# 92. 和张亚勤院士聊，意识、寿命、机器人、生物智能和物种的延伸 张小珺Jùn｜商业访谈录 · 2025-02-17 · 53 min · https://www.youtube.com/watch?v=77rA4Gofyik ## 逐字稿 张亚勤 我认为未来就是一个新的物种，只是这个物种会变得十分智能、能力十分强大。我们现在看 3 万年前的人，你说是不是一个物种？我觉得已经很不一样了。3 万年前的山顶洞人，那个时候人开始有工具了，石器时代有火，但那个工具很 primitive。我们今天有手机、电脑和互联网，但再过 100 年回头看我们今天的手机、互联网和 PC，就像我们看 3 万年前的火和石器一样。而且，这个进化速度会变得很快。 张小珺 Hello，大家好，欢迎收听《张小俊商业访谈录》，我是小俊，这是一档提供一手高密度信息的商业访谈节目。这两年啊，人人都在谈论 AGI，但在可见的未来，AGI 到底是一幅什么样的画面？针对这个话题，我邀请了清华大学智能产业研究院院长、前百度公司总裁张亚勤院士来聊聊。在他的脑海中，人工智能会按照从信息智能到物理智能再到生物智能的图谱逐步突破和实现 AGI。那在这种构想和信仰之下，AGI 呈现的是一个高度乐观的前景画面，但这并不是人们预感 AI 进化的全部图景，在之后的节目中，我也会推出对 AGI 的另一种思考与隐忧。那二零二五，期待我们和 AI 共同进步。 1998 年底，你当时回国加入微软中国研究院。那个时候，中国人工智能处于一个什么样的状态？我们来聊一聊过去人工智能发展的 20 多年。 张亚勤 ### AI 曾经冬眠 那个时候我们做的东西都和人工智能有关系，但没有一个人把它叫作人工智能。所以，那个时候人工智能基本上处于冬眠期。1998 年，像李开复在做语音识别和语音合成，我在做视频压缩，童欣在做多媒体，沈向阳在做计算机视觉和图形学，黄教授在做 NLP，也就是自然语言处理。这些东西现在回头看，最后都汇聚成了人工智能，但当时我们都没有把它叫作人工智能。 所以，人工智能真正的发展是在过去 10 年。它真正成为一门有用的科学，过去还是探索期。后来，各种各样的技术汇聚到了一起，包括计算机视觉、视频、自然语言、语音，以及统计学习，形成了一个大的融合。 当时亚研院是怎么把你们拉回国的？ 张亚勤 当时我们也想自己回来，微软正好要在中国成立研究院，所以就回来了。我们一直也想回国，只是正好有了这个机会。微软又是做科研、做研究的，所以就回来了。 其实，国内很多公司都想做自己的研究院、自己的实验室。你觉得微软亚洲研究院对他们有什么样的借鉴？ 张亚勤 因为那个时候比较早，最大的挑战是：在中国能不能做成一个世界一流的研究院？你要想想，30 年前，大部分学校和美国的科研水平还差得很远。包括我们培养的博士生，无论是做科研的方法、科研水平，还是科研成果，和美国都有很大的差距，不像现在。 所以，能不能在国内做成一个计算机方面的世界一流研究院，是最大的挑战。当时很多人都有问号，因为美国的一些同事并没有那个信心。我觉得我们当时几个人是有信心的，我们觉得一定可以做成。微软对我们有信心，盖茨对我们也有信心。 研究院应该怎么设置目标？ 张亚勤 我们研究院其实没有量化指标。当时我们的目标很简单，就是成为一个世界一流的计算机研究院。但这个东西本身很难量化。 我记得我和李开复聊天时，包括当时我们的一个顾问——图灵奖获得者 Raj Reddy——我们问过，怎么衡量我们是不是一流，怎么知道自己是一流。他说，当你们不再问这个问题、不再讲这个问题的时候，你们就变成一流了，也就是说，你会自然而然地感觉到。 后来我对这句话有了更多体会。ChatGPT 出来之后，我第一次用它，半个小时之内的第一反应就是：ChatGPT 通过图灵测试了。过去我们经常问，什么时候才能知道它通过了图灵测试？我记得当时应该是 Jim Gray，也是一位图灵奖获得者，他说，当你通过的时候，你就知道了。 所以，有些东西不需要度量。但是研究院成立时，最重要的第一步是招到一流的人才。不仅要在国内招人，也要从海外吸引一批年轻的顶尖学者。我觉得这是最重要的事情，我们很幸运地做到了。 第二个目标，是制定一个长远目标：以后做的事情要对微软、对产业、对学术界产生大的影响。第三个目标也是我们的想法，但更多是一个结果，就是培养出一批一流的科研人才。这大致是三个目标，但最重要的是把研究院做好，吸引人才、做好研究。研究院成立后的前两三年，我们有 80% 的时间都在找人。 当年做微软亚洲研究院和今天做人工智能研究院，你觉得不一样在哪里？ 张亚勤 ### AIR 开始选择方向 现在做研究院，我们已经不需要再问能不能做成一流的研究院了。中国经过 25 年到近 30 年的发展，已经有了很多世界级的科研成果和世界级的人才。所以从某一方面来讲，现在比过去容易多了。 