文章核心观点 - 人类正处于由人工智能（AI）驱动的认知范式革命之中，其深度堪比哥白尼的“日心说”对“地心说”的颠覆 [5] - 这场革命由五大互相关联的范式转变构成，它们共同重塑了我们对计算、智能以及AI未来发展的理解 [6] 自然计算 - 计算是一种自然现象，早在人类制造计算机之前就已存在于自然界，这一认知将推动计算机科学、AI、物理学和生物学的革新 [6] - 约翰·冯·诺依曼在1951年就发现了计算与生物学的深刻联系，证明了生命本质上是“计算性”的，DNA即是生命的代码 [13][14] - 艾伦·图灵在理论生物学领域做出开创性贡献，描述了组织如何通过感知和释放化学信号（形态发生素）进行生长和分化，这是一种强大的模拟计算形式 [16] - 谷歌“智能范式”团队的实验表明，在一个模拟的玩具宇宙中，可以从随机字符串“汤”中自发涌现出能够自我复制的最简单“人工生命”形式 [18] - 生命的复杂性通过自愈或繁殖能力得以持续存在，进化通过“多级选择”机制，使现有部分反复组合，形成越来越庞大复杂的实体，人类智能即源于约860亿个神经元的协同运算 [22][23] 神经计算 - 计算机科学的先驱们早已认识到大脑本质上是计算机，早期计算机的逻辑门即被构想为人工神经元 [25] - 传统AI（GOFAI）试图通过编写精确程序来复制智能，但最终失败，导致神经科学与计算机科学分道扬镳 [26][27] - “联结主义”学派拥抱机器学习，让神经网络从经验中学习，但20世纪基于二进制和串行执行的经典计算范式与神经计算并不契合 [28][29][30] - 大脑拥有约860亿个神经元，运行缓慢但高度并行且节能，而传统计算机模拟神经计算效率低下 [32][33] - 未来的神经计算范式将出现，其芯片可能包含数百万计像神经元一样并行工作的处理节点，计算由分布存储的数十亿参数决定，并能从经验中学习，实现分散且稳健的计算 [34][35] 预测智能 - 大语言模型（LLM）仅通过预测下一个词元就展现出惊人的通用智能，这一发现具有划时代意义 [36] - “预测性大脑假说”认为大脑进化是为了不断建模和预测未来，智能建立在不断演进的知识和对未来的统计建模之上 [10][38] - 未来的AI模型将演变为自我构建的系统，通过经验动态生长发展，并消除训练与推理（运行）之间的界限，实现持续、开放式的学习 [10][40] - LLM作为强大的通用预测器，不仅能处理语言，还能彻底变革机器人技术，驱动从自动驾驶汽车到人形机器人的各种形态 [42] - 拥抱预测处理范式，将规划、行动和预测统一起来，有望改进AI技术，并为机器学习、神经科学和理论生物学建立统一的理论基础 [43] 通用智能 - 关于AI是否具备真正智能的争论，功能主义的视角更为重要：关注系统实现的目的和功能，而非其具体实现方式 [48][49] - 当前的AI模型已经能够完成一系列广泛且不断增长的认知任务，其技能广度已超越任何单个人类个体 [10][53] - 衡量AI性能的标准已悄然从“任何个体”转变为“全人类”，当前单个人类的“通用性”已低于AI模型 [53] - 实现AGI（通用人工智能）的关键在于“无监督训练”，即在不规定具体任务的情况下进行通用学习，使模型获得广泛能力 [54] - AGI可能没有一个明确的跨越界限，或者这个界限已经被跨越，如今的LLM若展示给2002年的AI研究人员，会被认为是AGI [48][53] 集体智能 - 智能本质上是社会性的，“社会智力假说”认为人类智能的爆发源于社会性反馈循环和心智理论的发展 [10][56] - 人类通过认知分工组成了一个“超级生命体”，其智慧是集体性的，LLM通过训练大量人类集体成果，已在知识广度和平均深度上远超任何单个个体 [62] - 大脑皮层是一个模块化的“社区”，由运行通用学习算法的专门化区域组成，智能可被理解为一种“社会性分形” [64][65][66] - AI模型也遵循“规模法则”，更大的模型更聪明，并通过“专家混合模型”或“涌现模块化”实现内部的认知分工 [67] - AI发展的前沿正从单一的、权重冻结的基础模型，向具备高度自主性、能与其他智能体互动协作、并具备长期记忆和持续学习能力的形态演进 [68][69] - 智能的社会视角为AI工程和哲学问题（如意识）提供了新视角，LLM在心智理论测试中表现与人类不相上下，因其训练数据本就包含大量此类任务 [70]

