北大朱松纯教授：当全世界追逐"鹦鹉"时，他执意要为机器"立心"

来源：市场资讯

（来源：图灵人工智能）

北宋张载留下过一句话，是中国读书人千年的精神坐标——"为天地立心，为生民立命，为往圣继绝学，为万世开太平"。八百年后，一位从湖北鄂州走出、在哈佛追随数学家芒福德求学、在UCLA做了十八年顶级教授的科学家，把这句古训改写了一个字，砸向了人工智能最热闹的时代："为机器立心"。

当全世界都在为"大模型"狂欢、相信"大数据 + 大算力 + 大力出奇迹"就是通往智能的唯一道路时，朱松纯几乎是孤身一人地说：你们造出来的不是智能，是一只会说话的"鹦鹉"；真正的智能是"乌鸦"——它没读过海量数据，却能在陌生世界里自己想办法活下去。而要造出"乌鸦"，关键不在更大的模型，而在一件听起来近乎玄学、却被他用数理语言严肃对待的事——给机器，立一颗"心"。

这篇文章想讲清楚：朱松纯教授这套"反共识"的人工智能思想体系，到底从哪里来、独特在何处、又为什么值得每一个身处AI时代的人认真对待——哪怕你最终未必同意他。

一、为什么是朱松纯

在今天谈论AI的人里，朱松纯是一个异类。不是因为他不够主流——恰恰相反，他是计算机视觉领域华人最顶尖的代表之一：哈佛博士，三次问鼎计算机视觉的最高荣誉马尔奖（Marr Prize），斯隆奖、赫尔姆霍茨奖得主，UCLA统计系与计算机系教授。论学术地位，他站在金字塔尖。

他的异类，在于当整个行业都涌向"大模型"这一条路时，他是少数几个有完整理论、有原型系统、有人才梯队、还有一整套哲学来公开主张"此路通不向真正智能"的人。多数对大模型的质疑停留在吐槽（"它会胡说八道"），而朱松纯教授不同——他不只是批评，他在另起炉灶建一个范式：一套不同的智能定义（通智标准）、一条不同的技术路线（小数据、大任务）、一个不同的哲学内核（为机器立心、理心合一）、一个能跑的原型（通用智能体"通通"），以及一个培养下一代的学院体系（北大、清华的"通班"与北京通用人工智能研究院BIGAI）。

这就引出了他与时代主流的根本分野，也是理解他全部思想的入口。当所有人都在问"如何把模型做得更大"时，朱松教授纯问的是一个更古老、也更根本的问题——"智能到底是什么？我们怎样才能造出一个真正有'心'的智能体？"前者是工程问题，后者是科学与哲学问题。他赌的，是后者才是通往通用人工智能（AGI）的正道。

对错暂且不论。但在一个被"规模即一切"几乎统一了的时代，一个有分量、成体系的"反对者"本身，就是这个时代最稀缺、也最该被认真聆听的声音。这就是为什么值得花一万字来理解他这个人。

二、起点：一个数学家的学生，和一个"大一统"的执念

要读懂朱松纯，必须回到他求学的源头，因为他思想里最固执的那根弦，是在那里被绷上的。朱松纯1968年生于湖北鄂州，1991年从中国科学技术大学毕业，随后远赴哈佛，1996年获博士学位。他的导师，是数学家戴维·芒福德（David Mumford）——一位菲尔兹奖得主。这是一个意味深长的"违和点"：朱松纯做的是人工智能、计算机视觉，但他的学术血统，是数学。

这决定了他与绝大多数AI研究者的根本不同。工程师相信"管用就行"，而数学家追求"美而统一"。芒福德给他的，不是某个具体算法，而是一种近乎物理学家的信仰——纷繁复杂的现象背后，一定存在一个简洁、优美、统一的理论。朱松纯后来反复说的那句话，正是这种信仰的回声："通用人工智能一定不是大模型做出来的一个说不清楚的东西，它一定是一个非常美的、简单的东西。我相信它一定存在，所有的科学都追求用最简约的模型来解释纷繁复杂的现象。"

