人工智能的技术发展与未来展望
演讲人：张亚勤 演讲地点：清华大学“人文清华讲坛” 演讲时间：2025年12月
张亚勤 清华大学智能产业研究院（AIR）创始院长。曾任百度总裁、微软全球资深副总裁兼微软亚太研发集团主席、微软亚洲研究院院长兼首席科学家等职。
2025年世界互联网大会“互联网之光”博览会现场，一款智能机械手展示模仿人类手部精细动作。新华社发
在“AI·镜界—南京人工智能生态街区”，工作人员展示一款AI眼镜。新华社发
用户在DeepSeek手机客户端上提问。新华社发
今天，我们正迎来一个全新的重大机遇——人工智能，它已然拉开了第四次工业革命的序幕。
技术进步的大趋势
首先我想谈一下技术大趋势，以及人工智能带来的启示。
经过几十万年的进化，我们人类的大脑不足3斤重，功耗只有20瓦，但是人类却如此之聪明。人类大脑包含了860亿个神经元，有百万亿个连接或者说突触，存储量至少有1个Petabyte（拍字节）。
我们对人类大脑的理解是渐进的，现在可能也还不超过10%。早年间，美国科学家保罗・麦克莱恩提出“三重脑”理论，将大脑分为不同层次：负责呼吸、睡眠、运动等生理功能的层次，处理情感的层次，以及负责推理、决策的高级层次。这个理论虽然不够精准，但为我们理解大脑提供了直观的视角。如今我们知道，大脑拥有150多个不同的功能区，860亿个神经元分布其中，分别负责声音、视觉、语言、运动等不同功能。人类的记忆功能尤为神奇，包含天生的DNA记忆、短期的海马体记忆、长期的皮层记忆，还有显性记忆和隐性记忆。可以说，人类大部分智能都来源于这些不同类型的记忆体。
诺贝尔奖获得者丹尼尔・卡尼曼将人类的思考模式分为两种：系统1是快思考，面对事物时能快速产生直觉、迅速作出决定，无需深入思考；系统2是慢思考，需要经过深度分析和推理，是人类高级智能的体现。这两种系统可以相互转换，当我们对某件事足够熟悉后，慢思考会转化为肌肉记忆和直觉。比如学车初期，我们会刻意关注交通规则、路牌、信号灯和路况，但熟练之后，驾驶就会变成自然、自觉的行为，这就是系统转换的过程。
人工智能，本质上是学习人类智能的过程。多年来我们一直在探寻智能的本质。“人工智能”（Artificial Intelligence）这一概念于1956年被正式定义，而它的理论奠基可追溯到更早——英国科学家图灵率先定义了“计算”与“智能”，并提出了“图灵测试”：若机器能通过多轮对话，让人类无法分辨其是否为人类，就意味着通过了测试。另外还有两位重要奠基人常常被忽略：一位是“信息论之父”香农，他定义了比特和信息量（熵），另一位是“控制论之父”维纳，他定义了负反馈、学习和自适应，这些基础概念对人工智能的发展起到了至关重要的作用。
多年来，人工智能领域出现了很多不同的学派，大致来说主要是两种不同的思路。一种思路认为，可以把大脑的逻辑、规则、推理过程都用符号表示出来，这就是符号学派。基于这种方式，逻辑体系很漂亮、很简洁，也有明确的因果关系，具备透明性，我们知道机器是怎么推理的，但它唯一的缺点就是不实用，在实际应用中效果不佳。还有一种思路来自连接学派。这个学派认为，大脑如此复杂，智能的实现十分困难，所以要通过大量的数据，通过积累经验、持续学习、不断适应，以及与世界的连接来获取智能，这就是连接主义。最近10～20年主流的深度学习技术用的就是这样的方法。
人工智能发展史上有几个里程碑性质的关键事件值得关注：2016年围棋人工智能程序AlphaGo第一次击败了李世石九段，比分是4∶1。柯洁九段不服气，2017年他和AlphaGo下了三盘棋，最终0∶3。AlphaGo当然很聪明，它用到了深度学习、强化学习，还有蒙特卡洛搜索，是很了不起的成果，它学习了人类几十万盘棋局。但我觉得更了不起的，是大家听闻较少的AlphaGo升级版AlphaGo Zero。它完全不用学习人类的棋局，而是自己和自己下棋，通过不断地博弈来学习，进化速度非常快。AlphaGo Zero和AlphaGo的前一个版本下了100场棋，它完胜，比分100∶0。它不仅可以下围棋，还可以下国际象棋以及别的棋类。所以后来DeepMind（谷歌旗下人工智能公司）团队说，从此我们不和人类下棋了，因为所有的棋类，人类都下不过人工智能。AlphaGo和AlphaFold代表的是一个特别重要的概念——智能体。
