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(yuè)20日消息，在2024云栖大会上，极客(kè)公园创始(shǐ)人(rén)、总裁张鹏对话阶跃星辰创始人(rén)、首席执行(xíng)官姜大昕，月之暗面Kimi创始人杨植麟，清华(huá)大学人工智能研究院副院长、生(shēng)数(shù)科技首席科学家朱军，三(sān)人(rén)对AGI发展现状和未来(lái)展望进行了激烈(liè)讨论(lùn)和前瞻展望。

2024年，AI 发展(zhǎn)变慢了吗？过去18个月，AGI的发展是加速还是减速？如何评(píng)价OpenAI 最新发(fā)布的 O1 模型？强(qiáng)化学习(xí)将改变什么(me)？大模型时代的创业新范式是(shì)什么？

姜大昕表示AI 技术发(fā)展加速， AI 发(fā)展正在经历关键的技术范式迭代： OpenAI 的大模型 o1 探索出了通过强化学习让 AI 具备人类慢思考（可主(zhǔ)动反思、纠错的复杂思(sī)考）能力的方(fāng)式，接下来提升强化学习模型的泛化能力和加速推进多模态(tài)理解生(shēng)成一体化是 AI 技术进一(yī)步突(tū)破的关键。阶跃星辰积极探索新的技术范(fàn)式，已经(jīng)在万亿参数模型上实(shí)现了强化学习训练的方法论。同(tóng)时(shí)，持续打磨更高性能的底层大模型，提升C端(duān)产品体验。据他透露，近期阶跃星辰自研的 Step-2 万亿参数 MoE 语言大模型已(yǐ)接入(rù)智能助手“跃问”，展现出(chū)更强大的指令跟随(suí)、创作和推理能(néng)力。

谈到AI产品未来的可能形态，杨(yáng)植麟表(biǎo)示，以后(hòu)的AI可能要(yào)思考或者调(diào)用各种(zhǒng)工具(jù)，它可能执行分钟级别(bié)、小(xiǎo)时级别甚至天级别的任务，所以(yǐ)产品形态上可能会(huì)更接近一个人(rén)，它更接近“助理”的(de)概念，帮你完成异(yì)步的(de)任务(wù)。这里面的产品形态设计可能也会发生很大的变化，想象空间蛮大。

谈(tán)到未(wèi)来18个可能发生的事情，朱军表示，预想未来18个月(yuè)可能比较(jiào)令人兴奋的(de)一个进(jìn)展，我希(xī)望(wàng)看到(dào)AGI的(de)L3已经基本上实现。至(zhì)少在智能(néng)体，比如我们(men)说的世界模型的(de)创建生(shēng)成、虚实融合，至少在一些特定场景下的决策能力的巨大的提升。其实它会利用我们今天讲到的推理、感(gǎn)知等等。

以下为对(duì)话实录摘录：

主持人：从ChatGPT的发展，引发了整个世界对于AGI这个事情的理解，发展到现在也18个月(yuè)了。各位的感受是怎么样(yàng)的，过去18个(gè)月(yuè)，AGI的发(fā)展(zhǎn)是加(jiā)速还是减速？

姜大昕：我觉得过去18个月速度还是在加速的，速度还是非常快的。因为当我们回顾过去18个月发(fā)生的大大(dà)小小的AI事件以后，可(kě)以从(cóng)两(liǎng)个维度去(qù)看，一个是数(shù)量的角度，一个是质(zhì)量的角(jiǎo)度。

从数量(liàng)的角(jiǎo)度来看，还是每个月都会有新(xīn)的模型、新的(de)产品、新的(de)应用涌现出来。比如单从模型来(lái)看，OpenAI 2月(yuè)份发了一个sora，我记得当时还是过年的时候，把大家轰炸了一下。然后5月份出了一个GPT-4o，上周又出了o1。OpenAI的老对手Anthropic它有Claude3到Claude3.5的系列，再加上谷(gǔ)歌Gemini系(xì)列、Claude系列、LLaMA的系列，等等。

所以，回顾(gù)过去，我(wǒ)们的(de)感觉(jué)还是GPT-4是一家(jiā)独大，遥遥领先。到了今年就变成了一个好像是群(qún)雄并起，你追我(wǒ)赶的局面，所以感(gǎn)觉各(gè)家是在提速了。