我愿意把这个贯穿他一生的执念命名为"大一统的执念"——他要的不是一个能用的AI产品，而是一个能解释"智能"本身的统一理论（他称之为AI的"大一统理论"或"Big AI"）。理解了这个执念，就理解了他一生那些让旁人不解的"放弃"：放弃保研、放弃斯坦福的职位、2020年放弃在美国苦心经营的庞大实验室和团队毅然归国。在外人看来是一次次"放弃成就"，在他自己看来却是一次次"圆梦"——所有的放弃，都是为了不偏离那条通往"大一统理论"的路。一个把"理论之美"看得比"现实成就"更重的人，注定会在一个崇拜"工程规模"的时代里，走一条孤独的路。

三、思想的心脏：鹦鹉范式 vs 乌鸦范式

现在进入朱松纯教授思想体系最核心、也最广为人知的那把"刀"——他用一个绝妙的比喻，把整个AI世界劈成了两半。

鹦鹉范式。鹦鹉能说人话，但它并不理解自己在说什么；它只是通过海量重复，模仿出了人类的语音。朱松纯教授说，今天以ChatGPT为代表的大模型，就是鹦鹉范式的极限——"大数据、小任务"：选一个架构，喂海量数据，把一个任务（如预测下一个词）做到极致。它看起来无所不知，但本质是统计模仿，没有真正的理解，没有自己的目的。

乌鸦范式。他讲了一个真实的故事：一位日本摄影师跟拍了一只乌鸦。这只乌鸦初到陌生城市，为了吃到坚硬的核桃，它学会了把核桃丢到马路上、让汽车碾碎；为了不被车撞死，它学会了看红绿灯和斑马线，趁红灯车停时再下去取食。注意：乌鸦的进化史里根本没有汽车和红绿灯，也没有任何"训练数据"或"示范"教它这么做。它完全靠自己，在极少的信息下，为了一个目的（活命、吃到核桃），自主地推理、规划、解决了一个全新的复杂问题。这就是"小数据、大任务"——从价值和需求出发，不需要海量数据训练。

这一刀劈下去，整个AI的图景就清晰了。我想给出本文第一个核心判断：朱松纯用"鹦鹉与乌鸦"完成的，不是一个比喻，而是对"什么是智能"的重新定义——智能的标志不是"知道得多"，而是"在不知道的时候，还能自己想办法"。鹦鹉的能力来自外部灌输的数据，乌鸦的能力来自内部驱动的价值与因果。前者是"大数据小任务"的模仿，后者是"小数据大任务"的创造。他赌的是：通往真正通用智能的，是乌鸦那条路。

他举过一个朴素却致命的例子：要让AI认识"椅子"。鹦鹉范式要收集世界上所有椅子的图片去训练，但只要来一个艺术家设计出一把奇形怪状的椅子，它就傻了，又得重新收集数据。而乌鸦范式问的是——椅子是用来"坐"的，能坐的就是椅子。从"功能"和"价值"出发，根本不需要海量数据。"什么是坐得舒服的椅子"，更进一步触及了"价值"层面。这个从"数据"到"价值"的转身，正是他整套思想的枢纽。

四、通智标准：他给"真智能"立的三道关、两重门

劈开两种范式之后，朱松纯教授做了一件更硬核的事——他不满足于批评大模型"不是真智能"，而是正面给出了"什么才算通用人工智能"的标准。这是他为AGI"正本清源"的判准，我称之为他的"通智标准"。

它由"三个基本特征"和"两个完备性"构成：

三个基本特征： 其一，能完成无穷多任务——不是一个、N个任务，而是能随时应对"N+1"的新情况。 其二，能自主定义任务——进入新环境，自己就能判断"该干什么"。他用了一个极传神的中国话："眼里有活"。一个真正智能的体，看到人打翻了水，不用人吩咐，自己就会去拿纸来擦，没纸会去找。 其三，价值驱动——人早上起床、饿了吃饭，行为是被自己的价值体系驱动的，而不是被数据或指令驱动。

两个完备性： 其一，认知架构的完备性——通俗说，"脑子里缺不缺一根弦"。人比猪狗高级，是因为认知架构更完备，所以很少的数据就能理解世界。 其二，测试环境的完备性——你不可能背着机器人满世界跑去验证它，所以要建一个"任何任务都能在其中复现"的练兵场。为此他真的造了一个完备的物理仿真环境（"通界"）和一套评级测试（"通智测试"）。

