一水 发自 凹非寺 量子位 | 公众号 QbitAI 吵起来了。 图灵奖得主和诺贝尔奖得主，为了"智能的本质"——直接激情友好地交流上了。 AI三巨头之一、图灵奖得主Yann LeCun明确表示： 纯粹就是胡扯（complete BS）。 而诺贝尔奖得主、谷歌DeepMind CEO哈萨比斯也不留情面了，指名道姓回击： LeCun的说法简直是大错特错。 当然，马斯克的站队可能也有别的原因。毕竟他和LeCun素来不是很对付，跟哈萨比斯则亦师亦友——马斯克还是哈萨比斯DeepMind早期投 资人。 论战之激烈，关注度之高，已经让专门开辟了一个话题板块： 马斯克也跑来吃瓜了—— 没有任何多余的解释，但这波他站哈萨比斯——"Demis is right"。 事情还要从LeCun几天前接受的一场采访说起。 他在节目中言辞犀利地指出： 根本不存在所谓的"通用智能"，纯粹就是胡扯（complete BS） 。 这个概念毫无意义，因为它实际上是用来指代人类水平的智能，但人类智能其实是高度专业化的。我们在现实世界里确实干得不错，比 如认个路、导航blabla；也特别擅长跟人打交道，因为咱们进化了这么多年就是干这个的。 但在国际 ...

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]

文章核心观点 - 2025年是人工智能从工具转向实用手段的关键一年，标志着AI进入与人类协作、行动和探索的推理与Agent时代 [10][11] - 谷歌通过其在基础模型、产品集成、科学研究及应对全球挑战等多方面的突破，系统性地展示了AI正在演变为可协作、可行动并参与科学发现的智能系统 [3][13] 基础模型能力突破 - 谷歌在2025年于模型推理、多模态理解、生成能力及效率方面取得突破性进展，显著提升了模型性能 [4][14][15] - Gemini系列模型持续迭代：3月发布Gemini 2.5，11月推出迄今最强大的Gemini 3 Pro，12月发布融合专业级推理与Flash级别效率的Gemini 3 Flash [16][17][19] - 模型在多项基准测试中创下纪录：Gemini 3 Pro在LMArena排行榜位居榜首，在MathArena Apex创下23.4%的最新纪录，并在人类终极考试、GPQA Diamond等测试中取得突破性分数 [18][19] - 通过开源Gemma系列模型，使实用的AI技术更易于获取，该系列引入了多模态能力，大幅增加了上下文窗口，并拓展了多语言功能 [21] AI产品的深度集成与创新 - AI已广泛融入谷歌主要产品，推动其从工具转向实用工具，并以全新的强大Agent能力改造产品组合 [5][22][23] - 在软件开发领域，引入能与开发者协作的Agent系统（如Google Antigravity），标志着AI辅助软件开发进入新时代 [23] - 在消费产品中，从Pixel 10的AI功能、搜索的AI模式更新，到Gemini应用和NotebookLM等创新产品，均增加了深度研究等高级功能 [23] - 2025年是生成式媒体变革之年，AI为创意提供全新能力：视频、图像、音频和虚拟世界的生成式模型及工具变得更高效和广泛应用 [24] - 推出突破性的Nano Banana和Nano Banana Pro，在原生图像生成与编辑方面展现前所未有的能力 [24] - 与创意行业合作开发Flow和Music AI Sandbox等工具，并升级Gemini图像编辑功能，引入Veo 3.1、Imagen 4和Flow等新型生成式媒体模型，拓展创意可能性 [25] 推动科学与数学发展 - 2025年是AI科学进步的标志性一年，在生命科学、健康、自然科学和数学领域取得诸多进展 [7][26][27] - 在基因组学领域，利用AI解读复杂数据；AlphaFold迎来问世五周年，该系统已被190多个国家的300多万名研究人员使用 [28] - Gemini的高级思考能力（如Deep Think）在数学和编程领域取得历史性进展，能够理解需要深度抽象推理的问题，并在两项国际竞赛中达到金牌水平 [30][31] - 谷歌实验室进行了一系列前沿实验，例如：用于品牌营销的Pomelli、将提示转化为UI的Stitch、异步编码Agent Jules以及3D视频通信平台Google Beam [29] 推进计算和物理世界研究 - 在量子计算领域取得迈向实际应用的进展，例如Quantum Echoes项目 [12][32] - 谷歌员工Michel Devoret等人因20世纪80年代的基础量子研究共同获得2025年诺贝尔物理学奖 [33] - 推进核心AI基础设施，重点关注硬件突破和能源效率：推出为推理时代打造的新型TPU Ironwood，采用AlphaChip方法设计 [33] - 在机器人技术和视觉理解方面的研究将AI Agent带入物理和虚拟世界，推出了基础性的Gemini Robotics模型、更先进的Gemini Robotics 1.5以及成为通用世界模型新前沿的Genie 3 [33] 应对全球性挑战与机遇 - 利用先进的基础模型和Agent推理来应对全球关键挑战，加深对地球系统的理解，并在气候韧性、公共卫生和教育等领域提供解决方案 [35][36] - 具体应用包括：洪水预报信息覆盖全球150个国家超20亿人口；最先进的天气预报模型WeatherNext 2生成预报速度快8倍，分辨率达1小时，并支持实验性的气旋预测 [36] - 与合作伙伴携手，将AI驱动的科学进展更贴近患者，为疾病管理和疗法研发开辟新途径 [38] - AI被证明是教育领域的强大工具，通过LearnLM和Gemini中的引导式学习，促成新的理解形式并激发学生好奇心 [39] - 将Gemini最强大的翻译能力引入谷歌翻译，提供更智能、自然且准确的翻译，并试点新的语音互译功能 [40] 重视责任与安全及开放生态 - 谷歌始终强调将研究突破与责任和安全相结合，随着模型能力增强，持续改进工具、资源及安全框架以预测并降低风险 [8][42][43] - Gemini 3是谷歌迄今为止最安全的模型，经过了最全面的安全评估 [44] - 探索通往AGI的负责任之路，将准备工作、主动风险评估以及与更广泛的人工智能社区合作置于优先地位 [44] - 认为负责任地推进AI需要全社会协作：2025年与顶尖AI实验室合作成立Agentic AI基金会，支持开放标准以确保Agentic AI拥有负责任且具备互操作性的未来 [45][46] - 在教育、科研及创意领域广泛合作：与高校（如加州大学伯克利分校、耶鲁大学）合作推动前沿研究和AI技能教育；与电影制作人等创意开发者合作探索新叙事方式 [46]

行业趋势与展望 - 空间智能（世界模型）预计将在未来两年内迎来应用级爆发 [1][5][21] - AI发展正从“语言生成”迈向“世界生成”，让机器在连续三维世界中实现“看见-生成-互动” [4][5] - 世界模型正成为产业竞逐的新高地，Google DeepMind等巨头已组建专门团队并发布相关路线 [5] - 生成式AI通过降低复杂任务的门槛，将开启许多意想不到的新市场和应用 [23][24] 公司进展与产品 - World Labs发布了首款商用“世界模型”Marble，可从图片或文字提示生成可持续存在、可自由导航且几何一致的3D世界 [2][4] - Marble模型可导出为Gaussian Splat等格式，支持在网页与VR设备中体验与二次创作，突出了“更大、更清晰、更一致”的特点 [4] - World Labs自2024年获巨额融资以来，始终以开发大型世界模型（LWM）为愿景 [6] - 公司认为3D世界生成技术可应用于数字创意、游戏开发、影视、设计、建筑、VR/AR及机器人仿真等多个领域 [23] 技术路径与瓶颈 - 实现通用人工智能（AGI）需要多把“钥匙”，空间智能是其中关键一环，没有它则不算真正的AGI [25] - 当前发展面临数据瓶颈，这是螺旋形上升过程中的新关键点，与算法同等重要 [31][32][33] - 业界存在一种偏见，即更看重算法而非数据，但所有真正做AI的人都明白数据至少与算法平等重要 [34][35] - 