今年的外滩大会属实让人眼花缭乱了——

机器狗当宠物已不新奇，现在改恐龙了？还是会自己到处跑、开口出声那种。

使用蚂蚁AQ APP，一位非洲小姐姐的黑眼圈都被AI检测到了。虽然她一边大喊天塌了，但下一秒还是老老实实地咨询AQ如何改善（doge）。

这还不算完，在整整10000平科技展览、5000平科技集市里，什么炒菜机器人、打鼓机器人、会在蛋壳上雕花的机器人……统统都亮相了，而且还把“人造太阳”核聚变、AI健身房这样的黑科技搬到了观众眼前。

u1s1，虽然人挤人，但现场着实好玩~

而除了新鲜感拉满，这届Inclusion·外滩大会还汇聚一众大佬对一系列前沿问题进行了探讨：

智能的上限是什么？产业在落地中遇到哪些困难？大洋两岸的算力差距如何？诸如此类的问题在1场开幕主论坛+44场见解论坛中不断地被提出、被回答。

与会嘉宾包括我们熟悉的新晋图灵奖得主理查德·萨顿、阿里云创始人王坚、金沙江创投主管合伙人朱啸虎、“人类简史系列”作者尤瓦尔·赫拉利，宇树CEO王兴兴等。

所以，如果你对AI的现状及未来感兴趣，不妨花点时间了解一下这些行业领军人物都在思考什么、做什么，相信对你也会有所启发。

话不多说，以下为部分重要嘉宾观点传送。

图灵奖得主萨顿：人类数据红利正逼近极限

一上来，大会就现场连线了2024年图灵奖得主、“强化学习之父”理查德·萨顿（Richard Sutton）。

其核心观点为，人类数据红利正逼近极限，人工智能正在进入以持续学习为核心的“经验时代”，潜力将远超以往。

具体而言，他认为如今大多数机器学习的目标，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。

其瓶颈显而易见，当我们逐渐达到人类数据的极限：

现有的方法无法生成新的知识，不适合持续学习，而持续学习对智能的效用至关重要。

所以，我们需要一种新的数据源——可以在智能体与世界直接交互中生成，也就是所谓的“经验”。

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”，也是近期AlphaProof在国际数学奥林匹克斩获银牌的路径。

一句话，我们正进入“经验时代”。其中“经验”具体是指，观察、行动和奖励这三种信号在智能体与世界之间来回传递。

知识来自于经验，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。

进一步地，他还指出是强化学习将我们带入了新的经验时代，但要想释放全部潜力，还需要两项目前尚不成熟的技术——持续学习（continual learning）和元学习（meta-learning）技术。

一旦条件成熟，未来人工智能超越人类将是不可避免的。其对人工智能的四大预测如下：

第一，对世界应该如何运转并没有共识，但没有哪一种看法能够凌驾于其他。第二，人类将真正理解智能，并借助技术将其创造出来。第三，当今人类的智力水平，很快将会被超级人工智能，或者超级智能增强的人类远远超越。第四，权力和资源会流向最聪明的智能体。

总之，在这位图灵奖得主看来，当前对人工智能的恐惧被夸大了，正确的姿态应该是积极拥抱：

人工智能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。

阿里云创始人王坚：选择开源or闭源已成为AI竞争的关键变量

接下来，阿里云创始人、之江实验室主任王坚的演讲全部围绕“开源”二字展开。

从开源这个概念的源起，到它如今所经历的演变，再到个人最新开源工作，几乎句句不离开源。

之所以如此重视开源，他也提到了很重要的一点。今年年初，美国首次将“模型权重”纳入AI出口管制范围，但明确只管闭源模型，所以开源在国际AI竞争中的战略地位愈发凸显。

包括随着通义Qwen、DeepSeek的开源，连OpenAI CEO奥特曼也说出了一句让所有人都很震撼的话——在开源这个时刻，OpenAI站在了历史的错误一边。对此王坚表示：

我想这句话背后的含义就不用多说了，他不是一个策略性的错误，这是一个历史的选择。

回顾开源历史，“Open Source”这个指代开放源代码的术语在1998年就出现了，虽然最初叫法有很多（如自由软件、免费软件），但“开源”这个词后来逐渐被一批极客固化下来。