从质量的角度来看(kàn)，我(wǒ)觉得有(yǒu)三件事情可能给我的印(yìn)象非常的深刻。

第一件事情，GPT-4O的发布。因为我看它，认为它是在多模融合这样的一(yī)个领域上了一个(gè)新的台阶。在GPT4O之前，是有GPT4V，它是一个视觉的理解模型，有(yǒu)Dalle、Sora，这(zhè)是视觉的生成模型。还有Whisper这是(shì)声音模型。所(suǒ)以原本这些孤立的模(mó)型到了4O这(zhè)里都融合在一起了。

那为(wèi)什么融合这件事情非常的重要？是因为我们(men)的物理世(shì)界本身就是一个(gè)多模的世界，所以(yǐ)多模融合一定是有助于更好(hǎo)的去为我们的物理世界建模，去模拟世界这样一件事情。

第二件事情，特斯拉发布的FSD V12。大家知道它是一个端到端的大模型，它把感(gǎn)知信号变成一个控制序列。智驾是一个非常有代表性的，它是一个从数字世界走向物理世界一个真实的应用场景。所(suǒ)以(yǐ)，我觉得FSDV12它的成功，意(yì)义不仅(jǐn)在于智驾本身，这套方(fāng)法论可以认为是为将来的智能设备如何和大模型相(xiāng)结(jié)合，更好的去探索物理(lǐ)世界指明了一个方向(xiàng)。

第三件事情，上周的(de)O1，我对它的理解，它第一(yī)次证明(míng)了语言模型其实(shí)也可以有(yǒu)人脑的慢思考，就是(shì)系统2的能力。而我(wǒ)们觉得系统2的能力它(tā)是(shì)归(guī)纳世界所必备的一个(gè)前提条件，是(shì)一个基础的能力。所以，我们一直(zhí)认为，AGI的演进(jìn)路(lù)线可以(yǐ)分为模拟世界、探索(suǒ)世界、最后归纳世界。而过去几(jǐ)个月的时间我们看到GPT4O、FSD V12和O1分别在这三个(gè)阶段或者这三个方向上(shàng)都取得了非常大的突破，而且更重要的(de)是为将来的发展也指明了(le)一个方(fāng)向。所以无论是(shì)从数量还是质量上来说，都是可圈可点。

杨植麟：我觉得整体也是属于加速发(fā)展(zhǎn)的阶段，核心(xīn)可以从两个(gè)维度来看（AI的发展），第一个(gè)维度是纵向的维度，也就是说你的智商是一直在提(tí)升的，这个主要现在的反应方式还是你去看文本模型能做(zuò)到多好。第二个是横向的(de)发展(zhǎn)。除了文本模(mó)型之外，刚才姜总提到的，也会有各种不同(tóng)的模态，这些模态会(huì)做一(yī)个(gè)横向的发展，更(gèng)多(duō)的让你(nǐ)这(zhè)个模型(xíng)具(jù)备更多的技(jì)能，能够去完成(chéng)更多的任务，然后同时跟纵向(xiàng)的智商的发展相结合。

在这两个维度上，我觉得都看到了非常大的(de)进展，比如说在纵向的维度上，其实智商是一(yī)直在提升(shēng)的，比如说我们如果(guǒ)去看竞赛数学能力，去(qù)年是完全不及格，到今年已(yǐ)经能做到90多(duō)分，像代(dài)码基本上(shàng)也是一样，能够击败很多专业的编程选手，包括因此也(yě)产生了(le)很多新的应用机会，比如说像现在比较(jiào)流行的(de)类似curser这样的，通过自然语言直(zhí)接去写代码的这样的软件(jiàn)也越来越普及，这是技术发(fā)展的结果。包括我们去看很多具体的(de)技术指标，现在的语言模型能(néng)支持的上下(xià)文(wén)的长度(dù)，我(wǒ)们如果去年这个时(shí)间点去看的(de)话，大部分(fēn)的模型都只能支持4K-8K的(de)，但是从今天(tiān)去看你(nǐ)会发现4K-8K已经是非常低的数了，128K是一个标配(pèi)，已经有很多可以支持1M甚至10M的(de)长文(wén)本(běn)的长度(dù)。所(suǒ)以，它这个其实(shí)也是后(hòu)面(miàn)你的(de)智商不断(duàn)提升的一个(gè)很重要的(de)基础。