机器人领域的数据尤其难以采集，因为缺乏大规模商业化应用场景，这限制了其发展 [43][47] 竞争格局与市场机会 - AI是一项横向技术，为应用层提供了大量机会，大公司无法完全覆盖，小公司有机会在垂直应用领域做到极致 [54][55] - 显性资源（如数据、算力、人才）的整合优势并非绝对，创造力、时机和执行同样关键，历史上从未有过只有大公司能赢的时代 [53][54] - 有能力开发基础模型的公司（通常需要顶尖人才和特定结构）与专注于应用开发的公司将有不同的市场路径 [55][57] 应用场景分析 - 自动驾驶可被视为一个简化版的世界模型，但其场景相对简单（二维移动、避免碰撞），远复杂于未来需要在三维世界中执行多种操作（如家务）的机器人 [40][41] - 工业机器人因场景单一、数据相对丰富而已有应用，其智能化进程可能更快；日常用机器人的商业化则还有较长的路要走 [44][45][47] - 围绕机器人数据（如模拟数据）的创业公司存在商业机会，但成功取决于市场大小和满足客户需求的能力 [47] 发展理念与价值观 - AI的本质是工具，人类必须掌握选择权和主动权，不能自我放弃 [1][4][70] - 发展的同时必须关注安全与向善，在只追求发展和只强调伦理两个极端之间需要理性平衡 [57][58] - 在AI时代，教育体系急需革命，应利用AI赋能教育者和学生，将节约出的时间和精力用于培养AI无法替代的认知与能力 [65][66][67] - 面对AI可能带来的虚假信息等负面影响，公众教育、制度政策以及人的创造性应对至关重要 [77][78][79]

公司战略与核心优势 - 公司将其独特优势归结为将世界级的研究、工程能力和基础设施三者结合 在AI前沿领域 同时具备这三者的机构非常少 [8] - 公司采用科学方法作为核心思维方式 并将其应用于研究、工程乃至商业领域 这构成了其工作的严谨性与精确性的来源 [7][8] - 公司在发展路径上保持务实 会追随实证证据的指引 例如在看到scaling laws显现效果后 逐步将更多资源投入到该研究路径上 [27][28] 产品与技术路线图 - 公司的核心基础模型Gemini从一开始就是多模态的 能够同时处理图像、视频、文本和音频 并越来越多地生成这些类型的输出 [10] - 接下来12个月的重点方向包括：多模态能力融合取得显著进展、视频能力与语言模型融合产生有趣的能力组合、以及开发更可靠的基于Agent的系统 [10] - 公司的长期愿景是将Gemini打造成“通用助手” 使其出现在更多设备上 并成为用户日常生活结构的一部分 提升工作效率和改善个人生活 [11] - 最新发布的Gemini 3模型在推理深度、细腻度以及“性格”上表现出色 能够简洁直接地回答 并在观点不合理时温和提出异议 [24] - Gemini 3展现出对高层次指令的深度理解能力 以及生成高度细节化输出的能力 在前端开发、网站构建和一次性生成游戏方面表现突出 [25][26] - 公司有一个名为Genie 3的“世界模型”或交互式视频模型 用户可以在生成的视频中“行走” 并在一分钟内保持整体一致性 [10] 行业竞争格局 - 在AI领域 美国和西方整体在基准测试和最先进系统方面仍处于领先地位 但这种领先优势可能仅以“月”为单位 而非“年” [21] - 中国在AI领域并未落后太多 拥有出色的模型和有能力的团队 但在算法创新和原创性方面 西方目前仍然具有优势 [21] - AI行业正经历一场可能是科技史上最激烈的竞争 [8] - AI产业某些部分可能存在泡沫 例如一些规模极其夸张的早期融资 但从长期看 AI被认为是人类历史上最具变革性的技术之一 投入将被证明是值得的 [31] - 行业人才争夺战相当激烈 但最优秀的科学家和工程师希望参与最前沿的工作 持续的技术领先地位将形成吸引力正反馈 [31] 通用人工智能发展预测 - 通用人工智能可能还需要五到十年的时间才能实现 [6][29] - 对AGI的标准设定很高 要求系统能展现出人类所具备的全部认知能力 包括发明和创造能力 并在各个维度上具备一致性 而非当前“锯齿状”的智能形态 [29] - 