摘要：10月15日，中国国际大学生创新大赛（2025）冠军争夺赛，清华大学万格智能团队自主研发的项目“基于类脑架构的下一代通用模型与智能体生态”夺得大赛冠军。
10月15日，中国国际大学生创新大赛（2025）冠军争夺赛，清华大学万格智能团队自主研发的项目“基于类脑架构的下一代通用模型与智能体生态”夺得大赛冠军。
这个比赛，覆盖全球161个国家和地区，5673所学校，超过两千万人次报名。
当一个名叫陈威廉的年轻人站上台，开始阐述一个名为“基于类脑架构的下一代通用模型及智能体生态”的项目时，很多人可能还没意识到，一个关于AI未来的新故事正在开启。
获奖团队叫“万格智能”。创始人是三个清华2019级的本科生，陈威廉、施然、王冠。
去年底，他们已经完成了2000万美元的种子轮融资（大约是1.58亿人民币）。估值冲到了2亿美元。
一群大学生，手握一个估值超过十亿人民币的AI项目。背后是一场对当前主流AI技术路线的大胆突破。
给大模型的概率独木桥换条道
今天我们谈论AI，绕不开ChatGPT、豆包这些大语言模型。
它们的本质是什么？
陈威廉用一个非常简单的例子解释了。
你问它，“昆虫有几条腿？”
它会告诉你，“昆虫有6条腿”。
这个答案无比正确，但它是怎么得来的？它不是真的理解了“昆虫”这个生物概念，也不是具备生物学知识进行了逻辑推理。它的核心逻辑是基于概率。在它“读过”的海量互联网数据里，无数次出现“昆虫”和“6条腿”这两个词的强关联，于是它给出了一个它认为概率最高的答案，这个可能性或许是99%。
大语言模型，本质上是一个极其聪明的“概率鹦鹉”。它通过学习海量数据，掌握了语言的规律和知识的关联性，但这种掌握是统计层面的，不是理解层面的。
这就带来了两个几乎是宿命般的痛点。
一个是数据。大模型的胃口是无底洞，需要源源不断的高质量数据来投喂。全世界的公开数据，几乎快被它们吃完了。数据耗尽的那一天，就是这条技术路线的天花板。
另一个是幻觉。因为不理解，只做概率猜测，所以大模型会有“幻觉”。它无法真正理解一个复杂任务的逻辑，更难以进行需要多步推理的决策。
万格智能团队要做的，就是让AI摆脱对大数据的依赖，摆脱概率的束缚，让它真正学会像人一样去“思考”和“推理”。
他们拿出的解决方案，叫作“智人HRM模型”。
HRM（Hierarchical Reasoning Model）的全称是分层推理模型。
这个模型的灵感，直接来自我们自己的大脑。
神经科学的研究发现，人脑处理信息的方式是“分层—循环”的。大脑皮层的不同区域构成了多级层次结构，比如前额叶这种高级脑区，负责的是抽象的、长期的规划；而一些低级脑区，则处理具体的、短期的任务。大脑还在不同的时间尺度上同步处理信息，从神经元毫秒级的放电，到秒级的认知决策。
智人HRM模型就参照了这种机制。
它有两个核心的循环模块。一个像公司里的CEO，是高级模块，转得慢，负责做抽象的规划和决策。另一个像一线员工，是低级模块，转得快，负责处理快速、具体的计算和执行。
CEO给员工下达一个战略方向，员工快速执行并反馈结果，CEO再根据反馈调整战略。这样一个前向传递过程，就完成了一次有序的推理任务。
这套架构带来的好处是革命性的。
在arXiv上公开的论文里，这个模型的一些数据，堪称惊人。