包括最近的(de)很多(duō)进展，它(tā)不(bù)光只是(shì)说Scaling，Scaling还是会持续(xù)。而且很多进展也来自于你(nǐ)的后训练算法的优化(huà)，来自于你数据的优化，这些优化它的周期是会(huì)更短的。所以，这个周期更短导致你整体AI发展节(jié)奏也会进一步加快，包(bāo)括我们最近在数学上看(kàn)到的(de)很多进(jìn)展，其实也是(shì)得(dé)益于(yú)这(zhè)些技术的发展(zhǎn)。

横向(xiàng)上当然也产生了很多新的突破，当然Sora可能是影响力最大的(de)，在这里面(miàn)完成(chéng)了这个视(shì)频生成。包括最近有特别多新的产(chǎn)品(pǐn)和技术(shù)出来，现(xiàn)在(zài)你已经可以(yǐ)通(tōng)过一个论文直(zhí)接生(shēng)成基本上你看不出(chū)来是真是假的双人(rén)的对话(huà)。类似这样的不(bù)同(tóng)模(mó)态之间的转化、交互和生成，其实会变的越(yuè)来越成熟。所以，我觉得(dé)整体是(shì)在加速的(de)过程(chéng)中。

朱军：AGI这里面大家最关注的(de)还(hái)是大模型，刚才两位也(yě)讲了去年包括今年大模型也发生了很多重(zhòng)要的变化。整个的进展我是非常同意(yì)刚才讲到的，在加快。

另外，我想补充一点，大家在解新的问(wèn)题，这个(gè)速度也在加快了，我(wǒ)们说它的Leaning corve在变的更陡。原来(lái)如果你看(kàn)语言模型，可能从2018年最早(zǎo)去做的，到去年以及到今年，大家走了五六年的路。但(dàn)其实从(cóng)去年开始，上半年大家还是关注语(yǔ)言模型，下半(bàn)年(nián)在讨论多模态，从多模态理解(jiě)再到多模态生成。我们再回(huí)过头看(kàn)的话，比(bǐ)如说图像或者(zhě)视频，其实视频最明(míng)显，从今阶跃星辰姜大昕、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”年的2月份，当时(shí)很多人被震惊(jīng)到了，因为它很多没有公开，就说怎么去突破？有很多的讨论。但(dàn)事实上我们现在看到这个行业(yè)里面，大概用了半年的时间，已经做到了可以去用，而且(qiě)达到(dào)了一个很好的一些效果，在时空一致性上。所以大(dà)概走了半年的路。

所以这里面加(jiā)速的一个最核心的原因，现在大家对这种(zhǒng)路线的认知和准备上，达到了(le)比较好的程度。当然我们(men)还有物理的条件，比如说(shuō)像云的(de)设施，计算的资源的准备上，不像ChatGPT当时出来的时候，大家(jiā)当时(shí)更(gèng)多的是一种不知(zhī)所措，我觉得很多人可能没准备好去接受这个，所以中间(jiān)去花了很长时间去学习(xí)、去掌握这(zhè)个。当我(wǒ)们掌握(wò)了之后再发现这(zhè)个进展的话，再(zài)去做(zuò)新的问题，其实它的速度是越(yuè)来越快(kuài)的。

当然，这个可能不同的(de)能力它再辐射到实际的用户的角度来说，有一些快慢之分，当然也(yě)分行业。这个可能在广泛(fàn)的角(jiǎo)度来说，大家可能没感知到。但是(shì)从技术来说，其(qí)实这个进展我感觉是(shì)曲线(xiàn)越来越陡，而且可能对后边我们(men)要预测未来(lái)的话，包括向更高阶(jiē)的AGI发展，我是比较乐观的，可能(néng)会看到比之前更快的速度去实现了。

主持人：最近OpenAI刚刚出的O1的新的模型，也是在专业人(rén)群里形成了非常多的(de)影响(xiǎng)，现在还在很(hěn)丰富的讨论。怎么评价(jià)O1进展的意义？

