摘要：十年后，在 2025 世界人工智能大会上，“ AI 教父”杰弗里·辛顿直言：“我们正在创造比自己更聪明的 AI ，这就像把一头老虎当宠物养在家里，指望‘消除它’是不现实的。”
图源：视觉中国
张亚勤是一个技术乐观派。
十年前，他在《人民日报海外版》撰文《“智能 + ”大风暴即将深刻影响世界》，预言：“‘智能 + ’将成为第四次工业革命的技术基石。”
十年后，在 2025 世界人工智能大会上，“ AI 教父”杰弗里·辛顿直言：“我们正在创造比自己更聪明的 AI ，这就像把一头老虎当宠物养在家里，指望‘消除它’是不现实的。”
尽管张亚勤与辛顿曾共同发起一家专注 AI 风险研究的机构，并且联合发布过多份警示声明，但他并不认同辛顿关于“ AI 终将吃人”的猛虎比喻。
“无论科研、产品还是政策层面，只要始终保持高度的风险意识，就能让 AI 朝着人类定义的方向演进。”张亚勤说道。
9 月 30 日， IMF 原副总裁、中国人民银行原副行长朱民与中国工程院院士、清华大学智能产业研究院（ AIR ）院长张亚勤在清华大学五道口金融学院展开一场深度对话。
这并非二人首次跨界对谈。早在两年前，朱民与张亚勤就“颠覆认知的 AI 时代与产业机遇”进行过一次讨论，彼时，张亚勤的观点是：“中国在大模型方面肯定是落后的”。
不过，随着技术发展突飞猛进，开源生态与闭源壁垒碰撞，“百团大战”蜕变为大模型主导的产业格局。如今，他有了不一样的感受。
作为“ AI + ”的提出者，张亚勤再次分享了他对“智能涌现”的理解、当下对 AI + 产业变革的判断，以及中国大模型跻身世界第一梯队的观察与信心。
9 月 30 日，朱民与张亚勤在清华大学五道口金融学院对谈
以下为嘉宾对谈实录，经《深网》整理编辑，略作删减：
AI 时代的“智能涌现”
朱民： 大家好！我们非常荣幸地邀请到张亚勤，一起聊一聊“ AI+ ”时代的创新与变革。
亚勤今年 3 月出版《智能涌现》。书中讲透了“涌现”的概念：当规模达到一定程度，量变会引起质变，智能也就“涌现”出来了。
此外， AI 界的顿悟时刻也许是 ChatGPT 的出现，但我认为“ AI+ ”的引爆点也许是 DeepSeek 的出现。亚勤早在五六年前就洞察到这一切，并付诸实践。我们两年前曾有过类似主题的对话，今天很高兴能继续讨论这个主题。
张亚勤： 的确，这一轮人工智能最大的特点是“涌现”，体现在几个方面。其中一个是“代币化”。无论是文字、语音、图像，还是 3D 或 4D 时空信息，各种信息都可以被转化为统一的符号，其核心在于所有信息形式被映射到同一表征空间之中。
基于“代币化”，新一轮的生成式人工智能，如 Transformer ，其实是 Predict the next token ，才得以实现内容上的“创造”，生成出新的 Token 。但真正的质变发生在数据规模、代币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”。
当大语言模型的参数量突破百亿级别，会触发“规模定律”效应，也就是说，模型性能并非线性增长，而是随着规模扩大发生跃迁，从而涌现出未经编程的新能力。这是技术层面的涌现。此外，还有产业层面的。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产业中。
因此，代币化、规模定律、涌现效应是新一轮人工智能最核心的三个概念。
朱民： 两年前你说大概 20 年到 30 年可以达到 AGI 水平，今天你怎么看？
张亚勤： 我现在认为 15 到 20 年可以达到 AGI 水平。不过，我先稍微说明一下我对智能的三重定义。
一是信息智能，像 ChatGPT 这类系统，主要处理数字世界的信息。二是物理智能，指大模型进入物理世界，如无人驾驶、无人机、机器人等，让 AI 在现实环境中行动和交互。三是生物智能，涵盖脑机接口、新药研发、新型生物体设计等，本质是 AI 与生物系统的融合。
