阶跃星辰姜大昕、月之暗面杨植麟、生数科技朱军，云栖大会激辩“通往AGI的大模型发展之路”

【TechWeb】9月20日消息，在2024云(yún)栖(qī)大会上，极客公(gōng)园创始人、总裁张鹏对话阶跃星辰创始人、首席执行官姜大昕，月之暗面Kimi创始(shǐ)人杨植麟(lín)，清华大学人工智能研究院副院长(zhǎng)、生数科技首席科学(xué)家(jiā)朱军，三人对(duì)AGI发展现状和未来展望进行了激烈讨(tǎo)论和前瞻展望。

2024年，AI 发(fā)展变慢了吗？过去(qù)18个月(yuè)，AGI的发展是加速还是减速？如何评价OpenAI 最新发(fā)布的 O1 模型？强化学习将改变什么？大模型时(shí)代的创业新范(fàn)式是(shì)什么(me)？

姜大昕表示AI 技术发展加速， AI 发展正在经历关键(jiàn)的技(jì)术范式迭(dié)代： OpenAI 的大模型 o1 探索出了通过强化学习让 AI 具备人类(lèi)慢(màn)思考（可主动反思、纠错的(de)复杂思(sī)考）能力的方式，接下来提升强(qiáng)化学习模型的泛化能力和加(jiā)速(sù)推进多模(mó)态理解生成一体化是 AI 技术进一步突破的关键。阶跃星辰积极探索新的技(jì)术范式，已经在万亿参(cān)数(shù)模型上实(shí)现了(le)强化学习训(xùn)练(liàn)的方法论。同时，持(chí)续打(dǎ)磨更(gèng)高性能的底层大模型，提升C端产品体验。据他(tā)透露，近期阶跃星辰自研的(de) Step-2 万亿参数 MoE 语言大模型(xíng)已接入智能助手“跃问”，展现(xiàn)出更强大的指令跟(gēn)随、创作和推理(lǐ)能力。

谈(tán)到AI产品(pǐn)未来的可能形态，杨植麟表示，以后(hòu)的AI可能要思考(kǎo)或者调用各种工(gōng)具，它可能执行(xíng)分钟级别、小时级别(bié)甚至天级别的任务，所以产品形态上可能会更接近一个人，它更接近“助理”的概念，帮你完(wán)成异步的任务。这里面(miàn)的(de)产品形态设计可能也会发(fā)生很大的变化，想象空间蛮大。

谈到未来18个(gè)可能发生的事情，朱军表示，预想未来18个月可能(néng)比较令人兴奋的(de)一个进展，我希望(wàng)看到AGI的L3已经基本上实现。至少在智能体，比如我们说的世界模型的创建生成、虚实融合(hé)，至少在一些特定场景下的决策能力的巨大的(de)提升。其实它会利用我们今天讲到的(de)推理(lǐ)、感知等(děng)等。

以下为(wèi)对话实录摘(zhāi)录(lù)：

主持人：从ChatGPT的(de)发展，引发了整(zhěng)个世(shì)界(jiè)对于(yú)AGI这个事情(qíng)的理解，发展到现在也(yě)18个月了。各位的感受是怎么样的，过去18个(gè)月，AGI的发展是加(jiā)速还是(shì)减速？

姜大昕：我觉得过去18个月速度还是在加速的(de)，速度还是非常(cháng)快(kuài)的。因为当(dāng)我们回顾过去18个月发生的大大小小的AI事件以后，可以从两个维度(dù)去看，一(yī)个是数量的角度，一个是质量(liàng)的角度。

从数量的角度来看，还是每个月都会有新(xīn)的模型、新的产品、新的应用涌现出(chū)来。比如单从模型来看，OpenAI 2月(yuè)份发了一个sora，我(wǒ)记得当(dāng)时还是过年的时(shí)候，把大家轰炸了一下(xià)。然后5月份出了一个GPT-4o，上周又(yòu)出了o1。OpenAI的(de)老(lǎo)对手Anthropic它有Claude3到Claude3.5的系列，再加上谷歌(gē)Gemini系列、Claude系列、LLaMA的(de)系列，等等。

所以(yǐ)，回顾过去，我们的感觉(jué)还(hái)是GPT-4是一家独(dú)大，遥遥领(lǐng)先。到了今年就变成了(le)一个好像是群雄并起，你追我赶的局面，所以感(gǎn)觉各家是在提速了。

