前面的話：
近日，一篇名為《“中國的AI敘事”存在認知偏差》的文章被廣為轉載，並在網路引發關注。《賽先生》亦在3月29日轉載了該文。不過，該文章中的內容並非朱松純教授在2025中關村論壇的發言，而是源自一次閉門的媒體溝通會，該溝通會旨在為媒體解讀人工智慧的技術創新。遺憾的是，在報告嘉賓未確認的情況下，溝通的一些內容流出，存在表述不完整、不全面之處。本文為朱松純教授在溝通會中交流的主要觀點補充更新版，希望起到澄清的作用。《賽先生》獲授權釋出。
朱松純 | 撰文
近年來，人工智慧已成為驅動新質生產力的重要引擎。在國家的大力支援下，多地政府因地制宜加速推進“人工智慧+”行動，努力推動產業發展與社會治理的智慧化升級。然而，由於大多數的決策者、機構、媒體並非人工智慧專業人員，又需要在短時間內學習、理解與決策，導致在人工智慧的理解上存在一些誤區和偏差。
朱松純教授在內部溝通會的分享，意在提醒媒體和行業代表：
（1）認清矽谷AI敘事邏輯，避免盲目跟隨；
（2）認識人工智慧創新的多個層次，協同穩定發展；
（3）探索符合中國國情的人工智慧技術路線，實現真正原創引領的科技創新；
（4）在全球範圍內積極推動AI能力建設，構建人工智慧的“中國敘事”。
目錄：
一、打破認知：過去20年全球敘事邏輯
二、認知突圍：人工智慧創新的五個層次
三、概念誤區：人工智慧概念被過度泛化
四、未來前沿：人工智慧與人文社科融合
五、和合共生：通用人工智慧的中國敘事
20年前全球最大的敘事就是“全球化”， 媒體最流行的口號是由《紐約時報》專欄作家托馬斯-弗裡德曼2005所著的暢銷書《The World Is Flat (世界是平的)》，同期中國加入世貿組織， 成為“世界工廠”。十年後，美國受到全球化浪潮影響的鏽帶和保守派選民推出了地產商和娛樂達人特朗普，他在2015年提出的競選口號是“MakeAmericaGreatAgain（讓美國再次偉大）”。
與此同時，2015年前後，資料驅動的人工智慧取得長足進步，學界具有戰略視野的人開始看到了實現通用人工智慧AGI的可能性，美國大的IT企業以及國防機構都開始組織科技攻關AGI，OpenAI於2015年註冊成立。
儘管受到疫情的衝擊，矽谷的人工智慧晶片與演算法研發的熱潮為特朗普的MAGA口號提供了邏輯支撐。透過宣揚其在算力、晶片與大模型研發的“絕對優勢”，樹立了全球媒體和資本對美國AI技術的信心，帶動七家科技巨頭（Magnificent 7）市值飆升。到2025年3月， 美國三大科技公司英偉達、微軟、蘋果的市值之和已經超過了我國股市的總值（約56萬億人民幣） 。
2025年1月特朗普就職後，任命“白宮人工智慧沙皇”、釋出“AI曼哈頓計劃”、廢除拜登政府AI監管，再次聚焦中美科技競爭，試圖將通用人工智慧（AGI）為代表的前沿AI科技進行戰略威懾。
總之，過去10年美國人工智慧的矽谷敘事邏輯如上圖所示三點：
（1）矽谷透過媒體與投資圈的輿論渲染，將“大資料、大算力、大模型”塑造為實現通用人工智慧（AGI）的關鍵要素和唯一技術路徑。他們宣傳只有美國掌握大模型先進技術，而且實現通用人工智慧需遵循一個規模化定律，即ScalingLaw（這是由DeepMind研究人員發表的一個經驗曲線）， 根據OpenAI測算，需要100萬、甚至1000萬英偉達的GPU H100顯示卡才能持續升級、率先實現AGI。 對比之下，中國全國的GPU加起來也只有80萬卡，所以，按照這個敘事，中國在本輪AI競爭中已經提前出局了，我去香港訪問時候，訪談的媒體就持這個觀點。由於AGI是未來產業競爭的制高點，這個敘事引導全球資本在過去7-8年流向美國，鞏固了其在人工智慧領域的敘事主導與技術霸權。
