张亚勤：物理AI将迎“ChatGPT”时刻

（来源：新经济观澜）

近期，清华大学智能产业研究院创始院长、中国工程院外籍院士张亚勤在接受第一财经记者专访时表示，合作共赢与“AI向善”将重塑科技出海名片。

张亚勤认为，凭借极强的产业链优势与创新源头能力，结合低门槛的开源生态与深度的本地化共赢合作，中国企业在出海大潮中极具竞争优势。

以下为专访内容（有删节）：

第一财经：你在博鳌亚洲论坛上提到，智能体AI和物理AI将迎来爆发，这将给社会生活带来怎样深层次的变革？

张亚勤：我曾将AI分为三种：数字智能、物理智能和生物智能。现在大家常用的ChatGPT、豆包等主要集中在数字智能层面。但这还没有真正进入我们的物理世界。进入物理世界，就意味着AI会应用出现在比如机器人、无人机、无人车以及我们的基础设施中。这个时候，我们感受到的AI就不只是停留在屏幕上，而是真正融入到了我们的生活中，其规模和影响将大大增加。

再往后看十年，每个人都会有机器人（包括工业、社会和家庭机器人），甚至机器人的数量可能会比人还要多。物理AI目前最容易落地的是无人驾驶，其技术本身其实已经成熟，接下来的关键是规模化运营和政策法规的跟进。与此相比，家庭机器人要面对极其复杂的环境要求，例如做饭和照顾老人小孩，这需要物理世界的基础模型。要真正实现“ChatGPT时刻”，估计还需要五年左右。

在走向物理世界的同时，我们还在探索生物世界的AI，这可能需要更长的时间。目前的生物AI研究包括脑机接口、新药研发等，主要是在构建细胞和蛋白质的基础模型。最终我们的目标是打造出一个生命生物世界的基础模型。

为什么如今数字AI发展如此之快？就是因为底层基座大厦已经建立起来了。同理，一旦生物世界的基础模型建立，相关的应用发展也会迎来极速的爆发。当所有的物理基础设施（电网、物流等）都AI化后，将对人类社会产生巨大的影响。

第一财经：智能体AI将如何助力科学研究？

张亚勤：绝对是指数级的。今年的一个重大突破是AI能自己编程，AI教AI，智能体可以自主设定目标、分解任务、规划并试错迭代。这就推动了“AI for Science”的发展，比如用AI证明数学公式、物理方程，甚至是新药研发。例如，我们可以用AI算法从数十亿种小分子结构中迅速筛选出可能成药的分子，极大加快了新药研发的速度。这印证了AI是人类有史以来最伟大的技术，只要用得好，能够极大帮助人类解决医疗、气候等难题。

第一财经：在地缘冲突和贸易摩擦频发的大环境下，哪些场景能成为中国科技企业“AI出海”的新名片？

张亚勤：首先要解决全人类的共同挑战，比如公共卫生、气候变暖、老龄化问题。这些领域与地缘政治关联度较低，且符合AI“向善”（AI for Good）的理念。

其次，目前中美在AI路径上存在差异。美国偏向于寻找参数上限的闭源大模型，而中国企业在模型架构的灵活性、开源生态和商业效率上具备优势。比如，现在讨论的Token出海，其商业逻辑是对的，但在海外大规模落地，必须结合本地数据中心，从而解决网络延迟和数据安全隐私等的问题。另外，中国企业有着极强的产业链优势和高度市场化的竞争能力，只要尊重当地法律文化，深度融入本地生态，出海是极具竞争优势的。

第一财经：你提到了中国企业出海可以借助“AI向善”的理念，这确实能触及各个市场的痛点，比单纯的“卷价格”更能建立生态和信任。但另一方面，无论是气候、医疗还是普惠金融，都涉及大量数据。在全球地缘政治背景下，各地对数据的敏感度越来越高，企业该如何应对这一矛盾？

张亚勤：这就解释了为什么出海到任何一个国家，都必须与本地生态进行深度合作。无论你出口的是机器人、AI模型算法还是Token，商业与合作的本质没有改变。特别是针对你提到的数据敏感问题，比如医疗领域各地对隐私要求都比较敏感。这个时候你就必须和本地的医院深度合作，而不是简单地以为把算法确定了就能解决一切，没那么简单。