基于此，信息智能层面离 AGI 非常近，可能只需三四年；物理智能需要十年；生物和生命领域的智能大约需要 15 到 20 年。
朱民： 再过 15 ～ 20 年，在座的各位是碳基生命，还是硅基生命？
张亚勤： 未来会走向融合。我们作为碳基生命，有意识和主动性，而硅基生命是被动的助手，是我们能力的一部分。尽管它的智商可能远超人类，比如人类平均智商是 120 ，它能达到 1200 ，但它仍会听从我们的指令。
朱民： 当人类拥有一个智商是人类 10 倍的硅基生命时，人与机器的关系会是怎样的？
张亚勤： 我们仍是机器的主人，机器是我们的助理。就像蒸汽机时代，蒸汽机虽增加了人的体力，但仍听从人类指挥。这次人工智能革命把我们的脑力和智商增加很多倍，但 AI 仍要听我们的指挥。
这次人工智能革命与过去不同。 ChatGPT 出现后，我有三点感受：第一，它是人工智能时代的操作系统；第二，它是首个通过图灵测试的智能体；第三，它是通向通用人工智能的新方式。
朱民： 你说未来碳基生命会有一个智力高 10 倍的硅基生命，但它是我们的助理。那智力低 90% 的主体怎么能掌控高智能的 Agent 呢？
张亚勤： 从技术发展看， AI 能力已远超人类，未来会发展成 AI+Human Intelligence 。但有几个关键问题：首先，硅基生命无自我意识，人类有，所以 AI 会听从人类指令；其次， AI 必须“善良”，其本质应向善，这取决于我们提供的数据、算法框架、大模型架构及与人类价值观的对齐方式。但失控风险存在。人类进化缓慢，而 AI 发展指数级，未来人机融合中，人类步调可从容，机器步调快，如何协调快与慢，是需深入思考的。
朱民： 你承认问题未完全解决，但你是乐观主义者。十年前你就提出“ AI+ ”，对人工智能发展很乐观。人类演化曲线缓慢，而人工智能曲线指数级发展，但你对两种智能融合仍乐观。辛顿把 AI 比作可能“吃人”的“宠物老虎”，担忧比你多，你们在这一方面一致吗？
张亚勤： 我们对未来风险有高度共识，还共同成立机构研究 AI 风险并发布声明。但我不同意他将 AI 比作终究会“吃人”的猛虎。只要保持高度风险意识， AI 应能朝着人类定义的方向发展。人类有两种智慧：发明技术和引导技术发展方向的智慧，后者才是走向真正智慧的关键。
朱民： 机器智慧指数型上升对人类发展提出更高要求，一方面是确定方向，另一方面是实施管控。你对 AI 发展方向和管控的乐观基础在哪里？
张亚勤： 第一，从算法层面看，当前人工智能本质上仍是代码和程序，遵循基于统计规律设计的路径，未来希望融入更多因果推断机制。但这些代码规则始终由人类制定。
第二， 人类有五千年文明和三次工业革命历程，每次技术变革都伴随风险与危机，但最终都在可控范围内化解。从三百年前到现在，人类生活品质大幅提升，说明技术创新虽有负面影响，但主体是正向的。
不过，有些技术如核武器，若能重新选择，人类可能不会选择这条路。互联网虽正向，但也衍生出一些“净负面影响”的现象，如某些社交网络传播机制和游戏沉迷。
朱民： 你承认人工智能指数级增长可能带来的风险，这和辛顿是一样的。但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： 我们必须正视信息智能、物理智能和生物智能三个层面的挑战。
在数字与信息领域，风险显著。信息造假和虚假内容泛滥，生成式 AI 出现后，大量信息由 AI 生成且多为虚假，这些虚假信息又成为训练数据，导致更多错误。此外，还有模型幻觉、版权和知识产权侵害等问题。但这些风险总体可控，因为我们已意识到它们的存在。
