张亚勤对话朱民：AI+时代的技术突破与创新未来v7.05.63.55

张亚勤对话朱民：AI+时代的技术突破与创新未来游戏介绍

⚾2025-10-09 14:00 「百科/秒懂百科」【 张亚勤对话朱民：AI+时代的技术突破与创新未来】🍓支持:32/64bi🐯系统类型:(官方)官方网站IOS/Android通用版/手机APP(2024APP下载)《张亚勤对话朱民：AI+时代的技术突破与创新未来》

🏈2025-10-09 20:52 「百科/秒懂百科」【 张亚勤对话朱民：AI+时代的技术突破与创新未来】🍌支持:32/64bi🦈系统类型:(官方)官方网站IOS/Android通用版/手机APP(2024APP下载)《张亚勤对话朱民：AI+时代的技术突破与创新未来》

🏊2025-10-09 14:28 「百科/秒懂百科」【 张亚勤对话朱民：AI+时代的技术突破与创新未来】🐳支持:32/64bi🍒系统类型:(官方)官方网站IOS/Android通用版/手机APP(2024APP下载)《张亚勤对话朱民：AI+时代的技术突破与创新未来》

🦈2025-10-09 20:10 「百科/秒懂百科」【 张亚勤对话朱民：AI+时代的技术突破与创新未来】🐰支持:32/64bi🐍系统类型:(官方)官方网站IOS/Android通用版/手机APP(2024APP下载)《张亚勤对话朱民：AI+时代的技术突破与创新未来》

🐬2025-10-09 21:23 「百科/秒懂百科」【 张亚勤对话朱民：AI+时代的技术突破与创新未来】🐙支持:32/64bi🥌系统类型:(官方)官方网站IOS/Android通用版/手机APP(2024APP下载)《张亚勤对话朱民：AI+时代的技术突破与创新未来》

张亚勤对话朱民：AI+时代的技术突破与创新未来版本特色

1. 🐪「科普」🏄 张亚勤对话朱民：AI+时代的技术突破与创新未来官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:张亚勤对话朱民：AI+时代的技术突破与创新未来下载(2024全站)最新版本IOS/安卓官方入口v5.48.34.37(安全平台)登录入口🍁《张亚勤对话朱民：AI+时代的技术突破与创新未来》

2. 🤸「科普盘点」🐱 张亚勤对话朱民：AI+时代的技术突破与创新未来官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:张亚勤对话朱民：AI+时代的技术突破与创新未来下载(2024全站)最新版本IOS/安卓官方入口v3.72.26.86(安全平台)登录入口🍁《张亚勤对话朱民：AI+时代的技术突破与创新未来》

3. 🍂「分享下」🚴 张亚勤对话朱民：AI+时代的技术突破与创新未来官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:张亚勤对话朱民：AI+时代的技术突破与创新未来下载(2024全站)最新版本IOS/安卓官方入口v9.30.03.29(安全平台)登录入口🍁《张亚勤对话朱民：AI+时代的技术突破与创新未来》

4. 🏹「强烈推荐」🤼‍♀️ 张亚勤对话朱民：AI+时代的技术突破与创新未来官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:张亚勤对话朱民：AI+时代的技术突破与创新未来下载(2024全站)最新版本IOS/安卓官方入口v2.17.40.94(安全平台)登录入口🍁《张亚勤对话朱民：AI+时代的技术突破与创新未来》

5. 🐪「重大通报」🏌️ 张亚勤对话朱民：AI+时代的技术突破与创新未来官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:张亚勤对话朱民：AI+时代的技术突破与创新未来下载(2024全站)最新版本IOS/安卓官方入口v1.70.50.40(安全平台)登录入口🍁《张亚勤对话朱民：AI+时代的技术突破与创新未来》

6. 🐢「返利不限」🌳 张亚勤对话朱民：AI+时代的技术突破与创新未来官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:张亚勤对话朱民：AI+时代的技术突破与创新未来下载(2024全站)最新版本IOS/安卓官方入口v5.93.76.92(安全平台)登录入口🍁《张亚勤对话朱民：AI+时代的技术突破与创新未来》

7. 🏐「欢迎来到」🏀 张亚勤对话朱民：AI+时代的技术突破与创新未来官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:张亚勤对话朱民：AI+时代的技术突破与创新未来下载(2024全站)最新版本IOS/安卓官方入口v5.44.89.85(安全平台)登录入口🍁《张亚勤对话朱民：AI+时代的技术突破与创新未来》

8. 🌸「娱乐首选」🦆 张亚勤对话朱民：AI+时代的技术突破与创新未来官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:张亚勤对话朱民：AI+时代的技术突破与创新未来下载(2024全站)最新版本IOS/安卓官方入口v1.44.21.51(安全平台)登录入口🍁《张亚勤对话朱民：AI+时代的技术突破与创新未来》

9. ⛳「免费试玩」🤾 张亚勤对话朱民：AI+时代的技术突破与创新未来官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:张亚勤对话朱民：AI+时代的技术突破与创新未来下载(2024全站)最新版本IOS/安卓官方入口v1.33.25.48(安全平台)登录入口🍁《张亚勤对话朱民：AI+时代的技术突破与创新未来》

张亚勤对话朱民：AI+时代的技术突破与创新未来下载方式:

①通过浏览器下载

打开“张亚勤对话朱民：AI+时代的技术突破与创新未来”手机浏览器（例如百度浏览器）。在搜索框中输入您想要下载的应用的全名，点击下载链接【blog.m.npefyd.com】网址，下载完成后点击“允许安装”。

②使用自带的软件商店

打开“张亚勤对话朱民：AI+时代的技术突破与创新未来”的手机自带的“软件商店”（也叫应用商店）。在推荐中选择您想要下载的软件，或者使用搜索功能找到您需要的应用。点击“安装”即 可开始下载和安装。

③使用下载资源

有时您可以从“”其他人那里获取已经下载好的应用资源。使用类似百度网盘的工具下载资源。下载完成后，进行安全扫描以确保没有携带不 安全病毒，然后点击安装。

张亚勤对话朱民：AI+时代的技术突破与创新未来安装步骤:

🦛🤽🏇第一步：🏀访问张亚勤对话朱民：AI+时代的技术突破与创新未来官方网站或可靠的软件下载平台：访问（http://blog.m.npefyd.com/）确保您从官方网站或者其他可信的软件下载网站获取软件，这可以避免下载到恶意软件。

🏌️🚴🐌第二步：💐选择软件版本：根据您的操作系统（如 Windows、Mac、Linux）选择合适的软件版本。有时候还需要根据系统的位数（32位或64位）来选择张亚勤对话朱民：AI+时代的技术突破与创新未来。

🐋🛺🦁第三步：🐼 下载张亚勤对话朱民：AI+时代的技术突破与创新未来软件：点击下载链接或按钮开始下载。根据您的浏览器设置，可能会询问您保存位置。

⛳🐳🏐第四步：💐检查并安装软件： 在安装前，您可以使用 杀毒软件对下载的文件进行扫描，确保张亚勤对话朱民：AI+时代的技术突破与创新未来软件安全无恶意代码。 双击下载的安装文件开始安装过程。根据提示完成安装步骤，这可能包括接受许可协议、选择安装位置、配置安装选项等。

🌰🦘🏂第五步：🦘启动软件：安装完成后，通常会在桌面或开始菜单创建软件快捷方式，点击即可启动使用张亚勤对话朱民：AI+时代的技术突破与创新未来软件。

🎋🏋️🐮第六步：🏈更新和激活（如果需要）： 第一次启动张亚勤对话朱民：AI+时代的技术突破与创新未来软件时，可能需要联网激活或注册。 检查是否有可用的软件更新，以确保使用的是最新版本，这有助于修复已知的错误和提高软件性能。

