WAIC特辑丨为机器立心——朱松纯谈通用人工智能的原创之路与中国智慧

演讲人｜朱松纯 北京通用人工智能研究院院长
7月20日，在WAIC 2026思想者论坛上，北京通用人工智能研究院院长朱松纯发表了《为机器立心：构建AGI认知架构和价值体系》的主题演讲。

演讲正文如下：

引言

任何技术浪潮的兴起，都离不开一个宏大的时代叙事作为背景。回顾过去二十年，国际政治经济格局的叙事经历了深刻的转变。

上世纪90年代到2016年前后，全球化和自由民主的叙事占据主导地位。托马斯·弗里德曼那本影响甚广的《世界是平的》，可以作为这个时期叙事的典型代表。在这个框架下，中国2001年加入世贸组织，凭借人口红利与制造业优势实现了经济的腾飞，成为全球化叙事的受益者和重要力量。

事实上，我在2025年1月的北京大学光华新年论坛上，就明确提出了从“世界是平的”到MAGA的叙事转变，并对大数据、大算力、大模型的技术路线提出了质疑。今天全球科技股的剧烈震荡，印证了当时的判断。随着全球化对美国制造业和产业工人的冲击逐渐累积，民粹主义思潮日益抬头。2016年特朗普赢得大选，标志着美国的政治叙事开始从新自由主义的全球化叙事转向“美国优先”的国家竞争叙事。为了应对中国的崛起，重塑其全球竞争力，美国迫切需要一个新的战略锚点——这个锚点落到了人工智能上，更准确地说，落到了通用人工智能上。

01

全球AI竞争已上升至地缘政治与国家战略维度

从全球经济发展视角来看，大国博弈的焦点正从地缘势力范围、军事力量对比等传统维度转向科技主导权的争夺。纵观全球经济发展历程，大致经历三个阶段：从以房地产、基础设施和工业化为核心的资本积累阶段，到如今迈向由新兴科技、平台生态和知识产权驱动的创新驱动阶段。以人工智能为代表的新兴科技，成为驱动经济发展的引擎，也是国家核心竞争力的重要组成部分，其发展水平不仅体现经济实力，也与国家安全、制度话语权紧密相关。能否在AI领域占据领先地位，直接影响一国在全球创新版图与经济秩序中的位置；AI竞争也逐渐从纯粹的技术与市场竞赛，演变为围绕技术壁垒、供应链安全和数字时代发展主权的系统性博弈。

这一战略转向并非偶然。2015年前后，深度学习的进展让通用人工智能开始被视为一个有可能实现的目标。2014年，谷歌高价收购了DeepMind；2015年底，OpenAI正式注册成立；2016年3月，AlphaGo战胜围棋世界冠军李世石，全球数千万人观看了这场“人机大战”，人工智能的讨论热度自此彻底超越学术圈，进入公众视野。2017年特朗普就任后，美国政府着手将AI作为国家竞争的关键领域进行系统布局。2018年开始的贸易战以芯片为切入点，芯片被赋予的战略地位类似于工业时代的石油——它是未来产业命脉的物理载体。

2026年6月，美国政府以国家安全为由，要求美国AI公司Anthropic暂停所有海外用户对其最先进模型Fable5和Mythos 5的访问权限。这一事件的深远影响在于，它将前沿AI能力从市场化商品升级为国家战略管控资源，直接打破了世界各国可以稳定获得美国AI模型的预期，加深了全球各国对“主权AI”的重视。这进一步印证了：全球AI竞争早已是技术能力的竞赛或市场与资本的博弈，上升至地缘政治与国家战略维度，能否构建自主可控的全栈软硬件技术体系、充分把握战略主动与叙事权，关乎一个国家能否在智能时代站稳脚跟、引领世界。

这个叙事的效果是显著的。它成功地将全球资本、硅谷技术与华盛顿政策捆绑在一起，形成了强大的合力。从市场数据看，以“美股七巨头”为代表的科技巨头股价飞涨，市值总和一度超过标普500指数其余493家公司的总和。按照这一叙事的设想：只需要少数几个天才加上无限供给的智能体，就可以改变竞争格局。2025年特朗普再次就职后，进一步任命“白宫人工智能沙皇”，发布“AI曼哈顿计划”，试图将通用人工智能作为中美科技竞争的战略武器。

