报告行业投资评级 未提及相关内容 报告的核心观点 - 大语言模型（LLMs）虽受全球关注且被视为通向通用人工智能（GAI）的途径，但存在成本高、功耗大、输出不可靠等缺点，美国和欧洲公司过度关注LLMs，若其无法实现GAI，可能难以转向其他方法 [2][3] - 中国采取国家驱动、多元化的人工智能发展计划，在投资LLMs的同时，也在探索其他通向GAI的途径，包括受大脑启发的方法 [4] - 中国科学家对LLMs能否单独实现GAI持怀疑态度，中国政府和科研机构也在推动替代方案的研究，这可能使中国在实现GAI的竞赛中具有优势 [16][24][39] 根据相关目录分别进行总结 引言：生成式AI与通用AI - 实现GAI是中美研究的关键战略目标，国际科学界对通向GAI的路径存在激烈争论，美国LLMs主导讨论，但对其能否实现GAI存在疑问，需审视其他国家的替代方法 [7] 大语言模型及其批评者 - LLMs是大型网络，通过学习文本序列中的模式生成响应，具有信息融合能力，应用广泛，但在理解语言、推理等方面存在严重缺陷 [12][13][14] - 一些科学家希望通过增加模型复杂性克服LLMs的缺陷，但部分缺陷难以解决，且“涌现”行为的说法受到质疑，当前商业投资仍集中在LLMs上 [14][15][18] 中国对LLMs作为通向通用AI路径的看法 - 中国顶尖AI研究机构的科学家对LLMs能否单独实现GAI持高度怀疑态度，他们提出了多种替代路径，如受生物学启发、整合统计模型与类脑AI等 [16][17][18] - 中国国家和地方政府也认识到需要补充LLM研究，提出了发展GAI的多元化计划，包括探索新路径、支持类脑智能研究等 [22][23][24] 学术记录显示了什么？ - 通过对中国学术文献的搜索和分析，发现63篇论文探讨了LLMs存在的问题，这些问题包括推理缺陷、缺乏具身性等，提出的解决方案包括添加模块、模拟大脑结构等 [27][30][31] - 许多知名中国科学家参与了这些研究，中国顶尖机构和公司也有广泛代表，表明中国AI界对LLMs实现GAI的潜力存在质疑，并在探索替代途径 [32][33][34] 评估：所有路径都通向“佛”吗？ - LLMs在推理和区分事实与幻觉方面缺乏明确机制，当前改进方法未能解决核心问题，其能力远未达到GAI [37] - 西方对GAI路径的讨论受商业利益影响，美国学术研究追求替代方法的能力受到负面影响，而中国科学家和政府认识到LLMs的局限性，采取多元化研究策略，可能在实现GAI的竞赛中具有优势 [38][39] 应对中国的先发优势 - 中美在GAI领域的竞争不仅是数据、芯片等方面的竞争，还涉及人类价值取向，中国采取的非传统路径有国家支持，可能更有效 [42][43][48] - 建议美国政府和机构支持多元化的GAI研究方法，并通过开源渠道监测中国的技术发展 [49]