在清华这个大环境下，我知道自己能招到好的老师、好的学生。这个时候更重要的是，怎么样去确定研究方向。过去我们没有定方向，基本上是找到什么样的人，就做什么事情，大家喜欢做什么就做什么。有些地方想做一件事，但找不到那方面的人、找不到领域人物，就做不起来。 现在不一样了，很多方面我们都可以找到领域人物。问题变成了：你到底选择做什么？所以，我们当时选择了 3 个面向产业的垂直方向：智能交通、IoT，以及 AI 加 Life Science。 如果用今天的语言来讲，一个是具身智能，一个是生物智能，一个是边缘智能，还有智能体，基本上都是大模型相关的方向。 在你脑海中，基础大模型和上面的垂类大模型是什么样的关系？为什么研究院不做基座大模型，不做最大的模型？ 张亚勤 ### 基础模型不是学校主场 基础大模型，我把它形容成生态的操作系统。它是横向的，需要大量算力、大量数据和大量场景。这个事情不是学校擅长做的，学校很难做，因为需要砸很多钱，也需要很多具体场景。 我们做不做？其实也做，但不是自己单独做，而是和企业一起合作，利用企业的资源去做。不过我认为，这里面的主要创新不是从 0 到 1 的创新，更多是从 1 到 100，甚至从 100 到 N 的创新。里面当然也有算法创新，但很多是工程创新，这个事情应该由公司来做，在美国也是公司在做。 学术界做什么？对 AIR 来讲，最重要的第一件事是培养人才。我们当时定了 3 条战略路径。第一，要培养顶级架构师和 CTO，为未来培养一流的技术领域人物。培养人才是最重要的。 第二是做科研，第三是影响产业。产业影响力可以通过和现有企业合作，也可以通过孵化新的公司。所以这个顺序很清楚：在学校里面，首先是培养人才。这也是我后来回到学校的一个最重要的原因。我这么多年看下来，人才最重要，有了人才之后，其他事情也都会有。 现在我们比较缺少领军人才，相对美国来说尤其如此。美国一些大公司，比如微软、谷歌、Meta、亚马逊，包括 NVIDIA，都有大量具有国际思维和大系统架构能力的领军人物。国内也有，但相对比较少。 所以我们希望通过 AIR，把这里的博士生培养成未来公司的 CTO，培养成科技领域和 AI 领域的人物。这是我们的愿景和目标，也是我们的路径之一。 第二个目标，是做大的科研创新、技术创新和科研成果。第三个目标，是影响产业，所以我们叫智能产业研究院，就是要影响产业。 这个顺序和当年微软亚洲研究院不一样。当时微软亚洲研究院主要还是做科研。AIR 和当年的微软亚洲研究院有很多地方很像，包括我们的人才，有一半是比较资深的人，但有几个区别。 微软亚洲研究院当年是微软的研究院，是为一家公司的技术战略服务的。第二，它不是学校，本身的第一目标不是培养人才。后来很多人从微软亚洲研究院出来，为其他公司做贡献，这当然是件好事，但当时研究院的主要目标还是做科研。 清华不一样。清华 AIR 的第一目标是培养人才，第二是面向整个产业，而不是面向一家公司。而且，中国整体的科研和产业环境也成熟了很多。 如果现在看我们学生的水平，你怎么看？ 张亚勤 我最骄傲的就是我的博士生。AIR 的博士生，包括我的博士生，绝对是世界一流水平，绝对不会比 MIT、斯坦福这些学校的学生差。 你之前提到过，未来 20 年，在实现 AGI 的路上，可能会逐步实现信息智能、物理智能和生物智能。能不能推演一下你脑海中的 AGI 路线图，以及它和你们现在选择的垂类模型是怎么匹配的？ 张亚勤 ### 三种智能汇成 AGI 我稍微倒回去讲。我一直认为，现在新一代的人工智能，是信息智能加上物理智能，再加上生物智能。我已经讲了 10 年，在达沃斯等会议上，我一直在讲这件事。 信息智能很简单，就是现在 ChatGPT 这样的东西，处理我们所有的文字、图像和视频，也就是信息世界里的智能。 物理智能，就是把人工智能用到无人车、机器人，以及具身智能上，用到基础物理设施里面去。这包括 IoT，都属于物理世界的智能。 生物世界的智能，是把人工智能用到脑机接口上，比如埃隆·马斯克的 Neuralink，把人工智能和生物体、生命体连接起来。这还包括医疗、手术机器人和新药研发。这 3 个领域当然相互有联系，但还是不同的领域。 我认为，5 年之内，在信息智能方面，人工智能可以通过图灵测试，达到 A+ 的水平。比如 GPT-4 出来的时候，我就认为它在文字方面基本达到了这个水平。后面还要加上推理和多模态。Sora 也会很快出来。再过一段时间，我认为在自然语言、自然内容，以及生成图片、生成视频方面，机器生成的内容可能会和人生成的一样。 所以，5 年之内，信息智能基本上可以达到人类的水平。 我们先来讲信息智能。信息智能会改写整个现在的商业生态吗？ 张亚勤 它会改变，但整体来讲，还是现在的巨头。商业的本质并没有改变，人工智能本身并没有改变商业的实质。