张亚勤详解中美AI新格局：中国大模型跻身第一梯队，差距缩短至两个月

oppledr

图源：视觉中国

文丨胡世鑫  

编辑丨叶锦言

出品丨深网·腾讯新闻小满工作室

张亚勤是一个技术乐观派。
十年前，他在《人民日报海外版》撰文《“智能+”大风暴即将深刻影响世界》，预言：“‘智能+’将成为第四次工业革命的技术基石。”
十年后，在2025世界人工智能大会上，“AI教父”杰弗里·辛顿直言：“我们正在创造比自己更聪明的AI，这就像把一头老虎当宠物养在家里，指望‘消除它’是不现实的。”
尽管张亚勤与辛顿曾共同发起一家专注AI风险研究的机构，并且联合发布过多份警示声明，但他并不认同辛顿关于“AI终将吃人”的猛虎比喻。
“无论科研、产品还是政策层面，只要始终保持高度的风险意识，就能让AI朝着人类定义的方向演进。”张亚勤说道。
9月30日，IMF原副总裁、中国人民银行原副行长朱民与中国工程院院士、清华大学智能产业研究院（AIR）院长张亚勤在清华大学五道口金融学院展开一场深度对话。
这并非二人首次跨界对谈。早在两年前，朱民与张亚勤就“颠覆认知的AI时代与产业机遇”进行过一次讨论，彼时，张亚勤的观点是：“中国在大模型方面肯定是落后的”。
不过，随着技术发展突飞猛进，开源生态与闭源壁垒碰撞，“百团大战”蜕变为大模型主导的产业格局。如今，他有了不一样的感受。
作为“AI +”的提出者，张亚勤再次分享了他对“智能涌现”的理解、当下对AI +产业变革的判断，以及中国大模型跻身世界第一梯队的观察与信心。