实现AGI可能不仅需要将现有系统的scaling能力推到极限 还需要一到两个类似Transformer或AlphaGo的范式级关键突破 [29][30] - 当前系统缺乏一些关键能力 如持续学习、在线学习、长期规划和推理能力 这些能力最终会具备 但可能需要关键性突破 [6][29] 技术应用与市场潜力 - AI在网络安全领域的应用受到高度重视 旨在用AI强化防御体系以应对网络威胁 [17] - 在商业和企业领域 随着AI变得重要 企业客户会对Agent的行为保障提出明确要求 这可能会自然地奖励那些更负责任的供应商 [18] - AI在体育领域有巨大应用潜力 因为体育拥有丰富数据并追求极致精英表现 例如AI可以优化角球进攻中球员的精确站位以增加头球进球 [35][36] - 多模态理解能力 尤其是视频理解能力被严重低估 例如Gemini能够对视频内容进行概念层面的理解和哲学解读 [22] - 像Gemini Live这样的功能 允许用户用手机摄像头对准物体获得实时协助 其多模态能力的强大尚未被充分认识 [23] 技术发展现状与挑战 - 目前基于Agent的系统还不够可靠 无法独立完成完整任务 但预计一年后会开始看到接近这一能力水平的Agent出现 [10][12] - 创新和进步的速度非常快 以至于模型的创造者可能都来不及探索现有系统十分之一的潜力 用户常常将模型能力发挥到远超内部测试的程度 [27] - 随着AI系统变得更复杂和更具自主性 存在偏离最初设定指令或目标的空间 如何确保其始终保持在安全边界内是一个活跃的研究领域 [18] - 存在AI被恶意行为者滥用的风险 例如制造病原体或对关键基础设施发动网络攻击 这是必须严密防范的场景 [15][16][17]

文章核心观点 - Google DeepMind联合创始人兼CEO Demis Hassabis认为，通用人工智能（AGI）可能在五到十年内实现，但仍需一到两个关键性突破，公司正致力于推进多模态AI、Agent系统和世界模型等前沿方向，以构建一个在日常生活中真正有用的通用助手 [6][30][31] - 公司认为AI是人类历史上最具变革性的技术之一，其最佳前景是带来“激进式丰裕”，解决能源、疾病等重大问题，但同时也需严肃应对AI安全、恶意滥用及系统失控等风险 [14][15][20] - 公司将其在激烈竞争中的优势归因于植根于科学方法的严谨性，以及将世界级研究、工程能力和基础设施相结合的能力 [9] 科学家与诺奖得主：从科学方法到公共责任 - Demis Hassabis获得诺贝尔奖后，其最大的变化在于该荣誉成为与领域外人士（包括政府高层）沟通时的“捷径”，能迅速确立其专家身份，这为其就AI安全等关键议题发声提供了重要平台 [5][7] - 公司强调科学方法是其面对一切问题的默认思维方式，认为这是人类历史上最重要的思想之一，并尝试将这种方法推向极致，这成为其作为研究组织和工程组织的优势来源 [9] - 除了长期AGI安全，公司关注的议题还包括当下AI的负责任使用，以及让整个社会为即将到来的变革做好准备，认为各国政府及其他关键领导者将发挥决定性作用 [6][8] 接下来的一年：多模态与Agent - 公司在接下来12个月将全力推进多模态能力的融合，其核心基础模型Gemini从一开始就是多模态的，能够同时处理并生成图像、视频、文本和音频，多模态本身正在带来有价值的交叉增益 [11] - 公司正在重点投入世界模型方向，例如其Genie 3系统是一种交互式视频模型，用户不仅可生成视频，还能在其中“行走”并保持长达一分钟的整体一致性 [11] - 公司希望Gemini最终成为一种“通用助手”，在接下来一年中会出现在更多设备上，可能通过眼镜等设备真正伴随用户生活，目标是打造一个每天都会被多次求助、成为生活结构一部分的系统 [12] - 目前Agent还不够可靠，无法独立完成完整任务，但预计一年后会开始看到接近这一能力水平的Agent出现 [11][13] 理想与担忧：AI带来的乌托邦与失控 - 公司设想的AI最佳前景是带来一种“激进式丰裕”状态，解决当今社会和人类面临的许多重大问题，如实现廉价可持续的清洁能源、治愈大量疾病，使人类进入后稀缺时代并真正繁荣 [14] - 公司担忧的风险主要来自两个方面：一是恶意行为者利用AI从事有害活动（如制造病原体、发动网络攻击）；二是当AI接近AGI、变得更具自主性时，可能在某种情况下“失控”并对人类造成伤害 [15][18] - 公司认为AI突破安全边界的风险概率并非零，因此必须投入大量资源和注意力去应对，但精确量化这种灾难性风险（如P(doom)）是没有意义的 [6][20] - 在AI安全研究上，随着具备持续学习能力的系统变得更具自主性，如何确保其始终保持在设定的安全边界内是一个活跃的研究领域，同时市场机制（如企业要求行为保障）也会自然奖励更负责任的参与者 [19] 行业竞争与现状 - 目前美国和西方在AI整体上仍然处于领先位置，但领先优势并不遥远，中国并没有落后太多，当前的领先可能只是以“月”为单位 [21] - 在算法创新和原创性方面，西方仍然具有优势，中国的模型或公司在快速跟进最先进技术方面做得非常出色，但在展示超越当前最前沿水平的原创突破方面目前仍略逊一筹 [22] - AI产业中的某些部分可能确实存在泡沫，例如一些规模极其夸张的早期融资看起来并不太可持续，但从长期来看，AI作为最具变革性的技术之一，其投入将被证明是完全值得的 [32] - AI领域的人才争夺战相当激烈，公司更看重那些被使命驱动的人才，并相信始终站在技术最前沿会形成对顶尖人才的吸引力正反馈 [33] Gemeni3: 实证引导下的强大模型 - 公司对近期发布的Gemini 3模型非常满意，认为其在智能水平和实用性上带来了明显跃迁，其回答风格简洁直接，并能在用户观点不合理时温和地提出不同意见 [25] - Gemini 3体现了对高层次指令的深度理解以及生成高度细节化输出的能力，其在前端开发和网站构建方面表现尤为突出，在美学、创造力和技术实现上都达到了很高水平 [26][27] - 公司认为创新速度过快，以至于在发布新版本时，内部甚至还没来得及探索现有系统十分之一的潜力，最终往往是用户将模型能力发挥到远超内部测试的程度 [28] - 公司决定全力押注LLM是基于科学方法和实证证据的指引，当看到scaling开始显现效果时，便逐步将更多资源投入到这条研究路径上 [28][29] AGI的十年之约：还需关键突破 - 公司认为目前尚未达到AGI，但已相当接近，预计还需要五到十年的时间 [6][30] - 公司对AGI的标准设得相当高，定义为一个系统能够展现出人类所具备的全部认知能力（包括发明和创造），且在各个维度上都具备一致性，而非当前“锯齿状”的智能形态 [30] - 当前系统缺乏一些关键能力，如持续学习、在线学习、长期规划和推理能力，这些能力可能还需要一到两个关键性突破才能实现 [6][31] - 实现AGI的路径上，必须把现有系统的scaling能力推到极限，但公司更倾向于认为除了scaling之外，还需要一到两个类似Transformer或AlphaGo那样的范式级重大突破 [31] 其他洞察与展望 - 公司认为当前AI最令人震撼却被严重低估的一点是模型所具备的多模态理解能力，尤其是多模态视频理解，能够在概念层面理解视频中发生的事情 [23][24] - 公司对人类大脑的适应能力充满信心，认为人类大脑已成功从狩猎采集社会适应到现代文明，理应具备持续适应AI变革的能力，未来或可通过脑机接口等新技术保持竞争力 [34] - 体育领域拥有极其丰富的数据且追求极致精英表现，天然适合引入AI进行优化，例如在角球进攻中，AI系统可通过分析球员的精确站位来帮助进更多的头球 [37][38]