你该做什么还是做什么，只是它会把生产力大幅度提高，也会出现一些新的商业模式，但商业的本质并没有改变。 比如现在有了人工智能之后，写邮件、写文章都方便了，编程序的效率更高了，解数学公式也可以得到帮助。我觉得在这些领域，它会超过人，会超过数学家、物理学家，在智商方面达到人类的水平。 我更多讲的是它的智力。你想象一个人，他的脑袋特别聪明，这个时候他可以做很多事情。他可以解题，可以发明新的公式，可以写好文章，可以画画，什么都可以做。这是一个人的基本智商。 信息智能其实是我们大脑的智商，但它并不等于全部。你读再多书，怎么游泳还是不会游，必须下水游才会游，这就是物理智能。再比如，你怎么看书、怎么聪明，如果你爱喝酒，但不喝，还是不行。信息世界里，一个人特别聪明、读万卷书，智商很高，什么都懂，比一般人在每个领域都懂，这是信息智能。我觉得 5 年之内就能达到这个水平。 ### 人形机器人还需十年 物理智能还需要一点时间。物理智能比较高的等级，就是我们讲的人形机器人，可能还需要 10 年。 从现在开始算 10 年？ 张亚勤 从现在开始算 10 年。至于 10 年之后它是不是完全比人什么都厉害，肯定未必，但大部分任务它可能比人厉害。 ### 自动驾驶先于机器人落地 物理智能第一个落地的，我认为是自动驾驶。自动驾驶相对来讲是比较可靠、可控的场所。机器人是一个 open problem，自动驾驶是一个 closed problem。自动驾驶只做开车这件事，可以把它做得特别好。 机器人需要常识，需要理解人的行为，还要面对很多复杂环境，而且每个环境都不一样。你可以这样讲，无人驾驶是一个开车的机器人，是一个垂直领域的机器人，是特殊场景下的机器人。它有脑子，也有肢体，但它只做开车这一件事。 你开车，作为一个开得很好的司机，不需要会写诗，不需要有很高的智商，不需要会唱歌，也不需要懂生物，把开车这件事做好就行了。工厂里的机器人也是一样，它会焊接，就把焊接这件事做好。 但是通用的人形机器人会有更多要求。我把它分成 3 种大的场景：一种是家庭机器人，一种是工厂里的工业机器人，还有一种是社会机器人。这是我自己的分类。 家庭机器人比较容易理解，比如在家里照顾老人、帮你做家务。家庭任务非常复杂、碎片化，所以家庭机器人可能是最难的一个东西。它还涉及人形机器人的安全、家庭习惯等问题，都是比较难的。 社会机器人，比如警察、保安、送外卖，包括可能的自动驾驶，都属于社会机器人。以后我们的警察可能还需要真人，但大部分警察工作有机器人来做也很好。机器人保安可能比真人保安还好，但它可能需要听人的安排，作为人的助理。 开车也是一样，以后很多年之后，开车的人可能会变少。我把这些在街上跑、在外面和大家有很多交互的机器人，都归为社会形态的机器人。 还有一种是工业机器人，比如在危险场景、矿山和工厂里做精细工作的机器人。相对来说，工业机器人更容易定义，因为目标确定、场景固定。 但我们希望它后台的技术是通用的。它到了具身智能、边缘智能这些不同场景，前端肯定不一样，但后台技术希望是通用的。家庭机器人、工业机器人和社会机器人，后台可以有一个通用的大模型，前面则是很多不同的应用。 我希望后台有 70% 到 80% 是一样的东西。这个巨大的模型可能就是今天 OpenAI 这样的模型，需要多模态，从物理世界学习东西，再通过大模型变成智能。但最后落地时，每个场景还是要单独训练，后台基本上是同一个后台。 通用机器人的后台，和今天 OpenAI 这样的模型是同一个方向，对吗？ 张亚勤 对。今天大模型的架构和自动驾驶的架构还是两套架构，现在还没有办法完全融合在一起，未来肯定会融合。 我们现在的后台都是一个大模型，前面再有一个面向自动驾驶的垂直模型。这个大模型在云端，车上还有一个小的边缘模型。所以，我把它分成 3 个 layer。 一个是横向的，像操作系统一样。操作系统既可以是云端的系统，上面有 super app，放到手机上之后，手机上还有一个应用。以后可能不叫 super app，可能叫 app，也可能叫 agent，我也不知道叫什么。反正它要完成一件事情，而且这件事情在不同领域可能是不一样的。 但我的分类不是大家通常的分类。比如工厂机器人、工业机器人，我完全不需要它是人形的，我只要它把事情做好就行了。家庭机器人最好是人形的，但家庭机器人也不一定非要是人，也可能是狗，也可能是猫。 比如盲人以后可能有一个机器狗带着他走。我觉得你先叫它机器人，但这个机器可以是 machine anything。 为什么家庭机器人最好是人形？因为它能做人的任务吗？ 张亚勤 对。人形机器人和非人形机器人有一个区别。人形机器人在家里，比如面对老人，他和一个人形机器人沟通，会觉得是在和一个人沟通，会更自然。和一台电脑或者一个普通机器沟通，方式是不一样的。 而且以后人形机器人的外形做得像人一样，可能看都看不出来。