小米罗福莉等AI圈四大天王同台！真正的AI创新，就得反共识｜直击智源大会

这是刚刚一场圆桌对话中说的一段话。

6月12日上午，一年一度的“北京智源大会”如约举行。

上午全体大会最后，安排了一场含金量拉满的圆桌对话，主题是“重构世界——中国大模型巅峰对话。”

其中，东道主、北京智源人工智能研究院院长王仲远担任主持人，

受邀嘉宾堪称AI圈“四大天王”：

AI“天才少女”、小米MiMo大模型负责人罗福莉，

清华大学计算机系教授、面壁智能联合创始人、首席科学家刘知远。

清华大学人工智能研究院副院长、生数科技创始人朱军。

南洋理工大学校长、讲座教授、人工智能交叉研究院院长安波 。

这场圆桌之所以受到高度关注，不止是嘉宾阵容豪华，更因为这四位代表着当下中国AI最关键、最核心的四条落地主线，基本覆盖了大模型从效率、交互、内容生成到智能推理的全部进化方向。

小米的罗福莉，代表的是模型的工业化革命。MiMo系列模型的出圈，是因为用类似DeepSeek模式，跑出了远超同规格模型的推理能力与综合性能，对整个行业而言，这意味着AI正式成为产业智能化发展的核心之一。

清华刘知远，则代表端侧全模态智能。不同于侧重文本推理的模型，其主导的MiniCPM系列，实现了文本、语音、视频的全维度端侧交互，让普通终端设备也能拥有高精度、高密度的多模态理解能力。更重要的是，模型开源开放、门槛极低，让大量中小企业、硬件厂商无需高额研发成本，就能搭载AI能力。

生数科技朱军，是国内世界模型与视觉生成赛道的领跑者。在全球AI从语言模型转向世界模型的关键节点，他的团队凭借原创的U-ViT架构，打造出第一梯队的视频生成模型Vidu，更搭建起数字内容生成、物理世界建模的核心技术体系，为影视创作、机器人具身智能、自动驾驶等前沿领域，提供了核心技术支撑。

南洋理工的安波，补齐了大模型深度推理与智能决策的算法短板。他的团队研发了TWOSOME 强化学习框架、Q 推理算法、Amodal3R 3D 生成等，攻克了传统强化学习成本高、不稳定、稀疏奖励等行业痛点，解决大模型复杂思考、自主规划、环境交互的核心难题，是AI智能体、通用人工智能落地的核心底层支撑。

在圆桌对话上，罗福莉认为，Claude Fable 5是一个中间产物的模型，远不是终结体。

她认为，未来世界模型需要像做长视频模型下的世界生成模拟器，但当前却不存在这样一个世界模型。

刘知远表示， 创新技术需要“反共识”。AGI与智能革命是全新的未知领域，真正的创新往往“反共识”、做非共识的事，敢于在无人探索的领域尝试、做出差异化选择，才能抢占未来机遇。

“突破固有认知、持续自我革新。取得阶段性成果后，不要固守过往的成功路径，要主动洞察行业趋势、否定固有经验、探索全新方向，才能持续跟上技术迭代的节奏。”刘知远称。

以下是对话这场圆桌对话全文的整理（有大量删减和修正）：

王仲远：从数字世界延伸到物理世界，未来最重要的竞争是谁能够率先掌握创造智能，驾驭智能，并让智能重塑现实的能力。所谓重构世界，也就不再是一句口号，而是我们必须共同面对的时代的命题。当智能成为生产力，组织力，创造力，人类的规则，边界和想象力都将被重新定义。

因此，我们将本次的圆桌会谈，定义为重构世界，那么在正式开始之前呢，也想请四位嘉宾简单的跟大家打一下招呼啊，介绍一下自己，说一下自己近期最关注的一两个技术问题，那么从福莉开始。

罗福莉：谢谢，大家好，我是罗福莉，我是小米 mimo 大模型团队的负责人。

我觉得当今的 AI 发展的非常绚烂，所以我很难说用一个词来形容，然后我就简单的讲一下我自己最近最关注的事情可能是 self improvement，尤其是在 auto research 领域。

朱军：大家好，我是清华大学朱军，我是也在生数科技啊，做这个我们叫通用世界模型，现在最关注的可能现在是这个以视频、原生世界模型架构来走向这个物理世界，能够打通这个我们的理解世界的预测，以及包括世界中的行动。