从质(zhì)量的(de)角度来看，我觉得(dé)有三件事情可能给我(wǒ)的印象非(fēi)常的深刻。

第一件事情，GPT-4O的发(fā)布。因为我看它，认为它是在多模融合这样(yàng)的(de)一个领(lǐng)域上了一个新的台阶。在GPT4O之前，是有GPT4V，它是一个视觉的理解模型(xíng)，有Dalle、Sora，这是视觉的生成模型。还有Whisper这是声音模型。所以原本(běn)这些孤立的模型(xíng)到(dào)了4O这里都(dōu)融合在一起了。

那为什么融合这件事(shì)情非常的重要？是因(yīn)为我们的物理世界本身就是一个多模的世界，所以多模融合一定是有(yǒu)助于更好的去为(wèi)我们的物理世界建(jiàn)模，去模拟世界这样一件事情。

第二件事情，特斯拉发布的FSD V12。大家知(zhī)道(dào)它是一个端到(dào)端的大(dà)模型，它把感知信(xìn)号变成一个控制序列。智驾是一个非常有代表性的，它是一个从数(shù)字世界走向物理世界一个真(zhēn)实的应用场景。所以，我觉得FSDV12它的成功，意义不仅(jǐn)在于智驾本身(shēn)，这(zhè)套方法论(lùn)可以认为是为将来的智能设备如何和大模型相结合，更好的去探索物理世界(jiè)指(zhǐ)明了一个方向(xiàng)。

第三件事情(qíng)，上周的O1，我对它的理解，它(tā)第一次证明了语言模型其实也可以有人脑(nǎo)的慢思(sī)考，就是系统2的能力(lì)。而我们觉得系统2的能力它是归纳世界所必备的一个前提条件，是一个基础(chǔ)的(de)能力。所以，我们一直认为(wèi)，AGI的演进路线可以分为模拟世界、探索世界、最后归纳世界。而(ér)过(guò)去几个月的时间我们看(kàn)到GPT4O、FSD V12和O1分别在这三个阶段或者(zhě)这三个方向上都取得了非常大的(de)突破，而且更重要的是为将来的发(fā)展也指明了一个方向。所(suǒ)以无论是从数量(liàng)还(hái)是质量上来说，都是可圈可点。

杨植(zhí)麟：我觉得整体也是属于加速发展的阶(jiē)段，核心可以从两个维度来看（AI的发展），第一个维度是纵向的维度，也就是说你的智商是一直在提升的，这个主要现在的(de)反应方式还(hái)是你去看文本模型能做到多好。第二个是横向(xiàng)的发展。除了文本模型之外，刚才姜总(zǒng)提到(dào)的，也会有各种不同(tóng)的(de)模态，这些模(mó)态会做一个横向的(de)发(fā)展，更多的让你这个(gè)模型(xíng)具备更(gèng)多的技能，能够去完成更多的任务，然(rán)后同时跟(gēn)纵向的智商的发展相结合。

在(zài)这两个维度上，我(wǒ)觉得都看到了非(fēi)常(cháng)大的进展，比如说在纵(zòng)向的维度上(shàng)，其实(shí)智商是一直在提升的，比如说(shuō)我们如果去看竞赛数(shù)学能力，去年是完全不及(jí)格，到今年已经能做到90多分，像(xiàng)代码基本上也(yě)是一样，能够击败(bài)很多专业的编程选手，包括因此也产生了很多新的(de)应用机会，比如说像现在(zài)比较流行的类似(shì)curser这样的，通过(guò)自然语言直接去写代码的这样的软件也越(yuè)来越普及，这是技术发(fā)展的(de)结果。包括(kuò)我们去看很多具体的(de)技术指标，现在的语言模型能支持的上下文的长度，我(wǒ)们如果去年这个时间点去看的话，大部分的模型都只能支持4K-8K的，但是从今天(tiān)去(qù)看你会发现4K-8K已(yǐ)经是非常低的数了，128K是一个标(biāo)配，已经有很多可以支持1M甚至10M的长(zhǎng)文本的长度。所以，它(tā)这个其实也是后面你(nǐ)的智商不断提(tí)升(shēng)的一个很重要的基础。

