重复美国老路，永远都是追随者，朱松纯：什么才是真正AI创新？

元界由《权力、资本与商帮》作者王俞现主理

朱松纯火力全开，直指AI领域存在的盲目跟风、炒作、泡沫和乱象。

如果只是重复美国的老路 —— 算力、算法、部署，我们永远都是追随者。

行业对AI的讨论几乎被大模型能力所占据，而基础学科、原始创新与智能本质的研究却被边缘化，甚至遭到部分舆论的否定。更有甚者，形成了某种“技术投机”的氛围。这种认知偏差，正在让我们离真正的AI创新越来越远。

未来人工智能要想应用在社会的方方面面，要解决的关键问题就是它必须通用。

当前社会存在严重误区，仿佛只有 DeepSeek 等这样的企业做出了成果，甚至有人极端认为，学术界、研究机构的工作都是 “ 吃白饭 ”。

中国这几年成立了大量 “ 人工智能学院 ” ，但讽刺的是，很多 AI 学院的院长甚至都不是搞人工智能的。

人工智能不是 “ 神话 ” ，更不是 “ 安全危机 ”“ 生存危机 ” 的代名词。

朱松纯，北京通用人工智能研究院院长，北京大学人工智能研究院、智能学院院长，上述发言是3月29日他在2025中关村论坛年会“通用人工智能论坛”上的“愤青”之言。

朱松纯表示，当前火爆的DeepSeek等人工智能大模型，是大众所熟知的人工智能领域，但并不是人工智能的全部。“当年AlphaGo出现，与人类下围棋的时候，大家认为那就是人工智能；现在大模型层出不穷，大家又认为这代表了人工智能。但实际上，这都只是人工智能的一部分。”

美国的核心叙事逻辑

只是重复美国的老路，我们永远都是追随者

从 2019 年甚至更早，美国通过 AI 重新确立了技术霸权。全球资本过去 7-8 年都流向美国，围绕的核心叙事是： 大数据 + 大算力+ 大模型，最终通向通用人工智能（ AGI ） 。

随后， “AGI 带来人类生存危机 ” 的话题被广泛炒作，形成全球范围的焦虑。事实上，这就是一种媒体主导的叙事。

过去十年，媒体和投资圈反复宣扬 “ 大数据、大算力、大模型 ” 三位一体的路线，仿佛这就是 AI 的唯一未来。

2015-2016 年， AlphaGo 引发了第一次人工智能的热潮，但冷静下来 8 年后回头看，当时吹得神乎其神的 AlphaGo 及其相关产业，除了一些计算机视觉公司，所谓 “ 四小龙 ” 被抬高了估值，最后实际并没有形成产业化、社会化的广泛影响。很多 AI 初创企业最后都走向了衰退。

目前，行业流行的“AI for Science（科学研究新范式）”说法，其实也存在认知偏差。 AI的主要研究方向仍集中在视觉、语言、机器人等智能感知和行动能力上，严格来说，这些并不直接等同于“Science（科学研究）”。

真正推动科学研究的是Deep Learning for Science，也就是利用深度学习等工具辅助科学建模和数据分析，而不是AI本身作为科学的内在组成部分。

我曾经写过一篇文章，提到了“乌鸦与鹦鹉的范式”， 指当前AI多停留在“鹦鹉式”的大规模模仿，距离“乌鸦式”的认知与推理仍存在本质差距 ，批评过这种“泡沫化的融资神话”，今天看，很多现象依然在重演。

他认为，“如果只是重复美国的老路 —— 算力、算法、部署，我们永远都是追随者。”

AI乱象

真正“卡住”我们的，是我们的认知

AI 热潮下，很容易在 AI 平台、算力中心上形成过剩。很多平台根本租不出去，实际使用率只有 15%-20% 。更荒诞的是，现在在一些区域，电价都已经负了，电都卖不出去，怎么会有能源危机呢？

但当时，为何还有那么多地方“跟风上马”？根本原因是舆论叙事的问题，可能有的地方决策者会受到一些受舆论压力，加上媒体的 “ 过度渲染 ” 起到了推波助澜的作用。

这就是现在国内 AI 领域的现状： 表面热闹，实质混乱。

中国这几年成立了大量 “ 人工智能学院 ” ，但讽刺的是，很多 AI 学院的院长甚至都不是搞人工智能的。例如，某高校人工智能学院请了一位颇具名望的计算机理论专家担任兼职院长，却从未在人工智能领域有过正式论文发表。还有的学校干脆由数学、艺术学院的老师 “ 兼职 ”AI 学院院长。