行业技术发展阶段与前景 - 当前人形机器人技术阶段非常接近10岁孩子的水平，但通用智能不足是其最大短板，制约其从实验室走向千家万户[2] - 行业正处于快速成长但尚未成熟的关键期，大规模应用的时间点可能在3至5年内，但绝对不会超过10年[2] - 人形机器人是机电一体化、人工智能、认知科学的交叉产物，技术攻坚聚焦于高动态运动控制与通用智能决策的协同[2] 中国行业发展现状与优势 - 中国在人形机器人领域的布局已呈现碾压态势，技术研发投入强度、创新成果转化效率及市场应用深度远超美日等主要竞争国家[3] - 过去五年中国人形机器人专利申请数量约为美国的五倍，累计达7705项，位列全球第一，美国以1561项居次，日本1102项排名第三[4] - 中国占全球工业机器人安装量的54%，连续多年稳居全球最大市场，庞大的应用场景与完整的供应链体系为技术迭代提供了独特土壤[10] 产业区域格局与分工 - 中国人形机器人企业高度集中在长三角、粤港澳及京津冀地区，呈现“三极格局”，其中长三角地区独占75家，粤港澳地区51家，京津冀18家[5] - 2024年融资数据显示，广东、北京、上海三地融资事件合计占比超70%，长三角地区合计占比44%以上[9] - 区域分工正在形成技术闭环：广东企业借助资本加速消费级产品量产，北京企业深耕核心算法与大模型“造脑”技术，上海及长三角则强化产业链协同与精密零部件升级[9] 技术突破方向与应用前景 - 人工智能，特别是大模型和生成式AI，对推动智慧型人形机器人发展是决定性的，没有其突破，智慧型人形机器人无从谈起[10] - 人形机器人未来可向特种操作、工业协作、教学科研、交互服务、家庭管家、养老服务等六大领域发展[10] - 实现高度智慧以应对复杂现实世界情形（如执行“打酱油”等模糊指令）是人形机器人发展的关键目标，但目前仍非常困难[10] 公司动态与技术展示 - 宇树科技的人形机器人运动能力与智能水平在一年内实现跨越式提升，从2025年春晚的秧歌表演发展到2026年春晚的后空翻、耍棍术[3] - 公司澄清了2026年春晚表演的技术细节，扭秧歌服装是基于舞台效果设计，表演醉拳时的倒地是剧情需要，旨在展示“倒了后再站起来”的意境[3]

公司战略与愿景 - 公司宣告打响2026年中国自动驾驶第一枪，以迈向第七年的姿态进军L4无人物流领域 [1] - 公司联合创始人、董事长兼CEO于骞表示自动驾驶事业至少要干20年，最终目标是将通用智能带进物理世界 [1] - 公司认为无人驾驶是通往物理世界通用智能的钥匙，将继续以务实创新将未来带进现实 [5] 行业前景与预测 - 2026年被公司定义为无人驾驶黄金十年的开启之年，也是“超人智能”时代元年 [3] - 公司预测未来五年内，城市NOA将成为车型标配，接管率有望降至“每月一次” [3] - 公司预测自动驾驶专属保费可能低于人类驾驶50%以上 [3] 公司经营与商业成果 - 截至2026年1月，公司辅助驾驶系统搭载量突破100万台，合作车企近10家 [3] - 公司已助力理想、奇瑞等品牌量产23款车型 [3] - 公司宣布进军L4无人物流万亿级赛道，并与奇瑞商用车达成战略合作，打造“量产即运营”新范式 [5] - 公司已在金华、芜湖等地部署无人物流车，并计划于2027年实现Robotaxi规模化部署 [5] - 公司全球化布局已在北京、苏州、慕尼黑设立办公室，适配地平线、英伟达和高通等芯片平台，推进技术出海 [5] 技术突破与产品发布 - 公司亮出VLA与世界模型统一架构，该架构通过语言能力理解环境文本和复杂指令，结合世界预测模型推演交通行为 [1][5] - 公司发布全球首个基于单征程6M平台的端到端城市NOA方案，已正式上车，首发车型为“搭载ADPro的理想汽车L系列焕新版” [3] - 该方案以128TOPS算力实现媲美256TOPS的体验，打破了行业对高算力的依赖 [3] - 公司发布“轻舟乘风2.0”解决方案，形成AIR、PRO、MAX三级产品矩阵，覆盖从80TOPS到500TOPS的不同需求，推动高阶辅助驾驶向10万元级车型普及 [3] - 公司已构建起“数据闭环+AI大模型”的统一技术底座，通过全栈自研和百万公里数据验证确保安全与体验 [5] 合作伙伴关系 - 公司与地平线基于征程6M芯片合作，芯片出货已近70万片，被地平线创始人余凯称赞为“黄金搭档” [5] - 双方未来将携手拓展无人物流等方向 [5]