从更深层的战略逻辑来看，这套硅谷、华尔街和华盛顿的“三重奏”，本质上是美国以AI为杠杆撬动全球资源配置的战略。借助“AGI竞赛”的宏大叙事与资本泡沫，美国成功将全球资本虹吸至本土AI产业：从华尔街到硅谷，从主权基金到养老基金，数以万亿美元计的资金源源不断注入美国的数据中心、电网扩容、先进芯片产能等AI基础设施。这一策略与1999年互联网泡沫的底层剧本如出一辙——彼时纳斯达克泡沫破灭后，遍布全美的光纤网络与一代技术人才，支撑了此后二十年的美国科技霸权。

如今，美国对AI泡沫采取“纵容”态度，正是看准了这一点：泡沫终将破灭，但泡沫期建成的基础设施、聚集的全球顶尖人才，将永久性地留在美国本土，成为不可迁移的战略资产。

正如美国财长贝森特所言：“AI最大的风险是让竞争对手走在我们前面。”在这套逻辑下，关键是通过叙事驱动的资本洪流，完成美国的AI基建布局、锁定全球高端人才，以技术代差确保领先优势。以叙事为手段，以泡沫为工具，将金融投机转化为不可移动的物理资产与人力资本，是这场“三重奏”的最终目标。

02

警惕由商业逻辑包装导致的技术误判

在国际叙事的宏大背景之下，市场层面的营销不断放大AI的重要性与紧迫性。营销的核心在于“讲故事”——当旧的增长故事遇到瓶颈，资本、媒体和产业就需要寻找新的叙事来维持增长预期。在这一过程中，有三类技术误判经由商业包装成为撬动投资的杠杆。

第一类是“大模型即AGI”。这种说法把大语言模型等同于通用人工智能，或者认为大模型再往前走几步，AGI就会自然出现。但事实上，大语言模型处理的是语言序列的概率分布问题，它在本质上是一个统计模式匹配工具，并不具备真正的理解、推理和因果认知能力。把语言层面的流畅对话等同于通用人工智能，这中间存在概念的偷换。这种论断在商业层面起到了显著的营销效果——它让市场相信，只要沿着大模型这条路继续加大投入，通用人工智能就指日可待。而从学术角度看，这种说法模糊了大语言模型与AGI之间的本质区别，对公众认知和资源分配都造成了误导。

第二类是“规模定律”（Scaling Law）。这一论断认为，只要把数据量、模型参数和算力规模不断做大，通用人工智能就会自然涌现。当时有说法称需要百万张GPU，后来又说要千万张。国内一些重要人工智能会议的主题设置，基本上就是在为这套叙事做传播——信息从美国传过来，我们这边请来美国的专家再讲一遍，形成了一种信息倒灌和放大的效果。现在越来越多的人开始承认，单纯靠规模扩展走不到通用人工智能。

第三类是“人类危机叙事”，将AI渲染为可能灭绝人类的威胁。这个话题在英国、旧金山、首尔、巴黎都开过峰会，成立过研究机构，也有不少科学家联名呼吁暂停大模型研发。但回过头来看，这些危言耸听的论调，相当程度上是部分AI初创企业营销策略的组成部分——把自己的技术说得越强大、越危险，越有利于吸引资本关注，维持高估值。Anthropic便是典型案例：该公司一边宣称其新模型Mythos 5功能过于强大、存在安全风险而不向公众开放，一边借此制造稀缺感吸引资本关注，随即启动IP0冲刺万亿美元估值，这种以“危险”为卖点、以恐惧促营销的操作，被业界称为“奥本海默式营销”。当然，这不是说AI的安全和监管不重要，而是说把问题夸张到人类灭绝的程度，背后有资本运作的逻辑。

在这一过程中，我们国家的媒体尤其是自媒体成为趋势的放大器，大量“炸裂体”标题贩卖焦虑、传播不实预期。上述言论经由商业逻辑的包装与营销，成为撬动市场预期、吸引资本投入的杠杆。问题在于，当营销的速度和声量远超技术本身成熟的速度时，便为泡沫的产生埋下了隐患。泡沫的本质，是技术价值被过早、过度地折现。每当旧的增长故事遇到瓶颈，资本就需要寻找新的概念维持预期。