类似前几年， “ 纳米 ” 概念泛滥，什么纳米鞋垫、纳米高压锅，现在又出现了 “ 伪 AI 热潮 ” 。再比如一些大模型公司自诩 “ 六小龙 ” ，但很多根本无法盈利，估值虚高，风险巨大。

常有人说，我们 “ 被卡脖子了 ” ，但我认为，真正 “ 卡住 ” 我们的，是我们自己的认知。

当下，政府机构、公众、甚至媒体，对人工智能的理解严重不足，跟着西方叙事亦步亦趋，最后只能得出 “ 我们被卡了脖子 ” 的结论。而实际问题是， 我们的认知水平远不足以指导正确的创新与战略。

通用人工智能创新的五个层次

什么才是真正的AI创新？

鼓吹“学术无用论”，不仅荒谬，也极其危险

朱松纯认为，人工智能的科技创新分为五个层次，五个层级如同冰山结构，“水面以上部分”包括执行层、算法层和模型层，是外在表现，是容易了解与实践的部分，相对而言也比较容易通过算法创新来改变和发展，比如DeepSeek和OpenAI。

而“水面以下部分”包括理论层和哲学层，是智能内在的、难以测量的部分。它们不太容易通过表层的影响而得到改变，但却对智能的发展起着关键性的作用。理论层即人工智能的数理框架，哲学层则关乎智能的本质。

第一层，哲学层面：探讨 “ 智能 ” 的本质。事实上，智能的本质是 “ 主观的 ” ，每个人的决策都基于自己对世界的认知与价值体系。这些认知未必客观，却决定了行为。

第二层，理论层面：建立认知的数学框架，如逻辑学、统计建模、概率计算。

第三层，模型层面：根据框架构建具体模型，如判别模型、生成模型、大模型等。

第四层，算法层面：在具体模型下，开发优化算法，提高计算、推理、训练的效率。

第五层，工程与部署：把模型落地到硬件、平台，优化存储、计算，形成可用的产品和系统。

在他看来，目前很多所谓的创新，仅仅停留在第 4 层（算法）或第 5 层（部署）层面，连理论框架都不具备，却在吹嘘 “ 颠覆 ” 。而我们现在真正缺的是对智能本质、认知建模的原创性突破。

当前社会存在严重误区，仿佛只有 DeepSeek 等这样的企业做出了成果，甚至有人极端认为，学术界、研究机构的工作都是 “ 吃白饭 ” ，这种情绪化、非理性的舆论正在误导大众。

我们必须澄清， DeepSeek 在工程落地、 API 产品化、算力优化等方面确实取得了成绩，但主要集中在工程部署层面，并未解决人工智能的核心难题 ——比如 认知建模、智能理论、学习机制等。

支撑今天所有 AI 应用的底座，正是学术界数十年在哲学、理论、建模、算法等基础层面的持续投入。若因短期的产品化成效，就否定基础研究，甚至鼓吹 “ 学术无用论 ” ，不仅荒谬，也极其危险。

朱松纯表示，不是只有少数企业代表中国 AI 的水平，长期支撑 AI 发展的基础学术群体、理论工作者、认知科学研究者，不应被忽视。否则，这种认知偏差，只会让我们离真正的AI创新越来越远。

以美国的创新为例，很多集中在最底层的硬件（芯片、架构）、大模型，以及算法优化。 我们如果想在中美竞争中取得突破，关键要在于第四层和更高的哲学与理论创新。

四步曲团队下一步的重点工作

在他看来，未来最难解决的问题，恰恰在于文科所关心的社会复杂系统，比如人口、政策、文明演化、价值体系。这些问题目前无法建模，无法实验，学界长期靠 “ 口头解释 ” 和 “ 事后分析 ” 在 “ 事后诸葛亮 ” ，预测能力接近于零。

但今天，大规模仿真（模拟）实验和智能体（Agent）建模的能力，让我们有可能让文科第一次变成一门可实验的科学。AI的真正前沿， 是通过模拟与建模，让文明、社会、经济与政策等可以进入可验证的科学范畴，而非止步于图像、语音和对话的优化。

他介绍说，他们团队现在已经基本完成了在智能哲学、理论框架、模型的初步构建，正在向算法优化和工程部署推进。

下一步的重点是：快速规模化，完成模型的工程化和商业化，与行业、应用深度适配和建立通用智能体（AGI Agent）工厂。

虽然西方主导的AI叙事逻辑早已显露出问题，但朱松纯所想表达的工作重点，也与迈向通用人工智能的西方叙事有共通的一面。譬如，朱松纯真切想表达的一个观点是，算法提升之外，不要放弃通用人工智能。