姜大昕：确实我看到一些非共识(shí)，有些(xiē)人觉得意义很大，有些人觉得(dé)也不过如此。我(wǒ)觉得大家如果去试用O1的话，可能第一印象是(shì)它的推(tuī)理能(néng)力确(què)实非(fēi)常惊艳，我们自己试了很(hěn)多Query，觉得推理能力确实上了一个(gè)很(hěn)大的台(tái)阶。

然后(hòu)我(wǒ)们去思考它背后的意义究竟(jìng)是什么，我能想到的有两点：1.它第一次证(zhèng)明了Large language model，就是(shì)语言模型，它可以有人脑的慢(màn)思考的(de)能力。它和以前GPT的范式，或者GPT的训练，它叫，Predict next Token，它只要这样训练(liàn)了(le)，就注定了它只有system 1的能力。而O1是用了一(yī)个强化学习的训练框架(jià)，所以带来了系统2的能力。

系统1的体现，它是一(yī)个直线性思维，虽然我(wǒ)们看到GPT4有(yǒu)时候可以把一个复杂的问题(tí)拆解成(chéng)很(hěn)多步，然(rán)后分步去解决，但它还(hái)是(shì)直线性的。系统1和系统2最大的区别在于，系统2能够去探索不同(tóng)的路径，它能够(gòu)自我去反思、自我去纠(jiū)错，然后不断的试错，直到(dào)找到一(yī)个正确的途径，这是系统2的特点。这次O1，它是把以前的模仿(fǎng)学习和强(qiáng)化学习结合起来了，使得一个模型同时(shí)有了人(rén)脑系统1和系统2的能力。所以我觉(jué)得从这个角度(dù)来看，它的(de)意义是非(fēi)常大的。

第二，它(tā)带来了一个Scaling Law的新方向(xiàng)，我理解O1试图回答的一个问题，就是说RL（强化(huà)学(xué)习）究竟怎么去泛化。因为强化(huà)学习(xí)它不是第一个，DeepMind一直走的是强化学习的路线(xiàn)，从AlphaGo到AlphaFold到AlphaGeometry，其实它在强化学习上是非常(cháng)厉(lì)害(hài)的。但以前强化学习的场景都是会为特定场景去(qù)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(de)出(chū)现(xiàn)，它是在RL强化学习通用性和泛化性上了(le)一个(gè)大(dà)的台阶阶跃星辰姜大昕、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”，而且(qiě)它scale到了一个很(hěn)大的规模(mó)，所以我把它看成scaling带来新的技术范式，我(wǒ)们不妨称之为RL Scaling。而且我们看到有意思(sī)的一点，O1并没有到很成熟的阶段，它还是一个开端，但是这个恰恰(qià)让人(rén)觉得非常的兴(xīng)奋，这就等于OpenAI跟我们说，我找到了一条上限很高的(de)道路，而且你仔细去思考它背后的方(fāng)法，你会相(xiāng)信这条路(lù)实际(jì)上是能走(zǒu)得下去。所以O1从能力上来讲，我觉得它展示了Language model可(kě)以有系统2的能力，从技(jì)术上来说它带来新的scaling范(fàn)式，所以它的意(yì)义还是非常大的(de)。

朱(zhū)军：我的看法，它是(shì)代表着一个显著(zhù)的质变。我们(men)也对AGI大概(gài)做了一(yī)些分级，学术界，包括产业界(jiè)大家(jiā)有L1-L5的分(fēn)级。其实L1的话相当于聊天(tiān)机器人，就是像(xiàng)ChatGPT等，之前(qián)大家做了很多对话的。L2叫推理者，实际上(shàng)可以做复杂问题深度思(sī)考的推理。L3叫智能体，回应吴总(zǒng)讲的“数(shù)字世界”走向“物理世界”，我要去改变的(de)，我要去交互的。L4是创新者，它(tā)要去发现、创造一(yī)些新的东西，或者发现一些(xiē)新的知识(shí)。L5是组织者，它可以去协(xié)同，或者某种组(zǔ)织方式更高效来运转，这是大家对于AGI L1-L5的分(fēn)级，当然每一级也有narrow和general的(de)区分，在某些Task上展示出来(lái)。比如O1在L2的narrow场景下，在一些(xiē)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(dù)来看，它确实代表着整个行业巨大的进(jìn)步(bù)。