这套标准的厉害之处，在于它把"AGI"从一个营销热词，变成了一个可定义、可测试、可证伪的科学命题。用这把尺子一量，ChatGPT这样的大模型立刻"现形"：它能力很强，却不能自主定义任务、不是真正价值驱动、认知架构也并不完备——按朱松纯的标准，它是一只极其强大的鹦鹉，但终究不是乌鸦。

五、最独特的命题：为机器"立心"

如果说"鹦鹉与乌鸦"是他思想的纲，"通智标准"是他的判准，那么"为机器立心"，就是他区别于全世界AI主流的、最独特、也最大胆的命题。

他的判断斩钉截铁："用大数据驱动的大模型是一个大的飞跃，但它不可能走向通用人工智能，因为它缺'心'。"什么是"心"？他说，这颗"心"包含两样东西：良知（价值），和认知架构。大模型为什么不可信？因为"它认知空间是混杂的，我们搞不清楚它的价值体系"——ChatGPT说得头头是道，却时常暴露价值观错误，你不知道它到底"想"什么，所以你无法真正信任它。所以通用人工智能最关键的问题，在朱松纯看来，是"为主观的心建模"。

这个"心"，被他落成了一个有数理结构的双系统理论——U 与 V：

• U 体系，是"理"，是能力体系

  ——感知、认知、推理、执行，即"会做事"。

• V 体系，是"心"，是价值体系

  ——良知、伦理、价值判断，即"知道该做什么、为什么做"。

他追求的，是"理心合一"——让智能体成为一个U与V统一的"硅基智慧生命体"。这是我想强调的第二个核心判断：几乎整个AI界都在拼命优化"U"（能力越来越强），唯独朱松纯把赌注押在了"V"（价值）上——他认为，没有"心"（价值与良知）的能力，越强大反而越危险；为机器立心，才是破解AI安全问题的真正钥匙。

这是一个极深的洞见。当世界在担忧"AI会不会失控"时，多数方案是从外部给AI加约束（护栏、对齐、监管）；而朱松纯主张的是从内部给AI"立心"——让它本身就拥有一套与人类对齐的价值体系，像一个有良知的人，而不是一个被锁链拴住的怪物。外部对齐是"防",内部立心是"养"。这是两种根本不同的安全哲学。

六、中国路径：以中国之思想，创世界之科技

朱松纯思想里还有一个绕不开、也最具争议的维度——他明确地把这条路，命名为一条"中国道路"。他的口号是：为机器立心，为人文赋理，以中国之思想创世界之科技。"2024年底，他一口气出版了两本书——《为机器立心》（讲技术路线）和《为人文赋理》（讲思想根基），合称"通用人工智能的中国蓝图"。

他的逻辑是这样的：既然AGI的关键是"为机器立心"，而"心""价值""良知""认知架构"恰恰是中国传统思想（尤其是陆王心学、程朱理学）几千年来最擅长处理的领域——中国哲学本质上就是一套"基于价值判断的复杂决策体系"——那么，中国就有可能在AGI的"后半场"（从"能力"转向"价值"）实现弯道超车。他甚至尝试用AI的数理模型去重新解读阴阳、易经、禅宗、理学、心学，让中国思想为AGI提供"心"的蓝图。

落到工程上，他把这条路概括为"1238"中国路线：1个大一统理论框架（让AI"眼里有活"）、2个完备性（让AI"脑子不缺弦"）、3个基本特征（让AI能自主完成任务）、8个关键问题（让AI"具备三观"）。并交付了四个原创成果：全球首个通用智能体小女孩"通通"（价值与因果驱动，综合表现接近3—4岁儿童）、仿真平台"通界"、评级标准"通智测试"、科研平台"通境"。

