国内外大咖深度思考创新路径，AI进阶：寻找AlphaGo“第37手”

从前沿想象到AI（人工智能）落地，人类如何面对新一轮技术浪潮？

昨天，2025 Inclusion·外滩大会上，围绕“探索智能上限、深入产业实践、全球协作与发展”主线，国内外大咖共同探索AI时代的创新路径，也深度思考人类与AI的共生共存。

解决少“油”缺电，迎接AI“经验时代”

众所周知，AI发展有三要素：算法、算力和数据，三者缺一不可。

不过，2024年图灵奖得主、“强化学习之父”理查德·萨顿昨天在主旨演讲伊始就泼了盆冷水：人类数据红利正逼近极限。他表示：“今天大多数机器学习是把人类已有的知识转移到静态、缺乏自主学习能力的AI上，但当数据红利逼近极限时，现有的方法不能生成新的知识，而持续学习对智能的效用至关重要。”

没了“数据石油”，AI还如何跃升？萨顿认为，AI正进入以持续学习为核心的“经验时代”，潜力将远超以往。他表示，“经验时代”需要一种新的数据源，由智能体与世界直接交互生成，这正是人类和其他动物的学习方式，是AlphaGo自我博弈下的“第37手”（指AI超越人类经验作出的创造性决策）。

在萨顿看来，“经验”指的是观察、行动和奖励，这3种信号在智能体与世界之间来回传递。“知识可以从经验中学习，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。”他同时指出，强化学习带领人们进入新的“经验时代”，但要释放全部潜力，还需要两项目前尚不成熟的技术——持续学习和元学习技术。

“数据石油”续上了，另一个痛点也需要解决——能源。 AI的指数级发展对能源有着爆发式需求，有数据显示，目前AI用电量占地球的1.5%，而如果把AI比喻成“地球大脑”，参考人类大脑能耗占人体总能耗的20%，预测AI的耗电量也将占地球总耗电量的20%以上。

AI的终点是能源，能源的终点是聚变。今年外滩大会上，一台环形核聚变装置模型首次亮相，中国科学技术大学核科学技术学院教授、星能玄光创始人兼董事长孙玄不停重复一个业界共识，即核聚变是开启下一代文明的关键科技。

所谓聚变，指的是两个轻核聚合成一个重核，1克核聚变燃料，释放的能量相当于8吨石油。定义看似简单，实现过程却困难重重，且国内外企业的实现路径也各不相同。但相同的是，驱动聚变从实验室走向产业关注的核心力量，正来自于其最大的需求方——AI。当下，AI已进入聚变的各个领域，比如运行、材料设计、稳定性控制等，正因此，AI辅助核聚变控制是AI for Science的一项皇冠级应用。孙玄认为，在AI助力之下，核聚变领域被视为已处于商业化落地的黎明之前。

放眼“星辰大海”，去火星路上不能没有AI

如果说去年外滩大会，行业更多聚焦于“我们能用大模型做什么”，那么，今年更多大咖则放眼AI的“星辰大海”。

当下，智能体蓬勃发展，源码资本投资合伙人、美国国家工程院外籍院士张宏江认为，人类正进入“智能体群”时代，数量庞大的智能体之间彼此交互、执行任务、交换数据、交换信息，甚至交换任务，而人类与这些智能体群的交互，将构成“智能体经济”。他表示，模型和算力会成为未来组织的核心资产，智能体将重塑企业流程，“超级个体+智能体”会带来巨大的结构性变革。

阿里云创始人、之江实验室主任王坚将目光投向遥远的太空。“太空是人类最大的资源，AI不应该缺失太空。”王坚表示，继通讯卫星、导航卫星、遥感卫星之后，AI的出现会带来第四种卫星，即计算卫星。

今年5月14日，之江实验室首次把12颗卫星同时送上天，它们组成的星座上，包含一个8B参数的大模型，这也是被送入太空的第一个大模型。卫星所达太空之处，数据处理就可以在那里进行。王坚说，这个项目被命名为“三体计算星座”，为未来的深空探索打下基础。“人类去火星的路上，不能没有计算和AI的陪伴，这是未来10年甚至20年最激动人心的地方。”王坚表示。

萨顿则将宇宙发展进程分为4个时代：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”，这也正是今天我们通过AI所追求的目标。“AI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。”萨顿表示。

AI发力狂奔之后，“刹车系统”在哪里

图灵奖得主、院士们的发言中，还紧绷着另一根弦：AI应该如何与我们共存，并共同走向繁荣？

“AI时代，单有速度，不是进步。”《人类简史》作者尤瓦尔·赫拉利将历史作为参照系，为技术热潮注入冷思考。他并不反对科技变革，但任何强大的新技术，都需要社会花费漫长时间去建立与之匹配的制度与习惯，“如果我们在还没有学会识别和纠正系统不可避免的错误之前，就贸然让AI‘奔跑’，那么，速度过快的代价就会让最无力的群体承担。”

赫拉利从人类历史中提炼出3条教训，作为守护AI进步的“刹车系统”，首先，要建立全球合作，面对AI，人类需要建立可验证的全球承诺，而不是看“谁跑得更快”。其次，要构建修正闭环，在他看来，真正需要担心的不是技术本身，而是为了商业优势不顾安全边界地部署技术。最后，带着记忆前行，赫拉利说，当AI开始接管决策过程和构建叙事，我们必须守护人类记忆和讲述自身故事的能力。“如果把记忆托付给非人类智能，我们将一无所有。”

香港大学计算与数据科学学院院长马毅同样提到了验证与纠错。他指出，当前的大模型拥有海量“知识”，却不具备真正的“智能”，因为“智能”的核心在于自我验证与自我纠错能力。他呼吁，AI研究必须从依赖试错的“黑箱”，走向基于数学原理、具备闭环反馈的“白箱”，只有这样才能实现真正的机器智能。