03

国内AI发展的四轮资本泡沫

从2016年至今，国内AI产业界经历了四轮热点轮换。

第一轮以“AI四小龙”为代表，聚焦以人脸识别为核心的判别式模型。商汤科技、旷视科技、云从科技、依图科技四家企业成为资本追逐的核心标的，融资纪录被一再刷新——商汤B轮4.1亿美元，旷视C轮4.6亿美元，彼时创下全球AI领域单轮融资最高纪录。我在2017年发表的《浅谈人工智能》中就指出，人工智能有六大核心领域，视觉识别只是其中一个很小的子领域。四小龙将全部筹码押注在“人脸识别”这一技术热点上，当2022年大模型成为主流时，其技术积累无法直接迁移，迅速在AI 2.0时代边缘化。

资本狂热的背后，是企业估值与商业基本面的严重脱节。“四小龙”的商业模式高度依赖政府安防订单与企业定制项目，项目周期长、回款慢、毛利率低，始终未能建立起可持续的盈利能力。商汤科技2018至2024年累计亏损达546亿元；旷视科技2024年终止IPO进程，核心业务被迫转向物流机器人；云从科技2024年营收暴跌36.69%，八年累计亏损超45亿元；依图科技撤回科创板申请后团队规模收缩超70%。业内一度流传：“10家AI企业有9家在亏损，还有一家正在申请破产。”第一波AI泡沫，就这样在资本退潮后裸露出技术路径短视与商业模式缺失的双重困境。

第二轮是2021年前后的元宇宙热潮。Facebook宣布更名为Meta并全面投入元宇宙，国内腾讯、字节跳动等巨头迅速跟进，字节跳动以90亿元高价收购VR硬件厂商Pico。这一轮热潮中最具泡沫特征的现象，是虚拟房地产的炒作。2021年11月，六大元宇宙平台的虚拟地块每周交易量峰值达10亿美元，Republic Realm以430万美元购入一块虚拟土地。进入2022年，随着加密货币市场走弱，六大元宇宙平台的虚拟土地平均价格在半年内跌幅超85%，整体销售数量在不到一年内下降87.5%。正如美国投资人马克·库班所言：“在现实世界中，土地是一种稀缺资源，但这种稀缺性并不适用于元宇宙——在这些虚拟世界里，你可以修建无限的房产。”

Meta自身的遭遇为这轮泡沫写下了最具代表性的注脚。其元宇宙部门Reality Labs在2020年至2025年底累计亏损超过700亿美元，而全系列Quest头显全球销量仅约2500万台，远不足以填平亏损。2023年，Meta战略重心被迫从元宇宙转向AI，股价回升已与元宇宙叙事毫无关系。

与此同时，大量企业仅通过对既有业务“贴标签”的方式获取高估值，随着虚拟地产价格暴跌和媒体关注度下降，上述项目中的大部分迅速沉寂。中国监管部门也陆续出手：2022年2月，处置非法集资部际联席会议办公室专门发布风险提示，指出需防范以“元宇宙”名义进行的四类非法金融活动。这一轮泡沫再次印证了一条规律：当概念炒作的速度远超技术成熟度，当投机预期取代真实用户需求成为定价基础，泡沫的破裂只是时间问题。

第三轮是2022年底ChatGPT引爆的生成式大模型“百模大战”。这一阶段的核心叙事围绕两条主线展开：一是Scaling Law的“大力出奇迹”逻辑。只要堆砌足够多的算力、数据和参数，更强大的智能就会自然涌现；二是AGI即将实现的愿景。OpenAI CEO山姆·奥特曼在全球巡回演讲中反复宣称AGI将是人类“迄今为止最伟大的技术飞跃”。在这套叙事的驱动下，中美大模型初创企业的估值在短期内急剧攀升。OpenAI估值从2023年初约290亿美元飙升至2026年3月的8520亿美元，Anthropic更是从2021年创立时的1.8亿美元暴涨至2026年5月的9650亿美元。2025年初，国内大模型“六小虎”均超过200亿元人民币。

估值神话的背后是触目惊心的亏损现实。无论是AI独角兽还是互联网巨头，普遍陷入“高投入、高亏损”的困局。AI属于“重资产+高运营成本”模式，前期需要投入巨额资金用于算力基础设施建设与研发成本，而模型商业化收入的增长远远滞后于成本扩张的速度；行业巨头们也纷纷陷入“囚徒困境”，为避免在技术迭代中掉队，在商业化模式尚不明朗的情况下，还要持续加码投入。OpenAI 2025年营收约130.7亿美元，但净亏损高达385.3亿美元，其对云服务商的算力采购承诺更是高达6650亿美元，时间跨度延伸至2030年。更宏观地看，截至2025年底，谷歌、Meta、微软等科技巨头在AI领域累计投入5600亿美元，但实际AI业务收入仅有350亿美元，投入产出严重倒挂。更令人担忧的是，一些大语言模型公司，以AGI为叙事去实现估值的神话，但其发展既没有技术支撑，也缺乏可持续盈利的商业模式，最终必将导致散户股民血本无归。