自2016年以來，這個“AI=大資料+大算力+大模型”的敘事，在中國被廣泛傳播、放大、追隨，在各級政府、投資界、產業界成為主流思維。常有人說，我們“被卡脖子“了，但我認為，真正“卡住”我們脖子的本質上還是我們自己的“主流認知”。回過頭來看，過去幾年中國的AI思路都被矽谷敘事牽著走， 部署了大量的算力，然而，當前我國IDC租用率在15-20%，很多企業盲目加入“百模大戰”，導致大量資源的浪費。儘管我一直在內部或公開場合質疑這個敘事，提出不依賴大資料大算力的技術路徑，但來自學界的理性聲音被淹沒了。好在25年春節DeepSeek透過工程創新戳破了這個算力100萬卡的說法，但這只是敘事的一部分。
（2）過去3年，ChatGPT (問答)、Sora（影片生成）、SUNO（音樂生成）等大模型產品一直被媒體誇大宣傳，在中國的自媒體形成了獨特的“炸裂體”， 各種解讀短影片製造社會焦慮， 有高層領導在公開會議致辭和講話中也大講這些模型如何厲害。我作為一個在人工智慧核心領域幹了30多年的學者，我的研究院有很多研究人員都對這些模型做了大量測試，深知他們的侷限性。公眾第一次接觸這些模型，認知難免出現偏差。後來流行的一個說法是大模型已經具備了自我意識，有可能性在未來30年內導致人類滅亡，代表人物是辛頓（Hinton）。自此“AGI帶來人類生存危機”的話題被廣泛炒作，形成全球範圍的焦慮。2023年11月英國搶先在布萊切利召開人工智慧安全峰會、緊接著舊金山峰會、首爾峰會，企圖將中國排除在外，後來這些國家又紛紛成立國家AI安全研究所。 2025年開年，這個話題就開始降溫了，美國也不參與這個遊戲了，最近據說他們現在要解散美國的AI安全研究所。
這種焦慮源自對大模型的能力與AGI的理解缺失。辛頓（Hinton）是一位長期推動神經網路和深度學習的學者，因此獲得了2018年圖靈獎，但是，我們必須認識到，深度學習只是機器學習的一種流行的方法，機器學習是人工智慧的一個領域。圖靈獎之前已經頒發給十來位人工智慧其它領域的研究人員（如：明斯基、麥卡錫、紐厄爾、西蒙、費根鮑姆、瑞迪、瓦倫特、珀爾），之後2024年的圖靈獎頒給了強化學習的學者（巴特、薩頓）。其實人工智慧的領域，也就是要解決的重要AI問題， 包括計算機視覺、自然語言理解、認知推理與社會智慧、機器人與具身智慧、多智慧體等等， 辛頓本人並沒有在這些關鍵的AI領域有任何研究， 所以，很多媒體把辛頓稱作“人工智慧之父”是不恰當的、甚至是荒謬的，如果僅僅因為他獲得了國際大獎就盲目去跟隨他的AI安全與人類危機的敘事，在媒體大肆渲染，是有害的。
（3）矽谷的人工智慧敘事的第三點就是所謂“能源危機、能源極限”，這也導致OpenAI在年初去推動“星際之門 （StarGate）計劃”。 有些投資人到矽谷走了一圈， 就回國在媒體上大談能源危機， 對資料和算力狂熱追逐成為一種“時髦“。我去中國很多地方調研， 包括青海、新疆等西部地區，發現我們的電力其實是過剩的，我國部分割槽域面臨“負電價”與電力產能過剩的問題，這與美國是不同的情況。最近國內又出現具身智慧和人形機器人的熱潮，各地又在加緊上馬。
總之，中國在AI領域要實現原創引領的科技創新， 首先得有思想自主， 而不是盲目炒作並跟隨矽谷的敘事邏輯， 也不要神化某些人物。奧爾特曼、馬斯克這些人首先都是矽谷的創業領袖，他們並非研究人工智慧的專家，他們在為自己的企業融資而敘事， 如果中國把他們的敘事作為我們產業發展的指南針，那就十分荒謬。這樣的事之所以發生，而且未來還會繼續發生，關鍵問題在於中國社會的主流認知。不光是媒體跟隨宣傳，我聽到中國不少的專家有一個聽似非常合理的邏輯：“美國幹出來了，那我們必須要幹， 不惜一切代價要幹；美國都沒幹出來的，你憑什麼要幹？”
當前社會，科技創新成為了時代的主題，特別是在人工智慧這樣的重要領域，中國提出要原創引領性的科技創新。但是，到底什麼是原始創新？社會認知是嚴重不足的。下面，我將人工智慧創新分為五個層級：哲學層、數理框架層、模型層、演算法層、執行層。