而且在他看来，从1998年网景浏览器开源开启了互联网新纪元，到如今AI大模型的开源浪潮，开源本质上经历了从源代码开放→资源开放的演变。

也就是说，开源在今天不仅意味着代码共享，更意味着数据、算力和模型权重等核心资源的共享。

需要注意的是，“开放资源”并不是因为有了“开源”概念才出现，而是科学探索中早已有之。真正让这一理念走向前台的，是AI发展中的几次关键跃迁：

2012年，Hinton团队把数据、模型与GPU算力结合，开启了深度学习和人脸识别的时代，但当时数据和算力规模有限，“资源”概念尚未凸显。

直到2017年，Transformer与Tokenization的提出，让数据真正实现资源化，叠加规模效应，使AI在短短几年内迎来指数级飞跃。

王坚特别强调，这种“资源层面的开源”已经成为推动AI产业前进的关键环节。

过去在软件时代，开源代码能带动生态繁荣；而在人工智能时代，模型权重的开放，意味着研究者和开发者不必再重复投入巨量算力和资金去训练模型，而是能够在前人的成果之上进行创新。

这不仅降低了AI的进入门槛，也让更多参与者能加入到全球范围的AI研发与应用中。

他还以自己参与的最新探索为例——今年5月，他所在的之江实验室利用“三体计算星座”计划，首次将一个完整的8B大模型与12颗卫星同时送上太空，实现了卫星之间的互联互通与在轨智能计算。他还特意解释道：

送上太空的并非简化版算法或小程序，而是一个跟地面上一模一样的完完整整的AI模型。这12颗卫星到了太空以后会保证，只要卫星到达的地方，就可以在太空的任何地方完成对所有数据的处理。

顺带一提，王坚还诙谐解释了“三体计算星座”的命名来源——

虽然“三体”常被联想到科幻小说，但它其实是牛顿提出的科学概念，指三体运动无法找到解析解，复杂度远超二体问题。他借此类比，说明多主体协同往往比单独行动更困难（原话是“三个和尚没水喝”）

而“三体计算星座”的目标正是要在开放资源的前提下，实现多主体的高效协作，让无数参与者共同建设并共享太空计算能力。

人类去火星的路上，不能没有算力和AI的陪伴，这就是未来十年甚至二十年最激动人心的地方。

港大马毅：当前的智能阶段约等于人类生命早期，甚至还没开始

在人人都担忧“AI即将或已经超越人类智力”的时刻，香港大学计算与数据科学学院院长马毅却大胆提出：

当前人工智能虽技术蓬勃发展，却仍缺乏对智能本质的科学理解。

何谓智能本质？在马毅看来，智能就是在无序中寻找规律，并将有用的知识记忆下来。

他将人工智能的发展与生命演化类比：DNA可以视为自然界最早的“大模型”，通过适者生存和随机变异传承知识，但效率低、代价高。大模型的演化也像物种进化，大浪淘沙，成本巨大。

因此，他认为当下人工智能的发展阶段约等于生命的最初期，甚至可以说“真正的智能还没有开始”。

并且他还强调，智能越往后发展，可能越需要摆脱对大模型的依赖，走向更高效的学习方式。

这话还得从智能演化的四个阶段说起，即从DNA所代表的种系遗传智能，到生物个体出现大脑与感知系统形成的个体发育智能，再到借助语言实现的群体智能，最后才是真正意义上的人工智能。

在他看来，生命进化本质是智能机制的启动，而当前以大模型为代表的AI仍处于最初级的“种系智能”阶段——依赖海量参数与预训练数据，不仅资源消耗高、效率低，且缺乏个体记忆与自我意识。

所以，只有将AI从依赖试错、不可解释的“黑箱”系统，转变为基于数学原理与闭环反馈的“白箱”模型，才能真正实现机器智能。

对此，除了需要将智能作为一个严谨的科学与数学课题来研究，他还提醒大家要更多地向自然学习

相比高能耗的GPU训练，自然界大脑的能效高出至少十个数量级，真正的突破在于理解并借鉴自然界的反馈控制与连续学习机制。

宇树科技王兴兴：现在是“AI干活”大规模爆发的前夜

在一场探讨产业落地实践的圆桌论坛中，宇树CEO王兴兴在公司官宣IPO后首次发声：

现在AI写文作画，已经比99.99%的人都要做得好。但真正让AI干活，还是一片荒漠。

王兴兴回忆，早在2011年他对AI就有浓厚兴趣，但彼时AI仍属冷门领域，学习资料有限，因此未能深入投入，这也是他至今“最遗憾的一件事”。

不过，随着大模型的快速发展，AI与机器人结合的契机终于到来，让“AI真正落地干活”成为可能。

他指出，AI与机器人融合正在催生全新的具身智能产业，赋予机器人AGI能力，使其能够像人类一样自主感知、规划和行动。

但当前发展仍面临诸多挑战，主要集中在数据与模型算法层面——

数据采集和质量不足，利用率不高；多模态数据的融合仍不理想；在机器人领域，模型与控制模态的对齐依旧困难。例如，让机器人通过生成视频学会家务，生成效果或许不错，但如何与控制体系匹配，仍是一大难题。