刚(gāng)才技术上姜总也讲了，它将过去强化学(xué)习或(huò)者其他一些技术，其实在研究(jiū)里已经(jīng)做(zuò)了很多(duō)东(dōng)西，但实际上它在大规(guī)模基座模型上能够做出来(lái)的效果，这还是从(cóng)工程上，或者从实现(xiàn)上来说对行业很大的触动。当然它也会错发或者激发出(chū)来很多未来的(de)探索，或者(zhě)实际(jì)的研发，可能(néng)会走向从(cóng)narrow到general的跃迁。刚才讲到(dào)速度，我相(xiāng)信它会很快，因为大(dà)家(jiā)已经有很多准备了(le)，我也期待这个领(lǐng)域里(lǐ)更多将L2做得更好，甚至更高阶的能实现。

杨植(zhí)麟：我觉得它的意义确实是很大，主(zhǔ)要意义在于它提升了AI的(de)上限。AI的上限是说，你(nǐ)现在去提升5%、10%的生产力，还是说10倍的GDP，我觉得这(zhè)里最重要的问题就(jiù)是你能(néng)不能通过强化学习进一步scaling，这是完全提升了AI上限的东西。我们(men)如果看(kàn)AI历史上七八十年的发(fā)展，唯一(yī)有(yǒu)效的(de)就是scaling，唯一有效的(de)就是加更多(duō)的算力。但在O1提出之前，可能也有(yǒu)很多人在研究强化学习，但都没有一个非常确切的答(dá)案，强化学习(xí)如(rú)果和大语言模(mó)型，或者和training processin这些东西整合在一起，它能否持续提升(shēng)。比如GPT4这一(yī)代模型的提升，更多(duō)是确定性的提升，我(wǒ)在(zài)一样范(fàn)式(shì)下把(bǎ)规(guī)模变得更大，它肯定(dìng)是确定性的提升。但是我觉得(dé)O1的提升并不是一个完全确定(dìng)性的，这样的提升。

所以在之前大家可能(néng)会担心现在互联网上大部分优质数(shù)据都已经被使用完了(le)，然后你可能(néng)继续使用这个数据也没有更(gèng)多数据可以挖掘，所以你(nǐ)原来的范式可能会遇到问题。但AI有效了，你又(yòu)需要(yào)进一步scaling，那(nà)你这个(gè)scaling从哪里来(lái)，我觉得很大程度上解(jiě)决了这个问题(tí)，或(huò)者说至(zhì)少证明了它(tā)初步可行。初步可行的情(qíng)况(kuàng)下，可能我们会有越来越多人投(tóu)入(rù)去做这个事情，最终你要做到10倍(bèi)GDP的最终效果(guǒ)，它完全(quán)有可能，我觉得是一个(gè)很(hěn)重要的开端。

我觉得对很(hěn)多产业格局上，或(huò)者对于创业公(gōng)司新机会来说也会发生一些变化。比如我阶跃星辰姜大昕、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”觉得这里很关键的一个点，你的(de)训练和推理算力占比是会发(fā)生很大的变化，这(zhè)个变化我不(bù)是说(shuō)训练的算力会下降，训练的(de)算(suàn)力还会(huì)持续提升。与此同时，推理(lǐ)的算(suàn)力提升(shēng)会更快，那这个比例的变化(huà)本质上会产生很多新的机会，可能这里很多新(xīn)的创业公司的机会。一方面，如(rú)果你达到一(yī)定的算力门槛，它可(kě)以在这里做(zuò)很多算法的基础(chǔ)创新，那你可以(yǐ)在基础的模型上甚至取得突破，所以(yǐ)我觉得(dé)这个很重要。

对(duì)于算力(lì)相(xiāng)对小一点的公司，它(tā)也可以通过(guò)后训练的方式，在一些领域上做到(dào)一些效果，这里也会产生更多的产品和技术机会，所以我觉得整体也是打开了创业相关的想象空间。