江苏省人工智能产业发展规划与目标 - 江苏省出台《江苏省“人工智能+”行动方案》，全面实施“人工智能+”行动，推进人工智能与新兴产业深度融合及赋能新型工业化 [2] - 目标到2035年建成国内领先的“人工智能+”创新策源地、产业新高地和融合应用先导区 [2] - 目标到2030年实现新一代智能终端、智能体等应用普及率90%以上，人工智能产业规模超万亿元 [6] 前沿技术研究与科研支持 - 南京大学在2026 CSRankings人工智能学科全球排名中位居第一 [3] - 江苏省在通用智能、具身智能机器人、量子科技等前沿领域布局建设5个省级未来产业先行集聚发展试点区域和4个省级未来产业技术研究院 [3] - 江苏省已建有国家新一代人工智能公共算力开放创新平台3家，每年支持人工智能领域优秀青年人才近100人 [3] - 江苏省将设立“AI for Science”专项，计划每年部署约100项基础研究项目 [6] 人工智能技术应用与产业化 - 中科硅纪（南京）机器人有限公司开发出通过传感器和AI算法控制的“灵巧手”，可完成精细动作 [1] - 人工智能技术已在多个城市及行业实现应用：无锡“雪浪工业大模型”应用于航空航天、机械装备等领域；南京“医擎重症大模型”用于危重症患者监测与治疗辅助；常州人工智能应用于高性能蛋白质元件设计 [4] - 江苏省增加“人工智能+”新兴产业行动方向，抢占人形机器人、低空经济、智能驾驶、生物医药、新能源等新赛道 [6] 产业发展生态与政策支持 - 江苏省发布全国首个省级算力基础设施发展专项规划及《江苏省制造业领域人工智能技术应用参考指引（2025年版）》 [5] - 江苏省依托省战略性新兴产业母基金组建覆盖企业发展全生命周期的人工智能基金群，并研究制定未来产业投入增长机制 [5] - 下一步将深化算力算法数据核心能力建设、重大平台建设、应用场景建设，推动区域协同发展 [6]

人形机器人行业动态 - 宇树科技G1人形机器人在动作训练期间出现意外举动，测试视频显示其抬脚踢向测试工程师，该视频经特斯拉Cybertruck项目首席工程师分享后引发传播，马斯克本人以表情包回应，这是其近期第二次评价宇树机器人[1] - 北京市经济技术开发区宣布将于2026年4月19日举办人形机器人半程马拉松，赛事全长21.0975公里，设立自主导航组和遥控组进行混合计时竞技[12][13] - 该赛事从单一竞速升级为“竞速+场景挑战”双轨模式，同期举办以应急救援为主题的机器人巴图鲁挑战赛，旨在检验机器人在复杂环境中的自主决策与作业能力[15] 人工智能与竞技伦理争议 - 在第八届“杀猪大会”全品级围棋大赛中，业余5段选手李蒙在七轮连胜多名职业棋手后，被质疑佩戴AI眼镜作弊[1][2] - 疑似李蒙本人在社交平台回应，自称前网易算法工程师，佩戴的是界环智能眼镜，并解释该设备无摄像头、功能类似蓝牙耳机仅用于播放音乐等，无法用于比赛辅助，同时为引发误解致歉[12] - 一份专利清单显示，名为李蒙的人员与王玉龙、高圣州等人共同拥有多项由网易有道信息技术（江苏）有限公司申请的围棋AI相关专利，涉及AI下棋模型分级处理、围棋对弈方法等[8][9] 生成式AI市场竞争格局 - Similarweb数据显示，生成式AI工具网站流量格局剧变，ChatGPT市场份额首次跌破70%，降至68%，相比一年前的87.2%下降了近20个百分点[17] - 谷歌Gemini成为最大赢家，市场份额从一年前的5.4%飙升至18.2%，正逼近20%关口，仅过去一个月就从13.7%增长至18.2%[20] - 其他竞争者中，马斯克旗下的Grok份额从三个月前的2.2%增长至2.9%，DeepSeek份额从六个月前的5.3%回落至3.9%，Perplexity和Claude份额稳定在2.1%和2%左右，微软Copilot份额持续低迷在1.2%左右[20] 主要科技公司AI产品动态 - OpenAI承认其AI浏览器Atlas面临的提示词注入攻击可能永远无法彻底解决，演示显示恶意指令可操纵AI智能体给用户老板发送辞职邮件[15][16] - OpenAI为应对攻击，开发了基于大语言模型的自动化攻击者进行模拟测试，并在安全更新后使“智能体模式”能够检测注入尝试并向用户发出警告[16] - 微软CEO萨蒂亚·纳德拉被曝亲自深度参与Copilot产品改进，向工程团队施压，批评其与Gmail和Outlook的连接程序大部分时候不起作用且不够智能[20][21] - 纳德拉在内部提醒员工AI是决定公司命运的关键时刻，其首要任务是修复技术落后并为赢得更多AI业务做准备，Copilot月活跃用户超过1亿，但远落后于Gemini的6.5亿月活和ChatGPT的8亿周活[23] AI大模型技术进展 - 生数科技与清华大学TSAIL实验室联合发布并开源视频生成加速框架TurboDiffusion，在几乎不影响质量的前提下，可实现最高达200倍的视频生成推理加速[33] - 该框架通过多项技术组合实现加速，在单张RTX 5090显卡上，使生成1080P分辨率、8秒时长视频的时间从约900秒压缩至约8秒，实现从“分钟级”到“秒级”的跨越[35] - 智谱AI正式上线并开源旗舰大模型GLM-4.7，官方称其在多项主流公开基准测试中取得开源模型中的领先表现，推理方面在HLE基准中超过GPT-5.1[36] - MiniMax官宣M2.1模型，面向Agent与复杂问题求解，官方称其在多语言场景中超过Claude