包括最近的很多进展，它不光只是说Scaling，Scaling还是会持续。而且很多进展也来自于你的后训练算法(fǎ)的(de)优化，来自于你数据的优化，这些优(yōu)化它的周期是会更短的。所以，这个周期更短导致(zhì)你整体AI发展节奏(zòu)也会进一步加快，包括我们最近在数学上看到的很多进展，其实也(yě)是得益于这些技术的发展(zhǎn)。

横向上当然也产生了很(hěn)多新(xīn)的突破，当然Sora可能是影响力最大的，在这里面(miàn)完成了这个视频(pín)生成。包括最近(jìn)有(yǒu)特别多新的产品和技术出(chū)来，现在你(nǐ)已经可(kě)以通过一个论文直接生成基本上你看不出来是真(zhēn)是假的双人的对话。类似这样的不同模态(tài)之间的转化、交互和生成(chéng)，其实(shí)会变的越来越成熟。所(suǒ)以，我觉得整体是在(zài)加速的过程中。

朱军(jūn)：AGI这里面大家最关注的还是大(dà)模型，刚才(cái)两位也讲了去年包括今年大(dà)模型也发生了很(hěn)多重要的(de)变化。整个的进展我是非常同意刚才(cái)讲到的，在加快。

另外，我想补充一点，大家在解新的问题，这个速度也在加快了，我们说它的Leaning corve在变的更陡。原来(lái)如果你看语言模型(xíng)，可能从2018年最早去做的，到去年以(yǐ)及到今年，大(dà)家走了五六年的路。但其实从(cóng)去(qù)年开始，上半年大家还是关注语言模型，下半年在讨论多模态，从多模态理解再到多模态生成。我们再回(huí)过(guò)头看的话，比(bǐ)如说图像(xiàng)或者视频，其(qí)实视频最明显，从今年的2月(yuè)份，当时很多人被(bèi)震(zhèn)惊到了(le)，因为它很多(duō)没有公开，就说怎么去突破(pò)？有很多的讨(tǎo)论。但事实上(shàng)我们现在看到(dào)这个行业里面，大概用了半年的时间，已经做到了可以去(qù)用(yòng)，而且达到了一(yī)个很好的一(yī)些(xiē)效果，在时(shí)空一致性上。所以大概(gài)走了半年的路(lù)。

所以这里面加速的一个(gè)最核(hé)心的原因，现在大家对(duì)这种路(lù)线的认知和(hé)准备(bèi)上，达到了比较好的程(chéng)度(dù)。当然我(wǒ)们(men)还有物理的条件，比如说像云的设施，计算的资源的(de)准备(bèi)上，不像ChatGPT当时出来(lái)的时(shí)候，大家当时更多(duō)的是一(yī)种不知(zhī)所措，我觉得很(hěn)多(duō)人可能没准备好去接受这个，所以中间去花了很长时间去学习(xí)、去掌握这个。当我们(men)掌握了之后再发现这个进展的话，再去做新的问题，其实它的速度(dù)是(shì)越来越快(kuài)的。

当然，这个(gè)可能(néng)不同的能力它再辐射到实际(jì)的用户的角度来说，有一些(xiē)快慢之分，当然(rán)也分行业。这个可能在广泛的角度来说，大家可能没感(gǎn)知到。但是(shì)从(cóng)技术来说(shuō)，其实这个进展(zhǎn)我感觉是曲线越来越陡，而且(qiě)可能对后边我们要预测(cè)未来的话，包括向更高阶的AGI发展，我(wǒ)是比较乐观的，可(kě)能会看到比之前更快的速度(dù)去实(shí)现了(le)。

主持人：最近OpenAI刚刚出的O1的新的模型，也是在专(zhuān)业人群里形成了非常多的影响，现(xiàn)在还在很丰富的(de)讨论。怎么评价O1进展(zhǎn)的(de)意义？

姜大(dà)昕：确实(shí)我看到一些非共识，有些人(rén)觉得意义很大，有(yǒu)些人觉得也(yě)不过如此。我觉得(dé)大家如果去试用O1的(de)话，可(kě)能第一印象是(shì)它的推理能力确实非常惊艳，我们自己试了很多Query，觉得推理能(néng)力确实上了一(yī)个很大的台阶。