主持人：这一波AI新(xīn)的变化，接下来会对AI相关的产品带来什么样的连锁(suǒ)反应，这个变(biàn)化如何发生？

杨植麟(lín)：这是很好(hǎo)的问题，我(wǒ)们现在(zài)还(hái)是处(chù)于产业(yè)发展的早期。产业(yè)发展的早(zǎo)期有一个特点，还是技术驱动产品会更多，所以很多时候你的产品会去看当前的技术是怎么发展，然后把它最大(dà)化的价(jià)值提取出来，所以这个问题首先非常好，可能我们(men)根据(jù)这个新的技术(shù)进展，再返过来推(tuī)一下(xià)现在(zài)产品(pǐn)应该做什么变化。

现在的技(jì)术发展有几个点：

一个，我觉得这里面会有很多探索新的PMF（product market fit）的(de)机会。我觉得PMF指的是两个东西的平衡：一方面是由于你需要做这种(zhǒng)系统2的(de)思考(kǎo)，导致你的延(yán)时增加。对用户来说，延时增加是一个负向的(de)体验，因为所有用(yòng)户都希望我尽快能拿到结果；第二个点(diǎn)，它确实能提供更好的输出，能拿到更好的结果，甚至能完成一些跟更(gèng)复杂的任(rèn)务。等于说新的PMF产生的过程(chéng)或者探(tàn)索的过程，其实是(shì)要在在延(yán)时(shí)增长的用户体验下降和最后结果产生质量更高的用户价值的上升之(zhī)间找到(dào)一个平衡点。所以(yǐ)你要让这个增量的(de)价值是大于体验的损失(shī)，我觉得(dé)这个很重要(yào)。所(suǒ)以在这里面(miàn)更高价值的场景，特别是生产力的场景(jǐng)，我觉得会率先有一些东西出来。因为如果(guǒ)你是一(yī)个(gè)娱乐场景，大概率你可能很难忍受这种延时上(shàng)的增加。所以，我觉得这是比较重要的(de)一(yī)点

产品形态上，我觉(jué)得也会发生一(yī)些变化。因为你引入这(zhè)种思考的(de)范式，所以现在同步及时的类似聊(liáo)天的产品形态一定会发生变化。因为以后的AI，可能它不光是现在思考个20秒、40秒(miǎo)，它已经可能要思考或者调用各(gè)种(zhǒng)工(gōng)具，它可能执(zhí)行分钟级别(bié)、小时级别甚(shèn)至天级别的任务，所以你的产品形态上可能会更接近一(yī)个人，它更接近“助理”的(de)概念，帮你完成(chéng)异步的任务。这里面的产品形态设计，我觉得(dé)可能也(yě)会发生(shēng)很(hěn)大的变化。所以这(zhè)里面，我觉(jué)得新的想象空间蛮大的(de)。

朱军：我觉得大(dà)模型或者大规模(mó)预训练的技术(shù)代表着整个范(fàn)式的变化，前面也聊(liáo)到很多，不光是语言，到多模态，到具身、空间智能，中(zhōng)间还是想我怎么去让(ràng)智能体能够有交互(hù)，能够在这个过程中来(lái)学习。从智能的角度(dù)来(lái)看，包括从AGI发展上，它是一个(gè)必然，因为决策、交互实际上是我们说的智能里面(miàn)非常核心的能力的体(tǐ)现。我们每时每(měi)刻其实都在(zài)做决策，我们面对的是(shì)一个未知的开放环境，所以对于智能来说(shuō)，它的发展路径上，在整个规(guī)划里面大家也是朝着这个方向走。

现在所有这些(xiē)进展，包括刚(gāng)刚讨论很多的O1，包(bāo)括做视频生成，或者3D，这些东(dōng)西(xī)大家最后要指向的有两个(gè)方向：

一个是给消费者看(kàn)到的这些数字内容，就是说看(kàn)上(shàng)去很(hěn)好看(kàn)、很自然，能够讲故事，能够让大家参与讲故事、能够交互。这肯(kěn)定是一个很重要的方向(xiàng)，在数字内(nèi)容上。