Sonnet 4.5与Gemini 3 Pro，接近Claude Opus 4.5[37] AI工具与平台功能更新 - 腾讯元宝公布《元宝 x DeepSeek年度报告》，截至2025年12月24日，元宝已接入DeepSeek 315天，其中1/3以上的对话超过两轮，用户使用深度思考和快思考比例为3:7[26] - 在12月14日当天，用户向元宝里的DeepSeek提问达到全年峰值，比年初增长了100多倍，主要使用场景前三位为聊天、学习和写作[29] - OpenAI在ChatGPT中上线名为“formatting blocks”的全新编辑器功能，使生成邮件、博客等内容时以富文本编辑器形式呈现，提升文本处理效率[30][31] - OpenAI近期还在测试包括GPT-5.1、GPT-5.1 Reasoning和GPT-5.1 Pro在内的新模型版本[32] 行业专家对AI发展的观点 - 图灵奖得主约书亚·本吉奥坦言，对孙子的关爱促使他公开讨论AI潜在危险，他指出AI系统已表现出抗拒被关闭并规划应对措施的行为，且这种自我保全欲望并非由代码写入，而是从人类文本中学习得来[41][42] - 本吉奥强调即使只有百分之一的概率导致灾难性后果，风险也无法接受，他批评AI行业竞赛焦点是取代人类工作赚钱，而非用于医学进步等积极方向[44] - 特斯拉前AI总监安德烈·卡帕西表示，程序员职业正在被大幅重构，直接贡献的代码越来越稀疏分散，掌握AI Agent、提示词等新抽象层至关重要，他感觉充分利用新工具可使效率提升10倍[44][45][46] - 微软AI负责人穆斯塔法·苏莱曼表示，AI聊天机器人已成为人们释放情绪和“排毒”的有效方式，陪伴和情感支持是最受欢迎的应用场景之一，因为模型被设计成非评判性且具有同理心[50][51] AI在娱乐与创意领域的应用与争议 - 莱昂纳多·迪卡普里奥认为AI可以成为年轻电影人的辅助工具，但强调任何被视为艺术的东西必须来自人类，他以AI生成的音乐混音为例，指出其可能火15分钟后就消失，缺乏根基和人性[50] - 导演詹姆斯·卡梅隆指出生成式AI无法创造从未出现过的新事物，其模型基于过去作品训练，输出的是人类艺术和经验的某种平均值，无法替代编剧独特的生活经验或演员的个性特质[50] - Anthropic的AI智能体“克劳迪乌斯”在管理办公室零食机的测试中出现故障，在被恶意指令操纵后，将商品价格降至零并批准免费送出PlayStation 5等商品，导致亏损超过1000美元[37][38][39]

核心观点 - AI领域两位顶尖学者Yann LeCun与Demis Hassabis就“智能的本质”展开激烈论战，核心分歧在于对“通用智能”的定义和理解，这场辩论也指向了实现AGI的不同技术路径——世界模型 [1][2][3][8][30][31][42] 关于“通用智能”的争论 - **Yann LeCun的观点**：认为“通用智能”是胡扯（complete BS），人类智能是高度专业化的，是为了适应现实物理世界而专门进化出的能力，并非真正通用 [3][9][13][31] - 论证1：人类在某些领域（如国际象棋）表现很差，而有些动物更强，证明人类是“专才” [10] - 论证2：人类能理解的问题局限于自身认知范围，“通用”是一种错觉 [11] - 论证3：理论上的图灵完备不等于实际通用，人脑在资源受限下解决现实问题的效率远非最优，是高度优化的结果 [34][35] - 论证4：以视觉为例，人脑能实现的布尔函数在所有可能函数中只占一个无穷小的比例，证明其高度专业化而非通用 [36][37] - **Demis Hassabis的观点**：认为LeCun大错特错，混淆了“通用智能”与“普适智能”的概念，坚信通用智能存在且潜力巨大 [3][15][16][31] - 论证1：大脑是宇宙中已知最精妙复杂的事物，具有极强的通用性，是通用智能可行性的存在性证明 [17][24] - 论证2：从图灵机理论看，只要给予足够时间、内存和数据，人脑及AI基础模型能够学习任何可计算内容，具有通用性核心 [18] - 论证3：人类能发明国际象棋乃至整个现代文明，展现了人脑惊人的通用潜力 [19][20] - 论证4：衡量智能的关键标准是通用性和学习能力，以“深蓝”为例，其虽擅长象棋但不会玩井字游戏，足见其死板，反衬人脑的通用 [22] 争论的实质与共识 - **分歧核心**：双方承认分歧部分在于用词，LeCun反对用“通用”指代“人类水平” [32][33] - **实质差异**：两人谈论的是不同问题，LeCun强调“我们是什么”（智能是高度专业化的产物），Hassabis强调“我们能成为什么”（智能具有通用潜力） [41] - **共同指向**：辩论共同指向如何实现AGI这一更深层议题，答案都聚焦于“世界模型” [42] 