關于近期人工智能技術的發(fā)展，我想和大家分享幾個看法。這些看法是我在今年六月的一次演講中提出的，最近兩個多月，技術又發(fā)生了不少變化，但當時的觀點基本都適用。

首先，支撐大語言模型發(fā)展的“規(guī)模定律（scaling law）”是否可持續(xù)？

其次，大模型如何推動整個AI生態(tài)的規(guī)?；l(fā)展？

再次，人工智能的核心技術方向是什么？AI智能體和智能體經濟會走向何方？未來的可能性在哪里？

可持續(xù)的規(guī)模定律

今天的大型AI模型的本質在于由規(guī)模提升而涌現(xiàn)出來的能力，這是模型在達到一定規(guī)模、一定性能參數(shù)臨界點時，突然具備的能力，也可以說是拐點。我們在GPT-3上觀察到了這種現(xiàn)象，后來的ChatGPT以及過去兩年快速發(fā)展的其他模型也都體現(xiàn)了這一點。

一般來說，參數(shù)越多，性能就越好——這一“規(guī)模定律”目前仍然成立。

盡管業(yè)內普遍感覺預訓練模型（pretraining model）的規(guī)模定律在逐漸放緩，但它依然非常重要：隨著訓練時間和模型規(guī)模的增加，模型的準確率在提高，只是提高的速度沒有以前那么快了。

與此同時的好消息是，在OpenAI的o1模型發(fā)布后，我們看到了一個重要的拐點，那就是規(guī)模定律可以被拓展到推理模型（reasoning model）。這意味著在推理階段，模型所獲得的時間越多，它的表現(xiàn)就越好，結果就越準確。我們稱這種現(xiàn)象為“推理規(guī)模定律（reasoning scaling）”，或“測試時規(guī)模定律（test-time scaling）”。這是過去六個月中推動模型性能提升的重要力量，同時也是拉動算力需求迅速上升的重要因素。

這將我們引向一種新的提升模型性能的路徑。我們以前主要依賴轉換器（transformer）來做預訓練，現(xiàn)在則進入了強化學習（reinforcement learning）階段。我敢大膽預測，未來不僅僅是預訓練和推理階段存在規(guī)模定律，我們將看到更多新的規(guī)模定律持續(xù)驅動模型性能的提升，同時也會對算力提出更高的要求。也就是說，盡管預訓練的規(guī)模定律有所減緩，但后訓練（post-training）階段、強化學習階段的規(guī)模定律則開始顯現(xiàn)。

另一個好消息是所謂的“大語言模型通縮（LLMflation）”：模型的使用價格（即單位token的價格）在過去三年中以非常快的速度下降。我們看到基本上每年token的價格下降約10倍，三年總計下降約1000倍。從主流模型的發(fā)布可以看到，每一代模型發(fā)布時，token價格下降了，但性能卻更好了。

所以我要強調的是：規(guī)模定律依然有效，token價格在持續(xù)下降，我們因此可以把它看作一種新的“摩爾定律（Moore’s Law）”——模型能力持續(xù)提升的同時，使用成本在不斷降低。

AI產業(yè)規(guī)?；?/strong>

我講的第二點是AI正在大規(guī)模產業(yè)化。這不僅是模型本身的規(guī)模提升，更是整個產業(yè)生態(tài)體系的規(guī)模擴展。

大家看到OpenAI、Anthropic這些初創(chuàng)公司提供的是“模型即服務（Model-as-a-Service）”，同時大型平臺和云計算公司在持續(xù)提供“平臺即模型（Platform-as-a-Service）”。我們應該意識到，AI模型不僅是模型，它將會成為一個平臺，平臺將會進一步構建自身的生態(tài)體系：平臺的上層會出現(xiàn)越來越多的應用程序，而在下層則是云計算，再往下一層是計算的硬件，其中最關鍵的是GPU。

為什么在過去兩年里，GPU在AI領域中處于絕對主導地位？因為大家最終認識到，不論是模型訓練還是模型使用，雖然token價格下降了，但用戶越來越多、應用場景越來越豐富，這都將消耗越來越多的算力。

因此，我們看到AI基礎設施建設正以前所未有的速度快速擴張。

比如OpenAI宣布的Stargate項目，計劃投入約1000億美元和上千名工人在德克薩斯建設數(shù)據(jù)中心，未來可能將投資規(guī)模進一步上漲至5000億美元，預計部署10萬個——甚至擴展至50萬個——GPU。

另外，馬斯克的Colossus項目，在前四個月就已經部署了10萬個GPU，計劃最終包括20萬個GPU。我算了一下，10萬個GPU的運行功耗大約是150兆瓦；如果擴展到100萬個GPU，則將消耗約1.5吉瓦。這意味著什么？整個北京市的耗電量約為13吉瓦。也就是說，僅僅一個擁有100萬個GPU的數(shù)據(jù)中心，就會消耗北京市總用電量的八分之一。由此可見AI基礎設施的投建規(guī)模之大。