他说，“未来人工智能要想应用在社会的方方面面，要解决的关键问题就是它必须通用。”

按照他的构想，通用人工智能就相当于一个物理世界的人，它能解决无穷的任务，在一个场景中就知道自己需要做什么，并主动学习怎么做。“从通用智能体到行业智能体，最后到社会智能体，有可能需要上百万个‘通通’互相协作完成任务，这些都是通用人工智能发展的前沿研究方向。”

他认为，通用人工智能是大科学、大工程，需要：

集成计算机视觉、自然语言理解、认知推理、机器学习、具身机器人、多智能体等核心领域的模型与算法，并解释各种智能现象，构建智能科学的基础理论与框架；

实现具备自主的感知、认知、决策、执行、学习和社会协作能力，符合人类伦理与价值的个体级智能体；

打造大型社会模拟器，在社区、城市、国家三个尺度诠释过去、演绎现在、预测未来，实现社会级智能体。

他表示，我们和大模型的关系并不是 “ 对抗 ” ，而是共生。大模型像人类的潜意识，为我们提供了感知和记忆的底座；而我们要做的，是在其上构建通用智能体的认知与决策体系。而人工智能不是 “ 神话 ” ，更不是 “ 安全危机 ”“ 生存危机 ” 的代名词，它是真正关系到人类文明未来演化的工具。

他呼吁媒体、政府机构、研究者们，尤其要关注 AI 的顶层逻辑与原始创新，不要盲目跟随已有叙事，而要思考：中国到底要怎样的人工智能？

朱松纯AI叙事的具象成果

两年从三四岁达到六岁儿童的认知能力

按照朱松纯的AI叙事，全球首个通用智能人小女孩“通通”是其标志性的AI成果，去年先后亮相全国两会和中关村论坛年会。

当时，“通通”通过了涵盖视觉、语言、认知、行动、学习和价值6个维度的多项测试，已经有了与三到四岁的儿童相当的能力。

“‘通通’本身是一个具身智能体，能够存在于一个三维场景中，比如在三维建模的家里和人们聊天、收拾房间，做具体的事情。”朱松纯说。

今年，“具身智能”等新词首次写入政府工作报告。当前的人工智能应用离具身智能还有多远？朱松纯表示，具身是指人工智能具备一个人的基本能力，但是具身的身体是可以改变的。

他以“通通”为例进行说明，“通通”通用智能的能力可以应用于轮式人形机器人或者双足人形机器人，甚至是机器狗当中，但是在不同的“身体”里都存在一个价值体系和决策系统，能够指导它完成相对应的任务。

“过去一年，‘通通’也在上幼儿园，跟其他朋友进行交流，跟父母学习各种各样的知识，包括如何与人打交道、待人接物等等，各方面都有了很大的进步。”朱松纯说。

时隔一年，“通通”2.0版本再次出现在中关村论坛年会，并演示了多项更为复杂的任务，已经可以完成认知心理学定义的多项5-6岁儿童应掌握的经典任务。

在演示画面中，“通通”有了朋友“乐乐”和弟弟“天天”。在幼儿园场景中，“乐乐”在无聊的状态下主动拿起玩具玩耍，而饥饿的“通通”则打开了冰箱找食物。

当“通通”回到家中，希望弟弟“天天”帮忙收拾房间时，“天天”表现出了假装很累的状态：“啊啊啊，太累了，收拾房间好麻烦。”而“通通”不断劝说弟弟，最终弟弟同意一起收拾房间。

通研院研究员陈浩解释，“通通”2.0版本已具有自身价值观、世界观，在理解对话目标意图的基础上，遵循自身价值和人格，利用对话策略来引导对话的走向，从而达到自身的目的。在价值调控对话生成、消除模型幻觉、保持对话前后连贯性以及“言行一致”等方面，取得突破。

“如果一个智能体不会撒谎、假装，很难说它具备了人的智能。”陈浩说，可以从正面的角度来理解，智能体在做出类似撒谎、假装等行为，是由于其达到了一定的智能水平，而涌现出这样的能力。

目前，研究人员在操作页面中可以实时查看智能体的内心独白，从而了解智能体是基于什么样的因素触发了行为。

下一步，研究人员还将逐步增强智能体行为探索的透明度和可解释性。陈浩补充，今年年底，“通通”有望达到6岁儿童的水平。

资料来源：腾讯科技、人民邮电报、中国青年报

整理编辑：抱一君 欢迎转载，请注明元界（ID：Metabod）

合作投放：imerit 撰文论坛：yhxgj360