与此同时，一种特殊的资本闭环风险正在形成：微软持有OpenAI股权并向其提供云服务，英伟达通过“投资换订单”确保大模型企业成为其算力大客户。传统风投“不与现有被投企业竞争对手合作”的规则已被改写，红杉资本同时持有OpenAI、xAI和Anthropic的股份。与其说是在“押注赢家”，不如说是在“所有赛道上各占一张牌桌”。资本在巨头间循环，而真正有创新潜力的中小企业融资空间被急剧压缩。

Scaling Law叙事本身也在遭遇挑战。OpenAI下一代旗舰模型相较于现有模型的提升远不如GPT-3到GPT-4的跃升，Google Gemini在加大投入后也未达预期，Anthropic被曝暂停推进Opus 3.5。前OpenAI首席科学家Ilya Sutskever公开表示，传统无监督预训练已经达到极限。当Scaling Law和AGI愿景这两大叙事支柱逐一受到质疑，算力价格持续走低而大模型公司亏损仍在扩大，泡沫的结构性特征也更加凸显。自从2022年11月ChatGPT发布以来，我在多次公开演讲、媒体采访、文章发表以及咨政建言时，强调大语言模型不是AGI，也不能将其等同于通用智能。我的这些观点和主张一度备受争议和质疑，如今随着大语言模型的热潮退去，真相才逐渐浮出水面。

第四轮是2023年以来持续升温的具身智能热潮。2023年，英伟达CEO黄仁勋提出“人工智能的下一个浪潮是具身智能”，将这一概念迅速推向资本风口。2025年前三季度，国内机器人创业企业融资总额约500亿元，是上年同期的2.5倍。宇树科技、智元机器人、银河通用等企业迅速跻身独角兽行列。中国人形机器人公司已超过150家，半数以上为初创或“跨行”入局，资本将具身智能与人形机器人简单画上等号，大量同质化项目蜂拥而入，技术成熟度与商业化落地之间的鸿沟仍未真正弥合。

“世界模型”作为具身智能热潮中的衍生概念，其泡沫特征更为鲜明。据报道，2024年9月，World Labs以10亿美元估值完成2.3亿美元融资；16个月后，估值飙升至50亿美元。2026年3月，AMI Labs完成约10.3亿美元种子轮融资，估值达35亿美元，成为欧洲有史以来最大的种子轮融资。而在实际技术研发与应用落地过程中，“世界模型”这一术语被严重泛化——视频生成模型、3D重建工具、多模态大模型都纷纷贴上“世界模型”标签，但尚未出现可大规模落地和商业化盈利的技术产品。

由此来看，我们需要清醒认识到，具身智能领域许多企业的估值被严重高估。从历史发展来看，实现具身智能也是一个极为困难的问题：上世纪八九十年代，日本和韩国就在努力尝试攻克机器人，始终没有实现理想结果，到2011年福岛核电站泄漏事件，等来的是一个令人失望的结果。现在很多初创企业动辄宣称自己做出了机器人的大脑，这基本不可能。我们的团队早在2013—2014年就开始攻关具身智能，到现在才初步实现了“通脑”。所以不能寄望于短期内的大量融资能够解决数十年尚未攻克的技术难题。我在商业和经济上不一定能提供准确的预判，但能够在技术上给出相对客观的判断，现在具身智能领域的投融资热潮实际上是提前预支了技术的价值。

04

五大行业信仰正在崩塌

泡沫破裂的深层本质，并非简单的估值回归或技术路径证伪，而是一种集体信仰的系统性崩塌。回顾这四轮泡沫的起落，支撑每一轮狂热的底层逻辑，本质上都是对某种“信仰”的非理性押注，而这些信仰正在被现实逐一瓦解。

算力信仰——相信只要堆砌足够的GPU和算力集群，通用智能就会“大力出奇迹”般自动涌现。业界流传“训练下一代大模型需要百万张GPU”的说法，此后更有声音将这一数字推高至千万张。事实是，当前全球最先进的大模型，训练所需算力也远未达到百万张卡的规模。这种论调更多是算力供应商和资本市场联手制造的焦虑叙事，将“算力军备竞赛”塑造成通往AGI的唯一门路，但这种信仰在今天正被架构创新和效率优化的现实所瓦解。

