谭铁牛院士：通用人工智能还遥不可及，马斯克们过于乐观了

出品｜搜狐科技

作者｜张莹

编辑｜杨锦

4月10日至11日，2025中国移动云智算大会在江苏苏州举行。中国科学院院士、南京大学党委书记谭铁牛在演讲中指出，通用人工智能任重道远。

马斯克曾在2024年预测，通用人工智能的智力将在两年内超越人类。OpenAI CEO奥特曼也曾预测，超级AI或将在未来数千天内到来。诺奖得主、DeepMind创始人哈萨比斯则指出，我们距离AGI通用人工智能大约还有10年。

“他们过于乐观。”谭铁牛认为，人工智能刚刚起步，任重道远。“即使是现在最先进的人工智能，和人类智能相比，仍然有很多不能。”

谭铁牛指出，当前大模型在语义理解上仍存在不足，容易误解上下文，难以处理复杂隐喻、讽刺和多义词，限制了高精度任务中的表现。

在他来看，全面媲美人类智能的通用AI还遥不可及。因此，对于应该发展通用、专用还是多用人工智能的问题，谭铁牛认为，实际应用更需要多用人工智能。

此外，谭铁牛表示，“堆算力、堆数据”的蛮力AI发展模式不可持续。

谭铁牛解释道，“性能提升不可持续，GPT5迟迟不发，也就是说同样的数据、算力、性能提升没有以前那么大。”

他认为，人工智能发展路径要从“蛮力”到“灵巧”转移，发展更高效的新型轻量化的AI至关重要。

演讲最后，谭铁牛提到，人工智能不是万能的、还有很多不能，但在人工智能广泛滲透、智能时代扑面而来的今天，不去了解、拥抱人工智能则是万万不能的。

以下为演讲全文，经编辑：

大家知道，人工智能概念是1956年提出来的，过去近70年来中，人工智能大体上经历了三起两落三个阶段。

人工智能起步之时，通过逻辑推理来证明了一大批数学定理，非常激动人心，让不少人对人类的未来发展充满憧憬，也充满乐观。以至于这两位对人工智能的发展提出了现在看来不切实际的预测（见下图），这两个预测到现在也没有完全实现。

因为这样一个过高的期望和人工智能实际能力的巨大反差，使得人工智能进入一个发展的低谷。所以痛定思痛，觉得应该加强人工智能和应用的对接。

在第二个阶段，应用上又取得突破，同样又让一批人充满憧憬和过于乐观。以至于日本举全国之力发展所谓的第五代计算机，最终90年代初以失败告终，让人工智能的研究进入到第二个寒冬。现在进入了数据驱动的发展新阶段。同样的，大家也是充满憧憬与乐观。

我觉得人工智能发展将近70年的历程留给我们很多启示。我最想跟大家报告的就是最后一点，一定要坚持理性、务实。

人工智能发展到今天，确实在理论技术应用方面都取得了突破性的进展，也在深刻的影响人类的文明进程，也深刻影响着世界格局。我试图用九句话来概括人工智能的基本发展态势。

第一，专用人工智能日趋成熟。第二，大模型技术取得重要突破。第三，生成式人才焕发生机。第四，具身智能与人形机器人备受关注。第五，人工智能驱动的科学研究快速发展。第六，人工智能加速赋能千行百业。第七，人工智能领域的国际竞争日趋激烈。第八，人工智能的社会影响日益凸显。

第九句话可能跟很多同行的观点不完全一样，也许我过于悲观。在我看来，通用人工智能还任重道远。通用人工智能目前到底处于一个什么发展状态没有共识，我引用了三个大佬级人物的观点。

第一个埃隆·马斯克：通用人工智能就在两年内实现，是他去年讲的。

通用人工智能尽管定义没有共识，但是大体上认为，能够媲美甚至超越人类智能的人工智能叫通用人工智能。就按照这样的定义，他认为两年之内就能实现。

奥特曼似乎也比较乐观，他说通用人工智能将在1000多天内实现，也就是几年时间。第三个人哈萨比斯，在去年获得诺贝尔奖。他说，我们距离通用人工智能大约还有十年时间。这是他们三个人的观点。

他们的预测观点不禁我想起前面我讲的60年代、70年代的预测观点。在我看来，他们过于乐观。通用人工智能还刚刚起步，任重道远。因为即便最先进的人工智能系统跟人类智能相比，还有很大差距，人工智能还有很多不能。我可以举很多这样的例子。

全面媲美人类智能的人工智能还遥遥不可及。也许我过于悲观，但是我的确是这么想的。

我们到底应该发展通用、专用，还是多用人工智能？在我看来，我觉得实际应用更多需要的是多用人工智能。因为术业有专攻，但丝毫不是不要大模型。

我认为，在做精专用人工智能基础上，面向实际应用，推进多用人工智能的研究是可取之道。另外，堆算力、堆数据的蛮力AI发展模式不可持续。

原因很简单，性能提升不可持续。GPT5迟迟出不来，也就是说投入同样的数据，同样的算力，性能的提升没有以前那么大了，所以性能提升不可持续。

此外，能耗不可持续。“智能”让我感觉要多少“智”，就得消耗多少“能”。这显然与节能减排双碳目标、可持续发展背道路而驰背道而驰。

第三是因为数据支撑不可持续。数据用完了怎么办？拿生成式数据。大家知道生成式数据有幻觉，有错误的信息，带来的不是额外的知识，而是噪声。大家可以想想，用这样的数据来训练大模型会是一个什么结果。

所以我觉得，发展路径要从“蛮力”人工智能向“灵巧”人工智能转移。要发展高效、轻量级的人工智能至关重要。那么怎么发展？生物启发，通过算法创新、理论创新、工程创新等等实现这一路径。DeepSeek就是一个很好的例子。

当然，推进人工智能的发展也不能一叶障目，基本大模型的生成式人工智能不是AI的全部，AI赋能不限于大模型赋能。所以我觉得人工智能研究，应该回归本源。

所以对于下一步的发展，个人有几个观点供大家批评。第一个我觉得毫无疑问，人工智能是方兴未艾。我们一定要牢牢抓住这一轮的契机。首先应该要牢牢树立理性务实的发展理念。一定不能过于乐观。在热潮的时候，一定要冷静下来，看一看到底应该怎么发展。

第二，还是要打造生态。

第三，要加强与产业应用的深度融合。现在人形机器人非常火爆，在我看来，如果人形机器人只是跳舞，挥挥手，翻几个跟头，没有找到应用切入点，我认为不可持续。

第四，要大力推进人工智能赋能科学研究。第五是基础研究人才培养。第六，一定要坚定不移推进开放合作。

最后我要讲的是，人工智能不是万能的，还有很多不能。当然，在人工智能广泛渗透，智能时代扑面而来的今天，你不去学习、不去了解、不去拥抱、不去应用人工智能，这是万万不能的。

运营编辑 |曹倩审核｜孟莎莎