他把这一切，接到了一个更大的叙事上——回答人工智能的"中国之问"："为什么AlphaGo、ChatGPT没有在中国诞生？为什么中国只能出现'百模大战'？什么时候才能出现人工智能的'中国时刻'？"他认为，这考问的是中国能否建立自主、原创的独立思想流派，而不是永远跟在别人后面做应用。在他这里，通用人工智能不只是技术，更是"新质生产力的典型代表"，是一场关乎科技自立自强的突围。

七、思想形状：一个逆共识的长期主义者

读到这里，可以提炼朱松纯教授超越任何具体理论的那个"元形状"了。我把它概括为"逆共识的长期主义"。在一个被大模型的惊人成功几乎"统一"了的时代，坚持说"这条路通不向真正的智能"，需要的不只是学识，更是一种近乎孤独的定力。这种定力的来源，他自己点破了——是"科学家的哲学责任和使命感"。他认为，回答"中国之问"，"一定要走出一条属于我们自己的路"，哪怕这条路在当下不被看好、见效缓慢、十年起步。

这种思想形状有两个根。一个根是芒福德给他的"大一统执念"——他无法接受一个"说不清楚"的智能，哪怕它再有用；他要的是一个"美的、简单的"本质。另一个根，是他身上罕见的文理兼修的文化自觉——他不把AI仅仅当成工程，而当成一次"科技与人文""东方与西方"对话的契机，试图让中国思想在智能时代重新成为一种"生产力"。

这让他成为一个奇特的存在：他既是最硬核的数理科学家（统计建模、计算机视觉的世界级权威），又是最人文的思想者（用AI重读心学理学）在一个学科越分越细、人越来越"专"的时代，他反其道而行，执意要做一个"通"的人——这本身，就和他追求的"通用"智能，构成了一种互文。

八、对标与边界：朱松纯 vs "苦涩的教训"

为了不把朱松纯教授写成一个不可质疑的先知，必须做一次诚实的对标——而且要找他最强的反方。

他最强的对手，不是某个人，而是一篇著名短文：强化学习宗师理查德·萨顿（Richard Sutton）的《苦涩的教训》（The Bitter Lesson）。萨顿总结了AI七十年的历史，得出一个让无数研究者不甘、却被反复验证的结论：凡是试图把"人类知识"手工注入AI的方法，长期看几乎总是输给"通用方法 + 大规模算力"。换句话说——别费劲教机器"理解世界"，把数据和算力堆上去，让它自己学，最有效。

这正是对朱松纯教授路线最致命的挑战。朱松纯教授主张"小数据、大任务""为机器立心""注入认知架构与价值"，而《苦涩的教训》恰恰说：这类"注入人类智慧"的努力，历史上一次次被"大力出奇迹"打败。而过去几年大模型的爆发——涌现、惊人的通用性、ChatGPT两个月上亿用户——似乎又一次为萨顿提供了铁证。

所以必须诚实地写出朱松纯路线的边界与挑战：

其一，经验证据当下并不站在他这边。大模型的通用能力是真实的、可用的、规模化的；而"乌鸦范式"至今没有跑出能与之比肩的通用系统，"通通"仍是一个3—4岁水平的原型。理论之美，尚未变成压倒性的现实战绩。

其二，"为机器立心""理心合一"哲学上动人，工程上的可证伪性与可规模化性仍存疑。批评者会说，这套叙事的哲学浓度高于可验证的技术细节，存在"用宏大概念覆盖工程难题"的风险。

其三，用中国传统哲学（心学、理学）映射AGI数理模型，有启发，也有"比附"的危险。把易经、禅宗与AI模型对应，是富有想象力的跨界，但跨界一旦失去严格论证，就容易滑向牵强的类比，而非真正的科学迁移。

但承认这些边界，恰恰是为了说明朱松纯教授真正的价值所在：他未必是对的，但他是那个在"唯规模论"几乎一统天下时，最有分量、最成体系地保留了"另一种可能"的人。科学史一再证明，被主流暂时压倒的"少数派路线"，常常是下一次范式革命的火种。即便大模型最终走得更远，朱松纯教授对"价值""认知架构""心"的追问，也几乎注定会成为AI绕不过去的下一道坎——因为"能力越来越强却没有心"的智能，恰恰是所有人最深的恐惧。

尾声：智能的终极，不是更大的模型，而是一颗"心"