刘知远：大家好，我是清华大学计算机系刘知远，同时也是面壁智能的联合创始人和首席科学家。

那当然最近我们比较关注的还是这个大模型的智能密度定律啊，我们要把模型，它的智能密度训的越来越高，然后能力越来越强啊，能够赋能我们的所有的智能终端啊，这个是我们的愿景。

安波：大家好，我是来自南洋理工，我同时也在工业界有些兼职，所以我们最近在关注 agent 哈，就是在底座给定的情况下，怎么通过更好的哈利来有更强的推理能力。

王仲远：刚才其实各位老师也都谈到了，就是说现在整个技术发展还进步，依然是进步非常快，那我们先从前的这个最新的这个模型 Claude Fable 5聊起吧。

对，就在两天前，Anthropic正式发布了Claude Fable5，它的编程能力和 agent 的能力又有了大幅的这个跃升。

在Anthropic自己分享的这个案例中显示，一个5000万行代码的代码库进行全库的迁移，如果使用人类的团队要一个月，但是用 Fable 5一天就能完成，我也很想听听各位老师怎么看待这个最新模型，以及 AI coding 的进展，依然是一个量变势能的累积，还是已经到了质变的临界点。

而且，各位老师也都有在训练模型，目前模型的能力是在加速的提升吗？要不然我们先从福莉开始啊。

罗福莉：在我来看，Fable 5目前的结果是一个非常科学的去做 scaling，中间的一个产物，这个很科学做 scaling 包含可能现在 Fable 5 的整个参数量，以及我们猜测应该是目前最强的，呃，最大的开源模型的几倍，也就是说在预训练参数量级上，它做了一个几倍的一个 scaling，其次就是在 test time scanning（推理时扩展）或者说在强化学习上应该也是有一个非常大的一个至少算力上的一个投入。

然后此外就是我们由于，从 chat 迈向 agent 的时代，然后我们模型可以训练数据，从自然的互联网的文本数据迈向人跟 agent 的共同产生这样一个阶段。

合成数据数据的 scaling 也到了一个新的量级，可能从原来整个我们能获得的文本数据token 在40~80t 这样一个范围内，可能现在又迈上了一个新的台阶。

所以，fable5在我看来是一个大模型中间产物，数据以及甚至是 agent 的合成数据以及在 test time scanning 跟强化学习的结合上，这三个维度做了一个非常自然的外延的一个扩展的一个中间的模型的一个中间产物。

王仲远：所以福莉你认为，它依然是一个中间模型，是吗？

罗福莉：嗯，当然我认为Claude这个路径，至少在我来看，刚刚我提到三个维度，其实并没有停止。

王仲远：对，我们看到，因为小米最近前 mimo 模型做得非常好，包括token排名也都非常的高，也很想了解，从你看到的这个趋势上来讲，当下这个模型依然是快速的，这个线性增长还是亦或是指数型的增长呢？

罗福莉：我很难去预估这个增长的曲线原因是，我们通常看到模型能力是一个涌现的过程，然后包括，不管在不同的scene 路径上，其实我们都看到是这样一个涌现过程，所以我们似乎很难用一个非常刻板的曲线去量化它的。

王仲远：谢谢，来，朱老师。

朱军：我本人没有深耕语言模型的训练研究，关于这一块，罗福莉团队会有更多独到的洞察与经验。

不过我日常也会使用Claude Code等工具，结合身边老师和学生的实际使用反馈，能明显感受到模型的整体效果相较以往有了不小提升。尤其在视频模型、世界模型的训练上，现阶段的性能进步十分显著。

无论是对物理世界规律的学习掌握，还是各类场景的仿真模拟能力，都实现了突破性进展。过去两年多时间，行业整体迭代变化巨大，早期模型普遍存在严重的幻觉问题，很难产出可靠内容。

而如今，模型已经能够生成高质量、高专业度的内容，整体能力蜕变十分明显。

如今不少模型效果已经达到影视级标准，行业整体的发展逻辑，是不断打磨模型精细度、升级数据质量、扩大训练规模，以此实现模型能力的整体跃升。

当下行业普遍在探讨，模型迈向物理世界应用时，能否真正掌握物理规律。结合团队的研究与调研，我认为基座模型实现能力大幅提升后，再叠加场景逻辑、物理规律、3D感知等能力，落地效率会显著提升。

不同场景的落地需求存在差异，并非所有场景都需要极致精准的模型能力，多数常规场景依靠模型的直观理解能力即可落地，这也是大模型带来的核心价值。针对行业热议的Agent、代码解题消耗大量Token的问题，新版本模型在同等任务下，Token消耗量大幅降低，这是行业发展的正确方向，也是必须坚持的优化路径。现阶段的大模型已经具备更高层级的智能，能够自主调用工具、独立思考，未来模型的潜力还会进一步释放。