这个时候，交互会越来越自然。你可以和它谈心，它可以成为你的伴侣，也可以让它帮你做事，像一个管家一样。它可以帮你照顾老人，也可以帮你处理家里的事情。 短期内可能还比较难，所以这是很难做的一件事。 另外，为什么需要人形机器人？因为我们现在这个社会，包括基础设施，都是高度按照人的形态设计的。如果是人形机器人，它可以利用现有的基础设施，比如爬楼梯、按按钮，有些事情都是按照人的方式设计的。 当然，这更多是一种选择。比如社会机器人里有一个警察，如果这个警察太小，你看了不舒服；太大，也不舒服。如果是人形的，你会感觉是在和人在交流，这也可以避免恐怖谷效应。 这更多是一种社会进化。你看到的是一个和你相似的同类。我一直讲，10 年之内，机器人可能比人还多，而且每个人可能都有一个自己的机器人，是你的 copy，像你的替身一样。 我觉得会的，它可以帮你做好多事情，是你的一个分身。 张亚勤 对，是一个分身。但如果以后每个人都有太多分身，也可能会造成一些问题。 这个分身本身是从属于你的，听你的话，不能自己做主。它是一个助理，可能十分聪明，甚至比你还厉害，但它听你的，属于你。 它属于家庭机器人、工业机器人还是社会机器人？ 张亚勤 都可以。如果它在家庭里，就是家庭机器人的一部分；如果你到工厂上班，工厂里面可能有一个你的机器人，帮你做事。 但这两个机器人是不是同一个？还是可能不是同一个？ 张亚勤 我的意思是，它们是不同的东西。 那社会机器人和家庭机器人，哪个更难达到？ 张亚勤 都不容易。所谓的人形机器人都不容易，最后要做成通用的人形机器人，需要很长时间，所以我说需要 10 年。也许 5 年之后到 10 年之间，会慢慢出现一些形态，先有一些功能可以实现。 但相对来说，我们已经证明的是无人驾驶汽车。我刚从旧金山回来，在旧金山坐了 Waymo，也就是谷歌的 Waymo，感觉特别好。它开得比人还丝滑。更重要的是，现在旧金山市民都想坐，他们已经不认为这是新奇的事情了，已经接受了。 相比之下，今年萝卜快跑在武汉似乎还遇到了一些公众不接受的问题。 张亚勤 公众还没有完全接受。但显然，萝卜快跑的安全性至少比有人驾驶高 10 倍，非常安全，从来没有出过事，同时开得也很好。只是因为时间还比较短，大家会有一些疑虑。 但真正坐过的人都很喜欢，评价也很高。大家可能还是把它当作一个新东西来看。现在看，中美两边走在最前面的，就是百度 Apollo 和 Waymo。它们已经真正让大家觉得：这就是未来的无人驾驶。 无人驾驶放到现代汽车里面也可以成为一种新的产品，但无人车做出租车、做一种服务，是商业模式的问题，能力已经有了。 你怎么看马斯克代表的 L2+ 自动驾驶路线，和 Waymo 代表的直接做 L4 的技术路线？马斯克也认为他的 L2+ 能够上升到 L4。 张亚勤 可以上升到，但还需要测试，也需要一些新的技术。目前还不行。现在 FSD 还是不能做 Robotaxi，还需要进一步发展，因为它的设计里面有人，人还是可以接管的。 比如它可能每 45 分钟需要接管一次，但 Robotaxi 永远不能接管，基本上就是不能接管。Robotaxi 以后甚至可能连方向盘和踏板都没有，所以要求会更高。 但能不能达到？已经达到了。所以我觉得 Tesla 要做的话，规模会更大。Tesla 如果全部做起来，以后车企都可以做到。 首先，Waymo 和百度 Apollo，也就是萝卜快跑，是最早做这件事的。萝卜快跑是 Apollo 下面的一个产品，Apollo 是平台。它们在中国和美国证明了无人驾驶是可行的，技术是可行的，这一点非常重要。 接下来大家就是看谁跑得快、谁跑得慢，商业模式怎么落地。过去比如两年以前，我觉得还看不到曙光。你问我两年前知不知道会发生，我一直有信心，但你问我什么时候发生、能不能发生，我也不知道。现在我觉得已经很清楚了。 如果车企能做自动驾驶，它们自己本身就有车队。那 Waymo 或者百度 Apollo 这样的产品，商业模式会不一样吗？最后这条赛道会属于谁？ 张亚勤 这是特别好的问题。以后的商业模式可能会发生变化，但大致可以想象有 3 种企业。 一种是提供服务的企业，就像现在的滴滴和出租车，是运营服务商。第二种是做整车的企业。第三种是做车里面东西的企业，包括芯片，比如地平线、NVIDIA 这样的公司。 有些公司可能说，我只做车，不做 Robotaxi 服务；有些公司只做服务，用别人的车，这些都会发生。像 Tesla 一样，它可能什么都做：车是我的，服务也是我做，也用自己的车。 最后会有竞争，看谁能拿下这个市场。何小鹏也不会是一家独大，最后还是会有很多家。 何小鹏的选择是，他们做 L4 技术，但不会做 Robotaxi 的平台方。他的定位是：我做车，但不做运营。很多车厂可能都会选择这样做，就像现在一样，车厂卖车，但不做出租车生意。 