另外(wài)一个方向，指向实(shí)体、指向物理世界。

现(xiàn)在可能最好的一个结(jié)合点就是和机器人来结合在一起。其实现在已经(jīng)有好多(duō)例子在展示出来，我们也(yě)看到很好(hǎo)的一些进展，比如用(yòng)了预训练的(de)范式，如何让机器人的能力具有通(tōng)用性；比如我们自己实验室做多的例子，像四(sì)足机器人，过去大家在不同场地上，你要让它(tā)跑起来都需要用很多的人工调参。但现在你在一(yī)个仿(fǎng)真环境里面，或者用一些AI的方式来生成一些合成数据，让它(tā)在(zài)里(lǐ)面大(dà)规(guī)模地(dì)训练，训练出来的(de)策略可以灌到机(jī)器人上，它相(xiāng)当于换(huàn)了一副大脑，可以让它的四肢更(gèng)好地(dì)协同起(qǐ)来，同(tóng)样一套策略可以(yǐ)做各种场地(dì)的适应。其实这还是一(yī)个初步的例子，现在大家也在关注更复杂的控制决策，就像空间智能、具身智能(néng)。

就像刚才讲到(dào)智能体是AGI的L3，所以现在用到L1、L2的进展之后，后面肯定会提升到L3，让机器人更好地做它的推理规划(huà)，然后更好更高效地和环(huán)境做交互，更好地完成(chéng)我们的复杂任务。因为(wèi)现在很多时候任(rèn)务相对来说分(fēn)散，给它(tā)定义(yì)成一个简化的。未来，我们很(hěn)快可(kě)以(yǐ)看到它可以接受复杂的指令、完成复杂的任务，通过(guò)它内嵌的思维链或者(zhě)过程的学习方式，能够(gòu)完成复杂任务。所以到那个时(shí)候，智能的能力又有一个很巨大(dà)的提升。

主持人：虽然意料未来都很(hěn)难(nán)，至少心里会有(yǒu)一(yī)个期待(dài)，比如在下一个18个月里，我们希望看到(dào)什么样的(de)进展(zhǎn)，在AGI的领域里(lǐ)？

朱军：因为现在整个是一个加速(sù)，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(wǒ)预想未来18个月可能比较令人(rén)兴奋的一个进展，我希望看到AGI的L3已(yǐ)经基本上实现(xiàn)。至少在智能(néng)体，比如我们说的世界模型的创建生成、虚实融合，至少在(zài)一些特(tè)定(dìng)场景下的决策能力的巨大(dà)的提(tí)升。其实它(tā)会利用我们今天讲到的推理、感(gǎn)知等等。

因为我前一段(duàn)时间领(lǐng)了一个(gè)任务，就是对(duì)L4做专门的分(fēn)析，就是到底我们(men)缺什么？做了L4的。其实最(zuì)后调研或者是分析下来，你会(huì)发现如果我们要(yào)做科学发现或者做创新，它需(xū)要的那些能力(lì)，可能目前是(shì)散落在(zài)各(gè)个角落里(lǐ)面，当然现在可能还缺(quē)一个系统怎(zěn)么把这些东西集成在一起，给它做work。所以我觉得(dé)如果更激进一点，我甚(shèn)至觉得未来18个月可能在L4上也会有显著的进展。当然这里面我讲的是严肃的科学发(fā)现，其实L4还有一(yī)些创意的表达上，目前我(wǒ)们在某种意义上已经达到了(le)，比如说艺术(shù)创(chuàng)造、图生视频，一定程度上它已经帮大家(jiā)放大你的想象，或者让你的想(xiǎng)象(xiàng)可(kě)以具象化(huà)。所(suǒ)以，我(wǒ)对整(zhěng)个于是(shì)还是比较乐观的，我觉(jué)得至少L3或者未来L4有(yǒu)一些苗子了。

到(dào)今(jīn)年年(nián)底，希望将(jiāng)我们本来(lái)做的视频模型能够以更加高效、更可控的方式提供给大家。

我解释一(yī)下高效和可控。可控，比如你想表达一个故事，不是简单地将一段话或者一个图片给它动起来，我们是希望你可以连续地讲，而且它不光是人的(de)一(yī)致性，还包括物(wù)体等各种主(zhǔ)题的一致性，还包括交互(hù)性；高效，它(tā)一方面解决对算(suàn)力成本的考量，因为你如果想要服务(wù)很多(duō)人，让大家用(yòng)的话，首先你成本要降下来，不然这个本身就是烧钱，一直赔钱。另外一个更重要的，还(hái)是从体验上。就使(shǐ)用者来说，因为他想表达自己(jǐ)的创(chuàng)意，他可能需要多次(cì)和系统(tǒng)来交(jiāo)互(hù)，一方面是(shì)验证，另外(wài)一方面(miàn)是启发，所以这个过程(chéng)也需要你的模型系统能够比较高效，比如说终极目(mù)标达(dá)到(dào)实时(shí)，能够让大家快速尝试。等到这个阶段，我相信大家的用户(hù)体验，包括(kuò)用户量都会有一个巨大的提升，这是我们(men)今年想重点突破的。当然长远的话，可(kě)能明年18个(gè)月会走向实体(tǐ)的(de)虚实(shí)融合的场景了。