主持人：感谢朱老师。目前大语言模型依然遵循规模扩展范式，性能还在持续提升，想请问视频生成类模型是否已经抵达规模扩展的边界，还是依旧可以通过扩充数据、放大模型体量来提升性能？

朱军：视频与视觉模型的规模扩展还在持续推进，潜力依旧巨大。近期多款新型模型通过更激进的架构缩放，实现了能力的显著突破。放眼通用世界模型领域，规模扩展的路径还十分漫长。当前物理数据的积累、数据高效利用技术、模型架构优化等方向，都才刚刚起步，未来还有极大的探索和提升空间。

主持人：谢谢朱老师。接下来请刘老师分享观点。

刘知远：我对模型发展有三点核心思考。

第一，当下模型能力的持续升级，核心依托于可持续的数据飞轮闭环。近几年强化学习、代码生成相关技术的成功，都源于能够全网收集用户使用反馈与场景数据，形成持续迭代的动力，这是行业发展的重要启示。

第二，代码是数字世界的核心生产力工具，代码大模型的能力迭代，会对工业软件、漏洞检测等相关行业带来颠覆性影响。依托成熟的数据体系实现技术溢出，有望助力我们突破工业软件领域的卡脖子难题，搭建全新的国产化产业生态。

第三，代码大模型能够快速形成迭代闭环，核心原因是相关数据完全诞生于数字世界，极易实现闭环优化。OpenAI的成功，正是抓住了代码这一优质垂直赛道。这也启发我们，各行各业的专业知识，都可以尝试搭建专属的数据迭代闭环，以此加速AI在各垂直领域的落地应用。Anthropic在代码大模型领域的突破，以及其超越OpenAI的估值，印证了挖掘全新数据闭环场景的巨大价值，这也是行业未来创新的核心方向。

主持人：感谢刘老师，也就是说全新的细分领域，依然存在大量AI数据闭环的创新机会，能够持续创造新的产业价值。接下来想请教安老师，您如何看待Fable5系列模型？

安波：我近期尚未实测Fable 5模型，团队此前测试过多款同类模型，发现模型选型对最终效果影响极大。目前行业自演化技术热度极高，无论是Codex、Cloud Code等模型，核心逻辑都是依托用户使用数据、场景反馈，实现模型能力的持续迭代升级。

正如刘老师所说，代码能力是大模型的核心能力之一，能够高效解决各类程序化问题。但需要明确的是，并非所有问题都能依靠代码解决，大量复杂场景需要依托其他技术路径突破，这也是行业后续需要持续探索的方向。

主持人：感谢安老师。您是智能体领域的权威专家，今年AI智能体热度极高，小龙虾、Hermes等多款智能体产品广受关注，本次圆桌的开场词也是由智能体撰写，极大提升了工作效率。想请您分析当下智能体的技术发展现状，以及行业核心关注的技术难题。

安波：当前AI智能体仍处于发展初期，未来成长空间巨大。目前多数智能体偏向通用能力，真正的发展潜力在于落地工业垂直领域，解决行业核心痛点问题。例如智源研究院发布的医学AI相关技术，未来有望助力攻克癌症、艾滋病等重大医学难题，但距离实际落地还有很长的路要走。

从技术层面来看，当下智能体领域的核心研究重点是上下文工程，包括记忆机制优化、复杂任务动态编排、并行求解架构、多智能体通信机制等核心模块，这些也是制约智能体能力升级的关键瓶颈，是全行业的攻坚核心。

主持人：当下基座模型、智能体技术快速发展，AI自进化成为热门趋势。不久前Sophi发布长文，提出递归自我改进技术，有望让AI系统全自动完成下一代AI的设计、研发、数据生成与实验优化，实现“AI创造AI”。想请福莉分享，您观察到了哪些AI自进化的行业趋势？

罗福莉：去年顶尖大模型的核心优势，是在指令清晰的场景下完成高精度执行。而如今，顶尖模型的能力已经从单纯执行，延伸到抽象问题解决层面。完整的科研流程包含提出假设、设计实验、落地执行、设定观测指标、验证结果、行业交流、优化想法等多个环节，当前大模型已经能够完成实验流程规划、执行结果验证等中后段核心工作。

