人工智能产业现状的理性审视 - 当前人工智能热潮需进行冷静审视 其本质是严重依赖算力与高质量数据的“数据为体、智能为用”的数据智能 [1] - 以深度学习为代表的AI技术实现的是感知智能 并未达成真正的认知能力 [1] - 生成式AI（大模型）是将认知问题转化为感知问题 缺乏对人类思维过程与方法的理解 [1] - 行业存在过度炒作现象 如盲目鼓吹“取代人类”“自主意识”“通用AI”等概念 [1] 人工智能技术的局限性 - 大语言模型本质上是已有“语料”压缩而成的“知识库” 无法触及真正的认知与规律发现 [2] - 大模型并未跳出“概率统计”框架 其运行本质是学习算法指导下的一系列张量计算过程 [2] - 模型架构创新带来的性能提升未改变数据依赖的基本逻辑 [2] - Agent（人工智能代理）的能力上限决定于其背后的大模型 [2] - 具身智能会受算力资源的制约 [2] 人工智能的发展方向与定位 - 呼吁学术界回归AI研究的多样性 避免陷入“唯深度学习”的单一路径 [2] - 符号主义与连接主义的结合应该成为下一代AI的发展方向 [2] - 符号化表达对人类知识交流和传承有关键作用 [2] - AI应始终作为人类可控的工具 服务于提升工作效率与质量 [2] - AI发展必须与人类知识体系锚定 方能产生持久的价值 [2] 人工智能的产业应用与宏观经济影响 - 大模型在文本、图像、视频等内容领域有很好的应用 但这通常只是行业需求的一小部分 [2] - 行业需要真正落地的解决生产问题、业务问题的有效方案 这需要相应的数据积累 [2] - 企业可聚焦于利用判别式AI解决自身生产环节的具体问题 这需要长期的、高质量的数据积累过程 [3] - 建议企业对数据“可采尽采 能存尽存” [3] - 预判AI短期内不会对宏观经济带来“变革性的增长” [3] - 社会应将AI定位为提升效率的工具 并坚守人类作为知识发现与价值判断主体的根本地位 [3]