人工智能走到今天，最响亮的声音是"更大"——更大的模型、更多的数据、更强的算力。朱松纯教授几乎是逆着这股洪流，提醒我们一件被遗忘的事。

如果把他的全部思想浓缩成一条可记忆的元原则，我认为是这一句：

智能的标志，不是"知道得多"，而是"心中有价值、眼里有活、在小数据下也能应对无穷的新任务"。所以通往真正智能的钥匙，不在更大的模型，而在为机器'立心'——让它不只是会做事，更知道为什么做、该不该做。

这正是他把张载那句"为天地立心"改写成"为机器立心"的全部深意。八百年前的中国读书人，追问的是如何为天地、为人间确立价值与秩序；八百年后，当人类第一次有能力创造出非人的"智慧生命"时，这个古老的追问以一种谁也没想到的方式回来了——我们能不能，为我们亲手创造的机器，也立一颗向善的心？

朱松纯教授也许会输给"大力出奇迹"的洪流，也许不会。但无论结局如何，他都已经做了一件重要的事：在所有人都盯着"机器能做什么"的时候，他固执地把我们的目光，拉回到了"机器应该成为什么"。

而这个问题的答案，最终决定的或许不是机器的命运，而是人的命运。这，就是一位追求"大一统"的科学家，留给这个仓促奔向智能时代的世界的、最深的提醒。

关键史实与概念备忘

• 朱松纯

  1968年生于湖北鄂州。1991年毕业于中国科学技术大学；1996年获哈佛大学博士学位，师从数学家戴维·芒福德（David Mumford，菲尔兹奖得主）；曾任教斯坦福、俄亥俄州立大学，2002年起任加州大学洛杉矶分校（UCLA）统计系与计算机系教授。三次获计算机视觉马尔奖（2003获奖，1999、2007荣誉奖），获斯隆奖、赫尔姆霍茨奖、Aggarwal奖。2020年8月归国，创建北京通用人工智能研究院（BIGAI），任北京大学讲席教授、人工智能研究院与智能学院院长、清华大学基础科学讲席教授，第十四届全国政协委员。2024年12月出版《为机器立心》《为人文赋理》。

• 核心概念

  鹦鹉范式（大数据、小任务，如ChatGPT，统计模仿）vs 乌鸦范式（小数据、大任务，价值与因果驱动，自主推理）；通用人工智能"三特征"（完成无穷任务、自主定义任务"眼里有活"、价值驱动）+"两完备性"（认知架构完备、测试环境完备）；为机器立心（"心"＝良知＋认知架构）；U（理/能力体系）与V（心/价值体系）双系统、"理心合一"、"硅基智慧生命体"；"大模型缺心，走不向AGI"、"为主观的心建模"；"1238"中国路线；四大成果——通用智能体"通通"（接近3—4岁儿童）、仿真平台"通界"、评级"通智测试"、科研平台"通境"；"为机器立心，为人文赋理，以中国之思想创世界之科技"；"中国之问"；通用人工智能＝新质生产力典型代表。

• 本文原创判断（作者提出，非朱松纯原话）

  将其执念命名为"大一统的执念"（源自芒福德）；将其思想形状命名为"逆共识的长期主义"；以萨顿《苦涩的教训》（The Bitter Lesson）作为其路线最强反方并据此展开四条边界；这些是解读，引用时请与朱松纯教授本人论述区分。

• 争议与边界

  朱松纯教授路线与大模型/规模化路线（《苦涩的教训》为代表）存在根本范式之争；其"小数据大任务""为机器立心"当下尚缺压倒性的工程战绩，"通通"仍为原型；以中国传统哲学映射AGI数理模型存在"比附"风险。本文已就此专门讨论，力求持平，不代表对其路线对错的判定。

注：本文对朱松纯生平的引述综合自北京大学人工智能研究院官方简历、百度百科/维基百科及多家媒体报道；对其思想与引语的概括主要依据其《为机器立心》《为人文赋理》出版资料、2024年全国两会期间访谈实录及公开演讲。涉及出生年份、毕业时间、奖项与引语如需正式引用，建议再核原始来源。深度解读与对标部分为作者原创判断。