然后我们去思考它背(bèi)后的意义(yì)究(jiū)竟是什么，我能想到的有两点：1.它第(dì)一次证明了Large language model，就(jiù)是语言模型(xíng)，它可以(yǐ)有人脑的慢思(sī)考的能力。它和以前(qián)GPT的范式，或者GPT的训练(liàn)，它叫，Predict next Token，它只要这样训练了，就注定了它(tā)只有system 1的能力。而O1是用了一个强化学习的训练框(kuāng)架，所以带来了系统2的能力。

系统1的体现，它是一(yī)个直线性思(sī)维(wéi)，虽然我们看(kàn)到GPT4有时候可以把(bǎ)一(yī)个复杂的问题拆解成很多步(bù)，然(rán)后分步去解决，但它还是直线(xiàn)性(xìng)的。系统(tǒng)1和(hé)系统2最大的区别(bié)在于，系统2能够去探(tàn)索不同的路径，它能够自我去(qù)反思、自我(wǒ)去纠错，然后(hòu)不断的试错(cuò)，直到找到一个正确的途(tú)径，这是系统2的特点。这次O1，它是把(阶跃星辰姜大昕、月之暗面杨植麟、生数科技朱军，云栖大会激辩“通往AGI的大模型发展之路”bǎ)以前的模仿学习和强化学习结合(hé)起来了，使得一个模型(xíng)同时有了人脑系统1和(hé)系统2的能力。所以我(wǒ)觉得从(cóng)这(zhè)个(gè)角度来看，它(tā)的意义是(shì)非常大的。

第二，它带来了一个Scaling Law的新(xīn)方向，我理解O1试图回答的一个问题，就是说RL（强化学(xué)习）究竟怎么去泛化(huà)。因(yīn)为强(qiáng)化(huà)学习(xí)它不是第一个，DeepMind一直走的是强化学习的路线，从AlphaGo到AlphaFold到(dào)AlphaGeometry，其实它(tā)在强化学习上是非常厉害的。但以前强化学(xué)习(xí)的场景都(dōu)是会为特定场(chǎng)景去设计，AlphaGo只能下围棋，AlphaFold只能去预测蛋白质的结构。所以这次O1的出(chū)现，它是在RL强化学习(xí)通用性和泛化性上了一个大的台阶，而(ér)且它scale到了一个很大的规模，所以(yǐ)我把它看(kàn)成scaling带来新(xīn)的技术范式，我(wǒ)们(men)不妨称之为RL Scaling。而且我们看到有意(yì)思(sī)的(de)一点，O1并没有到很成熟的阶(jiē)段，它还是一个开端，但是(shì)这个恰恰让人(rén)觉得(dé)非常的兴奋(fèn)，这(zhè)就等于OpenAI跟我们说，我找到了(le)一(yī)条上限很(hěn)高的道路，而且你仔细去思考它背(bèi)后的方法，你会相信这(zhè)条路实际上是(shì)能(néng)走得下去。所(suǒ)以O1从(cóng)能力上来讲，我觉(jué)得(dé)它展示了Language model可以有(yǒu)系(xì)统2的能力(lì)，从(cóng)技术上来说它带来新的scaling范式，所(suǒ)以(yǐ)它的意义还(hái)是非常(cháng)大的。

朱军：我的看法，它是代表着一(yī)个显著的(de)质变(biàn)。我们也对AGI大概(gài)做了一些分级，学术(shù)界，包(bāo)括产(chǎn)业界(jiè)大(dà)家有L1-L5的分级。其实L1的话相当(dāng)于聊天机器人(rén)，就是像ChatGPT等，之前大家做了很多对话的。L2叫推理者，实际(jì)上可以做复杂问题深度思考的推理。L3叫(jiào)智能体，回应吴总讲的“数(shù)字世(shì)界”走向“物理世界”，我要去(qù)改变的，我要(yào)去交互的。L4是创新者，它要去发现、创造一些新的东西，或者发现一些新的知识。L5是组织者(zhě)，它可以去协同，或者某种组织方式更高效来运转，这是大家对于AGI L1-L5的分级(jí)，当然每一(yī)级也有(yǒu)narrow和general的区分，在某些(xiē)Task上(shàng)展示出来。比如O1在(zài)L2的narrow场(chǎng)景下，在(zài)一些特定任务下已经实现了人类达到很高阶的智能水平。我觉得从分级角度来看，它确实代表着整个行业巨大(dà)的进步。