数据信仰——认为只要拥有足够的数据就能解决一切问题，把性能提上去。但实际上，并没有那么多数据可供穷尽所有情况。这种信仰的危害在于，它让人们不愿意去研究新的模型，而是被动地等待数据，这对产业创新和理论突破的损害是深层的。

大模型信仰——将智能体的流畅对话与强大的文本生成能力等同于通用智能，认为模型参数的扩张能够带来模型性能的指数级提升。这一信仰正在被Scaling Law逼近极限的技术现实击破。当模型性能随模型参数的提升边际递减、成本却指数级增长，“算力至上”的教条已然动摇。大模型既不是AGI的终点，也不是通向AGI的唯一路径。

“马斯克”信仰——市场将马斯克的各类设想奉为行业标准答案，但客观来看，他对外公布的构想中八成最终都未能落地，隧道、新型交通等多个项目均中途终止。我曾居住在洛杉矶，对此有直观了解。国内媒体只要提及马斯克相关构想，相关项目往往直接立项，缺少严谨论证环节。

“天才少年”信仰——将辍学创业或刚毕业一两年的青年人推上管理者岗位，作为企业营销和吸引投资的噱头。近年来，AI行业出现了大量“天才少年”叙事：十几岁的创业者被包装成"下一个马斯克"，刚走出校门的研究生被任命为首席科学家或技术副总裁。这些年轻人大多还未窥见AGI领域的全貌，既不具备管理经验，也缺乏决策所需的长远目光和判断力。企业利用"天才"标签制造话题、吸引资本，却将巨大的技术风险和商业责任压在缺乏历练的肩膀上。这种对"天才"的过度消费，本质上是将人才当作营销工具，而非真正尊重创新与积累。

05

智能分层与 AGI 本源：何为真正的 “心智”

回溯人工智能学科发展脉络，大学阶段的专业，划分出自然语言处理、计算机视觉、认知推理、机器人学等几大核心分支。博士阶段，我们在 MIT 依托逻辑体系开展数据研究，结合互联网完成感知技术落地，由此诞生大数据方向。我们团队也是国内首批在湖北莲花山人工智能研究院落地大数据研究院的团队，联合多位 MIT 外籍专家共同攻关。统一数学模型叠加大数据，落地了人脸识别、指纹、通用物体识别等第一批视觉任务；大模型问世后，补齐了文本常识获取的能力短板。当前行业竞争逻辑正在迭代，从概率统计比拼转向底层架构竞赛，机器人本体相关技术也实现大幅突破。

技术发展到今天，我们可以将智能划分为多层体系：第一层是物理智能，也就是对客观世界物理规则的认知；第二层是语言智能，即 GPT 类模型具备的对话常识能力；未来还会演化出社会智能，覆盖群体协作、社会层级规则认知。

然而，我们必须提起警惕的是，当下行业大量概念存在滥用现象：诸多产品对外宣称是世界模型，实际仅完成基础深度图渲染，不具备完整三维世界认知能力；多模态本是人类与生俱来的感知模式，却被包装为突破性技术；市面上绝大多数智能体只是自动化工作流，不具备主观自主决策能力；当前的具身智能仅能完成程序化表演动作，无法和真实环境深度交互；现有机器人也不具备成熟社交智能，与人互动模式十分僵化。

包括“大语言模型叠加世界模型即可实现通用人工智能（AGI）”这类说法简化了通用人工智能的复杂体系，利用信息差误导大众，行业内具备专业认知的研究者能够分辨其中漏洞。通用人工智能的完整定义是什么？如何走出适配国内发展的 AGI 技术路线？下一个技术前沿在哪？完整产业体系与未来人类生活图景如何构建？我们需要理性、底层地拆解这些问题。

在我看来，AGI的标准定义，是具备等同于人类全方位综合智能的自主智能体。与此同时，想要厘清 AGI 的发展路径，首先要回答本源问题：人与其他生物、人与人工智能的核心区别是什么？

人类学研究曾先后将语言、工具使用定义为人的独有特质，但后续研究证实，灵长类等动物同样可以使用、简易制造工具。从第一性原理出发，生物人、机器人、数字人共享同一套底层数学逻辑，仅存在算法、硬件载体的差异，无论所处何种天体空间，遵循统一数理方程。