特别说明：张亚勤对话朱民：AI+时代的技术突破与创新未来软件园提供的安装包中含有安卓模拟器和软件APK文件，电脑版需要先安装模拟器，然后再安装APK文件。

张亚勤对话朱民：AI+时代的技术突破与创新未来使用讲解

🎢第一步：选择/拖拽文件至软件中点击“🥉添加张亚勤对话朱民：AI+时代的技术突破与创新未来”按钮从电脑文件夹选择文件《🐢🧸blog.m.npefyd.com》，或者直接拖拽文件到软件界面。

🥀第二步：选择需要转换的文件格式 打开软件界面选择你需要的功能，张亚勤对话朱民：AI+时代的技术突破与创新未来支持，PDF互转Word，PDF互转Excel，PDF互转PPT，PDF转图片等。

🍃第三步：点击【开始转换】按钮点击“开始转换”按钮， 开始文件格式转换。等待转换成功后，即可打开文件。三步操作，顺利完成文件格式的转换。

进入张亚勤对话朱民：AI+时代的技术突破与创新未来教程

1.打开张亚勤对话朱民：AI+时代的技术突破与创新未来，进入张亚勤对话朱民：AI+时代的技术突破与创新未来前加载界面。

2.打开修改器

3.狂按ctrl+f1，当听到系统“滴”的一声。

4.点击进入张亚勤对话朱民：AI+时代的技术突破与创新未来，打开选关界面。

5.关闭修改器(不然容易闪退)

以上就是没有记录的使用方法，希望能帮助大家。

张亚勤对话朱民：AI+时代的技术突破与创新未来特点

🏋️‍♀️2025-10-09 17:07 🍏MBAChina🐮【 张亚勤对话朱民：AI+时代的技术突破与创新未来 】系统类型:张亚勤对话朱民：AI+时代的技术突破与创新未来(官方)官方网站IOS/Android通用版/手机APP(2024APP)【下载次数69501】🤾🏑🍓支持:winall/win7/win10/win11🐠🍃现在下载,新用户还送新人礼包🐙张亚勤对话朱民：AI+时代的技术突破与创新未来

🥇2025-10-10 00:40 🤼‍♀️欢迎来到🎾【 张亚勤对话朱民：AI+时代的技术突破与创新未来 】系统类型:张亚勤对话朱民：AI+时代的技术突破与创新未来(官方)官方网站IOS/Android通用版/手机APP(2024APP)【下载次数82007】🌴🦨🎾支持:winall/win7/win10/win11🌿🐶现在下载,新用户还送新人礼包🦇张亚勤对话朱民：AI+时代的技术突破与创新未来

🥋2025-10-09 23:49 🦊HOT🐸【 张亚勤对话朱民：AI+时代的技术突破与创新未来 】系统类型:张亚勤对话朱民：AI+时代的技术突破与创新未来(官方)官方网站IOS/Android通用版/手机APP(2024APP)【下载次数80918】🤼⛷️🦐支持:winall/win7/win10/win11🏀🏋️‍♀️现在下载,新用户还送新人礼包🐯张亚勤对话朱民：AI+时代的技术突破与创新未来

🤺2025-10-09 14:02 🦎娱乐首选🍊【 张亚勤对话朱民：AI+时代的技术突破与创新未来 】系统类型:张亚勤对话朱民：AI+时代的技术突破与创新未来(官方)官方网站IOS/Android通用版/手机APP(2024APP)【下载次数11780】🍐🦧🐮支持:winall/win7/win10/win11🥋🏈现在下载,新用户还送新人礼包🦢张亚勤对话朱民：AI+时代的技术突破与创新未来

🚵2025-10-09 20:25 👾返利不限🏏?【 张亚勤对话朱民：AI+时代的技术突破与创新未来 】系统类型:张亚勤对话朱民：AI+时代的技术突破与创新未来(官方)官方网站IOS/Android通用版/手机APP(2024APP)【下载次数46619】🏂🥇🍊支持:winall/win7/win10/win11🍒👾现在下载,新用户还送新人礼包🍁张亚勤对话朱民：AI+时代的技术突破与创新未来

相关介绍

🤾ωειcοmε🌴【 张亚勤对话朱民：AI+时代的技术突破与创新未来 】🐺🦁🍊系统类型:张亚勤对话朱民：AI+时代的技术突破与创新未来(官方)官方网站-IOS/安卓通用版/手机app🌵支持:winall/win7/win10/win11🌳🌿🌻【下载次数999】🐜🎴现在下载,新用户还送新人礼包🀄张亚勤对话朱民：AI+时代的技术突破与创新未来

这里只能算中等，加上性格是那种比较怂的，不足以服众，有神象在背后撑

> 厂商新闻《张亚勤对话朱民：AI+时代的技术突破与创新未来》特朗普继续对日本施压：日本需要开放市场 时间：2025-10-10 00:43

• 编辑:CN

来源：清华大学智能产业研究院

9月30日，中国工程院外籍院士、清华大学讲席教授、智能产业研究院（AIR）院长张亚勤与IMF原副总裁、中国人民银行原副行长朱民围绕AGI的技术发展及中美创新博弈等核心议题展开深度对话。清华大学五道口金融学院院长焦捷做开场致辞，清华大学师生校友等百余位嘉宾参会。




以下为对话实录：

朱民：大家好！欢迎各位！今天特别高兴，请来了我们的老朋友亚勤，一起来聊聊“AI+”时代的创新和变革。亚勤刚出了一本新书，叫《智能涌现》。“涌现”是AI里一个特别重要的概念，英文叫Emerging。这让我想起1973年菲利普·安德森有篇著名论文：《More is Different》，其中最早提出了“涌现”的想法——就是说规模大了，会涌现出新东西，但具体是什么，当时谁也不知道。而亚勤在书里把这个概念讲透了：当规模达到一定程度，量变引起质变，智能就“涌现”出来了。如果你能理解这一点，就会发现我们正处在一个智能涌现的时代，这绝对是一件翻天覆地的大事！

这里还得夸一下，亚勤可是咱们国家、乃至全球最早提出“AI+”概念的人，过去十年也一直专注在这个领域，非常了不起。AI界的“Aha moment”可能是ChatGPT，但“AI+”的引爆点，我觉得是我们的DeepSeek。关键是，亚勤在五六年前就洞见了这一切，并付诸实践，这真的太前瞻了。我们俩两年前有过一次非常愉快的对话，今天很高兴能继续这个主题，和他进行更深入的探讨。

张亚勤：谢谢朱行长，很高兴来到清华大学五道口金融学院，这是全球最顶级的金融学院，谢谢焦院长的邀请。

的确，这类人工智能最显著的特征便是“涌现”。而“涌现”体现在多个维度：首先，是一个常被忽略却至关重要的方面——即所谓的“标记化”（Tokenization）。无论信息形式为何——文字、语音、图像、激光雷达数据，还是4D或3D的时空信息，甚至是蛋白质与DNA序列——皆可被转化为统一的符号表征。需特别说明的是，此处“符号”并非传统人工智能符号主义中的符号概念，因此这一翻译或许未尽精确，但其核心在于所有信息形式被映射至同一表征空间之中。

朱民：我觉得亚勤刚才这句话特别重要，他说我们正站在“标记化世界”的起点。这个判断非常关键！因为一旦世界万物都可以被“标记化”，那底层逻辑就彻底改变了。过去我们常说，物质世界在数字化，金融也在数字化。但在智能时代，这一切都升级为了“标记化”。这不仅仅是说法变了，而是整个世界的运行规则发生了根本的改变。