除了技术瓶颈，他还提到，AI时代的组织管理同样是一门新课题。宇树科技作为一家以硬件为主的公司，随着规模扩张，协作效率可能下降，需要不断探索更高效的管理方式。

尽管如此，王兴兴对未来依旧乐观。他认为当下创新创业的门槛已大幅降低，年轻创业者迎来了最好的时代。在AI工具加持下，小团队的爆发力将愈发强大。

真正让AI落地干活，现在还在大规模爆发性增长的前夜。AI时代非常公平，只要聪明，愿意做事，荒漠中终会长出参天大树。

金沙江创投朱啸虎：明年AI应用肯定会大爆发

大模型是不是会吃掉所有软件？

面对这个问题，金沙江创投主管合伙人朱啸虎认为低代码、无代码的软件肯定会被AI替代，尤其是编辑类、协作类软件

不是说不要了，是它的需求会降低，用户数减少10%的话，这个影响是很巨大的，协同类软件未来市场还会在，但是会小很多。

而且他还透露，面对AI产品，投资人关注的唯一指标就是用户留存

从PC互联网到移动互联网到AI是同样的，AI产品用户召回成本可能是移动互联网产品的10倍以上，留存好不好，才证明这些公司有没有后续的发展潜力。

此外，当谈及AI商业模式与创业机会时，他以鼓励的姿态大胆预测：

在AI领域，明年应用肯定会大爆发，下一个字节、下一个小红书今年应该已经成立，创业者应该有很多机会，大家一定要有勇气去闯星辰大海。

同时他也谈到了中国创业者最适合、最擅长的——在AI以外构建差异化的用户体验。

AI大家都是一样的，差异都在AI之外（美国B端创业居多，中国则擅长C端）

人类简史尤瓦尔·赫拉利：衡量进步，不在于技术的速度

作为主论坛压轴出场的嘉宾，历史学家、哲学家、“人类简史系列”作者尤瓦尔·赫拉利分享了自己对AI的看法。

他以一个普通清晨的日常场景开篇，勾勒出人工智能如何悄然融入社会运行：

从电网调度、医院查房，到公共交通编排、街头摄像头与仓库机械臂的运转，许多关键决策已由会学习、会调整、能自主行动的系统完成。

赫拉利强调，人工智能不仅是自动化工具，更是“会行动的主体”，它们能够自主做出决定，甚至创造新的想法

谈及科技变革，他表示并不反对，毕竟科技曾带来更健康的生活、更丰富的知识和更紧密的连接。但作为历史学者，他对变革的节奏与方式表示担忧。

历史上，变革最大的问题往往不是最终目标，而是通向目标的过程。

他指出，外界常误解历史学家与哲学家的声音是在“叫停进步”，实际上，这是一种呼吁——要真正理解什么才算进步，以及应如何实现。

在他看来，单有速度，不是进步。因为一辆没有刹车和交通规则的汽车，即便时速达到100公里，也绝不算进步。

其次，他认为任何真正重塑人类社会的系统，都不应“先上线再治理”。

如果我们在还没有学会识别和纠正系统不可避免错误之前，就贸然让人工智能“奔跑”，那么速度的代价，就会让最无力的群体承担。

赫拉利进一步强调，人工智能时代真正需要的是建立可验证的全球承诺，以及让社会有足够时间去适应，去保存记忆、建立信任与情感。他总结道：衡量进步，不在于技术的速度，而在于合作的力度与共情的深度

至此，嘉宾的观点分享暂告一段落。

值得一提的是，除了上面这几位，还有很多嘉宾在各自领域提出了极具洞察力的观察和判断。这里只是受限于篇幅才无法一一展开，包括但不限于：

源码资本投资合伙人张宏江：基础设施加速扩张，AI正步入“产业规模化”；星能玄光创始人兼董事长孙玄：AI的尽头是能源，而核聚变是能源的“终局之战”；蚂蚁集团CEO韩歆毅：在医疗健康领域，专业AI做到极致会更强；

（今年一共有来自16个国家和地区的550位嘉宾参会分享）

该说不说，知识有点过于密集了（doge）。