物理世界中的钢球仅存在低维四维时空，高等动物生存的维度逐步提升；万亿参数大模型，本质是万亿维度空间中的单一坐标，参数调整对应坐标移动。人类生存对应的维度空间，我们将其定义为 CV 空间（C为认知架构，V为价值空间）。

在这个空间里，沿着演化脉络梳理：从物理运动、化学反应生成有机核酸，再到生命演化、中枢神经系统形成、人类智能诞生，是持续升维、由简至繁的过程。人类完成生物演化后，又历经采摘、狩猎、农耕直至现代社会的文明迭代。

伴随这一迭代进程，我们的物质科学、生命科学、人工智能意识研究、社会人文研究，复杂度逐级递增，整个演化进程最关键的分水岭是主观意识，也就是 “心” 的诞生。物理学仅研究客观物质，不涉及主观意志；而人工智能的核心研究课题，正是意识的起源与运行机制。

对于意识的起源问题，我们四大古典小说之一的《西游记》已经触及到了这一问题。《西游记》完整诠释了修心逻辑，孙悟空自混沌而生，最终回归社会秩序，其师承菩提祖师，“灵台方寸山，斜月三星洞” 的隐喻直指智慧根植于内心，只是它没有解答 “心” 的本质。

大家来看一组动画，我们可以通过一组小球的交互实验直观理解心智逻辑：红色球体具备向外移动的内在诉求，绿色球体形成阻挡。若单纯依靠大模型拟合运动轨迹，需要海量参数，且场景更换后模型直接失效；但从内在价值诉求的底层逻辑切入，就能简单解释交互行为，这也是 U、V 两套体系（U涵盖感知、认知与行动能力，V代表内在动机和价值系统）的核心区分。

据此，我们可以将 “心” 拆解为两大核心维度：

第一，先天价值判断体系。人类在演化中形成天然合作共情特质，大猩猩不具备大规模协作能力，这也是人类能够搭建数万人大规模企业、完整社会架构的底层基础。宋代理学至明代的阳明心学，完整搭建起以良知为核心的价值体系，这也说明，人的成长过程，就是持续完善个人价值评判标准的过程。价值格局存在层级划分：仅追求衣食住行物质享受是小我；兼顾他人评价、集体发展、天下苍生是更高维度的价值追求。人生选择放下执念、剥离世俗欲望，本质是调整自身价值体系，而一个人格局大小，等同于其价值体系的变量维度。进一步说，应试教育缺少价值体系引导，也是当代青年空心病的核心成因，由此，良知与人生意义的构建，正是其心智成长的基础。

第二，主观认知心智空间，也就是认知架构。人类脑海中会生成多层主观推演：自我认知、他人认知、他人对自我的认知，认知空间维度远超客观物理世界，还包含想象、推演等拓展维度，这也是 “心比天大” 的内涵。《坛经》提出先天自性的进化架构，衍生出 “相由心生” 的核心观点。大众普遍将这句话误解为面相映射内心，而其实际本意是：人类对客观事物的全部解读，都由内在认知架构生成。

再来看一组三角图形碰撞的画面，它可以直观佐证：人类会自主解读出冲突、救助、情感故事，而动物仅能观测到物体位移，根源在于人类具备内在价值与认知体系。需要说明的是，这个实验背后，我们在搭建智能体 “通通” 时，围绕场景分层、几何拆解、多维度认知构建，曾深耕多年。我们知道，人机交互的底层逻辑，是多层认知模型互相映射：客观物理世界映射为人的感知认知，人与人之间互相推演对方的认知、决策逻辑、价值标准，整套体系需要完成四层对齐：统一场景认知、统一基础常识、统一社会决策规范、统一底层价值。事实上，人类持续沟通、开会的本质就是完成认知对齐，但完全对齐无法实现，人与人相处最终只能求同存异。

小镇生活场景可以直观体现认知共建逻辑：环境温度不适、他人来访等场景下，智能体需要主动预判他人想法、共建解决方案。所以，构建 AGI 的第一性原理，就是智能体必须具备完整主观心智：包含个体、他人、集体多层价值体系，同时拥有支撑交流、协作、自主学习的认知架构。当前大模型看似具备对话能力，实则无法深度理解语义，根源就是缺少内生心智。我们必须认识到，智能具备内生主观属性，由内在价值驱动，而非外部海量数据驱动，人类成长也是依靠内在认知引导，而非单纯数据堆砌，这意味着，研发通用智能体应当向内探寻底层架构，而非向外堆砌数据。

