萨顿论AI“经验时代” 与协作，王坚谈开源变革及太空AI探索

9 月 10 日 - 13 日，2025 Inclusion・外滩大会在上海黄浦世博园区举行，大会以 “重塑创新增长” 为主题，共设 1 场开幕主论坛、40 多场开放见解论坛、2 场全球主题日系列论坛、10 多场创新者舞台、10000 平米科技展览、5000 平科技集市、科技智能创新大赛和 1 场科技人才招聘会，此外还有创投 Meetup 等特色环节，为参会者提供深度交流与合作的机会。

在大会开幕式主论坛上，2024 年图灵奖得主、“强化学习之父” 理查德・萨顿（Richard Sutton）发表主旨演讲，他认为，人类数据红利正逼近极限，人工智能正在进入以持续学习为核心的 “经验时代”，潜力将远超

萨顿指出，当前多数机器学习旨在将人类已有知识转移到静态、缺乏自主学习能力的 AI 上，“我们逐渐达到人类数据的极限，现有的方法不能生成新的知识，不适合持续学习，而持续学习对智能的效用至关重要。” 他认为人类正进入 “经验时代”，需要由智能体与世界直接交互生成新的数据源，这与人类和其他动物的学习方式一致，正如 AlphaGo 自我博弈下的 “第 37 手” 及 AlphaProof 在国际数学奥林匹克斩获银牌的路径。

萨顿解释，“经验” 即观察、行动和奖励这三种在智能体与世界间来回传递的信号，“知识来自于经验，可以从经验中学习。一个智能体的智能程度，取决于它能预测并控制自身输入信号的程度。经验是一切智能的核心与基础。” 他同时表示，强化学习虽引领进入 “经验时代”，但要释放全部潜力，还需依赖目前尚不成熟的持续学习（continual learning）和元学习（meta-learning）技术。

对于外界担忧 AI 带来偏见、失业甚至人类灭绝，萨顿认为这类恐惧被夸大，且由某些从中获利的组织和个人煽动所致。他以经济社会运行为例，指出经济高效运转的前提是个体目标与能力的差异，同理，目标不同的智能体可通过去中心化协作实现双赢。“人类最卓越的超能力，就在于比其他任何动物都更擅长协作。人类最伟大的成功在协作本身 —— 经济、市场与政府都是成功协作的产物，” 萨顿强调，人工智能和人类的繁荣将源于去中心化协作，“协作并非总能实现，却是世间一切美好事物的源泉，我们必须寻求协作、支持协作，并致力将协作制度化。”

展望 AI 未来，萨顿提出四条 “预测原则”：一是对世界运转方式无共识，且无任何看法能凌驾于其他之上；二是人类终将真正理解智能，并借助技术创造智能；三是人类当前智力水平很快将被超级人工智能或超级智能增强的人类远超；四是权力和资源会流向最聪明的智能体。基于此，他认为人工智能对人类的替代不可避免。

从宇宙历史维度，萨顿将其划分为粒子时代、恒星时代、复制者时代和设计时代。他认为人类的独特之处在于 “把设计推向极致”，创造出能自我设计的事物，这也是当下人工智能的追求目标。人类至少是催化剂、助产士，更是开启宇宙第四大时代 ——“设计时代” 的先驱。“人工智能是宇宙演化的必然下一步，我们应以勇气、自豪和冒险精神来迎接它。” 萨顿说。

王坚也在论坛上围绕人工智能背景下的 “开放” 话题展开分享。他提到 “开源” 有不同理解，当下正经历从代码开放到资源开放的革命性变化。2025 年 1 月 13 日，美国公布的人工智能出口管制令明确对 “闭源” 权重实施出口管制，“开源” 权重则不在此列。1 月 31 日，随着千问 Qwen、DeepSeek 的开源，Sam Altman 曾表示 “在开源这个时刻，OpenAI 站在了历史的错误一边”。

王坚认为，2025 年，“开源” 这一源自软件时代的概念，已成为 AI 竞争的关键变量，产业和技术发展均无法绕开。回顾历史，1998 年互联网兴起时，浏览器是重要标志，当时最优秀、开放的浏览器 Netscape 的开源，成为互联网时代的 “分水岭”。“开源”（Open Source）一词于 1998 年 4 月被一批极客确定，当时指开放源代码，虽时间不算久远，却开创了后来的互联网时代。