（1）哲學層：探討智慧的本質與主客體的關係。智慧是智慧體（比如“人”）在與自然環境與社會（其它智慧體）互動過程中所表現出來的各種“現象”的總稱。雖然自然世界和智慧體的存在都是客觀的， 但是，智能產生的機理是主觀的，由個體的認知與價值體系（即“心”）所決定的。我們過去批判過的主觀唯心主義，其實都在講智慧產生的機理，如相由心生、‘心’即是‘理’， 包括佛教的《金剛經》、《心經》、禪宗的《壇經》，以及後世的《陽明心學》， 本質都在討論這個智慧、心智的本源問題；南宋“鵝湖之會”的辯論主題就是“心”與“理”誰是主導的關鍵問題,朱熹說的“理”指的就是各種外在的“模型”（物理、生理、倫理）。我在剛剛出版的一套書籍《為機器立心》《為人文賦理》裡面已經做了大量的論述， 這裡不展開。
(2) 數理框架層：確立哲學的智慧本質之後，就要把這些“文科”討論的思想轉化從數理框架。比如，如果我們認定智慧是主觀的， 那麼智慧體就是“價值驅動“、自主的， 而不是被動的、由資料驅動的。這也是之前我所講到的“烏鴉”與“鸚鵡”兩種不同的“認知架構”和數理框架。 為此我們建立了CUV（認知-能力-價值）認知架構，實現符號邏輯、統計學習、與價值體系的統一。這在剛剛出版的書籍《通用人工智慧：標準、評級、測試與框架》中都有大量詳細的表述，這裡也不展開
(3) 模型層：在不同的數理框架、認知架構之下，人們就構建了具體的各式各樣的模型，比如，就在統計模型、深度學習之下，有判別式（discriminative）、生成式（generative）、組成式（compositional）等。在這個層次，我們的一個關鍵創新在於給那些大量的感知不到的變數建模，比如：物理、功能、意圖、心智、因果、價值等等，我們將這些統稱為“智慧的暗物質”，並開發了具有資料、因果與價值驅動的混合模型，突破了大模型的侷限。
(4) 演算法層：每一個模型，甚至一個模組，都可以用多種不同的演算法來最佳化計算、推理和訓練效率。模型與演算法是“一對多”的關係。比如，流行的深度學習演算法都是“前向”（feedforward）和“自底向上（bottom-up）的計算演算法，而主觀的智慧體需要大量“反饋”（feedback）和“自頂向下”（top-down）的演算法。 而後者恰恰就是“相由心生”和“價值驅動”的根本機理。我們打造的智慧體“通通”就是這樣構建的， 她可基於動態互動和反饋進行推理和學習，不斷更新自身的技能和價值，實現認知與格局的升維，這就是“為機器立心”之原理。
(5) 執行層：實現工程落地部署，構建軟硬協同的工程化平臺，推動理論成果向產業應用轉化。這一層，比如選取什麼晶片來搭建系統，比如GPU，CUDA，比如DeepSeek把16位浮點FP16, 改為8位FP8，提高了效能。在我們看來，要等我們弄清楚了AGI的架構、模型、演算法之後，再來構建全新的通用人工智慧AGI晶片，這才是顛覆性的、跨越式的硬體創新。
從以上這個5層結構來看，OpenAI的創新主要是在模型（採用了Google發明的Transformer進行自迴歸生成式預訓練），演算法與執行層的最佳化， 沒有觸及數理框架和哲學層面。所謂“全棧式”人工智慧是指在模型、演算法到執行層面軟硬體一體化最佳化，他們在這方面做得很好。DeepSeek在工程落地、API產品化、算力最佳化等方面取得了非常好的成績。但主要集中在工程部署層面，沒有觸達人工智慧的核心問題——比如模型、演算法、認知架構、智慧機理等。而我們在北京通用人工智慧研究院（BIGAI）的創新貫穿五層，每層的關鍵詞用紅色字型標出。支撐今天所有AI應用的底座，正是學術界數十年在哲學、理論、模型、演算法等基礎層的持續投入，我們不能因為短期的產品化成效，就忽略底下四層研究的重要性。
其實，對底層創新的認知不足，是一個全世界的普遍問題，不僅是人工智慧領域。2023年2月18日，《光明日報》整版刊發了我的文章《以有組織科研推進原創性、引領性創新》，就在論述這個問題。正好2023年3月，《自然》雜誌的封面文章中刊登了近100年來全球重大科學發現的對比，見下圖。
