6月的北京還處在初夏，胡同里的槐花已謝，蟬鳴未起。而中關村已把AI推向盛夏的熱鬧。

6月12日，為期兩天的第八屆北京智源大會，聚集了中國AI圈最熱愛交流和學習的頂尖人才。整個大會有數十場主題論壇，幾乎場場爆滿。嘉賓們的人氣仿若明星，他們演講結束后，被眾人包圍的場面，不知道的還以為來到了明星演唱會現場。

臺下觀眾也極富熱情，哪怕到了午飯時間也絲毫沒有離場的意思。

華中師范大學人工智能教育學助理教授熊宇軒，已經主持智源大會7年，每年大會結束，他都會撰寫一篇智源大會的內容分析。剛剛主持完兩場論壇的他，在朋友圈寫道：對科學，極致熱愛，對真理，信仰永恒（愿我的學生們也能找到自己的熱愛）。

從今年的北京智源大會能看出，AI正在從會聊天和會生成，轉向懂物理和能行動，乃至進入產業。過去AI主要是在語言、圖像、代碼這些數字世界里證明自己，今年的重點則明顯轉向物理世界、科學發現，以及真實任務。

世界模型、智能體、具身智能、AI for Science、安全治理，這些詞作為今年大會的關鍵詞，已經很說明問題。

這不是一個特別適合喊口號的階段。因為越往現實里走，AI面對的就越不是排行榜，而是醫療診斷的責任，科研流程的復雜，機器人執行的穩定性，以及智能體失控之后由誰買單。

也正因為如此，今年智源大會的看點，不在于某一個單點發布有多驚艷，而在于它把AI下一階段的幾個硬問題擺到了同一張桌子上。那就是理解世界，行動于世界，并且別把世界搞壞。

會場上的信息密度很高，嘉賓們拋出的判斷和線索，很難在一篇文章里逐一展開。我們選取了一些相對有趣的切片，試著從這些片段里，聽見AI時代繼續加速時傳來的幾聲回響。

01

人與AI的關系

一張“與AI的100種關系”的涂鴉展板上，寫滿了AI浪潮初期人類在AI面前的“聲音”。

“AI真的太好用了”、“情緒價值拉滿”、“擁抱AI與愛”

“AI說它沒有自我意識，我懷疑它只是在假裝聽不懂我的話”

“AI替代不了音樂表演”、“AI可以給你答案，但只有你能創造問題”

還有人略帶戲謔的口吻寫道：“我看這人類與AI也是一對苦命鴛鴦”。

人們對AI的熱情有點像互聯網早期，有人寫下“互聯網將帶來世界和平”的句子一樣，充滿了樂觀。互聯網后來也不斷展現它的黑暗面，但不得不承認，正是起初人們對技術的熱情，推動了技術從實驗室走向全世界。

正如美國未來學家、科學家羅伊·阿瑪拉所說，人們通常會高估技術的短期能力，又會低估技術的長遠影響。

在人與AI的關系上，中國工程院士王堅留下了一段經典的表述。他說：“我是一位無藥可救的樂觀主義者，我們人類還是不要太傲慢，任何新事物出現時，通常都是伴隨著恐懼的。就像人類第一次面對火時，也會感到恐懼。”

02

具身智能最火爆

整個會場最火爆的，仍然是具身。

這界智源大會的熱鬧，不是人形機器人現場大秀類人動作，也不是機器人與人互動時引發的圍觀，而是具身論壇本身的人氣。論壇開始前，座位早已坐滿，后排和兩邊的過道站滿了聽眾。全場最小的觀眾，是一位十來歲的少年，坐在會場的前排，認真聽完具身公司的CEO的實驗室進展。

展位前的具身公司也感受到了人們的盛情。PNDbotics的工作人員告訴我們，大半天的時間，接待的媒體人就不下20位。PNDbotics是一家人形機器人的全棧開發者和制造商，2023年9月成立。實際上，早在2011年起，創始團隊便深耕仿生機器人底層技術，也是國內較早系統性研發準直驅執行器的團隊之一。

PNDbotics旗下的人形機器人Adam，也借助自研的高性能執行器（關節），無論是打太極還是手腕運動，動作都很靈活，逼近真人效果。據了解，PNDbotics成立不到三年，已經完成9輪融資。

當行業紛紛將更多精力放在機器人大腦時，許多年輕人正在默默補齊具身智能最稀缺的燃料——高質量數據。北京航空航天大學的一位大三學生告訴我們，他從大一在具身行業的實驗室實習，一直在做具身行業的數據infra。

他說，現在具身行業的高效果數據需求非常大，而公司不愿意投入大量成本，采集到的數據都需要人工標注，非常費時費力。他特別想做的是開發一套自動標注的系統，能解決當前具身數據的痛點。