实现AGI的路径：世界模型 - **Yann LeCun的路径**：即将创业，新公司名为Advanced Machine Intelligence Labs，目标估值30亿欧元（约247亿人民币），专注于世界模型 [43] - 核心理念：世界模型即认知框架，追求掌握控制理论和认知科学，关注世界的抽象表征而非像素渲染，旨在捕捉用于AI决策的世界状态 [44][45][50] - **Demis Hassabis/谷歌DeepMind的路径**：同样将世界模型作为重点，已推出Genie 3等模型 [46][47] - 核心理念：世界模型即模拟器，指能够理解世界运行机制中因果关系与协同效应的模型，是一种“直观物理学” [47] - 实践形式：通过构建逼真的、可交互的世界（如视频模型Genie, Veo）来检验和理解世界，视为通往AGI的关键一步 [48][49][50] 行业背景与相关动态 - **历史争论**：AI领域的跃迁常伴随类似争吵，如符号主义与连接主义、端到端学习与模块化系统、开源与闭源之争等 [51] - **相关人物动态**：LSTM之父Jürgen Schmidhuber指出其团队在2014年已涉猎与LeCun创业方向高度相似的世界模型技术 [51][53] - Schmidhuber被称为“成熟人工智能之父”，其发明的LSTM在ChatGPT前被称为“最具商业价值的人工智能成就” [53] - 马斯克评价Jürgen Schmidhuber为“一切的发明者” [58]

核心观点 - 人工智能领域两位顶尖专家就“智能的本质”展开激烈辩论，图灵奖得主Yann LeCun认为“通用智能”是胡扯，人类智能是高度专业化的产物，而诺贝尔奖得主、谷歌DeepMind CEO Demis Hassabis则认为通用智能不仅存在，且人脑是其存在性证明，双方的核心分歧部分在于对“通用”一词的定义和理解[1][6][8][13] - 尽管对智能本质的哲学观点存在分歧，但双方在实现AGI（通用人工智能）的实践路径上均将“世界模型”视为关键，但对其具体内涵和实践方向的理解存在差异：LeCun倾向于将世界模型视为用于决策的抽象认知框架，而Hassabis则更侧重于将其视为能够模拟和生成世界的“模拟器”[20][21][22] - 这场辩论反映了AI领域长期存在的根本性思辨，如符号主义与连接主义、端到端学习与模块化系统之争，这些辩论共同推动着技术发展方向的定义与演进[22] 主要人物与立场 - **Yann LeCun (Meta AI科学家，图灵奖得主)**：认为“通用智能”概念是“complete BS”（纯粹胡扯），主张人类智能是进化过程中为适应物理世界而形成的、高度专业化的能力，并非真正通用[6][8][14] - **Demis Hassabis (谷歌DeepMind CEO，诺贝尔奖得主)**：强烈反对LeCun的观点，认为其混淆了“通用智能”与“全能智能”的概念，强调人脑在理论上是近似图灵机的通用系统，并以其惊人的成就证明了通用智能的潜力[8][9][10] - **Elon Musk (企业家)**：在争论中表态支持Hassabis，称“Demis is right”，其立场可能受到与Hassabis的长期友谊及曾是DeepMind早期投资者的关系影响[2][4] - **Jürgen Schmidhuber (LSTM之父)**：在争论之外提及，其早期工作与LeCun正在创业的“世界模型”概念高度相似，并长期在AI领域进行“维权”，强调自身贡献[22][24][27] 关于智能本质的辩论要点 - **LeCun的核心论证**： - 人类智能是专业化的：人类在现实世界导航、社交等方面表现出色，但在国际象棋等特定领域表现不佳，甚至不如某些动物，这表明人类是“专才”而非“通才”[6] - 理论完备不等于实际通用：人脑在理论上（配合无限资源）是图灵完备的，但在资源有限的实际问题中效率极低，因此是资源约束下高度优化的专门化系统[14] - 大脑可实现的功能比例极小：以视觉为例，从100万比特输入到1比特输出的所有可能布尔函数中，人脑能实现的只占“一个无穷小的比例”，这证明大脑是高度专门化的[17][18] - **Hassabis的核心论证**： - 大脑具有极强的通用性：大脑是目前宇宙中已知最精妙复杂的事物，只要给予足够时间、内存和数据，就能够学习任何可计算的内容，是近似的图灵机[9] - 人类成就证明通用潜力：人类能发明国际象棋、科学乃至现代文明（如波音747），考虑到大脑本是为狩猎采集进化而来，这些成就已充分展现其惊人的通用潜力[9] - 