它具备了更强的推理能力，能更好地理解数据背后的规律，而不是仅仅记住数据的表象。在一些高难度的任务上，比如解复杂的数独谜题，或者在大型迷宫里找到最优路径，HRM模型几乎能做到完美。在衡量通用人工智能能力的关键基准ARC（Abstraction and Reasoning Corpus，抽象与推理语料库）上，它的表现甚至超过了那些拥有更长上下文窗口的、体型庞大得多的模型。
它拥有极强的小样本学习能力。大模型需要数万亿token的数据进行预训练，而HRM模型只需要几百或者几千个训练样本，就能在复杂推理任务上达到卓越的性能。这就像一个天才学生，看几道例题就能举一反三，掌握解题规律；而普通学生则需要通过题海战术，刷无数道题才能记住所有题型。
因为它推理效率高，资源调控灵活，所以能大幅节省算力。这意味着AI的门槛可以被极大地降低。
这个模型的参数量只有2700万，也就是0.027B。
这是什么概念？
GPT-3的参数是175B，一些开源模型的参数动辄也是几十B、上百B。智人HRM模型的参数规模，连它们的零头都不到。
它可以轻轻松松在手机上本地运行。
当全世界的科技巨头都在疯狂地堆叠算力、扩大参数规模，试图用更大的模型、更多的数据来逼近智能的终点时，这群中国的年轻人选择了一条全新的路。
他们没有去卷那个已经拥挤不堪的赛道，而是直接釜底抽薪，尝试为AI更换一个更聪明的“大脑”。
气候预测专家模型已达到业界顶尖
基于智人HRM模型，团队研发了气候预测专家模型。
具体来说，是次季节到季节（S2S）的气候预测。
这是什么时间尺度？未来两周到两个月。
这个时间范围，在气象学上有一个非常形象的名字，叫作“预测沙漠”。
为什么是沙漠？
因为传统的天气预报模型，比如我们手机上看未来几天的天气，它在短期内（几天到一周）很准。但一旦超过两周，混沌效应会让它的预测能力急剧下降，几乎失效。而长期的气候变化模型，预测的是几年甚至几十年的趋势。
唯独中间这两周到两个月，不上不下，极其尴尬，成了现代气象预测的一块空白。
这片“沙漠”却至关重要。
农业生产需要根据这个时间段的气候来规划播种和收获。水资源管理部门需要它来做水库的调度。能源部门需要它来规划电力的分配。防灾减灾部门更是需要它来提前预警可能的干旱、洪水等极端天气事件。
万格智能团队，就把他们的智人HRM模型，用在了这片“沙漠”里。
他们研发的S2S气候预测专家模型，已经达到了业界顶尖水平。
气候系统是一个极其复杂的非线性系统，各种因素相互作用，牵一发而动全身。想要准确预测，需要的恰恰不是对历史数据的死记硬背，而是对这些复杂相互作用的深刻理解和推理能力。
这正是HRM模型的强项。它强大的推理能力，让它可以像一个真正的气候专家一样，去分析和理解复杂的气候系统，从而做出高精度的预测。
它的小样本学习能力，也在这里发挥了关键作用。高质量、长周期的气候观测数据其实非常有限。HRM模型不需要海量数据投喂，就能在有限的历史数据上完成有效训练，这大大降低了模型的应用门槛。
它的高效计算能力，让气候预测不再是国家级超算中心的专利。普通的计算设备就能快速运行，让更精细化的气候服务成为可能。
属于年轻人的时代
陈威廉在接受采访时说过一句话：“我们在前辈的基础上已经接触了最新的成果，同时对行业和技术发展有较强的敏感性，也有强烈的好奇心，更愿意跳出旧有的框架，尝试新的领域。”
这是新生代科技创业者的自信。“从时间上来看，相信我们很快就能超越马斯克。”
他们成长于数字时代，AI对他们而言不是一个遥远的概念，而是像空气和水一样自然的存在。他们没有历史包袱，没有思维定式，所以他们敢于去挑战最根本的问题。
万格智能，一个关于技术、远见和勇气的样本。
参考资料：
来源：算泥社区