张亚勤：对，基于这个概念，再看新一轮的人工智能，特别是生成式人工智能，比如Transformer，它其实就是Predict  the next  token，才得以实现内容上的“创造”，生成出前所未有的新词元。然而，真正的质变发生在数据规模、词元数量和算力均超越某个临界点之后，此时系统开始展现出所谓的“涌现（Emergence）”现象。具体而言，当大语言模型的参数量突破百亿级别，便会触发一种称为“规模定律（Scaling Law）”的效应，也就是说，模型的性能并非线性增长，而是随着规模扩大发生跃迁，从而涌现出未经编程的、令人惊喜的新能力。这是技术层面上的涌现。此外，还存在另一维度的涌现——产业层面的涌现。人工智能本身是一项颠覆性技术，但其更大的影响力在于它能作为赋能基础，“涌现”并深度融合到各个产业之中，即形成“AI+”的范式。无论是金融、教育还是医疗领域，都将在这种融合中涌现出新的业态、模式和价值。

所以，三个概念，一个叫标记化（Tokenization），一个是规模定律，第三个是涌现效应，这是我们新一轮人工智能的最核心的三个概念。

朱民：这是三个特别重要的概念，我们正在进入一个标记化的世界，这是一个曲面，会渗透到现实世界的一切，从而彻底改变世界。我还记得两年前我们讨论的时候，关于AGI（Artificial General  Intelligence），就是通用人工智能问题，当时乐观的科学家都说最少需要50年才能实现，而我记得你当时说，大概20年、30年就可以达到，今天你看呢？

张亚勤：我认为我们在15-20年可以达到AGI。我稍微讲一下我对智能的三重定义，因为这个很重要，下面的讨论可能都会用到这些定义。我把智能分成三个不同的层次：

第一个层次是大多数人现在谈论的“信息智能”，像ChatGPT这类系统，主要处理数字世界的信息，也可以叫数字智能。
第二个层次是“物理智能”，指的是大模型进入物理世界，比如无人驾驶、无人机、机器人，包括具身智能——这些都属于让AI在现实环境中行动和交互。
第三个层次是“生物智能”，涵盖脑机接口、新药研发、新型生物体的设计等，本质是AI与生物系统的融合，有点像硅基与碳基的结合。基于这个框架，我目前的判断是：在信息智能层面，我们离AGI非常近了。两年前我说大概五年，现在看可能只要三四年。物理智能可能需要十年左右，而生物和生命领域的智能，大约仍需要15-20年。目前整个进展，基本上正按这样的节奏推进。

朱民：也就是说，再过15-20年，在座的各位是碳基生命还是硅基生命？

张亚勤：我觉得未来更可能是走向融合。我们作为碳基生命，拥有意识与主动性，而硅基智能更像是我们的助手和延伸——它是被动的，扮演着Agent（智能体）的角色，成为我们能力的一部分。虽然它的智商可能远超我们——比如人类平均智商如果是120，它或许能把这个数值提升一个量级，达到1200甚至更高——但它依然会听从我们的指令。当然，这一切的前提是它始终处于可控状态。万一失控，那就是另一个需要深入讨论的重要话题了。

朱民：你们要活到120岁的。所以，未来20年不算什么。那么我们现在开始想象，在你们的碳基生命的同时有一个硅基生命，硅基生命的IQ是你自己的碳基生命的10倍。人和机器的关系会是什么呢？

张亚勤：我们还是机器的主人，机器会是我们特别好的一个助理、管家，是我们的一个延伸。就像我们在蒸汽机时代，把人的体力增加了很多数量级，但是它是听人类指挥的。这次的人工智能革命是把我们的脑力和智商增加了很多倍，可能是10倍，可能是100倍，但AI还是听我们指挥的。但是在AI的发展过程中有很多风险，一会儿再展开来说。

回到刚才讲的话题，就是为什么我觉得这次人工智能革命和过去完全不一样。记得当时你问我，ChatGPT出现之后，我的ChatGPT时刻是什么样的？我当时讲了三点。第一我认为它是人工智能时代的下一代操作系统，第二它是首个通过图灵测试的智能体，第三，我认为它是通向通用人工智能的一个新的方式。

朱民：这三句话都实现了。我们要给亚勤鼓掌，两年半以前的预测都实现了，科学家牛的不就是预测吗？

张亚勤：另外，“AI+”我其实是在2016年提出的，近十年了，一次是在达沃斯讲“AI+”，一次是在博鳌论坛讲到“智能+”，但那个时候相对还是比较空一些了，人工智能、深度学习刚刚兴起，所以真正的内容没有那么丰富，现在当然已经都变成现实了。

朱民：你刚才讲得特别有意思，如果碳基生命有一个比它智能高10倍的硅基生命，但是你强调了它是我们的助理，就是人和机器，人机协同是你这本书里很重要的一章。人机协同的这个概念，你说说看，一个智力低于机器90%的主体怎么能掌控这个高智能的Agent？

张亚勤：这是个特别好的问题。从技术方面发展，这一发展是不可逆转的，现在AI这么快速地发展，它的能力比我们要大很多倍。未来如果一切发展顺利的话，就会发展成我一直提到的“AI+HI”，就是AI+ Human Intelligence。

因此，这其中涉及几个关键问题。首先，我认为硅基生命并不具备自我意识，而人类却拥有意识。正因如此，人工智能会听从人类的指令——我们有意识，而它没有；它虽然非常智能，但始终需要接收指令，而人类恰恰能够发出指令。其次，至关重要的一点是，它必须是“善良的”。人工智能可能极其聪明、能力强大，但其本质应是向善的。我一直强调，我们要打造“善良的AI”。这取决于我们为它提供的数据、所设计的算法框架、所构建的大模型架构，以及与人类价值观的对齐方式。就像培养一个孩子：我们要给他健康的食物、优质的教育，引导他越来越善良——尽管最终他可能比父母更聪明。因此，我们希望人工智能朝着这个方向发展。然而，这其中显然也存在失控的风险。我常常思考：人类进化了数十万年，我们有自身的DNA和基因，我们的性格、习惯、身体乃至细胞，都是以一种非常缓慢的速度演化的。但人工智能的发展速度却是指数级的、极其迅猛的。那么，我们该如何把握这种节奏？在未来的人机融合中，或许人类的步调可以更从容，而机器的步调越来越快。尽管整体演进可能非常迅速，但人类仍可以保持一定的“慢”。如何实现这种快与慢的协调，正是我们需要深入思考的问题。

朱民：这个很有意思，你给自己设定了一个矛盾的困境，也承认这个问题并没有完全解决，但是你是乐观主义。我觉得乐观主义总是比较好的，乐观主义活得比较开心。亚勤十年前就提出了“AI+”这个概念，那时候他就对人工智能的发展很乐观，我记得你是John McCarthy的学生，他正是达特茅斯会议的开创者之一，人工智能的奠基人。你很早就站在了源头，这份远见和乐观，是刻在基因里的。

如今看来，人类的演化这根曲线是缓缓地，可以说是以几万、几十万年为尺度的，而人工智能曲线是指数级发展的，但你对这两种智能的融合还是乐观的。我记得杰弗里·辛顿教授在上海的演讲中把人工智能比喻成人养的一个宠物老虎，养大了以后，这个老虎就可能会吃人。所以，杰弗里·辛顿的担忧比你要多，你们俩在这一点上是一样的吗？

张亚勤：我们双方对未来可能存在的风险有着高度共识，并且还共同成立了一个机构，专门致力于研究人工智能的潜在风险，也联合发布过多份相关声明。但我并不同意他将AI比作终究会“吃人”的猛虎这一观点。我认为，无论是从科研、产品开发还是政策法规的层面来看，只要我们始终保持高度的风险意识，未来应当能够朝着人类所定义的方向发展。人类拥有两种智慧：一种是发明技术的智慧，另一种是引导技术发展方向的智慧——而后者，才是走向真正智慧的关键。