基于类似逻辑但算法不同，DeepMind又推出AlphaFold，解决了人类蛋白质解析预测长期面临的难题。原本人类需要花费10亿元、众多科研人员耗费十余年才能完成的工作，AlphaFold仅用一年就全部解决。
2024年，诺贝尔物理学奖、化学奖均授予了人工智能领域的奠基人，其中就包括DeepMind创始人德米斯・哈萨比斯——他的团队既创造了AlphaGo，也打造了AlphaFold。2025年1月，我在达沃斯与他有过一场关于新药研发、生物计算及人工智能未来发展的有趣对话。
另外一个大的里程碑，是2022年，OpenAI的ChatGPT出现了。过去的深度学习或者神经元网络，主要还是针对具体任务，本质上是一种很聪明的模式识别，比如说语音识别、人脸识别、图像识别，或者字符识别等，算是一种高级的识别技术。但ChatGPT出来之后，跳跃到了一个新的范式，它不仅可以识别，还可以生成、可以创造，生成式AI就这么出现了。
生成式AI有三个重要的元素：统一表征（Tokenization）、规模定律（Scaling Law）和涌现效应(Emergence)。其中最重要的，我认为是统一表征。ChatGPT是怎么做的呢？有点像人类的神经元，我们人类有860亿个神经元，不管分布在什么地方，每个神经元的结构都是完全一样的，视觉的、听觉的、运动的、记忆相关的，都是同样的结构。生成式AI的统一表征也是类似的道理，不管什么样的信号进来，都把它变成Token（词元），核心任务就是预测并生成下一个Token。它可以生成文字、图像、视频，现在大家已经用得很多了。同时它还可以生成新的数据、代码、数学方程式、工具——它不仅能生成工具，还能使用工具；它还可以生成新的蛋白质、分子、材料、药物。当大语言模型的参数量突破百亿级别时，便会触发规模定律，出现涌现效应。也就是说，模型的性能并非线性增长，而是随着规模扩大发生跃迁，从而涌现出未经编程的、令人惊喜的新能力。
还有一个重要的里程碑，是中国的DeepSeek，出现在2025年1月。DeepSeek出现之前，中国有上百个大模型，这些大模型基本都是在模仿学习ChatGPT等的技术路径、算法的架构体系。在DeepSeek出现之前，我曾经说过，我们和美国在大模型领域的差距，大概是两到三年。DeepSeek是一家小创业公司，它的工程团队所在地距离清华大学可能就5～10分钟路程，团队里很多都是清华的学生。DeepSeek是一条新的路径，在算法、技术、系统架构上都有创新，它用1%的算力就可以达到和美国前沿大模型相似的能力。DeepSeek出来之后，咱们和美国在大模型领域的差距就缩短到大约2~3个月，也就是一个版本的差距，在有些应用方面我们可能做得更好。另外，它采用开源模式，它的开源模型很快就被很多买不起大模型的国家、地区所使用，这使得整个模型的落地和应用变得越来越快。所以我把它称为“DeepSeek时刻”，这是属于中国的时刻。
从生成式AI到智能体AI
2025年，人工智能领域迎来了又一重要转变——从生成式AI迈向智能体AI。在此之前，我们遵循“规模定律”：数据越多、算力越强，模型效果越好，达到一定阶段后会出现涌现效应。但2025年我们发现，语言领域预训练阶段的规模效应正在放缓，数据资源逐渐趋于饱和，继续增加算力的边际收益不断减少。与之相对，后训练（Post-train）阶段的重要性日益凸显。这就像人类的成长：预训练如同上学阶段，从本科到硕士、博士，通过学习积累知识变得聪明；而后训练则像是工作后的实践，在具体场景中不断学习、进化，这也是智能体AI的核心来源。
什么是智能体？人类作为高智能物种，能够设定任务和目标、规划实现路径、不断试错反馈，凭借强大的记忆完成任务。例如，同学们想学习人工智能的话，就会想需要去上哪位老师的课、会比较哪位老师讲得最好，以及需要哪些参考书、要如何准备考试、做哪些练习题等，把学习人工智能这个目标分解，然后找到最佳的实现路径，这是我们人类的核心特点之一。而AI智能体在学习人类这种高级智能时，具备三大关键能力：