所以最后大致就是 3 个东西：服务、车，以及车里面的芯片和元件。 为什么具身智能今年这么火？自动驾驶其实已经不是新事物了，已经做了 10 年。 张亚勤 ### 大模型点亮具身智能 我觉得今年大家看到曙光了。这里面有一个很大的促进因素，导火索就是大模型。 我先讲无人驾驶，再讲具身智能。无人驾驶这么多年有几个大的问题。第一个问题是数据量不够，测试数据不足。第二个问题是有很多 corner case，很多场景在测试时碰不到，但可能会出现新的安全问题，泛化能力比较差。 第三个问题是过去的人工智能模型比较碎片化：地图一个模型，视觉一个模型，语言处理一个模型，激光雷达又有一个模型。它们都是垂直的、碎片化的模型，然后再把它们拼到一起，先做感知，再做融合，再做规划和决策。 里面既有人工智能算法、神经网络算法，也有很多固定规则，拼得非常复杂。 大模型出来之后，帮助我们快速解决了这几个问题。当然不能说完全解决，但至少让这 3 个大的挑战缓解了很多，快速、大幅度地加速了无人驾驶的开发。 第一，过去数据不够，现在可以根据真实数据生成很多数据，让整个仿真速度变得很快。第二，过去很多场景没有遇到过，但大模型本身有很好的泛化能力，也有常识，可以通过模拟器把这些常识学到，所以很多没有碰到过的情况，它也比较容易解决。 第三个非常重要，我们现在开始做端到端。以前那些模型我都不管了，直接把它们放在一起，一个输入、一个输出，最多用一些规则兜底。这样就把 3 个大的挑战缓解了很多，快速加速了整个无人驾驶的开发。 所以，马斯克的端到端模型，是一个让大家看到曙光的重要产品。 它用的是 BEV，端到端模型？ 张亚勤 对，用 BEV，也用端到端。端到端我们也在做，大家都在做。大模型出来之后，加速了整个生态的变化。过去我们也想用，但没有这样的条件。现在大模型出来了，我们就可以做这件事情。 这是不是都用 Transformer？过去一会儿用 convolution，一会儿用 RNN，算法都不一样。 张亚勤 对，这是上一代人工智能深度学习和现在的区别。第一代、第二代人工智能，会针对不同的输入使用不同的算法，再把不同的输出融合起来。 现在不管是什么输入，基本上都可以用同样的 Transformer 来处理，也就是 token-based 的方式。 无人驾驶是这样，机器人也是一样。机器人遇到的问题基本类似，而且机器人的数据更少，因为每一种垂直机器人都更少。 过去的仿真通常是在数字空间里做，比如强化学习：给它一个环境、一个智能体，让它学习并找到策略。但这个策略用到实体上之后，经常不 work，也就是 sim-to-real 不 work。 我们自己做了一种 RSR，也就是 Real to Sim to Back to Real，把真实世界和物理世界的东西连接在一起。这样就能加速落地：在数字空间里做的学习，拿到真实世界里也能 work。 这可以叫作构建一个世界模型。我们从真实场景出发，把它分析成模拟世界、数字世界的东西，也就是 Real to Sim。到了 Sim 这个阶段，可以用各种 AI 生成工具，比如 Stable Diffusion、各种 planning 工具，生成很多东西；然后再和真实世界连接起来。 等于是在数字空间里学习，但学到的东西还可以用回真实世界，这就弥补了数据不足的问题。 还有一个很重要的地方，就是大模型本身。过去机器人最大的问题是听不懂你说什么。它听得懂字，但不知道你后面是什么意思，没有常识，也没有理解力，不太会推理。 现在有了大模型，就等于有了一个大脑，可以指挥前面的机器。这是一个大的跳跃。 比如家庭机器人，我对它说：“帮我把这些脏衣服拿下来，洗好，送到干洗店，再帮我拿回来。”这个事情过去做起来很难，但现在相对容易一些。因为 ChatGPT 或 GPT 这样的模型听到之后，能够理解我是什么意思，把它分解成一连串动作，再指挥机器人去做。 等于给机器人加了一个脑子，而且这个脑子是过去最难的东西。现在人机之间可以进行很自然的对话，大模型理解我说的话，再把它分解成动作，让机器人去执行。 车怎么开，大家都知道，但机器人怎么做动作，落地会更难一些。 机器人要落地，场景会更碎片化。 张亚勤 对。你做什么机器人的场景都特别碎。做早餐的机器人，和扫地的机器人不是一回事；你也不能把所有事情都放在一起。 但我们希望后台的大脑是一样的，前面不一样就可以。过去的做法是，扫地一套系统，做饭一套系统，洗衣服一套系统，焊接元件一套系统，质量检测一套系统，开车又是一套系统，彼此没有关系，每一个都是专用系统。 现在不一样了，后面都是同样的东西，前面不一样。这就像人一样：一个人什么都可以干，上了学之后有基本常识和基本智能，之后可以学开车，也可以学扫地，也可以学习其他事情，但还是同一个人，不需要每次换一个脑子。 