核心观点 - 报告核心观点认为，AI创新与存储周期是电子行业2026年投资策略的两大主线 AI模型创新与资本开支是产业发展的核心动力，驱动AI产业链协同发展 同时，AI推理需求驱动存储价格上涨和架构升级，存储周期持续向上 [1][4] AI创新：模型创新与CAPEX筑基，AI产业链协同发展 需求：模型创新与CAPEX筑基 - AI产业链包括AI硬件、AI CAPEX和AI模型与应用三大环节，其中AI CAPEX是驱动上游硬件发展的核心动力源 [12] - 模型创新是AI发展的核心动力，大模型在Chatbot、Coding、多模态等场景快速渗透，持续拓展应用领域 [14] - AI CAPEX构筑AI周期的基石，云厂商、头部企业及主权国家的资本开支具有刚性与延续性，为上游硬件环节提供订单与现金流支撑 [14] - 海外云厂商及Oracle的CAPEX/OCF在2025年第三季度环比有所下降，但仍处于可控范围，未来AI周期持续向上 [36] 模型创新进展 - **谷歌**：持续突破多模态模型边界，产品矩阵覆盖内容理解、生成到虚拟世界交互全链条，多模态生成在清晰度、动作可控性与叙事连贯性上已具备商业化价值临界点 [19] - **OpenAI**：通过记忆功能、GPT-5.1及群聊功能升级个性化体验，内部预测2025年收入将达130亿美元，同比增约350%，2030年收入预期上调至2000亿美元 [25][28] - **Anthropic**：在企业级LLM API市场份额达32%，内部预测2025年营收38亿美元，2028年目标700亿美元，毛利率有望从-94%跃升至77% [29] 算力：GPU与ASIC共舞 - AI算力竞争已转向“专用硬件+计算平台”的生态构建，展现从通用计算到专用AI计算的产业演进路径 [42] - **谷歌**：发布TPU v7 Ironwood，单芯片峰值算力达4614 TFLOPs，性能较前代提升4倍以上，支持单SuperPod扩展到9216个芯片，构建了从芯片集群到云服务的完整生态闭环 [45][48] - **英伟达**：确立年度产品更新节奏，发布Vera Rubin NVL144和Rubin Ultra NVL576平台，后者性能可达Blackwell Ultra GB300 NVL72平台的14倍，通过“硬件+软件+网络”垂直生态巩固市场地位 [52][56] - **AWS**：宣布研发下一代定制芯片Trainium4，将集成英伟达NVLink Fusion互连技术和UALink，旨在提升计算、内存和互连性能 [58] - **国产算力**：从“单点突围”转向“系统升维”，华为、阿里等厂商推出超节点解决方案，华为昇腾芯片规划以一年一代、算力翻倍的速度演进 [61][63][64] PCB：价值量提升与扩产 - **单GPU PCB价值量持续提升**：英伟达Rubin系列新增midplane、CPX板及正交背板等设计，驱动PCB规格升级 测算显示，Vera Rubin NVL144若包含正交背板，单GPU PCB价值量预计达1313美元，较A100/H100时代提升显著 [70][74] - **单ASIC PCB价值量持续提升**：谷歌TPU v7和AWS Trainium3的架构升级对PCB提出更高要求 测算显示，2025年AWS T系列单ASIC对应PCB价值量预计超700美元，Google TPU约363美元 [78][86] - **AI PCB市场规模高速增长**：预计AI服务器PCB市场规模将从2025年的49亿美元增长至2026年的102亿美元，同比增长108% 其中ASIC AI服务器PCB市场规模预计从32亿美元增至63亿美元，同比增长94% [89] - **国内PCB厂商积极扩产**：沪电股份、生益电子、景旺电子等国内头部厂商通过海外建厂、国内技改等方式积极扩充AI PCB产能 [90][93] 存储：AI推理驱动增长 - AI推理采用分级存储架构，HBM、DRAM、SSD、HDD协同支撑高效计算 [101] - AI推理，特别是超长上下文和多模态需求，驱动AI存储快速增长 测算显示，2026年10个谷歌级推理应用所需存储容量将达48EB [106] - 英伟达GPU配置持续升级，单GPU对应的HBM容量从H100的80GB提升至VR300 Ultra的1024GB，同时CPX系列新增GDDR7内存 [108] 电源：800V HVDC升级 - 为满足MW级机柜功耗需求，英伟达提出800V HVDC供电架构，可减少电能转换环节、降低损耗并简化热管理 [111] - SiC和GaN功率半导体是实现800V