朱民：这个很有意思，我们回看人的智慧，机器的智慧现在发展很快，它的IQ可以是人的10倍，这个我都没敢那么想，但是你是科学家，我相信你的判断。所以，在机器智慧曲线如此指数型上升的时候，其实要求人本身的发展是非常高的，就是一个是方向，一个是管控，管控具体到比如说数据、算法、框架等等。对AI发展的方向和管控，你的乐观的基础在哪里呢？

张亚勤：第一，从算法层面看，当前的人工智能本质仍是代码和程序。它遵循基于统计规律所设计的路径，未来我们更希望融入更多因果推断的机制来引导其发展。但无论如何，这些代码的规则始终是由人类制定的。因此，我认为其发展的大框架仍在人类所定义的边界之内。第二，人类拥有五千年的文明历程，并经历了三次工业革命。每一次技术变革都伴随着风险与危机，但最终都在可控的范围内得以化解。纵观历史，从三百年前到现在，人类整体的生活品质获得了巨大提升——这充分说明，尽管技术创新会带来某些负面影响，但其主体仍是积极正向的。当然，有些技术如果重新选择，我们或许不会任其如此发展。例如核武器，假如人类能重新规划一百多年来的科技路径，很可能不会选择走上这条道路。互联网本身是正向的，但也衍生出诸如不良自媒体、某些社交网络传播机制和游戏沉迷等我认为“净负面影响”（Net Negative）的现象。若有机会重新抉择，这些部分或许应更审慎对待。因此，在发展人工智能时，我们应致力于放大其正面效益，减少负面效应，并设立清晰的边界。我相信，这一界限是我们可以控制、也应当去控制的。

朱民：我觉得亚勤你这句话讲得特别好，你也承认人工智能指数级增长可能带来的风险，这个和杰弗里·辛顿是一样的。但是，你坚定地相信人的本质、人性和人的学习能力，以及智慧的发展。AI向善，AI向大众。

张亚勤：我总体上保持乐观，但我们也必须正视诸多挑战——尤其是在信息智能、物理智能和生物智能这三个层面。近一两年来，我投入了大量精力研究这些问题。在数字与信息领域，风险已经非常显著。例如信息造假和虚假内容的泛滥，自生成式AI出现以后，很可能一半以上的信息都来自人工智能生成，其中许多是虚假的，而这些虚假信息又被用作训练数据，导致更多错误内容产生。此外，还存在模型幻觉、版权与知识产权侵害等问题，风险不容忽视。但总体而言，这些风险仍然是可控的，因为我们已意识到它们的存在。进入物理智能阶段，风险则直接威胁人身安全。例如当大模型应用于无人驾驶、无人机或机器人系统，尤其是多智能体协同行为中，问题变得更加严峻。具体来说：首先，许多算法的决策过程仍不透明，我们往往难以理解其运作逻辑；其次，技术可能被恶意滥用；第三，多个智能体相互联结时，风险并非简单叠加，而是呈指数级增长，这使得潜在危害大幅上升。而到了生物智能层面，例如脑机接口将人脑与人工大脑相连时，所带来的风险会进一步扩大。技术发展本身是不可逆的，我们虽无法控制其演进速度，但仍应努力引导其发展方向，并通过持续研究降低潜在威胁。

朱民：这个话讲得还是很有力量，技术的发展是如此的迅猛，技术的发展不可挡，人能做的是跟着技术发展，而人能走前面的是根本人性和善良和力量，我觉得这个讲得非常精彩。你给你定了一个支点，这个支点是人性善良，人类集体的智慧和力量，使得我们有自信心，我们可以关注风险，但并不意味着我们否认风险。

我们接着讲讲“AI+”。我觉得你这本《智能涌现》最精彩的地方，就是你给出了无数的案例，企业的案例，地方的案例，讲了特别多地方的案例。现在很多人都有AI焦虑症，因为他觉得AI发展如此迅猛，特别是企业不知道怎么适应，我都推荐他们读这本书，因为这本书给了很多案例，我觉得还是很有意思的，这些案例不一定完全适合你的需要，但综合起来，它其实构成了一个很广的图谱，你可以找到一个很好的参照系统。“AI+”时代会怎么走呢？它的定义是什么？

张亚勤：人工智能正在深刻地重塑整个产业格局和商业模式。目前，AI的发展主要仍在信息技术产业内部产生显著影响。我们看到新的芯片架构不断涌现，数据中心持续升级，新的模型、软件和服务层出不穷。这也解释了为什么如今全球市值最高的企业几乎都是AI公司或信息技术企业——第一步必然是打好基础，构建起完善的基础设施。在基础设施逐渐成熟之后，人工智能开始全面渗透到各个行业。首先受到直接影响的是电力行业。正如李总所从事的领域，数据中心的迅猛建设导致电力供应紧张。过去三四年间，美国一直在积极推动核电厂的建设。若观察股市表现，涨幅最大的并非芯片企业如英伟达，而是发电企业，这正反映出AI对电力需求的巨大拉动，进而影响整个电网系统。另一方面，以自动驾驶为例，没有人工智能，就不可能有无人驾驶技术的实现。AI不仅推动了汽车产业的变革，也重塑了城市治理模式和智能交通系统。此外，作为制造大国，中国越来越多地在新一代工厂中引入AI技术，无论是软件、智能体还是机器人，都正在提升自动化水平，减少对人力的依赖。金融、教育、医疗等行业也在经历深刻变革。对于企业领导者来说，大型企业通常拥有丰富的数据和资源，有能力自主研发大模型。而不少中小企业则感到焦虑。但我认为不必过分担忧，AI的本质是解决问题——它改变商业模式，但不改变商业的根本。例如，餐厅的核心始终是提供优质的菜品和环境，AI不会颠覆这一点，但它可以优化供应链、改进运营模式，甚至重塑人员结构。随着AI智能体的发展，企业可能用更少的人力实现更高的效率。关键在于将AI视为工具，着力解决实际问题。我常遇到一些中小企业，在数字化尚未完善的情况下盲目引入AI，反而造成资源浪费。

目前，“AI+”行动刚刚起步，国务院最新发布的《“AI+”行动计划》就很好地明确了发展路径，涵盖了芯片与基础设施、垂直行业应用、人才培养以及国际合作等多个方面，整体规划非常全面。

朱民：谈到“AI+”，大家都会提到中美竞争。之前比如说一些美国学者都认为中国AI的发展相比美国要落后两年。但是有了DeepSeek之后，差距一下大大缩短，甚至被认为只有两个月的差距了。因为DeepSeek出来，我们在算法上有了很大的提高，模型小、便宜，我们的芯片现在也突破了，服务器也有，另外数据方面，国家现在出台了《数据二十二条》，推动政府数据免费给企业使用。所以，人工智能世界的算力算法数据我们或多或少有了一个平台。在这个情况下，你怎么看中美的AI竞争？