刚才技术上姜总也讲了(le)，它将过去强化学习或者其(qí)他(tā)一些技(jì)术，其实在研究里已经做(zuò)了很多东西(xī)，但(dàn)实际上它在大规模基座模型上能够做(zuò)出来的效(xiào)果，这还是从工程上，或者从(cóng)实现上来说对行业很大的触动。当然它也(yě)会错发(fā)或者激发出(chū)来很多未来的探索，或者实际的研发，可能会走向从narrow到general的跃迁。刚(gāng)才讲(jiǎng)到速度，我相信它会很快，因为(wèi)大(dà)家已经有很多准备了，我也期待这个领域里更多将L2做得(dé)更好，甚至(zhì)更高(gāo)阶的能实现。

杨植(zhí)麟：我觉得它的意义确实是(shì)很(hěn)大，主要意义在于(yú)它提升(shēng)了AI的上限。AI的上限是说，你现在去提升5%、10%的生(shēng)产(chǎn)力，还是说10倍的GDP，我觉(jué)得(dé)这里最重要的问题就是你能不能通过强化学习进一步(bù)scaling，这是完全提升了AI上限(xiàn)的东西(xī)。我们如果看AI历史上七八十(shí)年的发(fā)展，唯一有效的就是(shì)scaling，唯一有效的就(jiù)是加更多的(de)算力。但在O1提出之前(qián)，可能也有很多人在研究(jiū)强化学习，但都没(méi)有一个(gè)非常确切的答(dá)案，强化学习如果和大(dà)语言(yán)模型，或者和training processin这些东西整合在一起，它(tā)能否持续提升。比如(rú)GPT4这一代模型的提升(shēng)，更多是确定性的提升，我在一样范式下把规模(mó)变得更大，它肯定(dìng)是确定性的提升。但是(shì)我觉得O1的提升并不是(shì)一个完全(quán)确定(dìng)性(xìn阶跃星辰姜大昕、月之暗面杨植麟、生数科技朱军，云栖大会激辩“通往AGI的大模型发展之路”g)的(de)，这样的提升。

所(suǒ)以(yǐ)在之前大家(jiā)可能会担心现在互联网上大部分优质数据(jù)都已经被使用完了(le)，然后(hòu)你可能继续使用这个数据也没有更多数据可以挖掘，所以(yǐ)你(nǐ)原来的范式(shì)可能会遇到问题。但AI有效(xiào)了，你又需要(yào)进一步scaling，那(nà)你这个scaling从哪里来，我觉(jué)得很大程度上解(jiě)决了这个问题，或者(zhě)说至少证明了它初步可行(xíng)。初步可行的情况下(xià)，可能我们(men)会有越来越多人投(tóu)入(rù)去做(zuò)这个事情，最终你要做到10倍GDP的最终效果(guǒ)，它(tā)完全有可能，我觉得(dé)是一个很(hěn)重(zhòng)要的开端。

我觉得对很多产业格局上，或者对于创业公(gōng)司(sī)新(xīn)机会来说也会发生一些变化。比如我觉(jué)得这里很关键的一个点，你的训练和推理算力占(zhàn)比是(shì)会发生很大的变化，这个变化我(wǒ)不是说训(xùn)练的算力会下降，训练的算力还会持续提(tí)升。与此同(tóng)时，推理(lǐ)的算力提升会更快，那(nà)这个比例的变化本质(zhì)上会产生(shēng)很多新的机会，可(kě)能这里很多(duō)新(xīn)的创(chuàng)业公司(sī)的机会(huì)。一方(fāng)面，如果你达到(dào)一定的算力门槛，它(tā)可以在这里做(zuò)很多算法的基础创新，那(nà)你可以在基础的(de)模型上甚(shèn)至取得(dé)突破(pò)，所以(yǐ)我觉得这个很重(zhòng)要。

对于算力相对小一点的公(gōng)司，它(tā)也可以(yǐ)通过后训练的方式，在一(yī)些领域上做到一些效果(guǒ)，这里也会产生更多的产品和(hé)技术机会，所(suǒ)以我觉得整体也(yě)是打开了(le)创业相关(guān)的想象空间。