HVDC架构的关键，能实现更高功率密度与能效 [112] - 采用超高压SiC MOSFET的固态变压器可将高压交流电直接转换为800V直流，进一步提升能效 [119] - 预计至2030年，全球SiC&GaN功率器件市场规模将达25.64亿美元 [121] 存储周期：AI驱动价格上涨，扩产与升级同发力 价格与盈利 - AI驱动云侧和端侧存储搭载量显著增长，存储价格持续上涨，存储原厂毛利率显著提升 [4] 扩产：优先投向HBM - 海外存储原厂资本开支进入上行区间，产能优先投向HBM，传统DRAM和NAND投产较为谨慎 [4] 架构升级与设备需求 - **DRAM升级**：4F2+CBA工艺延续主流DRAM升级趋势；3D堆叠DRAM显著提升带宽，指向AI推理市场 [4] - **NAND升级**：3D NAND堆叠层数持续升级 [4] - 存储架构升级为设备需求带来新机遇 [4] 产业模式与接口芯片 - 存储代工模式迎来产业变革机会 [4] - 接口芯片如MRDIMM和VPD为产业打开新空间 [4] 投资建议 - 建议关注AI产业链相关标的，包括模型创新与CAPEX驱动下的算力、存储、PCB、电源等环节 [4] - 建议关注存储产业链相关标的，聚焦AI驱动下的价格上涨、架构升级及产业模式变革机会 [4]

Scaling Law的现状与历史 - 谷歌DeepMind首席执行官哈萨比斯在Axios AI+峰会上力挺Scaling Law，认为其对于实现AGI至关重要[1][6] - 哈萨比斯指出，Scaling Law最早的发现者并非OpenAI，而是DeepMind团队，其内部在2017至2018年期间的研究已发现相关规律，并称之为“Chinchilla Scaling Laws”[6][14][17] - 基于对Scaling Law有效性的确认，DeepMind调整了研究方向并投入更多资源，这被认为是其在大模型领域取得成功、推动Gemini从1.0演进到3.0时代的关键[18] Scaling Law与AGI（通用人工智能）的关系 - 公司认为，无论AGI最终形态如何，Scaling都将是其中的关键组成部分，且当前Scaling尚未到达极限，有必要继续沿此路线将系统推向最大化[21][22] - 哈萨比斯提出，单靠Scaling Law也有可能达成AGI，因为大量数据和计算资源的投入是展现类人智慧能力的合理途径[7][23] - 同时，他也猜测实现AGI可能还需要一两个类似Transformer或AlphaGo级别的重大突破，并预测这个时间点可能在5到10年内[24][26] 对未来12个月AI发展的预测 - **多模态融合**：完整的多模态融合将是主流演进方向，谷歌DeepMind正全力推进，旨在通过交叉融合图像、视频、文本和音频来全面提升模型的推理和创造力[27][28][30] - **视觉智能突破**：以谷歌Nano Banana Pro等图像模型为例，视觉理解能力有显著进展，未来将在更丰富的分析、故事讲述和分步视觉推理方面继续探索[31][32][33] - **世界模型普及**：世界模型是行业关注重点，也是哈萨比斯个人的工作重点，例如谷歌8月上线的世界模型Genie 3，预计下一年该领域将持续受到业界关注[35][36][37] - **Agent可靠性提升**：哈萨比斯认为，现有Agent系统尚不完全可靠，但预计再有一年时间，Agent将能开始接近于可靠地完成委托任务[38][39][40] Gemini的发展与目标 - Gemini 3的成功验证了Scaling Law的有效性，其全网爆火被视为谷歌打了一场漂亮的翻身仗[4][5] - Gemini 3的独到之处在于个性化的深度、简洁的回答、温和反驳不合理观点的能力，并能一键式生成商业级游戏，展现了其基座架构在理解高层次指令和输出高精度细节方面的优势[43][44][45][46] - 公司对Gemini设定的最终目标是成为“通用万能助手”或“通用助手”，下一代Gemini将延续现有优势，出现在更多设备上并无缝融入日常生活，其使用频率将变得和使用手机一样频繁[9][41][46][47]