這個圖的豎軸是指示級的，顯示過去100年1900-2000，科研人員數量呈指數增長（黑色線），而重大科研成果的產量卻是在指數下降（藍色線）。初一看，很多人會覺得這個結論跟自己的直覺不一致，社會上媒體不停都有顛覆性的成果報道啊，僅僅看人工智慧領域，每週至少都有炸裂成果啊，那憑什麼又說成果指數減少呢？
如果我們對比1900-1960年和1970-2020年這兩段時期的科學發展特徵，前一時期基礎性、原創性的重大突破成果湧現，而近年來，在現代科研在資源投入激增的背景下，科學成果卻多是填補性、可預見性、漸進性的，難以出現顛覆性科學發現。
為什麼會出現“資源豐裕，人數眾多，創新貧瘠”的悖論？我在《光明日報》那篇文章中提到了三個重要因素：
·科學的驅動力發生重大改變。1900-1960期間，世界有一戰、二戰、冷戰，1960年代之後，世界相對和平，聚焦在產業與應用的創新。
·科學研究的文化轉變。1950年代，美國成立了NSF、DARPA等機構，科學家職業化、寫本子、拿專案、看論文與引用指數導致了內卷之風。
·科學的前沿在於大型、複雜的系統，如結構生物學、通用人工智慧、社會複雜系統等等。
這些都跟我們討論的主題相關，但這裡就不展開討論了。
近年來AI在媒體的熱炒，表面很熱鬧，但媒體和公眾理解的AI與學術界所說的AI，出現了較大的差異，AI的概念被“借用”和“泛化”，下面就提三個例子。
（1）2016年AlphaGo下圍棋火熱的時候，國內媒體以為人工智慧就是強化學習；而被熱炒的是計算機視覺“四小龍”、人臉識別等判別式技術；現在生成式技術、大模型層出不窮，媒體又認為人工智慧就是大模型、AIGC。但實際上，這些都只是人工智慧的一部分。人工智慧的概念被過度泛化，類似十幾年前奈米技術火熱，就出現了“奈米鞋墊”、“奈米高壓鍋層”等產品，濫用“奈米”概念，當前人工智慧這個詞也在被濫用。
（2）當下“AI for Science（AI4S）”的說法也有趁熱點之嫌，或者認知偏差。人工智慧的主要研究集中在視覺、語言、認知、推理、多智慧體、物理與社會智慧、具身智慧與機器人等領域,其目的在於研究智慧產生的機理，並實現通用的智慧體。AI4S中所指的AI，其實是用深度學習來快速擬合、模擬傳統的方程組，如蛋白質摺疊、材料與新藥設計，後者與AI的概念和目標相去甚遠。
（3）我國高校在當前AI的熱潮中，紛紛成立了人工智慧學院，設立智慧專業與學科，但不少高校人工智慧學院、研究院的院長其實並不是人工智慧領域的研究人員，他們常常是打著AI的名號來爭奪資源的，拿到資源後，乾的是各自領域自己的事。說到AI概念的濫用，我順便說一句得罪人的話：
·當前媒體宣傳的人形機器人其實不是具身智慧，它們基本都是受人遙控、機械地跳舞，缺乏與環境互動能力。
·當前媒體宣傳的大模型也不是智慧體，因為這些大模型沒有自主性，而是新一代具備泛化能力的知識表達與查詢系統。
人工智慧發展的終極目標還是通用人工智慧，AI要真正應用到生活的方方面面，要解決的關鍵問題就是它必須“通用”。關於AGI的定義學界還有很多爭論，但我認為，問“什麼是AGI“， 其實等價於問，“什麼是人”。本次中關村論壇，我們專門邀請了知名的比較心理學和人類學家做了一個專題報告《智慧體的演化》，他重點講了人與大猩猩等動物的差異。我們現在已經從數理框架上可以嚴格定義AGI， 將每個agents作為CUV–空間的點，那麼智慧體的演化也就是這個CUV空間的不斷擴充套件與升維， 見下面左圖所示。
那麼，說到這裡，我們又來到了一個與社會主流認知相反的論點：未來人工智慧的前沿，甚至科學的一個主要的前沿，在於AI與人文社科的雙向奔赴。