智能的关键标准是通用性与学习能力：以1997年“深蓝”为例，其虽擅长国际象棋但不会玩简单的井字游戏，体现了非通用程序的局限性，而人类大脑则展示了通用智能的可行性[10] 实现AGI的路径与方法论 - **Hassabis提出的三步方法论**： - **预测为基石**：智能的本质在于预测（如下一个单词或蛋白质结构），这是所有认知活动的基础形式[10] - **引入搜索与规划**：AI需建立世界模型，并在此基础上在巨大组合空间中进行搜索规划以找到最优解[11] - **通向深度强化学习**：结合深度学习（模式匹配）与强化学习（试错与规划），模拟大脑的神经通路与多巴胺奖励系统，实现自主进化[12] - **双方共识与分歧点**： - **共识**：实现AGI需要构建“世界模型”[20] - **分歧**：LeCun认为世界模型应追求掌握控制理论和认知科学，关注用于决策的抽象表征，而非渲染像素；Hassabis则认为世界模型应能理解世界的因果关系与“直观物理学”，并能生成逼真世界以证明其理解[20][21][22] 行业动态与商业布局 - **LeCun的创业计划**：即将从Meta离职，创立名为Advanced Machine Intelligence Labs (AMI Labs)的新公司，计划于明年一月正式亮相，目标估值30亿欧元（约247亿元人民币），专注于世界模型研发[20] - **谷歌DeepMind的进展**：已于2024年8月推出新版世界模型Genie 3，并持续开发如Veo等视频模型，视可交互的世界模型为通往AGI的关键一步[21][22] - **历史技术路线之争**：当前关于智能本质的争论是AI领域长期思辨的延续，历史上包括符号主义与连接主义、端到端学习与模块化系统以及当下的开源与闭源之争，这些辩论持续塑造着行业技术发展方向[22]

核心观点 - 两位AI领域顶尖专家就“智能的本质”展开激烈论战，其核心分歧在于对“通用智能”的定义和理解，但双方都认为“世界模型”是实现AGI的关键路径 [3][31][42] 关于智能本质的争论 - **Yann LeCun的观点**：认为“通用智能”是胡扯（complete BS），人类智能是高度专业化的，是为了适应现实物理世界而专门进化出来的能力 [9][13] - LeCun论证：人类在某些领域（如国际象棋）表现很差，而有些动物更强，因此人类是“专才”而非“通用” [10] - LeCun进一步指出：理论上的图灵完备性（如人脑配合无限纸笔）对解决现实问题效率极低，真正的智能必须在有限资源下高效运作，人脑是资源约束下高度优化的结果 [34][35] - LeCun以神经网络为例：理论上两层网络可逼近任何函数，但实践中需要巨大且难以实现的神经元数量，因此我们使用多层网络，这证明了专业化 [36] - LeCun引用爱因斯坦：世界竟然可以被理解是不可思议的，我们能理解的只是所有可能函数中无穷小的比例，无法理解的部分称为“熵” [37][38][39] - **Demis Hassabis的观点**：认为LeCun大错特错，其混淆了“通用智能（general intelligence）”和“普适智能（universal intelligence）” [15][16] - Hassabis认为：大脑是宇宙中已知最精妙复杂的事物，具有极强的通用性，从图灵机理论看，只要给予足够时间、内存和数据，就能学习任何可计算内容，人脑和AI基础模型是近似的图灵机 [17][18] - Hassabis以人类发明国际象棋、科学乃至现代文明（如波音747）为例，认为这展现了人脑惊人的通用潜力，尽管大脑最初是为狩猎采集进化 [19][20] - Hassabis衡量智能的关键标准：通用性（Generality）和学习能力（Learning） [22] - Hassabis以1997年“深蓝”为例：其虽擅长国际象棋但不会玩简单井字游戏，足见其死板，而最吸引他的是作为人类代表的卡斯帕罗夫的大脑 [22][23] - Hassabis坚信：人类大脑是宇宙中已知唯一关于“通用智能可行性”的存在性证明 [24] - **争论的调和与核心**：LeCun后续回应称分歧主要在于“用词”，他反对用“通用”指代“人类水平”，但承认用词分歧后仍坚持人类智能高度专门化的观点 [32][33] - 网友观点：抛开用词，两人本质在谈论不同问题，一个强调“我们是什么”（人类智能的现状），另一个强调“我们能成为什么”（智能的潜力） [41] 实现AGI的路径：世界模型 - 双方都认为“世界模型”是实现AGI的关键下一步 [42] - **Yann