目前模型与顶尖科研人员的核心差距，在于原创假设提出、科研问题筛选、无效研究及时终止等具备主观判断与前瞻性的能力。但随着基座模型能力升级，搭配递归自我改进的智能体系统，模型的能力边界正在持续拓宽。身处这个技术快速迭代的时代，我对AI自进化的发展前景十分期待。

主持人：感谢福莉。刘老师连续两年主持智源大会智能体论坛，想请您谈谈对智能体发展、“AI创造AI”自进化模式的看法。

刘知远：我持续关注AI自进化领域，这一趋势是智能革命发展的核心关键。我们可以将智能革命类比历史上的工业革命：工业革命的核心是机器替代人类重复体力劳动，终极形态是“机器制造机器”，彻底摆脱人类体力依赖；而智能革命的核心，是AI替代人类重复性、机械性脑力劳动，“AI创造AI”正是智能革命进入高级阶段的核心标志。

工业革命历经数百年才实现机器自主制造，而大模型问世仅六七年，就已经迈入AI自主迭代阶段，技术迭代速度远超传统工业革命，这一变革浪潮会快速席卷全行业。随着AI自主研发能力不断提升，行业也需要持续挖掘全新的研究课题，推动技术不断突破。

主持人：感谢刘老师。我想进一步追问，“AI创造AI”已是确定性趋势，那么能否实现“AI优化AI”，迭代出更优质的Beta版模型？

刘知远：现阶段AI递归自进化的核心驱动依旧是人类。目前的技术模式，是人类主导、AI辅助完成模型研发与迭代。即便未来实现高阶的AI自主迭代，人类的主体性与主观能动性依然不可替代，最终AI的研发方向、服务社会的核心目标，始终需要人类定义，这是人与AI的核心关系。

主持人：想请教安老师，您如何看待AI自主迭代、AI赋能AI的发展模式？

安波：AI自演化与AI赋能AI高度关联。在AI能力尚未成熟的阶段，单纯依靠封闭环境很难实现有效自迭代。目前Codex、Cloud Code等模型的迭代，都依托于人工数据、用户反馈等外部信息，完全封闭的数据飞轮很难落地，行业需要理性认知AI自演化的真实逻辑，避免概念误解。

此外，当下AI并未诞生自我意识，虽然海外前沿机构已开始布局AI心理学、自我意识相关研究，但目前还处于探索初期，尚未形成实质性突破。

主持人：大模型、AI代码技术的进步有目共睹，但真实的物理世界是多模态、全模态的，涵盖图像、声音、时空等多元信息。朱老师深耕的世界模型、视频生成模型，是通用智能的重要赛道。想请各位嘉宾谈谈，多模态世界模型是否是实现高阶通用智能的另一条核心路径？

朱军：结合各位老师的观点来看，AI递归自演化需要依托增量信息支撑。如果只是挖掘文本、视频等现有数据的潜在价值，模型能力依然有提升空间；但物理世界属于开放闭环场景，和固定数据集的迭代逻辑完全不同，迭代难度与想象空间都更大。

目前物理世界大量场景尚未完成数字化、数据化，行业现阶段的核心工作是补齐场景数据、完善数据体系。长远来看，世界模型的在线学习、自主演化会更加复杂，但潜力也更大。传统机器学习需要人工定义清晰的问题边界、专属数据与优化目标，适配固定场景。而当下主流方式，是依托通用基座模型，先掌握基础的通用能力，再通过持续迭代，逐步提升适配物理世界的能力。

我们团队早在2020年就提出物理智能的发展思路，规划构建可演化、可自主发育的AI环境，让智能体在环境中持续学习，同时联动真实世界交互优化，这也是当下世界模型的核心发展逻辑。未来的世界模型，一定会是通用型基座模型，如同Transformer推动语言模型迭代为GPT通用基座一样，通用世界模型会成为物理世界智能的核心底座。

主持人：本次圆桌主题为“重构世界”，目前行业存在两条重构路径：一是依托AI代码、数字智能自进化，完成数字世界重构后，再延伸至物理世界；二是从物理世界出发，搭建全新的AI基座体系。想请各位嘉宾分享，哪条路径会更快落地、更具颠覆性？首先请福莉分享。

罗福莉：当前语言模型与世界模型并行发展，但语言模型的迭代速度更快。数字世界的数据体系成熟、场景闭环清晰，能够依托完善的智能体系统、精准的奖励机制，驱动模型持续探索升级，这是当下AI迭代的核心主流路径。