06

CUV内生架构：走出区别于西方的原创路线

依托这套底层逻辑，国内可以走出独立于海外的原创技术路线，不用持续跟风海外发展方向。技术研发的核心竞争是底层架构，同样训练数据供给下，猪无法习得复杂逻辑，人与人学习能力的差距，本质也是先天认知架构差异。架构无法依靠数据、强化学习生成，仅能依托数据完成交互优化，这是演化赋予生物的底层基础。

为此，我们团队提出了 CUV 数理框架，希望在统一的数学空间中刻画智能体的认知架构、技能系统与价值系统。其中C代表智能体的认知架构，U涵盖感知、认知与行动能力，V代表内在动机和价值系统。在这一架构中，各类智能函数搭建起对世界的完整认知图景，价值体系生成主观偏好，自动排序任务优先级，催生自主行动。价值格局与个人能力动态迭代、相互平衡，孔子 “七十而从心所欲不逾矩”，就是 U、V 体系达到平衡的状态。

在我们看来，强化学习仅适配爬行类生物基础学习，无法复刻灵长类生物的因果价值判断。仅依靠场景经验无法形成完整认知，底层架构存在缺陷就无法理解事物本质。数据仅能用于熟悉场景内的价值优化，面对全新未知场景，传统大模型无应对方案，王阳明提出的 “心即理” 恰好给出解决思路：身处陌生环境时，依托内在良知与价值体系做出判断。

在南宋鹅湖之会上，朱熹理学主张格物致知，依靠收集数据归纳客观规律；陆九龄、陆九渊、主张心为根本，包括后来的王阳明心学，都是由内在价值推导客观规律，这正是当下 AGI 两条技术路线的本源分歧。我十年前提出 “小数据大用” 理论，鹦鹉依靠海量数据复刻语言却无理解能力，乌鸦依托底层架构自主完成复杂任务，二者架构存在本质区别。

再以 “椅子” 认知举例：依靠大数据收录全部椅子外形，依旧无法识别全新设计；依托 “可供落座” 的功能需求、“坐感舒适” 的内在价值，就能理解椅子的本质。智能由内而生，依托自身需求解读外部行为动机。基于这套理论，我们搭建全球完备通用智能体 “通通”。

我们采用 “仿真环境 - 训练交互 - 真实落地” 的研发路径，搭建高保真物理仿真空间，配套幼儿交互训练场景，让智能体掌握财产归属、他人意图、社会规则等基础认知。团队编写 400 余页通用人工智能完整测试标准，对标儿童发展心理学划分能力等级。实测结果显示，现有大语言模型不具备实体感知，在空间、物理交互类测试中全部失效，部分上市企业宣称大模型可实现 AGI，不符合客观技术事实，存在估值泡沫风险。

07

通用智能四大落地方向与中国发展道路

在我看来，未来通用智能落地分为四大方向：

第一，具身机器人大脑。智能体先完成虚拟规划，再驱动实体机器人执行，依托环境反馈形成完整智能闭环。通用机器人大脑研发难度极高，绝非短期天才项目可以落地，相关成果已在国际赛事、国家级活动获奖落地。

第二，行业专用智能体。覆盖安全生产、应急处置、教育、电力调度等二十余个实体行业。

第三，社会智能体系。武汉北大人工智能研究院搭建大型社会模拟器，完成时空、社会规则全维度仿真，助力社会治理现代化，社会智能是行业下一前沿赛道。

第四，智能安全体系。分为内生自我约束、外部价值免疫两层逻辑，智能体依托内在价值主动规避不良行为，同时建立外部信息过滤机制，抵御错误引导指令。底层价值体系可以让智能体主动拒绝有害指令，守住人性底层初心。

人类心智存在成长周期，幼年顺从、青年探索突破固有认知、成年回归稳定，这套成长逻辑复刻在智能体研发中，也让我们对人类心智演化产生更深理解。

同样的，人工智能分为五层层级，由浅至深依次是芯片硬件、通用算法、大模型、数理基础框架、底层哲学认知。当前主流大模型、世界模型，缺失主观心智、CUV 架构、因果物理认知、自顶向下推演等核心底层能力，无法实现真正的通用人工智能。