杨植鳞：我觉得接下来最重(zhòng)要(yào)的，可能是开放(fàng)性的强化学习，比(bǐ)如(rú)说你在(zài)产品上跟(gēn)用户交互，在一个真实的(de)环境里面完(wán)成任务，然后自己去进化。当然，我觉得(dé)O1一定程度上说明这个方(fāng)向有比之(zhī)前更(gèng)强的(de)确定性，我觉得这个会是(shì)一个重要的里程碑，也是(shì)AGI路上现在仅(jǐn)甚唯一的一个重要问题了。所(suǒ)以，我觉得(dé)这个会很关键。

张鹏：对，18个月已经是很长了(le)，如果看看看过去18个(gè)月走的(de)路。你未来(lái)3个月，有什么可(kě)以透露的吗？

杨植鳞：我们(men)还是希望能够(gòu)在(zài)产品和技术上持续地创新，至少(shǎo)可能在一两(liǎng)个重要领域能够做到(dào)世(shì)界最好，但是有(yǒu)新的进展会尽快跟(gēn)大家分享。

姜大(dà)昕：第一，我也很期待强化学习能够进一步泛化。另外一个(gè)方向其实我也很期待，应该说期待了很(hěn)久就是在视觉领域的理解和生成一体化的事(shì)情。因为在文字领域，GPT已(yǐ)经做到(dào)了理解(jiě)生成一体化，但遗(yí)憾的是在视觉领域(yù)，这个问题当(dāng)然不是遗憾，它非常(cháng)难。所以在(zài)目前为止，我们看到的视觉(jué)的理解和生成，这两个模型(xíng)是分开的。即使像刚才说的多模融合，如果大家仔(zǎi)细看(kàn)GPT4，它其他模态都(dōu)解(jiě)决了(le)，它唯独不能生成(chéng)视频，所以这是一个悬而未决的事情。

它为什么很重要呢？如果我们解(jiě)决了(le)视频理解生成一体化，我们就可以彻底建立一个多模的世界模型(xíng)，有一个多模的世界(jiè)模(mó)型以后，可以帮助我们真正(zhèng)产生非常长(zhǎng)的视频，也就是说解决Sora（音译）目前的技术缺(quē)陷。还有一个，它(tā)可以和具身智能相结合，它可以作为机器人(rén)的大脑去(qù)帮助智能体更好地探(tàn)索(suǒ)物理世界(jiè)，所以我也(yě)是非常期待(dài)的。

张鹏：你未来年底(dǐ)之前(qián)，有什(shén)么我们值得期(qī)待的你的进展？

姜大昕：我也是期(qī)待(dài)一(yī)方面模型和技术的进步，另外一方面产品能带给用户(hù)更(gèng)多更好的体(tǐ)验，其实阶跃有一款产品叫“跃问”，在(zài)上面，用户(hù)可以体验我们最新的万亿参数的模型，它不光是(shì)理科很强(qiáng)，而且它的文学创作(zuò)能力也(yě)很强(qiáng)，经常(cháng)给大家带来一些惊喜。同时(shí)，跃(yuè)问上(shàng)还(hái)有一个新的功能叫(jiào)“拍照问(wèn)”，我们看到(dào)用户经常拍(pāi)张照片去问食物(wù)的卡路里，去问(wèn)宠物的心情，问一个(gè)文(wén)物的(de)前(qián)世今(jīn)生，包括Mata眼镜的发布，还有Apple Intelligence，它今年都突出了视觉交互的功能。所以我们在跃问上也有体现，而且我们(men)会努力(lì)一步步(bù)把这个功能做得(dé)越来越好(hǎo)。

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”