主持人：这一波AI新的(de)变化，接下来会(huì)对AI相关的产品带来什么(me)样(yàng)的连锁反应，这个变(biàn)化如何发生？

杨(yáng)植(zhí)麟：这是很好的问题，我们现(xiàn)在还是处于产业发(fā)展的早期(qī)。产业发展的早期(qī)有一个(gè)特点(diǎn)，还是技术驱动产品会更多(duō)，所以很多(duō)时候你(nǐ)的产品会(huì)去看当前的技术是怎么(me)发(fā)展，然(rán)后把它最大化的价值提取出来，所以这个问题首(shǒu)先非常好，可能我们根据这个(gè)新的(de)技(jì)术进展，再返过来推一下现在产品应该做什(shén)么(me)变化。

现在的技术发展有几个点：

一个，我(wǒ)觉得这里面会有很(hěn)多探索新的(de)PMF（product market fit）的机会。我觉得PMF指的是(shì)两个东西(xī)的平衡：一方面是由于你需要做这种系统(tǒng)2的(de)思考，导致你的延时增加。对(duì)用户来说，延时增加是一个负向的体验，因为所有用户都希望我尽快能拿到结果；第二个(gè)点，它确实能(néng)提供(gōng)更好的输出，能拿到更好的结果，甚至能完成一些跟更复杂的任务(wù)。等于说新的PMF产生的过程或者探索的(de)过(guò)程(chéng)，其实是要在在延时增长的(de)用户体验下降和最后结果产(chǎn)生质量更高的用(yòng)户价值的上升之间找到一(yī)个平衡点。所以你要(yào)让这个增量的价值是大(dà)于体(tǐ)验(yàn)的损失，我觉得这个很重要。所以在这里面更高价值(zhí)的场景，特别是生产力的场景(jǐng)，我觉得会(huì)率(lǜ)先有一些东西出来。因(yīn)为如果(guǒ)你是(shì)一个娱乐场景，大概率你(nǐ)可能很难忍(rěn)受这种延时上的增加。所以，我觉得这是比较重要的(de)一点

产品形态上，我觉得也会发生一些变化。因为你(nǐ)引入这种思考的范式，所以现(xiàn)在同步及时的类(lèi)似(shì)聊天的产品形态(tài)一定(dìng)会发生变化(huà)。因为(wèi)以后的(de)AI，可(kě)能它不光是现在(zài)思(sī)考个20秒、40秒，它已经可能要思考或(huò)者调用各种工具，它可(kě)能执行(xíng)分钟级别、小时级别甚至天级别的任务，所以你的产(chǎn)品形态上可能会(huì)更接近(jìn)一个人(rén)，它(tā)更接近(jìn)“助理”的(de)概念，帮你完成异步的(de)任务。这里面(miàn)的产品形态设计，我觉得(dé)可能也会发生很大的变化。所(suǒ)以这里面，我觉得新的想(xiǎng)象空(kōng)间蛮大的。

朱军：我觉得大(dà)模型或者大规(guī)模预训练的(de)技术代表(biǎo)着(zhe)整个范式(shì)的变化，前(qián)面(miàn)也聊到很多，不(bù)光是语言，到多模态(tài)，到(dào)具身、空间智能，中间还是想(xiǎng)我(wǒ)怎么去让智能体能够有交(jiāo)互，能够在这个过程中来学习。从智能的角度来看，包括从AGI发(fā)展(zhǎn)上，它是一个必然，因为决策、交互实际上是我们说的智能里面非常(cháng)核心的能(néng)力的体现。我们每时每刻其实都在做决策，我们面对的是一个未知(zhī)的开放环境(jìng)，所以对于智能来说，它的发展路径上，在整个规划里面大家也是朝着这个方向走。

现在所(suǒ)有这些进(jìn)展，包括刚(gāng)刚讨论很多(duō)的O1，包括做视频生成，或者3D，这些(xiē)东西大(dà)家最后要指向的有两个方(fāng)向：

一个是给消费者看到的这些数(shù)字内容，就是(shì)说看上去很好看、很自然，能够讲故事，能够让大家参与讲故事、能(néng)够交互。这(zhè)肯定是一个很重要的方向(xiàng)，在数字内(nèi)容(róng)上。