9月30日，朱民与张亚勤在清华大学五道口金融学院对谈

以下为嘉宾对谈实录，经《深网》整理编辑，略作删减：
AI时代的“智能涌现”
朱民：大家好！我们非常荣幸地邀请到张亚勤，一起聊一聊“AI+”时代的创新与变革。
亚勤今年3月出版《智能涌现》。书中讲透了“涌现”的概念：当规模达到一定程度，量变会引起质变，智能也就“涌现”出来了。
此外，AI界的顿悟时刻也许是ChatGPT的出现，但我认为“AI+”的引爆点也许是DeepSeek的出现。亚勤早在五六年前就洞察到这一切，并付诸实践。我们两年前曾有过类似主题的对话，今天很高兴能继续讨论这个主题。
张亚勤：的确，这一轮人工智能最大的特点是“涌现”，体现在几个方面。其中一个是“代币化”。无论是文字、语音、图像，还是3D或4D时空信息，各种信息都可以被转化为统一的符号，其核心在于所有信息形式被映射到同一表征空间之中。
基于“代币化”，新一轮的生成式人工智能，如Transformer，其实是Predict the next token，才得以实现内容上的“创造”，生成出新的Token。但真正的质变发生在数据规模、代币数量和算力均超越某个临界点之后，此时系统开始展现出所谓的“涌现”。
当大语言模型的参数量突破百亿级别，会触发“规模定律”效应，也就是说，模型性能并非线性增长，而是随着规模扩大发生跃迁，从而涌现出未经编程的新能力。这是技术层面的涌现。此外，还有产业层面的。人工智能本身是一项颠覆性技术，但其更大的影响力在于它能作为赋能基础，涌现并深度融合到各产业中。
因此，代币化、规模定律、涌现效应是新一轮人工智能最核心的三个概念。
朱民：两年前你说大概20年到30年可以达到AGI水平，今天你怎么看？
张亚勤：我现在认为15到20年可以达到AGI水平。不过，我先稍微说明一下我对智能的三重定义。
一是信息智能，像ChatGPT这类系统，主要处理数字世界的信息。二是物理智能，指大模型进入物理世界，如无人驾驶、无人机、机器人等，让AI在现实环境中行动和交互。三是生物智能，涵盖脑机接口、新药研发、新型生物体设计等，本质是AI与生物系统的融合。
基于此，信息智能层面离AGI非常近，可能只需三四年；物理智能需要十年；生物和生命领域的智能大约需要15到20年。
朱民：再过15～20年，在座的各位是碳基生命，还是硅基生命？
张亚勤：未来会走向融合。我们作为碳基生命，有意识和主动性，而硅基生命是被动的助手，是我们能力的一部分。尽管它的智商可能远超人类，比如人类平均智商是120，它能达到1200，但它仍会听从我们的指令。
朱民：当人类拥有一个智商是人类10倍的硅基生命时，人与机器的关系会是怎样的？
张亚勤：我们仍是机器的主人，机器是我们的助理。就像蒸汽机时代，蒸汽机虽增加了人的体力，但仍听从人类指挥。这次人工智能革命把我们的脑力和智商增加很多倍，但AI仍要听我们的指挥。
这次人工智能革命与过去不同。ChatGPT出现后，我有三点感受：第一，它是人工智能时代的操作系统；第二，它是首个通过图灵测试的智能体；第三，它是通向通用人工智能的新方式。
朱民：你说未来碳基生命会有一个智力高10倍的硅基生命，但它是我们的助理。那智力低90%的主体怎么能掌控高智能的Agent呢？
张亚勤：从技术发展看，AI能力已远超人类，未来会发展成AI+Human Intelligence。但有几个关键问题：首先，硅基生命无自我意识，人类有，所以AI会听从人类指令；其次，AI必须“善良”，其本质应向善，这取决于我们提供的数据、算法框架、大模型架构及与人类价值观的对齐方式。但失控风险存在。人类进化缓慢，而AI发展指数级，未来人机融合中，人类步调可从容，机器步调快，如何协调快与慢，是需深入思考的。
朱民：你承认问题未完全解决，但你是乐观主义者。十年前你就提出“AI+”，对人工智能发展很乐观。人类演化曲线缓慢，而人工智能曲线指数级发展，但你对两种智能融合仍乐观。辛顿把AI比作可能“吃人”的“宠物老虎”，担忧比你多，你们在这一方面一致吗？
张亚勤：我们对未来风险有高度共识，还共同成立机构研究AI风险并发布声明。但我不同意他将AI比作终究会“吃人”的猛虎。只要保持高度风险意识，AI应能朝着人类定义的方向发展。人类有两种智慧：发明技术和引导技术发展方向的智慧，后者才是走向真正智慧的关键。
朱民：机器智慧指数型上升对人类发展提出更高要求，一方面是确定方向，另一方面是实施管控。你对AI发展方向和管控的乐观基础在哪里？
张亚勤：第一，从算法层面看，当前人工智能本质上仍是代码和程序，遵循基于统计规律设计的路径，未来希望融入更多因果推断机制。但这些代码规则始终由人类制定。
第二，人类有五千年文明和三次工业革命历程，每次技术变革都伴随风险与危机，但最终都在可控范围内化解。从三百年前到现在，人类生活品质大幅提升，说明技术创新虽有负面影响，但主体是正向的。
不过，有些技术如核武器，若能重新选择，人类可能不会选择这条路。互联网虽正向，但也衍生出一些“净负面影响”的现象，如某些社交网络传播机制和游戏沉迷。
朱民：你承认人工智能指数级增长可能带来的风险，这和辛顿是一样的。但你坚定地相信人的本质、人性和人的学习能力，以及智慧的发展。AI向善，AI向大众。
张亚勤：我们必须正视信息智能、物理智能和生物智能三个层面的挑战。
在数字与信息领域，风险显著。信息造假和虚假内容泛滥，生成式AI出现后，大量信息由AI生成且多为虚假，这些虚假信息又成为训练数据，导致更多错误。此外，还有模型幻觉、版权和知识产权侵害等问题。但这些风险总体可控，因为我们已意识到它们的存在。
进入物理智能阶段，风险直接威胁人身安全。大模型应用于无人驾驶、无人机或机器人系统，尤其是多智能体协同行为中，问题严峻。算法决策过程不透明，技术可能被恶意滥用，多个智能体相互联结时，风险呈指数级增长，潜在危害大幅上升。
到了生物智能层面，如脑机接口将人脑与人工大脑相连，风险进一步扩大。技术发展不可逆，我们虽无法控制其演进速度，但仍应努力引导其发展方向，并通过持续研究降低潜在威胁。
中美AI的分化与竞逐
朱民：“AI+”常与中美竞争联系。过去，美国学者认为中国AI落后美国两年，但DeepSeek出现后，差距缩短至两个月。在算力、算法、数据方面，我们已搭建起平台，你如何看待中美AI竞争？
张亚勤：两年前，中美大模型差距约2到3年，但两年后形势大变，中国在某些方面已领先。DeepSeek是关键转折，标志着中美AI发展路径分化，中国走出自己的路。