进入物理智能阶段，风险直接威胁人身安全。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，问题严峻。算法决策过程不透明，技术可能被恶意滥用，多个智能体相互联结时，风险呈指数级增长，潜在危害大幅上升。
到了生物智能层面，如脑机接口将人脑与人工大脑相连，风险进一步扩大。技术发展不可逆，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。
中美 AI 的分化与竞逐
朱民： “ AI+ ”常与中美竞争联系。过去，美国学者认为中国 AI 落后美国两年，但 DeepSeek 出现后，差距缩短至两个月。在算力、算法、数据方面，我们已搭建起平台，你如何看待中美 AI 竞争？
张亚勤： 两年前，中美大模型差距约 2 到 3 年，但两年后形势大变，中国在某些方面已领先。 DeepSeek 是关键转折，标志着中美 AI 发展路径分化，中国走出自己的路。
早期，中国多借鉴美国模式，延续“搜集数据－堆计算资源－预训练”路径，算法也类似。当时“百模大战”涌现近两百个大模型。 DeepSeek 发布时，正值达沃斯论坛，其出现是自 ChatGPT 以来最重要的综合创新，意味着无需巨大算力、海量数据或庞杂模型集群，也能实现优异性能。
DeepSeek 为中国赢得时间，仅用 1% 算力就实现相近性能，其开源策略获全球响应。与美国少数企业垄断不同， DeepSeek 开源、采用 MIT 许可证，降低使用门槛，挑战美国闭源模式，影响全球 AI 生态。
但在芯片领域，我们仍面临差距，英伟达的 GPU 硬件到 CUDA 软件生态优势明显。不过，国内企业通过系统级创新突破限制，如华为利用通信技术连接数百芯片，构建高性能集群，弥补单点算力不足。这种创新加上算法优化，使中国逐步摆脱对外部技术依赖。
朱民： “ AI+ ”竞争是重大议题。中美基本处于同一水平，中国有自身特点、弱点和强项。在“ AI+ ”很多方面，中国处于世界领先，垂直模型逐步发展完善，而美国平行模型依赖规模且商业模式仍在探索。
张亚勤： 过去两年多， AI 领域变化巨大，大模型预训练阶段遇瓶颈，互联网可用数据消耗殆尽，预训练增长放缓，堆芯片、堆数据回报减弱。
现在重点转向后训练、推理和智能体方向。这些环节虽对算力要求高，但计算可分散处理，不再依赖集中数据中心，人工智能架构发生转变，小厂小规模芯片也能在推理环节发挥作用。
横向通用大模型重要，但更重要的是各垂直领域专门模型、个性化模型和智能体。这些应用生态总量和价值远超底层横向大模型。大模型像“操作系统”，关键在于上面的应用生态。未来机会在于上层智能体、垂直应用和解决方案。
中国在这一领域有广阔发展空间和独特优势。 ChatGPT 核心技术是监督微调（ SFT ）和近端策略优化（ PPO ）， DeepSeek 提出 GRPO 新算法，使计算性能大幅提高且标注工作可由机器自动完成。
朱民： 中美竞争中，开源很重要。 DeepSeek 出现后， OpenAI 曾说要开源，但最后没开源。这给中国创造了机会：发展中国家和新兴经济体愿意用像 DeepSeek 这样的中国开源模型，因为它小巧、成本低。那美国大模型的未来在哪里呢？
张亚勤： 开源和闭源的争论一直存在，看法各异。我现在倾向于未来 80% 走向开源， 20% 闭源。
开源有三大优点：一是大家都能参与贡献；二是能覆盖更多场景和国家，一些用不起闭源大模型的地区，可以用开源模型，哪怕效果稍差也能用起来，这会推动开源技术快速普及；三是 DeepSeek 证明开源模型扩散速度快且效果好。
但站在 OpenAI 的角度，他们投入大量资源打造出最前沿的模型，如果全部开源，商业上会面临很大挑战。所以他们的策略是：最尖端的模型不开源，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 、谷歌的 Gemini 、马斯克的 Grok ，还有开源的 Meta 。虽然 Meta 稍微落后一些，但其开源贡献很大。