另外一个方向(xiàng)，指(zhǐ)向实体、指向物理世界(jiè)。

现在可能最(zuì)好的一个结合点就是和(hé)机器人来结合在一(yī)起。其实现在已经有好多例子在展示出来，我们也看到很好的一些进展，比如(rú)用了预(yù)训练的范式，如何让机器人的能力具有通用性(xìng)；比如我们自己实验室做多的例子，像四足机器人，过去大家(jiā)在不同场地上(shàng)，你要让它跑起来都需要用很多的人工调参(cān)。但现在你在一个仿真(zhēn)环境(jìng)里面，或(huò)者用(yòng)一些AI的方式来生成一些合成数据，让(ràng)它在里(lǐ)面大规模地(dì)训练，训练出来的策(cè)略可以灌到机器人上，它相当于换了一副(fù)大脑，可(kě)以让它的四肢(zhī)更好地协同起来，同(tóng)样一套策略可(kě)以做各种场地的适应。其实这(zhè)还是一个初步的例(lì)子，现在大(dà)家也在关注(zhù)更(gèng)复(fù)杂(zá)的控制决策，就像空间智能、具身智(zhì)能。

就(jiù)像刚才讲到智能(néng)体是AGI的L3，所以现在用到L1、L2的进展(zhǎn)之后，后(hòu)面肯定会提升到L3，让机(jī)器人更好地做它的(de)推理规划，然后更好(hǎo)更高(gāo)效地和环境做交互，更好地完成我(wǒ)们的复(fù)杂任(rèn)务。因为现在很多时候任务相对来说分散，给它定义成一个简化的。未来，我们(men)很快可以看到它可以(yǐ)接受复杂的指令、完成复杂(zá)的任务，通过它(tā)内嵌的思维链或者过程的学习方式，能够(gòu)完成复(fù)杂任务。所以到那个时候，智能的能力又有一个很巨大的提升。

主持人(rén)：虽然意料未来都很难，至(zhì)少心里会有一个期待，比如在(zài)下一个18个月(yuè)里，我们希望看到什(shén)么(me)样的进展，在AGI的领域里？

朱军：因为现在整个(gè)是一个(gè)加速，其实很多时候我们预测通常会过于保守。如果回到你的问题，我预想未来18个(gè)月(yuè)可(kě)能比(bǐ)较令人兴奋的一个进展，我(wǒ)希望(wàng)看到AGI的L3已经基本上实现。至少在智能体，比如我们说的世界模型的创建生成、虚实融(róng)合，至少在一些特定场景下的决策能力的巨大的(de)提升。其(qí)实它会利用我们今天讲到的推理、感知等等。

因为我前一段时间领了一个任务，就是对(duì)L4做专门的分析，就是到底我们(men)缺什么？做了L4的(de)。其实最后调研或者是分析(xī)下来，你(nǐ)会发现如果我(wǒ)们要做科学发现或者做创(chuàng)新，它需要的那些能力，可能目前(qián)是散(sàn)落在各个角落里面，当然现在可能还缺一(yī)个系统怎(zěn)么把这些东西集成在一起，给(gěi)它(tā)做work。所以我觉得如果更激进一点(diǎn)，我甚至觉(jué)得未来(lái)18个(gè)月可能在(zài)L4上也会(huì)有显著(zhù)的进(jìn)展。当然这里面(miàn)我讲的是(shì)严(yán)肃的科学发现，其实L4还有一些创(chuàng)意的表达上(shàng)，目前我们在某(mǒu)种意义上(shàng)已(yǐ)经达到了，比如说艺术创造、图生视频，一定程度上它已经(jīng)帮大家放大你的想象，或者让你(nǐ)的想象可以具象化。所以，我(wǒ)对整个于是还是比较乐观的，我觉得至少L3或者未来L4有一些苗子了。