03

小米羅福莉：AI已經能自己訓練自己

小米集團大模型負責人羅福莉在論壇上提到，Fable 5的能力提升并不是突然躍遷，而是Scaling持續推進后的階段性結果。她推測Fable 5的參數規模可能達到當前最強開源模型數倍的水平。

具體來看，一是預訓練規模仍在擴大，二是Test-Time Scaling和強化學習繼續投入大量算力，三是訓練數據正在從互聯網文本，擴展到人與Agent共同產生的合成數據。

也就是說，模型能力還沒有走到盡頭，現有幾條擴展路徑仍然有效。

其次，對于大模型能力增長曲線，她不傾向于簡單判斷為線性或指數增長。她認為模型進步往往帶有“涌現”特征，在不同Scaling路徑、不同發展階段，都可能出現能力突然外延的情況，因此很難用一條固定曲線描述。

尤其在AI自進化上，她觀察到頂尖模型已經不再只是“執行工具”。上一代模型更擅長在明確指令下完成任務，而今天的模型正在進入更抽象的科研流程，例如設計驗證指標、檢查執行結果、規劃實驗流程。它和頂尖研究員的主要差距，仍在于提出有價值、可驗證的問題，以及判斷哪些研究應當及時停止。

這種“研究品味”和判斷力，目前仍是人類優勢，但更強模型疊加遞歸自我改進式Agent系統，正在逼近這些邊界。

談到語言模型與世界模型的路徑，她認為兩者正在并行推進，但現階段語言模型更快，因為數字世界更容易還原智能誕生的環境，也更適合通過 Agent 系統和獎勵機制驅動模型自我提升。世界模型仍處早期，關鍵挑戰在于能否構建高效的世界模擬器，尤其是長上下文場景下的視頻生成效率。

最后羅福莉還給年輕人提出建議，她強調不要只被焦慮牽著走，而要保持探索欲和好奇心，并盡可能深入使用最新大模型。通過大量試錯，年輕人才能逐漸形成自己的判斷力、研究品味和產品品味。

04

具身的“AlphaGo時刻”

人形機器人距離ChatGPT時刻還有多遠？銀河通用的CTO王鶴在多個分會場不止一次提到，具身智能行業即將迎來自己的Alphago時刻，和ChatGPT時刻。

2016年，AlphaGo戰敗李世石，標志著AI在專精領域首次超越人類。GPT系列定義了scaling up范式，推動自然語言處理走向通用，2022年ChatGPT3的出現被視為大語言通用模型的里程碑節點。

王鶴將銀河通用的人形機器人打網球，定義為具身智能的“AlphaGo時刻”。

今年3月16日，銀河通用發布了全球首個、也是目前唯一的人形機器人和人打網球視頻，無任何遙控或人為介入。發布后1.5小時內，視頻獲得180萬次觀看。

Elon Musk看到后，發貼表示“insane（震驚）”，當然也有不少人不相信是真的，說這是AI生成的假視頻。王鶴解釋說，網球同時要求low-level的全身精確控制和high-level的策略決策，是少數能將兩者緊密耦合的運動項目，這對人形機器人的挑戰非常大，因此具有標志性意義。

大部分機器人無法實現的轉筆運動，王鶴也稱之為AlphaGo時刻。2023年，英偉達曾在仿真器中展示靈巧手轉筆，但遲遲未能遷移到真實世界。銀河通用目前是全球唯一實現真實世界靈巧手轉筆的團隊。

王鶴認為，背后的核心邏輯是，銀河通用提出的參照人類神經系統的Astro Brain（銀河星腦）架構，同時擁有通用大腦和通用小腦，并通過腦橋異步協作。

邁向機器人ChatGPT時刻的兩大關鍵技術，王鶴給出了量化定義。預訓練后zero-shot成功率達到70%~80%，同時具備快速普及部署的可及性（accessibility）。

王鶴還描繪了人形機器人終極發展途徑。一旦突破ChatGPT時刻，將快速向AI Agent（A1）發起沖刺。當到達A1時刻，人形機器人將以“手機的量、汽車的價格、大模型的智能”進入千行百業，這將是10萬億美元級別的市場，標志著第四次工業革命的到來。

05

語言仍是最有智能水平的模態

今年上半年，世界模型幾乎是創投圈最火爆的概念，也是業內最爭執不下的方向。資本的邏輯，不排除投資人們害怕錯過的心理因素，但最重要的是業內逐漸形成共識。要想實現AGI，AI必須理解世界物理規則，不少世界模型的研究者們認為，世界模型的認知拐點即將到來。

從視頻生成模型，到李飛飛的空間大模型，以及圖靈獎得主楊立昆的抽象表征為代表的世界模型，技術路線上從未收斂。李飛飛最經典的案例是，人類嬰兒在學會說話之前，已經在通過觸摸、爬行、觀看、跌倒等，持續建立理解物理世界的直覺。她的核心觀點之一是，真正理解物理世界的智能并非語言，而是發生在空間里。