世界模型目前仍处于早期探索阶段，核心瓶颈是缺少高效的世界模拟器与视频生成模型。未来的发展方向，是先搭建高效的视频生成基座，打造适配真实世界的运行体系与强化学习机制，再叠加智能体系统，适配复杂的现实任务。整体来看，语言模型会率先完成迭代探索，待世界模型的基础架构、运行体系成熟后，两条路径会逐步融合互通。

主持人：谢谢福莉。朱老师是否认同这一观点？

朱军：我基本认同。语言模型是最早验证规模扩展定律的成熟赛道，也为视频模型、世界模型的发展提供了大量借鉴。世界模型的核心能力包含三点：看懂世界状态、预测推演未来、规划落地行动，三者缺一不可。而记录物理世界最丰富、最便捷的数据形式就是视频，这也是视频模型能够快速向世界模型演进的核心原因。

当前视频模型在场景理解、内容生成层面已十分成熟，后续会持续强化行动规划能力，赛道共识已经形成。从效率来看，模型面向人类的像素渲染成本较高，但机器无需完整像素信息，仅需内在思考与动作输出，效率优化空间巨大。现阶段行业的核心优先级，是持续拉高模型智能上限，能力成熟后再通过轻量化、定制化适配各类落地场景。整体而言，世界模型复杂度更高、发展周期更长，但未来前景十分可期。

主持人：由于时间关系，我们进入最后一个问题。当下AI技术飞速迭代，一批年轻研究者快速站上行业前沿，但也让大量年轻人陷入焦虑：技术更新太快、知识迭代频繁，传统技能与职业持续变革，学习压力与竞争压力剧增。想请各位嘉宾给焦虑的年轻人一些成长建议，同时为智源研究院的青年培养工作提一些意见。首先请福莉分享。

罗福莉：这个问题需要慎重思考。大模型与智能体的迭代速度远超所有人的预期，人与AI的能力边界、分工模式都在持续变化。我给年轻人的核心建议只有一个：始终保持探索欲与好奇心。

极致运用前沿AI工具，在持续试错的过程中，培养专属自己的判断力与科研审美。在技术高速变革的时代，独特的认知、判断与审美，是年轻人最核心、最不可替代的竞争力。

主持人：谢谢福莉。接下来请朱老师分享。

朱军：我长期负责清华无穷书院AI本科生的培养工作，对年轻人的焦虑深有体会。AI技术日新月异，所有从业人员都在持续学习、持续迭代，无人能够一成不变。

越是技术变革的大潮中，越要夯实自身根基，这是应对行业变化的核心竞争力。我们致力于打造AI原生的成长环境，让学生从学习之初就拥抱AI、用好AI。大家不必过度焦虑，所有人都处在同一起跑线，行业前辈、从业者、学生都在同步学习、同步更新，积极拥抱变化、持续深耕，就是最好的成长方式。

主持人：谢谢朱老师。有请刘老师。

刘知远：结合十年研究生培养经验，我给年轻人三点建议。

第一，敢为人先、敢于创新。AGI与智能革命是全新的未知领域，真正的创新往往“反共识”、做非共识的事，敢于在无人探索的领域尝试、做出差异化选择，才能抢占未来机遇。

第二，坚守初心、持之以恒。差异化的创新选择，必然会伴随质疑与否定，能否顶住压力、坚持深耕，是突破瓶颈、做出成果的关键。

第三，突破固有认知、持续自我革新。取得阶段性成果后，不要固守过往的成功路径，要主动洞察行业趋势、否定固有经验、探索全新方向，才能持续跟上技术迭代的节奏。

主持人：谢谢刘老师。最后请安老师分享。

安波：当下年轻人的焦虑，本质是过度功利的心态导致的。如果学习和工作的目标只是高薪、跟风热门赛道，就会陷入被动焦虑。

首先，年轻人要选对赛道、深耕核心问题，聚焦有价值、有意义的研究方向，避开无效内卷。其次，学历的价值正在弱化，当下真正的核心竞争力是实操能力与前沿认知，即便没有高学历，深耕一线前沿研究、积累实战经验，也能实现快速成长。最后，单打独斗已经跟不上行业速度，要主动寻找志同道合的伙伴，组建交流社群，遇到问题及时沟通探讨，避免自我内耗。

主持人：非常感谢各位老师的精彩分享。当下技术变革席卷全球，无论是行业前辈还是青年从业者，都在适应变化、持续成长，年轻人无需过度焦虑。回望当下，真正值得铭记的并非某一项模型、某一次技术发布，而是这场圆桌对话对AI底层逻辑、未来趋势的深度探讨。再次感谢各位嘉宾的倾情分享！

©本文为原创内容

未经授权，禁止转载