实际上，中国科技企业出海有着极大的自身优势。首先是国内企业多年来高度竞争，造就了极高的市场化程度和竞争能力，尤其是互联网企业，出海后往往会发现海外的竞争并没有那么激烈。其次是强大的产业链和产品质量优势，如今出海产品价格低，并非因为人工便宜，而是得益于极高的自动化技术和机器人应用。更重要的是，现在的技术创新源泉越来越多地来自于中国。如果说十到二十年前我们还在模仿美国，那么现在许多原创技术都来自中国。例如在制药领域，预计到2025年将有40%的原创药靶点来自中国，甚至连英美等国都要到中国来购买靶点。所以，创新的源泉、高效的产业链以及市场化竞争能力，构成了我们出海的巨大优势。

但出海绝不是把中国的产品原封不动地照搬出去，而是一定要高度本地化，尊重当地的法律和文化，和本地企业深度融合，实现双赢。

第一财经：在AI发展过程中，如何确保其普惠全社会，而非加剧全球南方国家（Global South）的数字鸿沟？

张亚勤：这不仅需要技术的驱动，还需要政府和企业的共同努力。具体而言，这涉及三种核心力量的协同：首先是推动底层科技创新的力量，这主要依赖于科学家的不断突破；其次是推动技术规模化应用的力量，这离不开企业家的商业化探索；最后是建立有效监管与治理体系的力量，需要政策制定者和决策者来确保技术发展真正为全人类的福祉服务。如果没有良好的治理，AI的高门槛（算力、数据、算法）很容易导致财富和资源进一步向少数企业集中，加剧两极分化。

开源模型在实现普惠方面起到了很好的作用。我一个月前参加了一场联合国的会议，遇到很多来自非洲等全球南方国家的代表。他们对中国大模型的开源生态表达了特别的感谢。虽然，美国前沿大模型的效果很好，但使用成本极其昂贵。相比之下，像DeepSeek、千问等中国开源大模型门槛低、成本低，在这些国家的中小企业中非常受欢迎。

另外，面对AI可能带来的短期失业问题，社会应该探索新的财富分配方式和工作机制，比如全民基本收入（Universal Basic Income）。随着生产率的大幅提升，我希望未来一二十年后，人们每周只需工作两三天，且有更高的收入，让工作更多从“为了生存”转向“为了兴趣”。

第一财经：当前，不论是政府还是企业都非常强调“AI向善”。你认为实现AI向善首要的工作是什么？

张亚勤：主要有三个方面的工作：第一，人才是基础。我们需要培养专门面向“AI for Better”方向的顶尖人才，让他们毕业后投入到AI制药、AI医院、AI绿色计算等事业中去。第二，需要政府、企业、NGO和慈善机构等多方合作，推动解决弱势群体问题的大型联合项目。第三，必须高度警惕和防范AI带来的风险。

第一财经：具体而言，我们需要防范AI的哪些风险？

张亚勤：AI带来的风险主要可以归纳为三个层面。

首先是技术本身失控的风险，目前的AI算法尚未完全透明，存在“黑盒效应”，且容易产生幻觉或制造深度伪造（Deepfake）等虚假内容。一旦未来的多智能体系统或机器人接入了金融系统、核电站以及大型电网等关键物理网络，失控的后果将不堪设想。

其次是技术被滥用的风险，即AI技术一旦落入不法分子之手，将可能引发严重的安全攻击。

最后是系统性的社会风险，这关乎整个社会结构的变迁，包括AI可能引发的短期失业潮、企业组织架构的剧变以及税收体系的重构等深层次问题。

面对这些不可忽视的挑战，社会各界绝不能盲目乐观，政府需要在鼓励技术创新和实施有效治理之间找到平衡点。最近，国家相关标准委员会（如TC260、TC28）已经出台了一系列标准与治理方案。在此基础上，我也一直在呼吁几项关键的治理准则：AI生成的内容必须要有明确的标识，智能体同样需要具备可追溯的身份标识，且绝对不能允许智能体进行自我复制。