第一点，自主学习（Autonomous），而不是自动学习（Automatic），这两者之间存在很大差别：自主学习是没有固定的规则，在不断探索中学习；而自动化往往是有预设规则的，是按照定义好的规则来运行的。
第二点，可进化，通过不断迭代可以变得更好，而且进化之后，下次再做类似的事情，可以把原来学到的知识用上。这是我们人类和其他物种的重要区别之一——人类的智能是可以叠加的。而和人类亲缘关系最近的物种黑猩猩，它们一代和另一代之间的智能是没有本质区别的。
第三点，泛化能力，即举一反三的能力。比如说一个人学会了怎么去订票，那么他所拥有的这个技能可以用到其他类似的领域，例如报销、购物等等。可泛化性是我们人类的特点，但人类的可泛化能力也是受到一些限制的。比如，有的同学可能理科成绩很好，但文科就不一定和理科一样优秀了。再比如，我有一个好朋友，他特别聪明，工作也做得很棒，但他学开车拿驾驶执照前后用了15年都没拿到，最后总算拿到了，结果马上就撞车了。但我们还是希望人工智能能够具备举一反三的泛化能力。
这些智能的实现，离不开最基本的东西——数据。数据的本质就是数字化，我们的技术底座就是数字化。首先是信息世界的数字化，然后是物理世界的数字化、生物世界的数字化。过去40年，我们最重要的工作就是数字化。这项工作的早期从1985年开始，我们进行内容数字化、文档数字化，我们的语音、图像、视频、文本、PPT等都是在那个时候变成数字化内容的。后来加上HTML等技术，取得了一个重大成果，就是互联网，先是PC互联网，后来是移动互联网。然后我们又对企业进行数字化，或者说对企业进行信息化，包括ERP系统、CRM系统、数据库等，还有各种各样的业务流程。这一阶段催生了两个最大的成果，一个是数据库，另外一个是云计算。现在，我们的物理世界正在被数字化，汽车、公路、交通灯、城市在数字化，我们的电网在数字化，我们的家庭在数字化，我们的车间在数字化，我们的工厂在数字化……整个物理世界都在经历数字化的变革。同时，生物世界的蛋白质、大脑、细胞、基因等等也都在被数字化。
美国麻省理工媒体实验室主任曾在数字化1.0开启时提出，我们正在从“原子”走向“比特”。“比特”是香农所定义的数字世界的基本单位。而如今，我们正从比特回归原子、走向分子——新一代智能是信息智能、物理智能和生物智能的融合，是比特、原子和分子的融合，也是碳基生命和硅基世界的融合。
清华大学智能产业研究院（AIR）的实践
2020年12月，我来到清华大学创立了智能产业研究院（AI Industry Research，简称AIR）。AIR的“I”有三重含义：国际化（International）、人工智能（AI）、产业（Industry）。我们的使命清晰明确：用人工智能创新赋能产业，推动社会进步；目标是打造面向第四次工业革命的国际化、智能化、产业化研究机构。
要实现这一目标，核心是培养未来技术领军人才。我们采用“学术+产业”双引擎模式，大部分老师既具备深厚的学术造诣，又拥有丰富的产业经验。目前研究院已有20多位老师、100多位博士后和博士生、400多位实习生，已成为全球人工智能领域最活跃、最具贡献的机构之一。
智能体AI的多元应用
接下来，我将结合AIR老师们的研究成果，从信息智能、物理智能、生物智能三个维度，为大家介绍智能体的具体应用。
信息智能体：从数学解题到科学研究
智能体的核心难点之一是实现自主、可进化、可泛化的能力，让其能在手机、PC、眼镜、手表、电视等不同设备上运行，可应用于购物、旅游、企业供应链管理等多个场景。更重要的是，我们希望智能体能够完成更高级的任务，比如解数学题、发明方程式、提出新问题等。
AIR李鹏老师团队与清华大学丘成桐先生的数学研究团队合作，研发了数学智能体AIM。它能够分解任务，完成定理证明。例如在材料科学、分子动力学领域的重要难题“均匀化问题”的证明中，AIM形成了17页的证明文档。这是人机协作的绝佳范例，据数学老师反馈，证明中最难的部分由AI完成。