今天开车这个场景是相对确定的，其他工作可能还不好说。 张亚勤 对，有些事情确实很难。机器人有时候会开车，但不会开门；或者开了门进去之后，找不到微波炉；或者会打开微波炉，却不知道怎么关。 这些都是很小的细节。过去不能每个地方都设置一个新算法，早期都是用规则来做，需要一步一步教它。现在不一样了，它看一眼就学会了，学会之后，换一个东西也会开。 它还知道要用多大力气。比如它拿茶叶给你，会告诉你“小心，这个是热的”，类似这样的事情它都能学会。它有了所谓的常识。 这个常识是从哪里来的？ 张亚勤 就是从大模型里面来的。不需要每个地方都教它。过去是一个规则一个规则地教，那要有多少规则？现在不用了，它学会之后自己会推理，就像人一样。 比如我想吃点东西，如果它了解我，知道我经常吃香蕉，它可能会在房间里找到香蕉拿给我。或者吃饭的时候，它知道我不吃羊肉，点餐时就不会给我点羊肉。 这些基本常识它都会有，不需要每一件事都记下来。它就像人一样，会理解你，知道你的基本习惯。 今天落地的自动驾驶，和后面的具身智能，分别有哪些难点？ 张亚勤 这也是为什么我认为信息世界会简单一点。信息智能只要有手机、有电脑就可以，但物理世界不一样，它和部署场景本身的周期很长，难点很多。 比如无人车，首先要有政策法规，还要解决它和有人驾驶车辆之间如何博弈的问题。因为是物理场景，所以要打造一个世界模型。做信息世界的模型，不需要打造一个物理模型。 机器人也是一样。比如我的机器人是送外卖的，假设它用轮足，它怎么上下楼、怎么开门？这些事情都不一样，都会更复杂。每个细节的问题更多，每个场景落地时需要做的事情也更多。 这就像上学。上课时有书本就够了，大模型和信息智能就像读书，读了书之后，我很聪明，能够总结出道理，也能够表达。但真正做事情时，还是要去做。你还需要行万里路，还需要 skills。 机器人要解决的，就是怎么样把这件事落地，怎么样让数字世界和物理世界交互在一起。每个地方都不一样，有些简单，有些难。 ### 创业仍有长期机会 今天看，信息智能里做大脑的机会，好像该去的公司都已经去了，所以没有创业公司的机会了；自动驾驶也崩溃了。创业公司还有机会吗？ 张亚勤 不能这么讲。信息智能里面也有不同方向，也有垂直领域。比如横向的大模型里面，还可以做生成图片、写代码等垂直场景。 自动驾驶方面，今天不可能再说我要做一家自动驾驶公司。自动驾驶已经做了 8 年、10 年，大家都已经长跑了很长时间。 现在可以看到，这些公司慢慢起来了。萝卜快跑当然是比较领先的一个，小马智行、文远知行也都在发展。芯片方面有地平线这样的公司。 今年我觉得这些公司开始上了一个台阶：上市了，有产品了，有服务了，大家也开始认可它们了。所以未来 5 年，它们会有很好的发展前景。 但这些公司确实需要很长时间。任何一个东西要做好，都需要相当长的时间，一两年通常做不出来。 机器人也是一样。现在做人形机器人的公司，可能要 8 年、10 年之后才能做成。它可能正处在自动驾驶 10 年前的状态。 我说的不是简单的工业机器人，工业机器人已经有很多了。我讲的是人形机器人，是最难的那一部分。所以我说，10 年之后，物理智能会成为 mainstream。到那个时候，家庭里可能就会有机器人，你买一个就能 work，不需要再做很多配置。 现在也开始有养老机器人了，但我觉得还处于科研和尝试状态。比如周古月做的公司，叫求知科技 Discover Robotics，做得挺好。但你看它的客户，还是科研、教学机构，或者一些小公司在用，还没有直接面向最终用户。 可能有一款小型机器人是给孩子玩的，从小孩到大学研究机构都可以用，但它还是作为工具使用，并没有成为主流产品。家庭机器人、社会机器人和工业机器人，这 3 类目前都还没有真正变成主流。 做自动驾驶的车企，直接开始做机器人会更容易吗？ 张亚勤 技术方面有很多共性，但最后还是要看怎么落地。整体来讲，机器人稍微更复杂一些，要学习的东西更多。 不过，自动驾驶要求更精确。比如有些机器人速度慢一点、快一点没有关系，做早餐慢一点、快一点都可以，但开车不行。开车如果在几百毫秒内犯错，就不行了，要求不一样。 每个地方不太一样，但背后的东西其实都是一样的。首先需要一个感知模型，感知周围环境；然后要理解，还要有 action。现在也有 Vision-Language-Action，也就是 VLA 模型，以及 action model。 那再往后，生物智能呢？ 张亚勤 ### 生物智能延伸人类寿命 生物智能需要更长时间。生物智能是把我们的大脑和其他东西连接在一起，可以通过植入或者非植入的方式。我更看好非植入方式，也就是使用更好、更敏感的传感器，以及一些新的机器和大脑之间的接口。相关技术发展得很快。 我们有生之年能看到吗？ 张亚勤 可以。我认为 20 年之内可以实现。 到时候你会看到，我们的大脑被完全拓展。