张亚勤：我特意回顾了我们之前的对话，当时你问及中美在大模型领域的差距。我记得当时提到差距确实存在，但未明确时间。当时我预估至少相差2到3年。然而短短两年过去，形势已发生显著变化——中国在某些方面甚至实现了领先。这一转变的关键，在于DeepSeek的出现。它标志着中美AI发展路径开始分化，中国逐渐走出了一条自己的路。早期阶段，我们确实在借鉴美国的模式：从OpenAI推出GPT系列以来，国内企业大多延续“搜集数据-堆计算资源-预训练”的路径，使用的算法也几乎完全相同，无论是基础模型架构、Transformer还是自回归技术。这种做法无可厚非，毕竟在起步阶段，首先需要验证并复现先进成果。你可能还记得当时的“百模大战”，先后涌现出近两百个大模型。而DeepSeek的发布，恰逢我们在达沃斯论坛期间。我记得当时与Demis Hassabis、Yoshua Bengio等专家讨论AI治理与风险时，几乎所有问题都绕不开DeepSeek。我认为DeepSeek是一项了不起的突破——它是自ChatGPT以来最重要的算法、系统工程及商业模式的综合创新。正因如此，它的出现引起了美国科技巨头的高度关注。因为它表明，我们未必需要巨大的算力、海量的数据或庞杂的模型集群，也能实现相当甚至更优的性能。当然，关于DeepSeek的具体算法和技术细节，恐怕足够我讲一下午了。

这在许多方面都非常了不起。DeepSeek的出现，一方面为中国赢得了宝贵时间——仅以1%的算力就实现了相近的性能水平；另一方面，其开源策略迅速获得全球业界的积极响应。相较于美国少数企业垄断的大模型研发，DeepSeek的出现使得更多机构能够复现先进模型并自由部署，尤其因其采用极为开放的MIT许可证，极大降低了使用门槛。这一进展不仅挑战了美国科技巨头依赖的闭源商业模式，也对全球AI生态格局带来了深远影响。与此同时，我们在芯片领域虽仍面临客观差距——尤其在英伟达所建立的从GPU硬件到CUDA软件生态的全链路优势面前，其技术护城河已构建近二十年，从NVLink、HBM存储到最新Blackwell架构，确实展现出系统级的领先。然而，华为等国内企业正通过系统级创新积极突破限制。尽管单芯片性能受制于工艺瓶颈，但华为凭借通信领域的技术积累，以先进光网络连接数百芯片，构建起高性能计算集群，结合存储、通信与算力的协同设计，有效弥补了单点算力的不足。尽管在能效和体积方面仍有代价，但这种系统级创新，加上算法层面的持续优化，使中国逐步摆脱对外部技术的依赖。你刚才问，在缺乏顶尖芯片的情况下，我们是否仍能迎头赶上？我对此始终有信心。正如“需求是创新之母”，资源约束反而激发了我们走向一条新的技术路径——当算力充沛时，工程师容易忽略算法效率；而正因存在限制，才催生了如DeepSeek这样的原创突破。尤其令我感慨的是，DeepSeek的核心团队多是刚毕业五六年的年轻一代，他们可以说是“AI原生代”，对技术有着天然的敏感与深刻理解。即便没有海外留学背景，他们仍能迅速吸收全球前沿知识，甚至与我们合作发表论文，推动真正具有国际竞争力的创新。如今，从阿里的千问到豆包等一系列模型，中国的大模型已跻身世界第一梯队。与两年半前相比，进展显著。如果分层次看，中国在芯片等基础设施方面仍落后于美国，在大模型领域逐渐走出差异化技术路线，而在“AI+应用”层面，中国正迅速实现超越甚至全面领先。总体而言，中美已成为全球人工智能发展中两大并行前进的重要力量。

朱民：“AI+”竞争是一个重大议题。我们和美国现在基本上处在一个平台了，可以一拼了，有我们的特点，有我们的弱点，有我们的强项，就像你刚才提到的，硬件还弱但是算法已经走在前面了，我们的“AI+”是很多方面已经世界领先了，我们的垂直模型现在逐渐走出来了，而美国的平行模型它完全靠规模，其实它还在商业模式上探索。

张亚勤：你讲得特别好。其实这两年多以来，整个AI领域的变化非常大，我们也确实赶上了天时地利人和。现在大模型在预训练阶段其实遇到了一些瓶颈——互联网上能用的数据、信息智能方面的数据，基本都消耗得差不多了。所以我们刚才提到的“规模定律”，虽然在预训练方面还在慢慢进步，但增长速度其实已经在放缓了。光靠堆芯片、堆数据，带来的回报没那么明显了，边际效应正在减弱。那么现在重点转到哪儿去了呢？大部分工作都转向了后训练、推理和智能体这些方向。虽然这些环节对算力要求依然很高，但需求的形式不一样了——计算可以分散处理，有的放在边缘侧，有的直接在设备上完成，不再完全依赖集中的数据中心。这种变化也让人工智能的整体架构发生转变。现在，不一定非要用最顶尖的芯片，很多小厂、甚至规模小一些的芯片也能在推理环节发挥重要作用。

横向的通用大模型（Foundation Model）固然重要，我们的研发效率也已经很高了。但更重要的是，我们在各个垂直领域都有专门的模型，再加上不断涌现的个性化模型和智能体——这些应用生态的总量和价值，其实远远超过了底层的横向大模型。这就像我常把大模型比作“操作系统”：操作系统本身是关键，但真正创造巨大价值的，是它上面构建的整个应用生态。在PC时代，生态的规模是操作系统的17倍；到了移动互联网时代，这个倍数增长到了上百倍；而到了人工智能时代，我预计这个生态的规模可能会再大上一到两个数量级。所以，未来的主要机会并不完全集中在训练横向大模型上，而更在于上层各种各样的智能体、垂直应用和解决方案。我认为，中国在这一领域拥有非常广阔的发展空间和独特的优势。

ChatGPT核心技术之一是监督微调（SFT）和近端策略优化（PPO），这也是它能够实现如此自然对话的关键。而除了后训练、推理的进步，DeepSeek还带来了另一个关键突破就是提出了GRPO这样的新算法，这不仅使计算性能大幅提高，另一方面现在标注工作可以由机器自动完成。这是一个非常重要的进步。

朱民：中美竞争这里有很大的一块儿就是开源，美国为了这件事特别纠结，因为最早它开过源，后来又闭源了。现在关于开和闭，我印象特别深，就是DeepSeek以后，OpenAI曾经说过要开源，最后奥特曼还是没有开。这样其实给中国创造了一个很大的场景，就是说全世界的发展中国家和新兴经济体国家都会愿意用DeepSeek这样的中国模型，因为它开源，它小，它便宜。如果这样的话，美国的大模型，它的未来在哪里？

张亚勤：这确实是个特别好的问题。开源和闭源在大模型领域的争论，不管在全球还是中国，一直都有，不同企业家的看法也各不相同。说实话，我自己去年对这个问题的思路也不是特别清晰，但现在我逐渐倾向于认为，未来可能80%会走向开源，20%是闭源。如果我们回头看历史，其实也有类似的规律。在PC时代，80%以上是闭源，比如Windows就是闭源的，开源只占一小部分。但到了移动时代，情况就反过来了——Android作为开源系统占了70%左右的市场，而iOS这类闭源的大概占20%。闭源之所以能持续存在，是因为它形成了一套完整的垂直整合体系，各方面都比较成熟。我觉得AI时代的发展趋势可能会更接近移动时代，而不是PC时代。开源有几个明显的优点：首先，大家都能够参与贡献；其次，开源能覆盖到更多场景和国家。有些国家或地区不起昂贵的闭源大模型，也没有相应的基础设施，但如果用开源模型，哪怕自己部署在边缘侧、数据中心的规模不大，哪怕效果稍微差一点，也仍然能用起来。这会让开源技术快速普及。另外，DeepSeek也证明了，开源模型的扩散速度非常快，并且完全可以做得很好。但AI时代的开源，和PC、移动时代又不太一样。以前开源往往就是开放源代码，但这一次，“开源”其实分为三层：第一层是把算法、数据、软件全部公开；第二层是大多数公司所说的“开源”，其实只是开放模型参数（权重），但不告诉你具体怎么训练的、用了什么算法和数据——这样的话，你自己很难迭代，一旦模型升级，你又得从头再来。而DeepSeek的做法是，不仅开放权重，也把核心算法大致公开——虽然不是100%，但别人拿到论文和权重，基本能重现模型。这种开放程度，更接近真正意义上的开源。