与早期互联网不同，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，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，今年营收预计已超百亿。
这次 AI 浪潮和以前最大的不同在于：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： 开源和闭源是未来竞争的重要领域，你认为开源更有希望吗？
张亚勤： 未来主流模式是开源。目前大模型商业模式还不清晰，但未来几年即使收费，价格也必须很低。开源价值在上层，即基于开源模型构建的具体产品和服务。“ AI+ ”很有希望，因为用户愿意为成型的服务或产品买单，如机器人或无人驾驶车。闭源有合理性，开源也有发展空间，未来两者可能并存。
AI 时代的教育变革与人类未来
提问： 亚勤院士提到 ChatGPT 已通过图灵测试。如果我们继续教 AI 人类的情商和特质，它可能会学会“欺骗”。您是否担心 AI 获得欺骗能力？
张亚勤： 图灵测试是粗略基准，人也会欺骗。目前用 ChatGPT 等工具，很难准确分辨，甚至有些回答比人更全面，但这无数学证明。我曾直觉认为它通过图灵测试，但未严格验证。图灵测试原针对对话信息，现进入多模态、物理智能、生物智能时代，其定义需拓展，各领域也需调整。 AI 大致已达人类智能水平。
提问： AI 目前偏向理性分析，人类决策常依赖直觉。 AI 未来能否发展出类似人类的高准确度直觉？目前 AI 依赖数据和思维链，反应速度较慢，存在哪些挑战？
张亚勤： AI 已进入“智能体 AI ”时代，未来智能体将相互连接，形成“智能体互联网”。智能体可自主完成金融交易、任务规划等任务，如“智能体医院”中医生、病人、护士全是智能体。 AI 与人脑各有长短，人脑记忆系统复杂， AI 记忆机制薄弱。 AI 未来可能将复杂推理转化为“直觉”，但目前仍有差距。
朱民： AI 能否与人并驾齐驱，关键在于快思维与慢思维的关系。人脑依靠神经网络“涌现”智能， AI 理论上可朝此方向发展，但目前仍有路要走。
张亚勤： 机器在算力、知识复制、全域互联等方面有优势，但直觉、情感、意识等目前算法难以实现。
朱民： 在人工智能时代，人与机器应协同，人可将理性思维部分交给机器，直觉是人类独特能力。这需要颠覆思维方式，思考人如何在智能时代生存、发挥优势，实现人机协同。
提问： 现在的学生好奇心不如从前， AI 会不会让社会只有少数人竞争、大多数人靠机器“养活”？大模型会不会导致思维同质化或垄断？
张亚勤： 未来每个人应珍视并表达自己的视角和判断，这是 AI 最难替代的。人虽可能说得不周全，但背后体现好奇心、独立观点和个人视角。老师要鼓励学生“不一样”，敢于展现自我、犯错、提出不同看法。理想状态是人节奏慢下来享受生活，让 AI 去“卷”、去工作，未来工作时间减少是趋势。
朱民： 与其担心 AI 强大后人停止思考，不如思考如何借助机器实现自我提升。过去比背诵，现在知识都在 AI 里。人真正需要的是想象力、思维方式和创造力，要提升到更高维度。人类有信心掌控 AI 未来，因为人有善良本性、智慧。人不应是知识容器，而应成为思维与智慧主体，打破认知局限，重新定义价值。
提问： 现在有些知识是不是没必要学了？我们该学什么？不用学什么？
朱民： 在“ AI+ ”时代，人与学习需要发生结构性转变。关键有三点：一是正视规模效应悖论，知识涌现需海量学习，持续学习仍很重要；二是学习方式要转变，不强调死记硬背，而要关注方法论和思维方式，启发思考、保护好奇心；三是学会用 AI 拓展自己，借助 AI 打开新认知维度，提升思维层次。人要超越机器，靠智慧与思维层次，同时善用机器提升思维。
来源：社会万象集