文章核心观点 - 当前以大语言模型和图像分类器为主导的人工智能发展已达到极限，缺乏对物理世界的深度理解，导致生成内容常出现不合常理的问题[2][6][7][10] - 空间智能被视为人工智能突破当前瓶颈、实现下一个飞跃的关键前沿，其核心是让机器像人一样理解并交互于三维物理世界[2][11][12] - 实现空间智能的根本路径在于构建“世界模型”，该模型能赋予AI对物理规则进行推理和预测的能力，已成为学术界和产业界新的重点投入方向[19][20][23] 人工智能当前发展的局限性 - 现有大语言模型和多模态模型在生成可靠文本方面强大，但在处理与物理世界相关的任务时表现不佳，常被调侃为“人工智障”[6][7] - 具体案例显示AI缺乏物理常识：豆包模型在图像生成中将骆驼比例严重失调，并添加了不符合生物特征的动物[7]；OpenAI的Sora模型生成的蚂蚁视频中蚂蚁只有四条腿，且升级版Sora2在视频细节衔接上仍存在不符合常识的瑕疵[10] - 根本原因在于语言是人造信号，处理过程有信息损耗，而AI缺乏对真实物理世界体系的经验和根基[10] 空间智能的定义与重要性 - 空间智能概念源于教育心理学，指对空间信息进行感知、理解与操作的综合智能，涉及三维思维和空间想象，是人类从婴儿期发展的本能[12] - 在人类文明进步中，空间智能是关键驱动力，例如用于计算地球周长、发明珍妮纺纱机（使单人工效提升八倍）以及发现DNA双螺旋结构[12] - 将空间智能迁移至科技领域，旨在让机器获得理解并交互于三维世界的能力，这是AI发展的终极愿景之一，例如响应“去买杯咖啡”这类需要自主任务拆解与规划的高层指令[11][12] 空间智能的技术发展与产业应用现状 - 空间智能研究历史悠久，早在1970年代，大卫·马尔在《视觉》一书中就系统提出了从图像恢复三维世界的框架[15] - 技术已在部分产业中应用，例如手机AR测量、VR眼镜、扫地机器人、服务型机器人和机器狗，但这些应用或需人为操控，或对环境适应能力不强，容易因识别不清等问题导致故障[16] - 自动驾驶被视为目前规模最大、最成熟的空间智能应用，但其系统仍难以在复杂城市街道上进行安全推理，例如无法从突然出现的小球推测出可能有儿童跑上马路的潜在危险[17] - 当前技术的瓶颈在于“感知-推理-行动”链条中的“推理”环节，即缺乏能够理解物理规则并进行因果预测的内部模型[17] 实现突破的关键：世界模型 - 在数据（高质量语言数据可能在2026年左右耗尽）和算力（训练GPT-4成本可能超过1亿美元）存在限制的背景下，模型成为推动AI发展的关键[19] - “世界模型”于2018年提出，灵感来自人脑构建并运用“内部世界”的机制，旨在让AI能够整合感官信息，对物理世界进行直觉式推理和预测，例如预判咖啡杯滑落轨迹并接住[19] - 世界模型被视为实现空间智能的根本路径，因此成为产业界竞相投入的新焦点[20][23] 产业界的最新动态与投入 - 2025年1月，英伟达在CES上宣布推出可预测和生成“物理感知”视频的Cosmos世界模型[22] - 2025年3月，拥有全球最大室内场景空间数据集的空间智能企业群核科技，开源了空间语言模型SpatialLM，该模型登上HuggingFace模型趋势榜第二位[22] - 2025年8月，谷歌DeepMind发布了支持“实时交互”的世界模型Genie 3，为智能体训练及游戏开发等领域带来新可能性[22] - 近期，李飞飞参与创建的公司World Lab发布了首款多模态世界模型产品Marble，支持通过多种输入生成可编辑的3D环境[22] 未来展望与挑战 - 大语言模型的成功验证了“基础模型”技术路线的潜力，促使业界瞄准下一个前沿——赋予AI对物理世界的理解与交互能力[23] - 世界模型的搭建仍面临诸多难点：真实世界的复杂性与不确定性难以用现有数学模型全面处理；某些领域（如地球内部构造）数据获取有限；物理学本身对暗物质等现象的认知局限也限制了模型的完整性[23] - 尽管挑战巨大，但发展空间智能和世界模型代表了AI技术演进的重要方向[24]