首先，要實現通用人工智慧，我們需要更多地理解人性的本質，這就包括了前面提到的哲學層面的研究，智慧的機理是什麼？其關鍵在於“為機器立心“， 才能實現自主的智慧體。不展開說了。
其次，楊振寧先生曾經多次指出，物理學的“盛宴”已經散了。那麼科學的下一個重大前沿在哪？那就要看看哪個重大領域還有巨大的、對人類有重要意義的問題還沒有被科學解釋？科學天空的烏雲在哪裡？我認為，通用人工智慧是一個重大的科學前沿，如上面的圖所示，這包含兩個尺度：一是個體尺度的AGI： 如何構建通用智慧體； 一個是社會尺度的AGI：如何打造大型社會模擬器。而要解決這兩個尺度的問題， 都需要橫跨“文科（哲學）、理科（數理框架、模型）、工科（演算法、執行部署）”的合作。
其三，我們提出“為人文賦理”的理念，用人工智慧的數理框架、模型、演算法來解構人文社科的概念，詮釋中國思想，為中國優秀傳統文化思想構建數理體系，在智慧時代指導社會治理與實踐，轉化為生產力。比如，本次中關村論壇，我們就釋出了一個大型社會模擬器，驅動百萬級的自主智慧體的社會活動來擬合各種社會活動，這樣就可以將讓文明演化、社會治理、經濟政策變成一門可實驗、可證偽的“科學”，而人工智慧也並非止步於影像、語音和對話的最佳化。這個雙向奔赴也是我國民眾擺脫西方敘事，實現思想文化的新覺醒，實現思想自主、文化自信的關鍵一步。
今年3月29日，我們在中關村論壇上釋出全球首個通用人工智慧人“通通”2.0版本，也正式出版了《通用人工智慧標準、評級、測試與架構》，提出在“CUV框架”的數學空間中定義通用人工智慧。在通用人工智慧標準與測試平臺TongTest中的測試結果顯示，與人類兒童發展階段對比，“通通”的主要能力維度已初步達到5-6歲發展水平。
通用人工智慧是一個大科學、大工程的問題，需要長期的、多層次的科技創新。大科學的問題需要有統一的理論框架解釋各種智慧現象，構建智慧科學的基礎理論與框架；大工程的問題是實現個體的和社會層級的智慧體。
·科學的問題：尋求一個統一的理論框架：整合計算機視覺、自然語言理解、認知推理、機器學習、具身機器人、多智慧體等核心領域的模型與演算法, 並解釋各種智慧現象, 構建智慧科學的基礎理論與框架。
·工程的問題：實現具備自主的感知、認知、決策、執行、學習和社會協作能力，符合人類倫理與價值的個體級智慧體；打造大型社會模擬器，在社群、城市、國家三個尺度詮釋過去、演繹現在、預測未來，實現社會級智慧體。
這裡需要澄清一點，雖然我們的AGI路線不同於大模型，但我們和“大模型”並不是“對立”的關係，而是包含的關係。大模型在執行和演算法的層面上表現得高效，但它並不能覆蓋通用人工智慧的全部需求，我們仍然需要從底層創新，去探尋智慧的本質。
最後，我們回到本文開篇提到的人工智慧敘事邏輯。當前全球對人工智慧安全問題產生了擔憂，本質上是對技術權力失衡的警惕。如果任由少數科技巨頭獨佔AGI能力，則導致"技術霸權"，其單一的價值觀輸出將演變為數字時代的"文化核武器"，這不僅威脅發展中國家的“文化主權”，甚至可能動搖人類文明多樣性。
在第78屆聯合國大會上，中國提出來“加強人工智慧能力建設（AICapacityBuilding）”的國際合作決議，中國也正在推動建立AI技術的包容普惠可持續發展。這裡一個關鍵問題是AI智慧體的價值觀必須尊重各國的主權價值與文化。我們提出的認知-能力-價值（CUV）驅動體系，提供可解釋、人機互信的驅動模型，就可以協助發展中國家發展符合自身文明特質的智慧體，使每個智慧體既能內化本土文明的倫理準則，又能在跨文化互動中實現價值調適，最終實現人機共生、文明互鑑。同時，我們研發的大型社會模擬器也希望能夠幫助世界找到一個和平發展、逐步融合的最優解與平衡態。這也正是儒家的最高理想——為天地立心！這才是我們需要宣揚的人工智慧的“中國敘事”！
作者簡介：
朱松純，北京通用人工智慧研究院院長，北京大學人工智慧研究院院長。
星標《賽先生》公眾號，
歡迎關注我們，投稿、授權等請聯絡