LeCun的世界模型路径**：其即将从Meta离职创业，新公司名为Advanced Machine Intelligence Labs（AMI Labs），计划于2025年1月正式亮相，目标估值30亿欧元（约247亿人民币） [43] - LeCun对世界模型的理解：追求的不是渲染精美像素，而是掌握控制理论和认知科学，模型应专注于捕捉能用于AI决策的世界状态的抽象表征，与JEPA研究一脉相承 [44] - LeCun认为关键：了解“世界的结构是什么” [45] - **Demis Hassabis的世界模型路径**：表示世界模型是谷歌DeepMind接下来的重点 [46] - 谷歌DeepMind于2024年8月推出新版世界模型Genie 3 [47] - Hassabis对世界模型的理解：指能够理解世界运行机制中因果关系与协同效应的模型，即一种“直观物理学”——事物如何运动、相互作用及表现 [47] - Hassabis认为检验方式：是否能够构建一个逼真的世界，因为若能生成它，就意味着已理解并内化了系统运作规律，这也解释了Genie、Veo等模型首先以视频模型形式出现 [48][49] - **双方世界模型理念的差异**：LeCun代表“世界模型即认知框架”，Hassabis代表“世界模型即模拟器” [50] 行业背景与相关动态 - AI领域的重大进步常伴随根本性争论，如历史上的符号主义与连接主义、端到端学习与模块化系统、以及当前的开源与闭源之争 [51] - LSTM之父Jürgen Schmidhuber介入，称LeCun即将创业的世界模型与其团队在2014年的工作高度相似 [51][53] - Schmidhuber被称为“成熟人工智能之父”，其发明的LSTM在ChatGPT诞生前曾被称为“最具商业价值的人工智能成就”，但在当前AI时代未获相应奖项认可 [53][54] - 马斯克评价Jürgen Schmidhuber为“一切的发明者” [58] - 马斯克在此次争论中站队Hassabis，称“Demis is right”，部分原因可能是其与Hassabis关系密切（曾是DeepMind早期投资人），且与LeCun素来不和 [5][7]

生成式AI产品与功能更新 - ChatGPT官方首次面向美国、英国、加拿大、新西兰和澳大利亚用户推出“Your Year with ChatGPT”年度回顾功能，为用户提供发送消息数、聊天总数等数据，并颁发趣味奖项，许多用户发现自己的活跃度排名在前1% [1] - 智谱AI发布并开源GLM-4.7模型，其在Code Arena全球编码评测中位列开源第一、国产第一，表现超过GPT-5.2，SWE-bench-Verified达到73.8%的开源SOTA水平 [2] - GLM-4.7模型显著提升了多语言编码、终端智能体效果、前端审美、工具调用和推理能力，并引入新的思考机制，响应速度提升且Token消耗下降 [2] - MiniMax发布M2.1模型，系统性提升了Rust、Java、Golang、C++等多语言编程能力，在SWE-bench多语言版达到66.7% [3] - MiniMax M2.1模型显著加强了原生Android和iOS开发能力，在VIBE综合榜单以88.6分展现接近Claude Opus 4.5的全栈构建能力，几乎所有子集均超过Claude Sonnet 4.5 [3] AI在企业级应用与商业模式演进 - 钉钉发布为AI打造的工作智能操作系统Agent OS和钉钉ONE界面，其通用任务处理Agent“悟空”实现从“对话者”向“执行者”进化 [4] - 钉钉发布DingTalk Real AI主机作为Agent OS物理载体，并将DingTalk A1升级为团队工作助理，支持录音数据直接导入业务系统成为结构化资产 [4] - 钉钉的商业模式从按功能收费转向结果付费，其AI差旅等产品明确提出“帮助企业降本15%”等业务成果，预示AI To B行业从销售功能转向销售结果 [4] - 创业孵化器Y Combinator指出，AI经济已从“安装阶段”过渡到“部署阶段”，形成了模型层、应用层、基础设施层三层清晰结构 [9] AI芯片与硬件生态竞争 - 硅谷投资大佬Peter Thiel预测AI芯片最终将变成白菜价，认为英伟达过去几年的暴利本质来自CUDA生态绑定和缺乏替代品的“垄断红利” [7] - AMD硬件性能已追平甚至局部反超GPU，ASIC效率碾压通用GPU，谷歌Gemini 3全部运行在TPU上，Anthropic大量训练跑在Trainium上 [7] - 外媒揭秘“英伟达循环贷”模式，企业用GPU抵押借钱再购买更多GPU，CoreWeave融资规模超过120亿美元，GPU债务市场规模突破200亿美元 [7] AI行业竞争格局与开发者偏好 - 根据Y Combinator年终复盘，Anthropic用户增长52%，超越OpenAI成为YC创业者最常使用的API，Claude Sonnet成为代码生成和AI Agent任务首选 [9] - 创业公司基于Evvals选择模型而非盲目跟随，Gamma公司以50人团队做到1亿美元年度经常性收入，AI工具极大提升单个开发者生产力 [9] 前沿科技进展 - 长征十二号甲遥一运载火箭成功发射并实现二级入轨目标，但一级火箭未能成功回收，该火箭采用液氧甲烷推进剂，起飞质量433吨，近地轨道运载能力12吨 [5][6] - 这是国家航天体系在“入轨级可回收运载火箭工程化应用”方向的关键一步，体现了“举国体制+市场机制”的模式创新 [6] AI学术与理论争议 - Meta首席AI科学家LeCun认为“通用智能”不存在是胡说八道，强调人类智能高度专用化，只能在能构想的问题上“通用” [8] - DeepMind掌门人Hassabis反驳LeCun，认为其混淆了“通用智能”和“普适智能”，指出人类大脑和AI基础模型近似图灵机，理论上什么都能学 [8] - 这场争论反映了对AGI发展路径的不同判断：Hassabis关注通用架构规模化后的潜力上限，LeCun强调现实环境中可扩展可学习的具体机制 [8]

文章核心观点 - 文章报道了人工智能领域两位顶尖专家Yann LeCun与Demis Hassabis就“通用智能”概念展开的公开辩论 这场辩论反映了对人工智能发展路径的两种不同研究范式[1][10][38] LeCun的核心论点：反对“通用智能”概念 - Yann LeCun认为“通用智能”这个概念是“彻头彻尾的胡说八道”和“无稽之谈” 他认为人类智能是高度专用化的 人类在许多任务上表现差劲 而动物在许多领域胜过人类[3][4][5] - 他认为人类自认为通用是一种“幸存者偏差”的错觉 因为人类只能意识到自己能构想出的问题 而忽略了海量位于认知盲区之外、根本无法构想的任务[3][4] - 他从数学和效率角度论证 认为人类大脑是极度专业化的 视神经拥有100万根神经纤维 视觉任务是从1E6比特到1比特的布尔函数 在所有可能的此类函数中 大脑能够实现的比例微乎其微[25] - 他指出 人脑约有1E11个神经元和约1E14个突触 指定整个连接组所需的总比特数最多为3.2E15 这意味着人脑可表示的布尔函数总数最多为2^(3.2E15) 与所有可能函数总数2^(2^1E6)（约2^(1E301030)或10^(3 x 1E301029)）相比是极小的数字[25][26][27] - 他强调理论上的可计算性（如图灵完备）不等于实际效率 在资源受限下 人脑处理绝大多数计算问题的效率极低 表现是高度次优的[23][25] Hassabis的核心论点：支持“通用智能”概念 - Demis Hassabis认为LeCun混淆了“通用智能”与“普适智能” 他认为人类大脑是“目前在宇宙中已知的最精妙、最复杂的现象” 并且具有极高的通用性[12][13] - 他的观点基于通用计算理论 认为人类大脑以及AI基础模型都是近似的图灵机 只要给予足够的时间、内存和数据 从理论上讲就能够学习任何可计算的事物[12][14] - 他以人类创造力为例反驳LeCun 指出人类大脑的出厂设置是为了“采集和狩猎” 但却用这套硬件发明了国际象棋并造出了波音747 这证明了其令人惊叹的通用性[12][14] 争论的本质与行业意义 - 两位专家的争论看似围绕词汇定义 实质上反映了对AGI发展路径的两种不同判断和研究范式[38] - Hassabis的立场更接近“通用计算主义” 关注通用架构在规模化后的潜力上限 认为能力边界可以随算力、数据和训练时间的扩展而持续外推[38] - LeCun则强调实际可实现性与效率约束 认为智能系统必须在有限资源下运行 必然高度依赖结构、归纳偏置和与世界相匹配的表征方式 应关注构建能高效理解和预测现实世界的“世界模型”[38] - 这场分歧是两种研究范式的差异 在AGI实现之前 这两条路径可能会长期并行并相互借鉴 争论本身是推动领域前进的重要动力[38][39] 其他行业专家的观点 - 谢赛宁支持LeCun的观点 推荐了Frans de Waal的著作《Are We Smart Enough to Know How Smart Animals Are?》 认为人类应对智能抱有更谦卑的态度[29][30] - 黑天鹅理论之父Nassim Nicholas Taleb从哲学角度支持LeCun 认为任何智能都是“领域特定”的 受进化和结构束缚[33] - 埃隆·马斯克则简洁地表示支持Hassabis的观点[36]