正是這種對GPU的大量需求使得英偉達股價持續(xù)上漲。除了OpenAI和馬斯克之外，Google、Microsoft、Amazon等公司也都在加大投資，僅2025年他們在AI相關的資本開支上就預計投入超過3000億美元。這將直接導致美國出現(xiàn)電力緊張的問題。如果這種速度持續(xù)下去，美國的電網明年就將不堪重負。

這也解釋了為什么過去一年里大家又開始關注核能——尤其是小型核電站技術——相關的股票也漲勢強勁。整個AI數(shù)據(jù)中心產業(yè)鏈，在過去一年經歷了大規(guī)模的建設潮，并且還將持續(xù)下去。這不僅僅是GPU、數(shù)據(jù)中心，還包括能源。這就是我們所說的AI產業(yè)規(guī)?；?/p>

核心技術方向

我想更深入地談談技術方向的問題。

技術發(fā)展路徑的第一階段主要還是“預訓練（pretraining）”，這是核心。一個公司如果沒有能力構建強大的基礎模型，它就無法開發(fā)出優(yōu)秀的推理模型，更不可能構建出高質量的智能體。

接下去的整個路線圖非常清晰：預訓練→微調（fine tuning）→強化學習→智能體（agent）→具體應用場景（specific domain）。這是為什么我們看到OpenAI在發(fā)布GPT-4之后，又發(fā)布了o1，并在整合了GPT-4.5和o3后推出GPT-5。這樣，他們的預訓練模型和推理模型已經趨于統(tǒng)一，其他大模型開發(fā)者也都會走這條路徑。

當AI模型既具備預訓練能力，又擁有強化學習能力后，就會走向“測試時推理模型（test-time reasoning model）”。也就是說，AI模型不再只是“快思維”（快速提取知識），它現(xiàn)在也具備“慢思維”（理性推理）的能力。

“慢思維”能力的增強是AI解決更復雜問題的關鍵。換句話說，如今的AI模型已經不再是靜態(tài)的，不再只是一個知識庫，也不再是靜態(tài)的網絡。以前我們說，如果今天沒有給模型訓練新知識，那模型就沒有長進。但現(xiàn)在，模型自身具備了持續(xù)學習的能力，它可以根據(jù)我們提供的數(shù)據(jù)，從網絡中不斷學習。我們已經開始看到計算機科學和AI奠基人圖靈所設想的那種能夠從經驗中學習的機器。

過去在預訓練時，訓練模型的主要方式是人類提供數(shù)據(jù)給它學習，例如AlphaGo就是從人類下棋的經驗數(shù)據(jù)中學習的。目前訓練基礎模型——尤其是訓練推理模型——的主流方法已經變?yōu)閺娀瘜W習。在強化學習階段，我們并不直接提供數(shù)據(jù)，而是提供規(guī)則和目標，并教模型如何從數(shù)據(jù)中學習。這不僅是“授人以魚”，而是“授人以漁”。

接下來，我們不僅要教模型怎么釣魚，還將賦予它“饑餓感”，讓它自己明白魚是好吃的，然后讓它自己感到餓，這樣模型就會主動去找魚吃。所謂“饑餓感”，就是要為模型設置更高層次的目標函數(shù)，讓它不僅滿足于完成單一任務，而是持續(xù)自我優(yōu)化、避免“餓死”。只有目標驅動、持續(xù)迭代，模型才能真正突破。

也就是說，模型要自己學會如何釣魚，而不再需要人類去教；它將不僅會使用數(shù)據(jù)，還知道去哪里獲取數(shù)據(jù)，甚至如何自己構建數(shù)據(jù)集。這就是我們目前所處的階段，我們正在邁入一個全新的AI智能體時代。

人們經常談論強化學習、預訓練和推理之間的關系。過去我們談論了很多預訓練（比如GPT），但現(xiàn)在我們進入了后訓練、強化學習和推理階段。強化學習曾經只是整個模型訓練中的一小部分。但從OpenAI的o3模型開始，強化學習變成了很重要的一部分，并且在未來會進一步擴大比重?？梢哉f，強化學習和推理在過去就像蛋糕上的櫻桃，在未來則將成為模型性能的主要驅動因素，也將成為計算資源消耗的主要部分。

今天我們已經擁有能夠長時間思考的模型，就像圍棋大師一樣，它邁出一步的時間更長，解決一個復雜問題甚至需要非常聰明的人花很長時間。你可能會問，時間更長就一定更好嗎？我的觀點是，當一個推理模型花更多時間思考時，它實際上是在問自己更多的問題，它在思考中提出更多假設，搜索更多路徑，甚至在這個過程中構建自己的工具。

未來我們將看到一個模型就像科學家一樣，可以花上數(shù)天、數(shù)月時間思考一個特定問題并找到解決方案。

AI智能體與智能體經濟

現(xiàn)在大家都在談論“智能體（agent）”。如果我們借用OpenAI創(chuàng)始人Sam Altman關于人工智能五個階段的劃分，我們現(xiàn)在正處于第二和第三階段之間，但很快將進入第三階段，也就是所謂的智能體階段。在這個階段，AI系統(tǒng)能夠采取行動，能夠自我學習。