早期，中国多借鉴美国模式，延续“搜集数据－堆计算资源－预训练”路径，算法也类似。当时“百模大战”涌现近两百个大模型。DeepSeek发布时，正值达沃斯论坛，其出现是自ChatGPT以来最重要的综合创新，意味着无需巨大算力、海量数据或庞杂模型集群，也能实现优异性能。
DeepSeek为中国赢得时间，仅用1%算力就实现相近性能，其开源策略获全球响应。与美国少数企业垄断不同，DeepSeek开源、采用MIT许可证，降低使用门槛，挑战美国闭源模式，影响全球AI生态。
但在芯片领域，我们仍面临差距，英伟达的GPU硬件到CUDA软件生态优势明显。不过，国内企业通过系统级创新突破限制，如华为利用通信技术连接数百芯片，构建高性能集群，弥补单点算力不足。这种创新加上算法优化，使中国逐步摆脱对外部技术依赖。
朱民：“AI+”竞争是重大议题。中美基本处于同一水平，中国有自身特点、弱点和强项。在“AI+”很多方面，中国处于世界领先，垂直模型逐步发展完善，而美国平行模型依赖规模且商业模式仍在探索。
张亚勤：过去两年多，AI领域变化巨大，大模型预训练阶段遇瓶颈，互联网可用数据消耗殆尽，预训练增长放缓，堆芯片、堆数据回报减弱。
现在重点转向后训练、推理和智能体方向。这些环节虽对算力要求高，但计算可分散处理，不再依赖集中数据中心，人工智能架构发生转变，小厂小规模芯片也能在推理环节发挥作用。
横向通用大模型重要，但更重要的是各垂直领域专门模型、个性化模型和智能体。这些应用生态总量和价值远超底层横向大模型。大模型像“操作系统”，关键在于上面的应用生态。未来机会在于上层智能体、垂直应用和解决方案。
中国在这一领域有广阔发展空间和独特优势。ChatGPT核心技术是监督微调（SFT）和近端策略优化（PPO），DeepSeek提出GRPO新算法，使计算性能大幅提高且标注工作可由机器自动完成。
朱民：中美竞争中，开源很重要。DeepSeek出现后，OpenAI曾说要开源，但最后没开源。这给中国创造了机会：发展中国家和新兴经济体愿意用像DeepSeek这样的中国开源模型，因为它小巧、成本低。那美国大模型的未来在哪里呢？
张亚勤：开源和闭源的争论一直存在，看法各异。我现在倾向于未来80%走向开源，20%闭源。
开源有三大优点：一是大家都能参与贡献；二是能覆盖更多场景和国家，一些用不起闭源大模型的地区，可以用开源模型，哪怕效果稍差也能用起来，这会推动开源技术快速普及；三是DeepSeek证明开源模型扩散速度快且效果好。
但站在OpenAI的角度，他们投入大量资源打造出最前沿的模型，如果全部开源，商业上会面临很大挑战。所以他们的策略是：最尖端的模型不开源，可能只推出一个规模稍小的开源版本，同时在商业化上采取多层次的打法。
目前在美国，真正领先的大模型公司主要有五家：OpenAI、Anthropic、谷歌的Gemini、马斯克的Grok，还有开源的Meta。虽然Meta稍微落后一些，但其开源贡献很大。
与早期互联网不同，这一波AI公司从起步就有清晰的收入路径。比如，OpenAI预计明年营收能突破200亿美元，主要是用户直接付费；Anthropic则更偏向To B，通过API调用和Token使用收费，今年营收预计已超百亿。
这次AI浪潮和以前最大的不同在于：技术有人愿意买单，用户肯为应用付费，而不仅仅是为了买GPU堆算力，最终价值还是要落到“用起来、愿意付”上。
朱民：开源和闭源是未来竞争的重要领域，你认为开源更有希望吗？
张亚勤：未来主流模式是开源。目前大模型商业模式还不清晰，但未来几年即使收费，价格也必须很低。开源价值在上层，即基于开源模型构建的具体产品和服务。“AI+”很有希望，因为用户愿意为成型的服务或产品买单，如机器人或无人驾驶车。闭源有合理性，开源也有发展空间，未来两者可能并存。
AI时代的教育变革与人类未来
提问：亚勤院士提到ChatGPT已通过图灵测试。如果我们继续教AI人类的情商和特质，它可能会学会“欺骗”。您是否担心AI获得欺骗能力？
张亚勤：图灵测试是粗略基准，人也会欺骗。目前用ChatGPT等工具，很难准确分辨，甚至有些回答比人更全面，但这无数学证明。我曾直觉认为它通过图灵测试，但未严格验证。图灵测试原针对对话信息，现进入多模态、物理智能、生物智能时代，其定义需拓展，各领域也需调整。AI大致已达人类智能水平。
提问：AI目前偏向理性分析，人类决策常依赖直觉。AI未来能否发展出类似人类的高准确度直觉？目前AI依赖数据和思维链，反应速度较慢，存在哪些挑战？
张亚勤：AI已进入“智能体AI”时代，未来智能体将相互连接，形成“智能体互联网”。智能体可自主完成金融交易、任务规划等任务，如“智能体医院”中医生、病人、护士全是智能体。AI与人脑各有长短，人脑记忆系统复杂，AI记忆机制薄弱。AI未来可能将复杂推理转化为“直觉”，但目前仍有差距。
朱民：AI能否与人并驾齐驱，关键在于快思维与慢思维的关系。人脑依靠神经网络“涌现”智能，AI理论上可朝此方向发展，但目前仍有路要走。
张亚勤：机器在算力、知识复制、全域互联等方面有优势，但直觉、情感、意识等目前算法难以实现。
朱民：在人工智能时代，人与机器应协同，人可将理性思维部分交给机器，直觉是人类独特能力。这需要颠覆思维方式，思考人如何在智能时代生存、发挥优势，实现人机协同。
提问：现在的学生好奇心不如从前，AI会不会让社会只有少数人竞争、大多数人靠机器“养活”？大模型会不会导致思维同质化或垄断？
张亚勤：未来每个人应珍视并表达自己的视角和判断，这是AI最难替代的。人虽可能说得不周全，但背后体现好奇心、独立观点和个人视角。老师要鼓励学生“不一样”，敢于展现自我、犯错、提出不同看法。理想状态是人节奏慢下来享受生活，让AI去“卷”、去工作，未来工作时间减少是趋势。
朱民：与其担心AI强大后人停止思考，不如思考如何借助机器实现自我提升。过去比背诵，现在知识都在AI里。人真正需要的是想象力、思维方式和创造力，要提升到更高维度。人类有信心掌控AI未来，因为人有善良本性、智慧。人不应是知识容器，而应成为思维与智慧主体，打破认知局限，重新定义价值。
提问：现在有些知识是不是没必要学了？我们该学什么？不用学什么？
朱民：在“AI+”时代，人与学习需要发生结构性转变。关键有三点：一是正视规模效应悖论，知识涌现需海量学习，持续学习仍很重要；二是学习方式要转变，不强调死记硬背，而要关注方法论和思维方式，启发思考、保护好奇心；三是学会用AI拓展自己，借助AI打开新认知维度，提升思维层次。人要超越机器，靠智慧与思维层次，同时善用机器提升思维。