大脑拓展有几个维度。第一个维度是记忆基本上无限，存储不需要自己记，所有东西都可以保存。 第二个维度是，它会让我们变得更聪明。开始时可能更多是用来治病。比如盲人，可以刺激相应的神经元；听不见的人，可以刺激听觉相关的神经元。残疾人也可以通过连接中枢神经，修复一部分功能。 一开始会用于治病，包括老年人的健忘症、阿尔茨海默病，以及小孩的多动症、自闭症。这些可能会先实现。到了后来，它就可以拓展人的智能，把正常人的智能也拓展出去。 但这需要很长时间，也会有伦理问题，还会涉及未来人类如何与其他世界共存。因为它不是身外之物，会和人连接得更加紧密。 那我们有没有可能在有生之年，把自己的生命留给硅基世界？ 张亚勤 Possible，possible。这既是一个哲学问题，也是一个信仰问题。我觉得有可能，但我不认为现在的人工智能可以产生意识。 我认为人的大脑可以和硅基、碳基生命连接在一起，这是可以的。它可以让生活着的人更聪明、更健康，寿命更长。是不是会永生，我不知道，但寿命肯定会延长。 是硅基生命的寿命变长，还是碳基生命的寿命变长？ 张亚勤 是硅基生命的寿命长，不是碳基生命的寿命长。硅基基本上可以存在很长时间，它可以延长碳基生命。 这是怎么做到的？ 张亚勤 比如我的器官都可以替换，大脑也可以变得更好、更健康。现在很多人去世，是因为癌症、老年人的精神疾病等问题。以后这些疾病可能都会被治好，不管是通过药物还是其他技术，我相信都可能治好。 但我不相信硅基系统会自己产生意识、自我意识，产生新的灵魂，这一点我不相信。 为什么你不相信？它聪明到一定程度，不就应该能产生意识吗？ 张亚勤 因为我们连人是怎么产生意识的都不知道，所以这更多是一个信仰问题。但现在人已经有意识了，我们只是给人加了一个东西，让人变得更聪明、更健康、生命更长，这是有可能的。 前段时间我采访以太坊的 Vitalik Buterin，他讲了一个很有意思的观点。他觉得未来生物技术和硅基技术会合并，因为这是人类唯一能够参与的 super intelligence。否则，如果单独有一个计算机比我们都聪明，它可能会主宰这个世界。 张亚勤 这是另外一个话题。但我觉得未来的生命体，可能就是 3 种智能的融合，也就是数字、物理和生物的融合。硅基和碳基会融合，但有意识的还是我们的碳基生命，这是目前我们对碳基意识的理解。 因为就目前来说，再多的算力、再多的数据，本身都和意识没有关系。或者说，我们没有办法创造自己不懂的东西。我们不懂的东西，就不能创造出来。这是 Richard Feynman 讲过的意思。 但这就涉及另外一个话题：未来人类这个物种会怎么样？ 张亚勤 我认为未来就是一个新的物种。这个新的物种，控制的还是我们人类，只是它会变得十分智能、能力十分强大。 这个物种会控制我们人类吗？ 张亚勤 不，我说它还是被人类控制，还是我们人类的延伸。 你想想看，我们现在看 3 万年前的人，你说是不是一个物种？我觉得已经很不一样了。3 万年前的山顶洞人，那个时候人开始有工具了，石器时代有火，但那个工具很 primitive。 我们今天有手机、电脑和互联网，但再过 100 年回头看今天的手机、互联网和 PC，就像我们看 3 万年前的火和石器一样。而且，人类的进化速度会变得很快，这件事很有意思。 人类从狩猎社会进入农业社会之后，经过两三千年，生活方式没有太大变化。真正最大的变化，我认为是在过去 300 年、工业革命之后。首先，人类有了能源，有了体力的延伸；第二个变化是信息社会。 现在经历的是另外一种变化，也就是人的智力在快速延伸。所以人的进化速度不是自然进化，不是达尔文意义上的那种进化，而是一种非线性、指数型的进化，速度非常快。 所以我说 100 年，也许 30 年之后，我们回头看今天的人类和今天的这些东西，都会觉得很简单。到那个时候，就是一个新的物种，它比现在聪明得多。但它仍然是人在控制，是硅基和碳基的结合，不只是碳基。 这取决于你怎么定义物种。比如猿人，你说它是不是一个新的物种？都是，但完全不一样。 张亚勤 对。过去需要 3 万年，但未来可能不需要 3 万年，可能 30 年、100 年，甚至 30 年就可以变成一个全新的东西。 能不能构想一下，10 年后我们的社会会是什么样？ 张亚勤 10 年后不会有特别彻底的变化。我觉得我们现在想象的很多东西，到那时会实现。比如很多车会变成无人驾驶的，会看到很多无人车，开车的人会变少。 人不会变少，但开车的人会变少？ 张亚勤 对，开车的人会变少。10 年之后会比现在少很多，很多人会选择不开车。 就像现在在大城市，年轻人会选择不买车，因为打车更方便。那时候很多人可能也会选择不开车。 30 年之后，可能看到有人开车，就像现在看到有人赶马车一样，变成一件新奇的事情。现在去纽约还可以坐马车，大家会觉得很新鲜。30 年之后，看到有人开车，可能也是这种感觉。 