從這個角度看，人類與工具的關系正在發(fā)生變化。以前我們把計算機、AI視為人的工具?，F(xiàn)在我們已經把AI看作助手或副駕駛（copilot）。而在不久的將來，人類與工具將會進入一個新的共生階段：人和機器網絡的共生。那時會有更多的自主AI智能體，并將受人類控制——但愿我們成為控制者，否則就可能變成它的奴隸，或者被它們同化。

舉例而言，OpenAI的一個前沿項目Deep Research，它是在推理模型基礎上構建的智能體。你給它一個任務，它會首先分析這個任務，然后意識到需要一些數(shù)據(jù)，它會自己去搜索。接著它意識到需要一些分析工具，它會去尋找這些工具。它可能還意識到有些工具根本不存在，于是它自己編程開發(fā)這個工具，然后再使用這些工具完成任務。所以你可以看到，它既可以使用現(xiàn)有工具，也可以自己構建工具來完成任務。

今天我們已經開始有智能體能夠執(zhí)行任務，并在復雜的工作流中工作。未來，每一個任務、每一個工作流程都有可能由智能體來完成。這些智能體將組成一個系統(tǒng)，形成企業(yè)決策的完整閉環(huán)，運行整個操作流程。這一天很快就會到來。我們正在進入一個階段，叫“智能體群（agent swarm）”時代，也就是數(shù)量龐大的智能體之間彼此交互、執(zhí)行任務、交換數(shù)據(jù)、交換信息，甚至交換任務。而人類與這些智能體群的交互，將構成我們所謂的“智能體經濟（agent economy）”。

設想一下，現(xiàn)在的大模型是由海量的神經元構成的。未來，這些智能體會像今天神經網絡中的單個神經元一樣，而未來的社會和經濟系統(tǒng)將由大量的智能體構成，就像今天的神經網絡。那將是我們的未來。

我想說，未來是自主的（autonomous）：自主的智能體、智能體群和智能體經濟。如果僅看模型的智商測試結果，今天不少大語言模型的IQ測試分數(shù)已經高于人類平均水平。這意味著什么？我們還記得當年AlphaGo戰(zhàn)勝人類圍棋大師的那一刻，尤其是它的下棋方式是前所未見的，那時我們才突然意識到AlphaGo已經具備了所謂的“上帝視角（God’s angle）”：人類下了兩千年圍棋，其實只是站在一座小山上看風景，而AlphaGo看到的是整個地貌。

我們在大語言模型中看到的就是這種潛力。當我們談到奇點是否到來，其實就是說兩條曲線是否交匯：一條是人類的適應能力或學習能力，這條曲線幾乎是平的；另一條是技術或機器的學習能力，這條曲線增長得非?？?。當這兩條曲線交匯時，就意味著機器已經比人類更聰明了。人類能做的一切，最終都可以由機器完成，而且機器學習得更快。這就可能意味著，雖然新技術總是會創(chuàng)造新工作崗位、淘汰舊工作崗位，但這些新工作可能不一定是給人類的，而是給智能體的。這就是令人擔憂的部分。

因此，未來組織的核心資產將會完全不同。GPU，也就是算力，會成為核心資產。模型，也就是智能，也會成為資產。未來我們不斷訓練模型，而不是不斷培訓員工。今天我們要擴展業(yè)務，會去招聘新員工，建立新組織，建設新辦公室。未來，我們只需要獲取更多的算力，改進模型，獲得更多的數(shù)據(jù)。這是一種巨大的結構性變革，前所未見，只在科幻小說中出現(xiàn)過。

隨著智能體變得越來越強大，我們會看到智能體會替代企業(yè)或機構中許多流程和決策點。這將會提高生產率，但也會帶來一些大的結構性變化。未來企業(yè)的規(guī)模，如果以人員數(shù)量來衡量，會出現(xiàn)一些小規(guī)模的大企業(yè)，就像“單人獨角獸”（one person unicorn）。這些企業(yè)的銷售額和利潤可能非常大，但員工人數(shù)卻很少。

可以想象，當智能體能夠自動編程，甚至自動生成工具時，這個趨勢是顯而易見的。小公司會大量涌現(xiàn)，而大公司則裁員更多。所以，未來是人和一群智能體的合作。智能體會變得越來越主動，越來越自動化。我們不能指望未來機器永遠只是人的助手。

最后講一個我從網上看到的笑話。一家公司有三位C-level的高管。CFO關心錢：“如果我們花了很多錢培養(yǎng)員工，他們卻離職了怎么辦？”CEO說：“那如果我們不培養(yǎng)他們，他們卻留下來呢？”然后CTO說：“機器人從來不會離職?！边@也許就是我們即將面對的場景，它要求我們必須制定應對計劃和采取行動，去面對可能的結構性轉型及其風險。

作者 張宏江｜投稿 tougao99999

作者：美國國家工程院外籍院士、北京智源人工智能研究院創(chuàng)始理事長。曾任微軟亞洲研究院副院長、微軟亞洲工程院院長。

本文是作者基于今年6月的一次演講

整理而成，原載“羅漢堂觀點”公

眾號。

歡迎點看【秦朔朋友圈】