智源大會上，自變量機器人聯合創始人兼CTO王昊做了半個多小時分享，他的主題是《事件驅動的世界模型：邁向通用具身智能的預訓練》。這與李飛飛的觀點恰好相反。他認為當前真正具有智能水平的模態只有語言，而且語言是人與模型交流的唯一方式。

相比當前按照幀為單位訓練模型方式，他認為，應從語言、視覺和動作的多模態中抽象出“事件”，作為最合適的尺度單位。

人類用語言描述事件，視覺在事件邊界處發生關鍵變化，動作則通過事件改變世界。事件是語言、視覺和動作的交匯點。業內VLA模型視覺做的不好，以視頻為基礎做模型，語言又很難對齊。他認為，這里面的關鍵是大家沒有在同一尺度下，對齊語言、視覺和動作等多模態數據。

也因此，事件驅動的世界模型不是把語言貼到視頻上，而是用語言幫助模型找到世界變化的結構。這意味著，語言在世界模型中的角色正在發生變化。它在推理時，可以利用這種結構把語言能力遷移到其他模態上。

06

AI驅動藥物發現

在AI進化方向上，AI輔助生命科學的研究一直是提升人類福祉的最好方式之一。

今年的智源大會上，智源研究院把“悟界”作為一條重要產品線推到臺前。如果說“悟界·Brainμ1.0”對應的是大腦信號的理解與生成，“悟界·Physis-v0.1”指向物理世界的建模，那么“悟界·OpenComplex2.5”切入的則是生命科學里最現實，也最難啃的一塊，就是AI藥物發現。

OpenComplex2.5是下一代AI驅動藥物發現模型，核心目標是解決固有無序蛋白（IDP）的動態構象解析問題。傳統藥物研發很大程度依賴蛋白質的穩定結構，但IDP的麻煩在于，它不是一個安靜站著等人觀察的靶點，而是高度靈活、持續變化的動態對象。

這類蛋白和神經退行性疾病等復雜疾病關系密切，卻長期因為結構難以捕捉、成藥路徑不清晰，成為藥物發現中的難題。

智源給出的解法，是用可泛化、物理真實的端到端全原子分布建模，去描述IDP在不同狀態下的構象分布。換句話說，它不是只給出一個靜態答案，而是試圖捕捉蛋白在真實物理約束下的多種可能狀態。這也和今年智源大會從“悟道”走向“悟界”的大方向一致，AI不只是做符號運算，而是要進入物理世界和生命系統，理解那些連續、復雜、動態變化的對象。

從藥物研發流程看，OpenComplex2.5的另一個看點，是用單一模型覆蓋四個關鍵環節，口袋識別、反向篩選、結構預測和親和力預測。它既可以在靶點蛋白中尋找潛在可成藥口袋，也可以為一個給定化合物反向匹配潛在靶點。既能預測蛋白-配體復合物的三維結構，也能估算結合親和力變化趨勢，服務于先導化合物篩選和優化。

這意味著，OpenComplex2.5并不是一個單點工具，更像是智源試圖搭建的AI制藥基礎模型。它的價值在于把原本分散、耗時、依賴經驗的若干關鍵步驟，放進一個更統一的模型框架中處理。對于那些過去因為結構高度動態而難以被傳統方法處理的靶點，它至少提供了一條新的技術路徑，先讓AI更接近生命系統本身的復雜性，再談發現新的藥物機會。

07

年輕人一定堅持自己相信的

AI已經很大程度上滲透到各行各業的工作流里，最明顯的是程序員。開發過程中，幾乎不用人類寫一行代碼，成為圈內共識。AI在進化的同時，人和AI的不斷交互，會如何影響我們人類本身。

尤其在高校，年輕的學生們同樣也在各種學術探索和研究中頻繁使用AI。倫敦大學學院博士、里斯托大學助理教授楊夢月感到擔憂的一個問題是，年輕的學生能否真正駕馭AI？

楊夢月認為，AI雖然能快速輸出大量內容，但會形成很明顯的分層。基礎知識扎實的學生，會借助AI迅速登上科研的高峰，而基礎不扎實的學生，太相信AI，很容易會被AI誤入歧途。

她提醒年輕的研究員，在AI能力越來越強時，不要放棄自身對基礎知識的構建，要學會培養自己對科研的感知能力和信念。這一點能很好幫助你分辨方向，避免被AI誤導。

中國工程院士王堅說，年輕人一定堅持自己相信的。“當你想做一件事情的時候，別人怎么想，別人什么感受，在一定意義上是不重要的。”

最重要的是你在做事情前，有沒有那么大的決心。當你不斷堅定自己相信的事情，不停說自己會堅持，也如實堅定自己會做的事情，資源和人自然會找上來。

撰寫｜劉培

編輯｜吳尋