中国科学院院士张钹：构建智能体需要具备思考能力、执行能力和感知能力三个条件

3月31日，在“2025中关村论坛年会”期间，在由智谱举办的智谱OpenDay上，中国科学院院士张钹发表演讲。

张钹在演讲中指出，当前，我们进入了一个历史大变革时代，这个时代之所以会来临，就是因为大模型的作用。一方面，大模型的出现使得人工智能的技术范式发生了根本性变化；同时，人工智能日新月异的发展也正在重塑各行各业的面貌。

张钹表示，大模型使得机器具备了像人类一样思考的能力，这一突破主要依赖于GPT，即生成式预训练变换器。通过巨大的人工神经网络和庞大数据量的学习，催生了强大的大语言模型。张钹院士强调，语言的掌握为人工智能打开了无限可能性。“维特根斯坦曾说，‘语言界限就是我的世界界限’。换句话讲，机器一旦理解和掌握了人类语言，必然会给机器开辟一条充满一切可能性的道路。”

当前的大模型发展主要依赖于“规模定律”——即神经网络规模和数据规模的扩大。但如何超越这一定律？

张钹指出，首先要进一步提升大模型的性能，同时降低成本。如何提升大模型的性价比？他认为，需要提升大模型的自主思考和推理能力，利用其本身的能力，来提高其性能。当前，这方面的探索包括“思维链”（Chain of Thought,CoT）、深度思考（Deliberate Thinking）以及AI反馈强化学习（RLAI,RLHF）。

同时，张钹表示，当前人工智能正从语言模型迈入“智能体化”时代，也就是说，应该把语言模型扩展到变成智能体。而构成智能体需要符合三个条件：思考能力、执行能力和感知能力。目前，大模型在数字世界中的表现已相对成熟，但若要应用于物理世界，执行能力和感知能力的提升将成为关键挑战。

尽管大模型带来了巨大变革，但在推理能力方面仍存在重大挑战。张钹院士总结了当前AI（人工智能）面临的三大难题。

首先是多层次空间的缺失。张钹认为，目前的语言模型采用token构建空间，虽然数学性质良好，但缺乏层次性，而没有层次的空间难以进行复杂推理。当前图像领域已通过扩散模型（Diffusion Model）解决了这一问题，而语言领域尚在探索如何引入类似的多层次结构，“我认为一旦把扩散模型扩充到语言上去，那语言上的推理就非常准”。

其次是过程与结果的偏差。张钹表示，“我们所有的推理都是以结果作为目标，有的人说这不叫推理，叫推断”，他表示，当前推理主要依赖优化结果，而非推理过程，这导致有可能出现结果是对的，但推理过程错误的现象。因此，需要强化AI推理的过程优化，使其更加符合人类的逻辑，这主要需要依托强化学习（Reinforcement Learning）的投入研究来解决。

此外，AI的可解释性一直是业界关注的核心挑战。张钹院士认为，这一问题不能仅靠企业解决，更需要学术界和产业界的协同合作，寻找理论层面的突破。