虽然目前AIM证明的问题仍有一定难度限制，但我相信未来五年，人工智能能够独立证明更难的数学问题——比如千禧年提出的7个最难数学问题（目前已有2个被解决，剩余5个，包括计算机领域的NP完备性问题、哥德巴赫猜想、黎曼猜想等）。我与丘成桐先生就此“打赌”，我认为五年内AI能完成其中至少一个难题的证明。无论具体时间如何，核心意义在于：AI已具备证明难题、提出新问题、生成新方程式的潜力。
物理智能体：从机器人到无人驾驶
不同于目前的语言模型，物理世界的智能体需要具备视觉（Vision）、语言（Language）、行动（Action）能力，构建“世界模型”。AIR曹婷老师团队研发的系统，就实现了物理世界机器人智能体的核心功能——通过感知、推理、进化、行动和奖励机制，生成决策和动作，指挥机器人完成任务。
詹仙园老师团队研发的X-VLA系统，尝试解决智能体的泛化问题。传统机器人学会一项技能后，难以迁移到其他机器人或不同场景。而X-VLA系统仅需9亿个参数，就能部署到不同机械臂和机器人上，实现技能的跨设备、跨场景迁移。比如机械臂学会叠衣服后，更换不同机械臂、调整桌子高度，仍能完成叠衣服任务，还能将相关技能迁移到做家务等其他场景，完全通过自主学习适应环境。
无人驾驶是物理智能体的另一重要应用，也是我多年来持续关注的课题。无人驾驶的难度极高，需要车辆精准感知复杂交通环境、规划路径、做出实时安全的决策，集成了人工智能的各项核心技术，因此被称为“人工智能集大成者”。目前在全球范围内无人驾驶取得了显著进展，整个产业正从技术研发走向商业化落地。
生物智能体：从新药研发到智能医疗
人工智能在生物智能领域的应用，首先体现在新药研发的加速上。德米斯・哈萨比斯曾在达沃斯对话中提到，未来十年左右人类所有疾病都可能被治愈，这一观点也许过于乐观，但人工智能确实能大幅缩短新药研发周期。
AIR兰艳艳老师团队研发了新药筛选新技术，通过AlphaFold解码2万多个蛋白质结构，找到“口袋靶点”，再与几十亿、上百亿个蛋白质进行对接。目前仅有不到10%的蛋白质可用于制药，大量蛋白质分子结构的应用价值尚未被发掘，而该技术通过人工智能算法实现了筛选速度的百万倍提升。该研究成果发表于《科学》。
聂再清老师团队打造的新药研发智能体，能够根据研发需求分解任务，自动查找资料、分析蛋白质结构和功能，生成初步研发图谱，极大提升了新药研发的效率，为科研人员提供了重要支持。
人工智能在医疗领域的另一突破，是AIR刘洋老师团队打造的全球首个无人智能体医院——清华大学人工智能医院（2025年4月成立）。这是一个虚拟医院，医生、病人、护士等角色均由智能体担任，涵盖不同科室，形成完整诊疗闭环。智能体之间通过协作、博弈不断进化，无需人工标注数据。需要强调的是，AI智能体医生并非要替代人类医生，而是作为医生的助手，提升诊断效率和准确性。目前，该系统已在清华校医院、长庚医院等十几家医疗机构开展测试。
未来技术发展和产业格局
人工智能时代的“操作系统”
下面，我想讲一下未来技术的发展趋势，特别是产业格局的变化。
我在微软公司工作近16年，其间主持开发了全球最大的嵌入式操作系统WindowsCE。操作系统，是定义一个时代最重要的技术平台，有了操作系统之后，芯片、应用程序，整个技术生态其实都是围绕着操作系统来部署的。在PC时代，我们知道操作系统是Windows（视窗操作系统），芯片是X86架构，围绕着这个平台开发了各种各样的应用程序。到了移动互联网时代，我们用的手机操作系统是iOS和安卓，在国内也用华为的鸿蒙系统。芯片变了，变成了ARM架构，应用也变了，有各种不同的移动应用，像微信、短视频等等。到了人工智能时代，大模型就是操作系统。围绕着这个操作系统，芯片架构变成了以GPU为主流，应用生态也变了。这次人工智能时代的技术规模，比移动互联网时代、PC时代都要大很多倍，可能会达到一个数量级、两个数量级，甚至更大的规模。
2023年3月，我绘制了人工智能时代的架构图：以前沿基座大模型为操作系统，上层涵盖行业垂直系统、SaaS应用软件，端侧（手机、PC）则通过大模型蒸馏或压缩后的小模型运行App。到2025年10月，我对这一架构进行了更新，核心变化是将SaaS和App替换为智能体——我认为智能体是未来的SaaS，也是未来的App。虽然短期内手机App仍是主流，但智能体功能将逐步融入其中。