以后人开车可能需要特殊批准，甚至需要小牌照制度。别人可能会问：为什么你要自己开车？ 你看，30 年前电梯里还有人操作，现在大部分电梯已经没有人了，但有些地方还有电梯服务员。我之前在英国看到过，感觉很新鲜。这种服务以后可能会变成高端服务，或者一种特殊服务。 以后很多事情可能会变成这样，人工反而变成一种特殊场景，就像手工制品一样。 那你会看到很多机器人真正进入家庭？ 张亚勤 对。每个家里都会有一个机器人，就像今天的冰箱、电视一样。机器人可以帮助你，也可以负责安全。你不在家的时候，它可以看看窗户有没有关，家里有没有人闯入。 可能以后买车的钱就花在买机器人上，因为不用买车了。 张亚勤 对，这些都会实现。包括教育方式也会彻底改变，医疗也会改变。现在我们正在做 AI hospital，也就是无人医院。 10 年之后，现在很多正在做的事情都会变成现实。但人的本身不会发生彻底变化。 30 年会有变化？ 张亚勤 我认为 30 年会有变化。人的寿命会大幅增加，100 岁可能会变成常态，有些人可能活到 120 岁、150 岁。 这会带来社会结构性的变化吗？能推演一下吗？ 张亚勤 这个我不知道，但我觉得一定会带来结构性变化。比如以后人的工作时间肯定越来越少。 工业革命之后，我们一周工作 7 天，后来变成 6 天。我出国的时候，我们还是每周工作 6 天，回来之后变成了 5 天。现在欧洲一些地方已经是 4 天了。以后人可能一周工作 1 天，其他时间做自己喜欢的事情。 但这不一定意味着很多人失业。不是有些人工作 7 天，其他人就失业，而是社会生产力会大幅提高。 社会结构会变化。人类会进入 aging population，寿命变长，出生率自然会降低，人口可能会减少。 寿命长了，人口总数不一定减少，但新增人口会变少。 张亚勤 对，新增人口会变少。现在已经是一个大的趋势。你看相对发达的国家，人口都在减少。 人的整个寿命中点可能会变成 80 岁。现在大概是 40 岁，我不是说平均寿命，而是说人的寿命中点。以后 80 岁的人可能还是青年人、壮年人，这些都会改变。 老年人的身体也会很好，很多疾病会慢慢被治愈，包括身体疾病和大脑疾病。 那人是不是应该尽早找到自己喜欢做的事情？否则怎么度过这么漫长的人生，而且工作时间还减少了？ 您会给现在的学生什么样的建议？如果科技在发生变化，教育也会发生变化，他们应该怎么做？ 张亚勤 ### 教育加入人工智能 去年我在经管学院毕业典礼上做过一个半小时的演讲，给未来的学生讲了一些建议，也讲了人工智能带来的挑战和机会。 整体来讲，人工智能时代到来之后，我们的教育方式、人才培养方式，以及未来对人的素质要求，都会发生变化。 未来的教育方式里会多一个东西。现在是学生和老师，以后还会多一个 AI。我的建议是，以后每堂课都有一位真人教授，还有一位 AI professor。 AI professor 应该像助理一样，但它可能比教授懂得更多。学生可以和它交互，也可以向它提问。 所以，未来很重要的一种学习方式，不是背诵，也不是刷题，而是学会怎么问问题。现在看 ChatGPT，它回答的水平和你提问的水平有很大关系。 你随便问，它可能就乱答一通；你问得特别好，它就会给你非常深入的答案。这和你与它交互、提问的能力有很大关系。 我们一直讲要会问问题，要批判式学习，要进行 debate，要有自己的新观点，还要不断学习。未来的教育一定会把 AI 作为一个重要元素。 但现在还没有完整的系统，学习方式的调整也需要很长时间。 基于你读过的书，能不能推荐两三本？ 张亚勤 我最近看了一本书，叫《Auto Life》，特别好，讲 AI 和 Life Science，也讲长寿和生活方式，这本书很好。 我原来还读过《In Search of Memory》，这是一本老书，也是特别好的一本书。而且我还向这位老先生请教过，他现在已经 100 岁了，是哥伦比亚大学的教授。 这本书讲到，人的一个重要智能就是记忆力。记忆分成几个层次：有天生的、基因的记忆，也就是 DNA 里的记忆；有短期记忆，还有长期记忆。学习其实就是把知识变成记忆，形成大脑皮层里的长期知识。 现在 AI 还不太懂这个东西，对知识的抽象还不够，所以我觉得这本书写得特别好。 人类是怎么记忆的，包括老年人的失忆症，你会发现，很多时候都是大脑的记忆出了问题。比如海马体开始缩小、萎缩，这时候人的记忆就会受到影响。 所以记忆特别重要。现在 AI 的记忆还不太行，也没有完全形成这样的分组和层次，这本书讲得很好。 好啦，这期节目就是这样。如果你喜欢我的节目，欢迎前往苹果 Podcast、腾讯新闻、小宇宙、喜马拉雅、QQ 音乐订阅《张小俊商业访谈录》。如果你有其他想邀请的嘉宾、想听的内容，或者你有任何想探讨的话题，都欢迎各位听众朋友们在评论区里留言。那我们下期再见，拜拜。