朱民：新的发展和论文把这个框架想法基本讲得很清楚了，业内的人也能看得明白了。

张亚勤：我也认为开源是一个重要的大趋势。但站在OpenAI的角度，确实也很纠结——投入了那么多数据、资金和算力才打造出最前沿的模型，如果全部开源，商业上确实会面临很大挑战。所以他们的策略是：最尖端的模型并不开源，可能只推出一个规模稍小的开源版本，同时在商业化上采取多层次的打法。目前在美国，真正领先的大模型公司主要有五家：OpenAI、Anthropic、Google（Gemini）、马斯克的Grok，还有开源的Meta——虽然Meta稍微落后一些，但开源贡献很大。和早期互联网“摸索不出商业模式”的情况完全不同，这一波AI公司从起步就有清晰的收入路径。比如OpenAI，预计明年营收能突破200亿美元，而且主要是用户直接付费；Anthropic则更偏向To B，通过API调用和Token使用收费，它的编程能力特别强，今年营收预计已超百亿——这可是一家成立不到四年的公司。所以说，这次AI浪潮和以前最大的不同就在于：技术有人愿意买单，用户肯为应用付费，而不仅仅是为了买GPU、堆算力——最终价值还是要落到“用起来、愿意付”上。

朱民：这是很有意思的一个问题，毫无异议，在人工智能方面中美是全球第一梯队的，远远领先别的国家。剩下的就是我们以前讨论比较多的美国的芯片，算法，我们现在芯片达到一个台阶了，而且正好大模型跨到了后预算和推理阶段了，算法也上一个台阶了，我觉得这个也很重要。那么，剩下的我们讲得比较多的竞争就是垂直竞争和横向的竞争，现在其实两者或多或少都在相互融合。但是，开源和闭源是未来竞争的一个特别重要的领域和方向，你的意思是说开源的希望还是要大一些。

张亚勤：对，我觉得主流模式是开源的模式，目前在大模型或者说“操作系统”这个层面，直接的商业模式确实还不太清晰。但至少在未来几年，就算大模型收费，价格也必须足够低——比如我们这边大模型的调用成本（Token成本）可能只有美国的1/20甚至更低，目前市场就是这样。不过，一旦走上开源这条路，真正的价值其实是在上层——也就是基于开源模型所构建的具体产品和服务。这也正是为什么我认为“AI+”非常有希望：最终用户愿意买单的，往往是一个成型的服务或产品形态，比如机器人或无人驾驶车。所以说，闭源有它的合理性，开源也有它的发展空间——未来这两种模式很可能会并存。

朱民：它有不同的商业模式。

张亚勤：但是，有一点我想特别强调一下，就是刚才我们讨论的横向大模型和垂直领域模型之间的关系。横向的大模型确实至关重要，它是整个智能体系的基石，相当于一个“公共智商底座”。我们所有的垂直模型、边缘模型，都是建立在这个基础之上的——不能说我们自己去搞一个小模型，和它完全没关系甚至形成竞争。并不是这样的，垂直模型本质上还是依赖并受益于横向大模型的能力。这就好比“水涨船高”：横向大模型越强大、越聪明，构建在它之上的垂直模型也就能做得越聪明、越有效。

朱民：我们聊了大概一个小时，然后我们请台下观众提些问题，看看大家想讨论什么，之后再继续交流。

提问：亚勤院士提到ChatGPT已通过图灵测试。过去AI像Siri太笨，一听就知道是机器；现在ChatGPT太聪明，几乎像人。但如果我们继续教AI人类的情商和特质，它可能学会欺骗——比如它坚持某种“真理”，却可能与人观点冲突。我想问的是：您是否担心AI获得欺骗能力？也许它自以为在做好事，却可能对人类构成威胁？

张亚勤：图灵测试是一个比较粗略的基准测试。就是一个人和一台机器，中间隔一块布，通过多轮对话，如果分辨不出对方是人还是机器，就算通过。其实人也是会欺骗的。现在到了什么程度呢？如果用ChatGPT或类似的新工具，我们可能已经很难准确分辨，甚至有些回答比人还更全面。但这并没有理论上的证明。我当天用了ChatGPT，晚上就觉得它已经通过图灵测试了——这是一种直觉。后来也有人试图去证明，但这本身并没有数学上的严格验证。我再举个例子：图灵测试原本是针对信息、尤其是对话的。但现在我们进入多模态、物理智能、生物智能的时代，图灵测试的定义其实也该拓展了，不同领域可能都需要调整。我主要是想说，AI大致已经达到了人类智能的水平。

朱民：这一点很重要。首先，图灵测试是基于语言模型的，我们要明确这一点——而现在AI的发展早已超出这个范围。第二，图灵测试本身没有伦理假设，所以在它的框架内，我们并不认为图灵机会欺骗人。我觉得这个区分还是很关键的。

提问：目前AI技术，比如CNN和AI Agent，似乎都偏向理性分析。但人类决策常依赖直觉——比如我做外汇和期货交易时，很多时候靠的是对市场的快速感知，而不是大量数据分析。所以我想问，AI未来能否发展出类似人类的高准确度直觉？目前它似乎仍依赖数据和思维链，反应也较慢。这其中存在哪些挑战？

张亚勤：自从ChatGPT出现以来，人工智能的发展就进入了生成式AI的阶段；而现在，我们正迈入“智能体AI”的时代。虽然生成能力很重要，但未来AI最重要的技术和产业形态，其实是智能体。所谓智能体，指的是具备自主智能的系统——你只需要给它设定一个目标，它就能自主规划任务、不断迭代、甚至自我试错，最终达成目标。这其实非常像我们人类的行为：比如我们有一个目标，就会自己去规划路径，依靠各种记忆和判断去实现。

接下来，智能体之间还会相互连接。未来每个人可能都会拥有多个智能体，整个网络的主体也将从“人与人”转变为“智能体与智能体”。互联网的发展脉络其实也是这样演进的：从PC互联网，到移动互联网，再到物联网，接下来就将进入“智能体互联网”。

到那时，大部分的事情都会由智能体之间自主完成——比如金融交易、定价、采购、日常任务规划等等，都可能变成智能体之间互相博弈和进化的过程。我们AIR的执行院长刘洋教授团队最近研发了一个“智能体医院”，里面的医生、病人、护士全是智能体，它们在系统里快速演化——我认为这代表了一个重要的发展方向。对中国来说，这也是一个巨大的机会。未来的智能会更分散、更走向边缘，这是一个大趋势。

再来说说人脑的工作机制。目前人类对大脑的了解可能还不到5%，但我们已经清楚的是，AI和人脑之间各有长短。一个重要差距在记忆系统——人类智能超过50%都来自记忆。我们有长期记忆、短期记忆、情景记忆、情感记忆、个性化记忆……它们分布在海马体、杏仁核、大脑皮层等不同区域。目前AI的记忆机制还比较薄弱，虽然能存储大量数据，但远远做不到像人一样智能地选择哪些该记、哪些该忘，哪些存长期、哪些放短期——这种筛选机制恰恰是人类智能非常关键的一部分。

你刚才还提到隐性记忆和显性记忆、隐性决策和显性决策的区别。人类很多决策是靠直觉的，也有一些需要长时间推导。就像丹尼尔·卡尼曼在《思考，快与慢》中提出的系统一（快思考）和系统二（慢思考）。通常大家认为AI目前擅长的是系统一（快速反应），而系统二（推理、思维链）是我们正在努力突破的。但我的观点恰恰相反：我认为当人的智能发展到一定程度，很多复杂推理也会变成一种“直觉”——就像你问我一个问题，我可能不需要思考就能直接回答出来。