谈及图灵奖，王坚提到 2019 年 Jeff Hinton 与其他开创者获奖，Jeff Hinton 在 2018、2019 年演讲中提及人工智能的两种重要方法：逻辑驱动法和受大脑或神经元生物特性启发法，后者的演进催生了 “权重” 概念。图灵在 1948 年就提出，受神经元启发（与真正神经元无关）的模型，当神经元数量足够多时会产生 “智能”，Jeff Hinton 所讲的第二种路径正源于此。

1986 年《自然》杂志的一篇文章明确了 “权重” 在模型中的重要性，其第三作者是获图灵奖和诺贝尔奖的 Jeff Hinton，前两位作者是当时著名的心理学家。事实上，80 年代中期，以心理学家为核心的小组探讨与 Neural 相关内容，而计算机科学家则聚焦逻辑驱动的人工智能方向。1986 年后，《Parallel Distributed Processing》教科书出版，Jeff Hinton 曾表示书中设想如今已成现实，该书相关文章由他与几位心理学家共同完成。值得一提的是，该书还附有实验手册，首次开放了所有关于该理论的代码，即便 1998 年开源概念才确定，如今仍可通过相关链接下载这些运行在原始操作系统上的代码。王坚认为，“开放资源” 概念并非因 “开源” 说法而产生，科学探索中诸多先驱早已践行，以生物学神经元为基础的方法论先行者也做了很好探索。

这为后续发展奠定基础。2012 年，Hinton 与两位学生结合数据、模型、算力 GPU，带来人脸识别时代，但当时 “资源” 概念并不深入人心，因数据量、模型复杂度、算力规模有限，相关文章发表时仅用了 2 块普通游戏 GPU 卡。2017 年，“Transformer” 和 “Tokenization”（即 Token）的提出成为里程碑，使数据真正资源化。自此，2012 年的 data、模型、算力叠加 “规模” 这一更大变量，规模的千倍万倍增长不仅让人工智能在原理上进步，更带来了翻天覆地的变化。

王坚认为，当规模达到一定程度，资源变得至关重要。模型权重的开放本质是数据资源和计算资源的开放，模型开放后，个体无需投入大量计算资源重复已完成工作，但要研发更优模型，可能需要他人投入更多资源。当下，仅开放源代码无法解决软件时代的问题，开放资源（特别是数据和计算资源）是推动行业发展的必要环节，这是人工智能时代 “开源” 的重要特点，王坚更愿称之为 “Open Resource”，因其与 “Open Source” 都可译为 “开源”，且开源不止于当下的模型。

王坚还提到，太空是巨大资源，人工智能不应缺席，但存在算力障碍。基于通讯卫星、导航卫星、遥感卫星，人工智能催生了第四种卫星 ——“计算卫星”，为 AI 进入太空创造可能。2025 年 5 月 14 日，之江实验室发射 12 颗卫星，其组成的星座首次将地面真正意义上的 8B AI 模型送入太空，这是完整的 AI 模型，而非简单的深度学习处理小程序。

这些卫星实现了太空卫星间的互联互通，此前天上卫星仅与地面交互，这为人工智能在太空带来巨大机会。该星座被命名为 “三体计算星座”。“三体” 是牛顿提出的科学概念：太空中两个物体（如月亮和地球）的关系有解析解（准确数学解决方式）；但加入第三个物体（如太阳），三者关系无解析解，需假定另一物体固定不动，即 “三体问题”。这如同 “三个和尚没水喝”，而 “三体计算星座” 希望在开放资源模式下，由无数主体共同参与星座建设、分享太空。

香港《南华早报》曾报道，唯有如此才能真正分享太空、将人工智能送入太空。相关计划将每颗卫星向全世界开放，可解决可持续发展等问题，也为深空探索提供可能，例如科学家设想几年后将卫星送入太阳轨道（Lagrange 拉格朗日第五点，距地球和太阳均 1.5 亿公里），因数据难以传回地面处理，故需将 AI 和算力送入太空，人类才可能真正走出地球。

王坚表示，未来十年甚至二十年，人类前往火星的旅程中，离不开计算和 AI 的陪伴，这一时代令人激动。