楔形文字,主要用于記賬和法令,功能具體、領域狹窄。這就像是人類早期試圖固化特定知識的嘗試,雖然有效但局限性明顯。
AI范式:上世紀80年代的專家系統(如MYCIN),將特定領域(如醫學診斷)的知識編碼為固定的「IF-THEN」規則 。這類系統在特定場景下表現出色,但缺乏通用性。
特點:刻板、脆弱 。一旦遇到規則之外的情況,系統就會崩潰 。這是一個只能「記錄知識」而不能「生成思想」的時代,AI尚處于模仿和記憶的初級階段。
Transformer時代(我們剛經歷)
歷史類比:字母表的發明,用有限的幾個符號(字母)就能組合出無窮的詞匯和思想,實現了對語言的通用抽象表示。這標志著人類信息處理能力的飛躍,從具體的圖像和符號走向了抽象的編碼。
AI范式:2017年誕生的Transformer架構。它通過Tokenization(分詞)和Self-Attention(自注意力機制),創造了一套AI的「字母表」,可以處理文本、圖像、蛋白質序列等任何信息。
特點:強大、通用,但也帶來了不透明性(黑箱問題)。我們知道它很強大,但不知道它內部的「語法規則」是什么,這為AI的解釋性和可控性帶來了挑戰。
元語言時刻,當下我們所處的時代
歷史類比:古希臘人發明了語法、邏輯和修辭學,開始「研究語言本身」,讓思想過程變得可以分析和結構化。
AI范式:我們今天看到的技術,如思維鏈(Chain-of-Thought, CoT)、Constitutional AI (CAI)和Agentic Frameworks (ReAct),正是AI開始反思自身「思考過程」的標志。
CoT讓模型「說出」思考步驟,使其思維可見。
CAI為模型設定「憲法」,讓它學會自我批判和對齊。
ReAct讓模型在「思考-行動-觀察」的循環中與世界互動。
特點:AI開始擁有自我反思和治理的能力。這是從「會說」到「會思考如何說」的巨大飛躍。
數學符號時刻,下一個前沿標題
歷史類比:牛頓和萊布尼茨發明微積分。他們創造了一套新的符號系統(如 dy/dx, ∫ ),將復雜的連續變化問題,轉化為可計算、可驗證的代數運算。
AI范式:未來的AI,其思考過程將不再是模糊的自然語言,而是可執行、可驗證的形式化程序。這需要兩大技術的突破:
神經-符號AI(Neuro-Symbolic AI):如AlphaGeometry,結合神經網絡的直覺和符號引擎的嚴謹邏輯來解決問題 。
程序合成(Program Synthesis):AI的輸出直接是一段代碼,這段代碼的執行過程就是解決問題的過程。
特點:AI的思想將變成一種「可計算的思想微積分」,從根本上解決了當前長鏈條推理中的「錯誤累積」問題,是通往可靠自主智能的必經之路。
形式邏輯系統時刻,終極目標
歷史類比:弗雷格和羅素等人試圖將整個數學建立在堅實的形式邏輯公理之上,創造一個完美、無懈可擊的推理體系。
AI范式:AGI的最終形態,可能不是一個巨大的、黑箱的神經網絡,而是一個其行為可被形式化驗證(Formal Verification)、可證明(Provably)對人類有益且價值對齊的智能系統 。
特點:AI的「能力」和「安全」在這一刻合二為一。它將成為一個我們能完全理解和信任的、并行的認知架構。
更重要的是,這五個時刻的演進是自反的(Reflexive)。
AI在「元語言時刻」發展的自我反思能力,將反過來幫助它重構自己在「字母表時刻」的底層表示方式,從而為邁向「數學符號時刻」奠定基礎 。這是一個不斷「自我迭代、自我重建」的螺旋上升過程。
AI不只是工具
而是認知方式的再創造
「AI方法論三部曲」為我們描繪了一幅壯麗的畫卷。它用CRR模型解釋了當前市場的「狂熱之源」,提醒我們價值終將回歸實現;
用「認知引擎」的比喻,定義了這場革命的「根本性質」,讓我們不再拘泥于工業時代的舊思維;
最終,用「認知幾何學」的五大時刻,為我們指明了從現在到未來的「演進路徑」,讓混沌的探索有了清晰的航標。
在AI這場浩蕩進化中,模型規模也許會再翻十倍,但真正決定未來的,是我們能否構建出「思想的數學語言」。
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明的「思想微積分」。
我們正站在「元語言時刻」的黎明,這是AI學會自我審視的開端。下一個偉大的機遇,將屬于那些能夠率先創造出AI「思想微積分」的開拓者。
作者介紹
Xinmin Fang是科羅拉多大學計算機專業的博士生,研究方向包括移動計算和物聯網、機器人。
Lingfeng Tao是肯尼紹州立大學助理教授,主要研究機器人控制、人機系統和人工智能。
Zhengxiong Li是科羅拉多大學助理教授,主要研究方向是AI機器人、物聯網/移動計算。
參考資料:
https://arxiv.org/abs/2505.10590
https://arxiv.org/abs/2506.10281
https://arxiv.org/abs/2506.23080
特別聲明:以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布,本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.