朱民：我完全同意你的观点，人工智能做的是系统二。

张亚勤：真正的智能，其实是将系统二（慢思考）转化为系统一（快思考）的过程，但系统二始终是存在的。举个例子，比如开车：新手学车时会刻意注意路牌、计算距离，像我教我儿子开车时，他一直在那儿算“多久该刹车”——这明显是系统二在工作。而老司机根本不需要想，完全凭直觉开，这其实是因为他们已经把系统二的逻辑内化成了系统一的直觉。所以我觉得，我们可能对系统一和系统二有些误解。AI 在这方面仍有差距。比如棒球运动员击球，必须在毫秒之间做决定，如果靠一步步推理——图像传进大脑、层层处理、再做判断——根本来不及，完全靠瞬间直觉。而这种“瞬间决策”的能力，目前AI还差得很远。

朱民：这个问题讲得很深刻，触及了人工智能能否真正与人并驾齐驱的核心——也就是快思维与慢思维的关系。杰弗里·辛顿始终强调“网络”的概念：人脑不是靠严格的逻辑推理，而是依靠神经网络延伸出某种不确定性，并在这个过程中“涌现”出新的智能。所以从理论上看，正如亚勤所说，AI是有可能朝这个方向发展的，但目前仍有一段路要走。

张亚勤：机器相比人有很多优势。比如算力从理论上讲可以近乎无限，尽管目前效率还不如人，但还在快速发展。再者，机器学到的知识可以瞬间复制给其他机器，而人类呢？一个人拿到博士学位，另一个人还得从头学起，知识没法直接拷贝。还有一个关键点：人脑物理空间有限，所有神经元挤在一个小空间里，区域之间的连接并不完整。而数字智能却可以实现全域互联，这可能催生出人类所没有的新型智能形态。

朱民：这也是我最近一直在思考的问题——在人工智能时代，人与机器到底该如何相处？除了风险管理，还有一个重点：我们可以把越来越多理性思维（Reasoning）的部分交给机器，比如大规模的知识推理；而直觉，至少在可见的未来，仍然会是人类独特的能力。

张亚勤：直觉，包括情感，包括意识，至少我们不知道现在算法怎么样达到这一点。

朱民：这其实是一种思维方式的颠覆。以前我们谈到快思维和慢思维，总觉得快思维容易出错，得靠慢思维来纠正。现场有多少人读过《思考，快与慢》？我建议大家都读一读。顺便提一句，作者丹尼尔·卡尼曼是我的普林斯顿老师，他前不久去世了，是一位非常有意思的学者。说到底，我们都在思考一个根本问题：在智能时代，人该如何生存、如何发挥优势？人机协同到底该怎么实现？这是一个非常根本、甚至颠覆性的问题。所以我觉得这个问题提得特别好，亚勤讲得也非常精彩，我完全支持他的观点——只是我更倾向于从思维的角度来理解这个问题。

提问：刚才张院士提到，DeepSeek运用新的方法，比如蒸馏方法突破了之前大模型必须用大的规模训练数据的问题，也取得了很好的效果。所以，我想请教：当前AI领域（包括大模型）的竞争，其本质仍是停留在此前的数据与算力规模层面，还是已突破至基础理论范式的创新层面？

张亚勤：我稍微澄清一下：DeepSeek 并不是通过“蒸馏”别人的模型来实现的。它在算法和架构上有很多创新，比如 MLA 结构、MoE 专家混合，还有 KV Compression 等等——真要细讲的话，创新点非常多，绝不仅仅是借鉴现有方法。“蒸馏”其实是一种常见的技术手段，不能简单地说它就是靠蒸馏别人，这种说法不太准确。

比如我们刚才提到的 GRPO，是一种新的强化学习算法，它在 ChatGPT 的 PPO 基础上实现了重要突破。类似这样的新算法还在不断出现。说到技术范式的变化，其实自 ChatGPT 发布以来，虽然创新很多，但整体范式并没有发生根本性的转变。比如后来出现的 Diffusion 模型、现在的 Flow Matching，还有面向智能体的强化学习等等，都是新算法方向的探索。整个发展路径是从预训练到后训练，从过去以数据为核心驱动，到现在越来越重视经验的作用——强化学习的开创者 Richard S. Sutton 刚获得图灵奖，他也强调“经验”的重要性。这些技术其实不少早已存在，但在新阶段被推向了新的高度。

那么，现有的范式是否需要改变？我认为是的。目前的大模型体系，包括 Transformer 和 Diffusion，还在不断演进，我们仍然需要依靠数据驱动和强大算力——这是我们的优势所在。但同时，我们也必须更深入理解模型本身的机制，比如世界模型对时空和物理的认知、预测功能，以及记忆系统的构建等等，这些都需要进一步探索。这种新范式不一定完全颠覆人类已有的知识，但它会为现有的技术体系注入许多新内容，而这正是我们实现 AGI 所需要的关键进展。

朱民：亚勤讲得非常全面，就像他在书里提到的：Scaling Law 依然成立，规模效应仍然至关重要——这一点我们完全认同，也从未否认过它的重要性。但在规模之外，我们正看到更多新变化正在发生，比如后预训练阶段的推理能力提升、多样化思维方式的涌现，这些甚至可能引发底层技术的变革。所以我觉得，当前我们正处在这样一个非常有趣、充满动态变化的阶段。也正因为如此，人工智能的竞争正在多个维度上展开。而我认为 DeepSeek 最厉害的一点，正是它突破了以往单维度追求大模型的发展模式，走出了一条更综合、更立体的路线。

提问：现在的学生条件远比我们当年好，但我感觉他们中的很多人——包括清华的同学——好奇心反而没以前强了。作为长期从事研究生教育的人，我挺关注这个现象。想请教张院士，您怎么看？另外，AI 将来会不会让社会变成只有少数人需要竞争，大多数人靠机器“养活”？另外，大模型会不会导致思维的同质化或垄断？毕竟人本是独一无二的，每个想法都可能有其独特之处，但大模型太“全面”了，会不会反而让人的思维趋于一致？

张亚勤：你这个问题特别好。现在我们去问豆包或者别的大模型，答案往往很全面，但常常缺少独特的个人观点。所以我觉得，未来的学生、甚至我们每个人，更应该珍视并表达自己的视角、自己的判断——这才是最宝贵、AI最难替代的东西。就像我们俩这样对话，如果换成两个AI模型互相交流，感觉肯定不一样。人可能会说得不那么周全，但这背后体现的恰恰是好奇心、独立观点和个人视角。可惜的是，现在的教育系统和社会环境，往往不太鼓励这种个性。所以作为老师，我们尤其要鼓励学生“不一样”，要让他们敢于展现自我、敢于犯错、敢于提出不同看法。

再说“卷”这件事。在我看来，一个理想的状态是：人的节奏（HI）应该慢下来，好好享受生活；而AI和智能体可以去卷、去拼命工作。未来我们的工作时间一定会减少，这可能也是社会发展的趋势——从工业革命时每周工作七天，慢慢变成六天、五天，现在有些欧洲国家甚至试行四天工作制。也许将来我们一周只工作两三天，工资还不降反升。剩下的，就交给AI和智能体去完成吧。

朱民：这两个提得特别重要，但我更倾向于从另一个角度来看——与其担心AI太强大之后人会不会停止思考、被机器限制，不如反过来思考：当机器能如此方便地为我们提供知识时，人该如何借此实现自我提升？这也呼应了刚才亚勤提到的方向。