通用人工智能（AGI）的实现路径
智能体是实现通用人工智能（AGI）的必然路径。目前AGI的定义尚未统一，我对其的理解是：可进化、可泛化、具备长期记忆，在99%的任务上超过99%的人类。要实现AGI，还需要解决一系列关键问题，比如构建符合物理定律的世界模型、理解因果关系、优化记忆系统等。当前AI的记忆较为粗糙肤浅，而人类记忆是智能的核心复杂部分。
如果按照这样的定义，我认为我们在15～20年内会达到AGI的水平，并且能够通过“新图灵测试”。图灵测试一开始只是文本对话层面的测试，现在它已经延伸到各个领域了。首先在信息领域，在内容生成方面，我觉得5年之内就可以达到AGI的水平。10年之内，在物理智能方面可以实现AGI，无人车从技术方面已经基本过关了，人形机器人还需要更长的时间。我们现在看到各种人形机器人的表现都很好，也有很多相关研究，包括人形机器人的灵巧手、人脸肌肉控制等技术，但要做到真正和人类相似，估计至少还需要10年时间。我很看好这个产业，我认为，这会是一个巨大的产业。但是目前人形机器人还处于科研阶段，还未达到完全量产的程度。更重要的是生物智能领域，比如脑机接口、生物体与AI的融合、生命体的数字化等，这个领域要实现AGI，我认为还需要差不多20年的时间。
从互联网的发展脉络来看，1995年我们开启了PC互联网时代，2005年开启了移动互联网时代，2015年开启了物联网时代，也就是万物互联的时代。现在我认为，我们进入了一个新的时代，即智能体互联网时代，也就是Internet of Agents。
这里面有一个特别有意思的概念——Agent Swarm（智能体群）。这是2025年提出的概念，认为未来人类交往将通过智能体实现，智能体之间将形成群体智能，通过协作、博弈、纠错不断进化，如同蜂群、动物群体一般，最终进化为类似人类大脑神经元网络的结构，并催生“智能体经济”。这种智能体经济将彻底改变经济形态、人类组织架构和企业运作模式：企业的核心资产将变为芯片、数据中心、数据和AI模型；团队组建不再局限于招聘人类员工，智能体将成为重要组成部分。
人工智能的风险与治理
我们还要强调一件最重要的事：人工智能智能体在带来巨大机遇和强大能力的同时，也伴随着不可忽视的风险。
风险包括几个层面：首先是信息智能领域的风险，我们已经看到了，它可以生成虚假信息，它可以进行深度伪造，有的时候它还会产生幻觉，还可以用来欺骗他人。另外，还有版权归属的问题。
我们现在使用的互联网信息，从2025年11月开始，已经有50%以上由人工智能产生。该怎么防范这些信息中可能隐藏的风险？这需要我们从技术、政策、法规方面共同努力。不过，目前这个领域存在的风险，我认为还是可控的。
在物理世界，我们把大模型、智能体和无人车、机器人、无人机，包括军事系统连接起来，智能体之间的协作和博弈如果出现失控、被恶意滥用，造成的风险就会更大。在生物智能领域，假如人类的大脑和AI连接在一起了，尽管这可以给人类带来巨大的好处，但是我们也可以想象到一旦出现失控、被滥用等情况，风险也会特别大。所以我们需要去研究和解决这些问题。这就需要科学研究人员、技术开发人员、产品设计人员，以及政策法规专家等各方协力共同打造有效的治理框架，这个治理框架应该是全球范围的。对此，我个人是有信心的——进化了这么多年的人类，完全可以发明高级的工具，同时管理好高级的工具。
当前，人工智能正从鉴别式AI走向生成式AI，并逐步迈向智能体AI。新一轮人工智能是信息智能、物理智能和生物智能的融合，是原子、比特和分子的融合。在这一进程中，我们拥有天文级海量数据、指数级运算能力，更重要的是人与机器将协同进化，催生巨大的产业机遇——达沃斯AI理事会预测，到2030年，人工智能带来的新机遇将创造约20万亿美元的经济价值。同时，我们也必须直面隐私保护、安全保障、就业转型、社会公平、风险治理等一系列社会挑战。
人工智能正在开启第四次工业革命。我坚信，凭借强大的国力、众多的人才和有利的政策，中国必将成为其中的领军者。
¶
