深度讲解LLM：《2025 世界人工智能大会》谈AI未来

     当前，全球智能化浪潮风起云涌，人工智能领域创新呈群体性突破之 势，语言大模型、多模态大模型和具身智能等领域日新月异， 推动人工智能向更高效、强智能的方向快速发展。人工智能与实体经济深度融合的特征更加明显，已经开始赋能千行百 业、走进千家万户，成为经济增长的新引擎，渗透到社会生 活各方面。同时人工智能带来的风险挑战引发广泛关注，如何在发展和安全之间寻求平衡，亟需进一步凝聚共识。无论科技如何变革，都应当为人类所利用、为人类所掌控，朝着向善普惠的方向发展。人工智能也应当成为造福人类的国际公共产品。

数字智能能否取代生物智能？—— 杰弗里・辛顿（Geoffrey Hinton）核心观点提炼

1. 智能机制对比：AI 在 “抗幻觉” 与效率上占优
   人类与大语言模型均可能产生 “幻觉”，但大语言模型表现远优于依赖类比信号的人类大脑。

2. 知识留存与传递：AI 具备显著优势

   • 人类知识受生物特性限制：大脑死亡即知识消逝，传递效率低（依赖语言等间接方式，无法完全复制）。
   • AI 可通过共享参数（如蒸馏技术）高效传递知识：独立智能体共享权重并同步运作时，能实现数十亿至数万亿比特带宽的知识传递。

3. 人类与 AI 的关系及应对

   • 当前关系类似 “饲养幼虎”：AI 未来可能轻易超越人类，人类需应对生存挑战（要么摆脱 AI，要么找到永久保护自身的方法）。
   • AI 已无法消除，能提升几乎所有行业效率，且难以被单一国家消除。
   • 呼吁全球建立国际社群（含各国人工智能安全研究所与国内研究网络），培养不会夺权的 “好 AI”。

每个人的 AI（Everyone's AI）—— 闫俊杰（MiniMax 创始人、CEO）核心观点提炼

1. AI 的多重价值与协同属性

   • 生产力与创意赋能：高效完成数据分析、领域追踪等工作；快速生成 IP 形象、降低视频制作成本，应用场景持续拓展。
   • 人机协同进化：AI 与人类协同进步，顶尖专家思考可助力其提升，通过特定环境学习不断增强能力。

2. AI 的发展趋势

   • 非垄断性与多元格局：因模型对齐目标差异、多 Agent 系统兴起及开源模型发展，呈现多家争鸣态势。
   • 成本优化与普惠化：训练和推理成本优化推动 AI 更易获取，最终实现 “intelligence with everyone”。

3. AGI 的实现与价值
   AGI 需企业与用户共同参与，成果由双方共享，凸显 AI 赋能人类潜能、推动社会进步的意义。

人工智能全球合作展望 —— 沈向洋、Eric Schmidt 核心观点提炼

1. 中美 AI 发展模式的差异与价值

   • Eric Schmidt 指出：中国涌现众多世界级 AI 模型，领先模型多采用开放权重模式，与美国显著不同。
   • 沈向洋认同：开放模式为全球 AI 创新注入活力，助力技术快速迭代与共享。

2. 中美 AI 合作建议

   • Eric Schmidt：快速达成共识、推动人员交流、解决非扩散问题。
   • 沈向洋：从具体领域入手，建立常态化沟通机制，逐步积累互信。

3. 全球 AI 发展的共同目标
   两人认同 AI 能提升智能、助力发展，强调中美作为重要经济体应合作维护世界稳定，确保人类掌控 AI。

人工智能的十年演进 —— 商汤科技董事长兼 CEO 徐立核心观点提炼

1. 十年三次跃迁，AI 能力持续拓展

   • 感知智能兴起：以深度学习为驱动，借助 CNN、ResNet 等算法及 ImageNet 标注图片，开启垂直领域视觉应用。
   • 生成式智能突破：2017-2018 年 Transformer 出现，模型通过海量文本学习，泛化与通用能力提升，实现生成式智能。
   • 多模态与具身智能发展：当前多模态大模型、智能体、具身智能与世界模型登场，AI 对真实世界的理解和交互能力增强，大众认知达高峰。

2. 数据是智能之源，未来需转向新数据类型

   • 感知时代：依赖人工标注，传递人类知识但耗时费力。
   • 生成式阶段：依赖自然语言数据，但互联网自然语言数据终会耗尽。
   • 未来：需转向 “真实世界互动数据”，AI 主动与环境交互才能快速进化。

3. 跨越虚实世界的实践

   • 打造 “开悟” 世界模型，推出 “开悟” 平台：可生成符合 3D 真实情况、物理规律的多视角视频，在自动驾驶等场景实现 AI 自举与自学。

4. AI 发展路径与影响
   沿 “感知世界 — 理解世界 — 生成世界” 路径前行，最终与现实硬件交互，改变世界、推动各行业变革。

AI 重塑企业韧性：数据基石 —— 埃森哲全球副总裁、全球数据能力主管董筱珊核心观点提炼

1. 企业数据现状
   多数企业数据处于 “未激活” 的 “死亡” 状态，难以找到可用数据，尚未为生成式 AI 时代做好准备。

2. 数据与 AI 的关系
   “数据变现的抓手是 AI”，即通过 AI 实现数据的价值转化。

3. 以数据重塑企业发展的路径

   • 借助业务知识，将数据转化为战略优势；
   • 把握技术机遇，建立现代数据基础架构；
   • 以企业战略定力为引领，确立系统化数据方法。

让每个人、每个企业都能用上好的 AI—— 腾讯云副总裁、腾讯云智能负责人、腾讯优图实验室负责人吴运声核心观点提炼

1. 当前 AI 系统的局限
   多数 AI 处于 “短期记忆” 阶段，难以支撑复杂、高维业务场景，实用性有待提升。

2. 实现 AI 实用性跃迁的关键突破方向

   • 具备 “长期记忆” 能力：处理长链任务、跨对话记忆关键信息，动态进化并实现任务执行闭环。
   • 迈向 “全模态交互”：融合多模态输入输出，推动 AI 从理解语言升级为理解世界，从 “能答” 进阶为 “能动”。
   • 构建 “多智能体协同” 架构：通过任务拆解、容错补位等机制，形成自组织、自进化的 “AI 团队”，提升系统鲁棒性与可靠性。