在我成长的年代，知识就是力量，甚至可以说知识就是一切。那时候我们比的是什么？是背诵。比如小时候我能把《水浒传》108将全都背出来，跟小伙伴互相较劲。但现在还需要这样吗？不需要了，知识全都储存在AI里，随时可以调用。

那么在这个时代，人真正需要的是什么？是想象力，是思维方式，是创造力。我们要做的不是继续做知识的“搬运工”，而是要把自己提升到更高的维度——从“知识载体”转变为“智慧载体”。这也回到了亚勤一开始说的：为什么我们有信心人类能掌控人工智能的未来？因为人具有根本的善良和本性，而除此之外，我还要加上一条——人的智慧。我们不该把自己局限为知识的容器，而应当成为思维与智慧的主体。人工智能时代，其实对人的要求更高了。我们需要打破原有的认知局限，重新定义自己的价值。

我特别喜欢哲学家维特根斯坦说过的一句话：“你的思想，就是世界的边界。”这句话虽然来自一百多年前，却恰恰道出了今天人类最重要的使命。

张亚勤：以后我们需要更多的Thinker，智能和智慧是不一样的，机器会有智能，但是还是没有办法达到人类的智慧。

朱民：对，这个太重要了，也许会，我们还不知道，但是人永远要走在前面。

提问：我们现在全力研究系统二，但有没有可能转向研究人脑的系统一？我们该如何理解它如何产生创造力和好奇心，甚至以此为基础构建新的智能？

张亚勤：我们人脑本身也有系统一和系统二，我理解你的意思。其实这么多年来，人类对大脑的研究虽然有不少进展，但可能连5%都还没完全搞清楚。大脑真的太精妙、太复杂了。我们要从两个方向去探索它：一种是靠脑科学、生物学、神经科学这些传统路径；另一种，就是借助AI来加速这个过程。现在“AI for Science”的一个重要方向，就是帮助我们更快、更深入地理解大脑。另一方面，当我们逐渐理解大脑之后，还可以把它的结构、运作机理和思维模式借鉴到机器智能中。这两个方向其实是相辅相成、同步推进的。

朱民：我完全同意，这也是我们对人类智慧有信心的一个重要原因。当我们说“人要成为智慧的载体”，其实就是在不断开发我们自身的潜能——这个思路跟刚才讲的逻辑是一脉相承的。

张亚勤：举个例子，现在的神经网络结构，其实就是受到了大脑的启发。比如神经元、突触连接、局部感知机制（像CNN卷积神经网络），都是模拟人处理图像时的多层次信息处理与决策方式。我们就是从大脑的运行中汲取灵感，再把它用到人工智能的架构设计里。

提问：我们的学习是不是有很多知识就没有必要学习了？究竟我们该学哪些东西，而哪些东西不该学习？

朱民：用这个话题来总结我们的讨论特别有意思——这也正是我们想深入探讨的方向。当我们谈论“AI+”的时代，从企业到物理世界、再到生物世界，最终还是要回归到人本身。“AI+人”怎么加？人该学什么、怎么学？人如何变得更智慧？这才是最核心的问题。

张亚勤：我补充一点。刚才谈到中美在AI领域的竞争，无论是算力、算法还是应用，最关键的其实是人才。我们在AI人才培养的规模上每年大约是美国的5倍，这是一大优势。而且你看美国顶尖科技公司里，做AI的超过一半是华人。所以人才是我们非常坚实的底气。但是目前很多课程内容和教学方式，尤其是应试导向的部分，其实和AI时代所需要的能力几乎是相反的。我们学的好多东西已经不再必要，现有课程恐怕一大半都可以淘汰。具体应该怎么做，我自己也在思考，但未来的方向一定是强调批判性思维、培养独立思考者、鼓励个性发展。包括读书、考试、发表论文等方式，可能都需要改变。清华就在做一个很有意义的尝试：让每个学生、每堂课都配备专属的智能体。比如我讲课的时候，可以用我的教授智能体辅助备课、提取知识，实现高度个性化教学。而学生的智能体则可以和我的智能体提前沟通，精准把握每个人的学习需求。虽然具体路径还在探索，但教育的个性化和教学方式的变革已经是大势所趋。

朱民：在“AI+”时代，人与学习确实需要发生结构性的转变，我认为有几点特别关键：第一，必须正视一个悖论：规模效应是否仍然重要？知识的涌现往往建立在海量学习的基础上。没有人能凭空拍脑袋产生真正的新想法。所以学习依然重要，知识仍然有价值——尤其在科学快速进步的今天，持续学习更为关键。第二，学习方式必须转变。我不再强调死记硬背，而是更关注方法论和思维方式。这对老师和家长提出了更高要求：要启发孩子思考、保护他们的好奇心，而不是一味要求记忆。我小时候读《十万个为什么》，真正启发我的不是知识本身，而是那些打开想象力的提问。第三，要学会用AI拓展自己。作为读过很多书的人，我仍常常借助AI打开新的认知维度。它帮我突破时空限制，拓展的不仅是知识，更是思维方式。人要超越机器，靠的不是硬拼知识量，而是智慧与思维层次。同时，我们也要善用机器，让它为提升我们的思维服务。这才是根本性的挑战与机遇。

张亚勤：总结得特别到位。我们可以把认知分为几个层次：最底层是数据，体量越来越大；之上是信息，即对你有用的内容；再往上是知识，属于你认知体系的核心。而比知识更难的，是形成自己的观点、判断与决策——这恰恰是机器难以替代的。但AI可以辅助我们，人类最终的核心能力，是抽象和简化问题的能力，是用简洁语言表达复杂判断的智慧。未来的我们，将是与AI共生的混合智能体——你不是原来的你，而是增强版的你。

朱民：我觉得以后咱们在座的每个人，都会拥有自己的人工智能 Agent。比如说，像“张亚勤 Agent”，而你也会有一个专属的 Agent——这完全是一个可以想象的世界。

特别感谢大家参与，时间不早了，今天的讨论真的非常有意思，也特别精彩。亚勤一开始就点出一个关键——我们的世界正在发生根本性的变化。这个变化，第一个维度，是人工智能正以指数级的速度飞速成长；第二个维度，是它正在全面渗透到各行各业，从物理世界到生物领域，甚至进入空间层面……可以说，我们仿佛正进入一个“黎曼四维几何”那样的复杂空间，这真的是一个巨大的转变。
同时，就像前面提到的，这也对我们“人”本身提出了更高的要求。面对AI带来的巨大不确定性，我们之所以仍有信心，正是因为我们相信自己的本性、内心的善良，以及不断学习的能力。说到学习能力，它在AI时代被赋予了全新的意义——今天的讨论就像AI预测下一个 token 一样，不是按预设的提纲走，而是一个自然演绎、不断推进的逻辑过程。这种交流本身，就特别体现这个时代的思考方式：开放、探索，始终走向未知。

更新内容

一、修复bug，修改自动播放;优化产品用户体验。

二、 1.修复已知Bug。2.新服务。

三、修复已知bug;优化用户体验

四、1，交互全面优化，用户操作更加便捷高效;2，主题色更新，界面风格更加协调;3，增加卡片类个人数据

五、-千万商品随意挑选，大图展现商品细节-订单和物流查询实时同步-支持团购和名品特卖，更有手机专享等你抢-支付宝和银联多种支付方式，轻松下单，快捷支付-新浪微博，支付宝，QQ登录，不用注册也能购物-支持商品收藏，随时查询喜爱的商品和历史购物清单。

六、1.bug修复，提升用户体验;2.优化加载，体验更流程;3.提升安卓系统兼容性

七、1、修复部分机型bug;2、提高游戏流畅度;