到今年年底，希望将我们本来做的视频模型能够以更加高效、更可控的方(fāng)式提供给大家。

我解释一下高效和可控。可控，比(bǐ)如你想表达(dá)一个故事，不是简单地将一段话或者(zhě)一个图片给它动起来，我们是希望你可以(yǐ)连续地讲，而且它不光是人的一致(zhì)性，还包括物体等各种主题的一致性，还包括交互性；高效，它一方面解决对算力成(chéng)本的考量，因为你如果想要服务很多人，让(ràng)大家用的话，首先你成本要降下来，不然这(zhè)个本身(shēn)就是(shì)烧钱，一(yī)直赔钱。另外一个更重要的(de)，还是从体验(yàn)上。就使用者来说，因为他想表达自己(jǐ)的创意，他可(kě)能需要(yào)多次(cì)和系统来交互，一方(fāng)面是验证，另外一方面是启发，所以这(zhè)个过程也需要你的模型系统能够比较高效，比如说(shuō)终(zhōng)极目标达到实时，能够让大家快速尝试(shì)。等(děng)到(dào)这个(gè)阶段，我相信大家的用户体验，包括(kuò)用户量都会有一个巨大的提升，这是我们今年想重点突破的。当然长远的话，可能明年18个(gè)月(yuè)会走向实体的虚实融(róng)合的场景了。

杨植鳞：我觉得(dé)接(jiē)下来最重要的，可能是开放性(xìng)的强化学习，比如说你(nǐ)在产品(pǐn)上跟用户交互，在一个真实的环境里面完成任务，然(rán)后(hòu)自己去进化。当然，我觉得O1一定程度上说明这个方向有比之前更强的确定性，我觉得这个会是一个重要的里程碑，也是(shì)AGI路上现在仅甚唯一的一(yī)个重要问题了。所以，我觉得这个会很关键。

张(zhāng)鹏：对，18个月已经是很长了，如果看看看过去18个月走的(de)路(lù)。你未来3个月，有什么可以透露的吗？

杨植鳞：我们还(hái)是希望能够在产品和技术上持续地创新，至(zhì)少可能在一(yī)两个重要领域(yù)能够做到世界最好，但是(shì)有(yǒu)新的进(jìn)展会尽(jǐn)快跟大家分享。

姜大昕：第一，我也很期待强化学习能够进(jìn)一步泛化。另外一个方向其实我也(yě)很期待，应该说期待了(le)很久就是(shì)在(zài)视觉领域的理(lǐ)解(jiě)和生成一体化的事情。因为在文字领(lǐng)域，GPT已经做到了理解生成一体(tǐ)化，但(dàn)遗憾的是在视觉领域，这(zhè)个问题当然不是遗憾，它非常难。所(suǒ)以在目前为(wèi)止，我们看到的视觉的理解和生成，这两个模型是分开的。即使像刚才(cái)说的多模融合，如果大家仔细看GPT4，它其他模态都解决了，它唯独不能生成(chéng)视频，所以这是一个悬而未决的事情。

它为(wèi)什么很重要呢？如果我们解决了(le)视(shì)频理解生成一体化，我们就可以彻底建立一个多模(mó)的世界模型，有一个多模的世界模型以(yǐ)后，可以帮助我们真(zhēn)正产(chǎn)生非(fēi)常长的视频，也就是说解决Sora（音译）目前的技术缺陷。还有一个，它可(kě)以和具身智能相结合，它可以作为(wèi)机器人的大脑去帮助智(zhì)能体更好地探索物理世界，所以我也是非常期待(dài)的。

张(zhāng)鹏：你未来年底之前，有什么我们值得(dé)期待(dài)的你的进展？

姜大昕：我(wǒ)也是期待一(yī)方面模型和技(jì)术的(de)进步，另(lìng)外一方(fāng)面产品能带给用户(hù)更多更好的体验，其实阶跃有一(yī)款产(chǎn)品叫(jiào)“跃问”，在上面，用户可以体验(yàn)我(wǒ)们最新的万亿参数的模型，它不光(guāng)是理(lǐ)科很强(qiáng)，而且它的文学创作(zuò)能力也很强，经常给大家带来(lái)一些惊喜(xǐ)。同时(shí)，跃问上还有一个新的功(gōng)能叫“拍照(zhào)问(wèn)”，我们看到用户经常(cháng)拍张照片(piàn)去问食物的卡路里，去问宠物的心情，问一(yī)个文物的前世今生，包括(kuò)Mata眼镜的发布，还有(yǒu)Apple Intelligence，它今年都突出了视觉交(jiāo)互的功能。所以我们在跃问上(shàng)也有体现，而且我(wǒ)们(men)会努力一(yī)步步把这个功能做得越来(lái)越好。

未经允许不得转载：橘子百科-橘子都知道阶跃星辰姜大昕、月之暗面杨植麟、生数科技朱军，云栖大会激辩“通往AGI的大模型发展之路”