过去一年，中国的人工智能领域在快速迭代中不断进化。DeepSeek、Manus等大模型公司成为了市场与媒体关注的焦点。
随着资本、技术及政策的支持，“押宝大模型即押注未来”的观点逐渐形成共识。然而，北京通用人工智能学院院长朱松纯提醒我们，应警惕社会和政策对AI认知的偏差。
我高度重视与行业、媒体的沟通，因为这关系到社会对AI的理解。如今，AI已从单纯的学术问题转变为涉及社会和政策的问题。
许多决策者和机构虽非AI专家，却需迅速学习并作出决策，这对准确传播信息提出了挑战。因此，建立正确的叙事逻辑尤为重要，尤其是对媒体而言责任重大。
近年来，美国通过AI重获技术主导权，全球资本在过去七八年里主要流向了美国。这一过程中，大数据+大算力+大模型被宣传为通往AGI的道路，同时“AGI带来人类生存危机”的话题被广泛炒作，造成了全球范围内的焦虑。
实际上，这只是媒体驱动的叙事。尽管AlphaGo曾引发第一次AI热潮，但事后看来，除了少数计算机视觉公司估值上升外，并未产生广泛的产业化影响。
目前，“AI for Science”存在认知误区。当前AI研究主要集中在视觉、语言、机器人等领域，而真正推动科学研究的是利用深度学习辅助科学建模和数据分析。很多地方盲目跟风建设AI平台和算力中心，导致资源过剩，使用率低下。
国内AI现状表面繁荣实则混乱。大量“人工智能学院”成立，但一些学院院长并非AI专业出身。
例如，某些高校聘请了计算机理论专家担任兼职院长，但他们缺乏AI领域的正式研究成果。此外，类似“纳米”概念泛滥的情况再次出现，一些大模型公司的估值虚高且难以盈利。
关于AI创新，我认为有五个层次：哲学层面探讨智能本质；理论层面构建数学框架；模型层面设计具体模型；算法层面开发优化算法；工程部署层面将模型落地。许多所谓的创新仅停留在算法或部署层面，缺乏理论支持。
未来，AI最难解决的问题在于文科所关心的社会复杂系统，如人口、政策等。这些领域目前无法建模实验，但借助大规模仿真和智能体建模，文科可能首次成为一门可实验的科学。
AI的前沿在于使文明、社会、经济与政策进入可验证的科学范畴。
我们已经完成了初步的智能哲学、理论框架、模型构建，下一步的重点是实现快速规模化，完成模型的商业化，并与各行业深度融合。我们的目标是建立通用智能体工厂，与大模型共生发展。
总结来说，AI不应被视为神话或安全危机的象征，而是关乎人类文明未来的工具。我们需要关注AI的顶层逻辑与原始创新，而非盲目追随现有叙事。思考中国需要怎样的人工智能至关重要。
欢迎您的阅读，请关注本号，持续为您带来有用资讯，感谢！