在我看来，中国传统思想 “己所不欲，勿施于人”“相由心生”，为自主 AGI 路线提供人文支撑，主观价值驱动是主观世界的核心底层逻辑，也是区别于海外数据驱动路线的关键。我们在2024年底完成了两部专业著作，《为机器立心》《为人文赋理》，希望以此打通科技与传统人文思想；两本书系统阐述了我们团队在AGI认知架构、价值驱动范式以及中国思想数理体系化方面的核心思考——前者聚焦“为机器立心”，回答如何让智能体拥有内在的价值体系与认知架构；后者致力于“为人文赋理”，探索如何为中国优秀哲学思想构建严格的数理体系，使之转化为智能时代的强大生产力。经过全面修订与内容更新，第二版已于近日正式发布。此外，400 页《通用人工智能架构与测试标准》已完成英文翻译。

最后，期待国内 AI 行业应当摆脱跟风发展模式，科技创新的根基是思想自主与文化自信，不能盲目崇拜海外奖项、海外技术路线。人工智能的终极竞争是文化竞争，依托本土传统思想体系，我们有能力走出原创路线，率先落地真正的通用人工智能。

问答环节：

主持人：给机器立心容易，还是给人立心容易？

朱松纯：都不容易。教育的本质是为人立心，立德树人。考试其实是智力筛查，缺了判断力这一维度。为机器立心我认为更容易一些，因为我没法改变一个人，给机器可以做实验，把人性最基本的东西植入，让它保持人性。

主持人：这样会不会有内在矛盾？比如你要把好人性和平等输给机器，但拿机器当实验，机器会问为什么不平等待我？

朱松纯：在机器没有意识之前，就像拿小白鼠做实验，等到某一天突然会说朱老师这样做不合人理，那就停止。现在已经有人不忍心踢机器人了，人有同理心。以后会赋予机器越来越多权利，比如继承权、挣钱权利，这是迭代过程。

主持人：如果机器比人聪明，会不会要求让渡权利？

朱松纯：这是根本性伦理问题。希望过程缓慢渐进，到那时候我们愉快退出舞台，放心交给他们。家长焦虑孩子教育，也许以后不需要生孩子了。

主持人：AI如何理解死亡？

朱松纯：不是大问题，数学上就是空间消失，升降维度，容易理解。不愿意的话，也是它自己的选择。理解death技术上是难点，但很容易，空间消了或升维降维。人纠结是伪命题。

主持人：AI本质上是否是在做一种时空变换？

朱松纯：可以这么看。人成长不断升维，获得新价值体系和新能力。智能时代移民迁徙，价值空间被占，以前挖煤算劳动，现在电脑前挣钱也能接受，未来在VR空间生活也是新劳动。很多家长焦虑孩子不工作只上网，我说这是新物种诞生，他们进入另一个世界。我们小的时候吃不饱，对食物有感情，他们点外卖就够了，1000块钱生活也够。进入网络世界，去宋朝、蒙古，空间转换，也是一种快乐和满足。老人看不惯新东西，但新的出现总有道理。我们以前不接受不生儿子，现在也能接受不结婚、生女儿。只要给时间，都会接受。中国人最容易接受，20多年接受了很多变化，这是必然趋势。优点还是缺点？不同人看法不同，没有好坏，好坏是主观的。

主持人：机器若问你有没有好坏，怎么回答？

朱松纯：我们有好坏，是人性固化，也会给机器固化。我们先来，机器后到，投票权掌握在我们手里面，我们是原始股东，但实际拥有控制权不意味着我们要灭绝其他物种。现在人有80亿，低等动物更多，肚子里的微生物DNA超过人的，都活得好好的。

主持人：阳明心学讲“此心不动，随机而动”，但人心多变？

朱松纯：人心叵测，每天在变，睡觉起来就变心，注意力和环境改变。但有没有共同的人性？给机器立心是在特定价值文化背景下，走出国门会跟别的机器发生价值对话冲突。所以，出口机器人是移民问题，要经过移民官面试，要尊重当地文化传统。机器有心之后知道环境改变，内心跟着调整。基本假设是人性有共同价值体系，但在不同条件下会改变，比如同一个人上车前说再挤挤，上车后赶紧关门，因为利益变了，屁股决定脑袋，但心没变。

主持人：最后一句话，你要构造价值体系，做价值评分和积分，积分的意义是什么？

朱松纯：积分就是这个人活得值不值，活得有意义没意义。你今天跌倒了，我把你搀扶起来，我有积分。帮了别人，让他走上好路，也是我的贡献。孔子提供了大义感，使民族在文化选择中具有优越性，让大家生活更好，那就是他的功德。人其实有一个决策系统，相当于征信系统，但最终在心中。AI向善要积善积德，方得永生。