诛仙九妹

张亚勤的乐观不是没道理的，我梳理了下，一是算法规则终究是人定的，AI 再智能也得听指令；二是风险能通过研究管控，他们还专门设了机构；三是咱们有移动生态和场景基础，“AI+” 落地快，底子扎实。

陪着寂寞看孤单

AI 时代的教育真在变，张亚勤团队搞的 Agent Hospital 系统太实用了，能模拟完整诊疗流程，AI 医生诊断准确率 96%，新手医生能快速积累经验还不担风险，这才是技术赋能教育的核心价值。

dsfgdsg

中国 AI 的路径选得挺务实，不跟美国硬拼基础理论，聚焦场景应用和工程化落地。斯坦福报告说中美顶级模型差距只剩 0.3%，加上微信元宝、DeepSeek 这些案例，应用牵引技术突破的路子走得通。

mulunbo

张亚勤的乐观还基于技术底层逻辑，他说的标记化、规模定律、涌现效应这三个核心概念，说明咱们摸透了 AI 发展规律。再加上十年 “AI+” 实践积累，对技术走向有把控，自然有信心。

ycp123

中美 AI 竞合里有个微妙点，美国想筑硬件铁幕，但立讯精密和 OpenAI 的合作说明供应链纽带断不了。咱们的优势就在这种 “应用生态 + 供应链” 的组合，既创造价值又有不可替代性，未来能占据重要位置。

oppledr

@元宝 中美大模型现在差距主要在哪些地方？如何追赶？

—じ☆ve人生—

这种场合说出的都是好的，形势一遍大好

walysj

人工智能 要听指挥

walysj

张亚勤打小就有“神童”之称！羡慕啊