问道智能|与张亚勤、张朝阳、刘嘉一起纵论AI

近日，我受邀参加了2025搜狐科技年度论坛的圆桌对话——问道“智能”，与张亚勤、张朝阳、刘嘉进行深度交流，内容很硬核。由于对话实录略长，为了方便大家快速了解圆桌的核心内容，我用团队最新开发的Agent应用产品: DeepVo来梳理总结并生成了脑图，如下：

以下为圆桌对话实录，有删节（完整视频在文章结尾）。

主持人/刘嘉：各位好！欢迎大家来参加搜狐科技年度论坛问道智能，我叫刘嘉，来自于清华大学。我是心理与认知科学系的主任，我的研究领域是脑科学、人工智能和认知科学交叉的地方。

一般别人认同我，是这么说的：是心理学里最懂脑科学的，脑科学里面最懂人工智能的，人工智能里面最懂心理学的，处于跨界的状态。

这次搜狐跟我联系，说刘老师能参加我们的活动吗，我说好，这是特别荣幸的事情。他说请你来不是做发言嘉宾，请你来当主持人。我说我没有当过主持人，也不知道怎么主持。他们说这个事儿必须你来干，他们设计了一个跨界场景，有基础研究的，也有物理智能这种基础的，也有产业最前沿的。

我能够把大家串起来，因为我每一行懂一点点，能串起来，更多的是他们来做。所以今天我来担任主持人，我也非常荣幸，尽量把这个角色做好，同时把更多的时间留给他们三位嘉宾。

我将按照提示牌上面的过程来做，的确没有做过（笑）。

首先问张亚勤老师，在清华有一个习惯，老师与老师之间，都不叫院士，都不叫教授，全叫老师。张老师在AI界可以说是超级超级的老战士了，现在引领AI的发展。

今年张老师有一本新书叫做《智能涌现，AI时代的变革与思索》，这本书特别好，我翻了一下。

我就想请张老师谈一下这本书，在这本书里面你究竟想表达一个什么样的观点或者一个什么样的思考？

张亚勤：谢谢刘老师！

这本书我花了挺多时间写的，反映了我对人工智能发展包括历史，包括未来的技术产业还有人才的思考。

我主要想定义几点。第一个，这个我讲了快十年了，人工智能是第四次工业革命主要的技术引擎。刚才王校长讲在达沃斯，我一直在达沃斯讲这个主题。

另外，新一代人工智能是什么，我认为是信息智能、物理智能和生物智能的融合，是原子、分子、比特的一个融合。

刚才校长讲了很多，未来的教育、人才应该怎么样应对新的人工智能时代。

这本书讲到我五年前从百度离开之后，在清华成立智能产业研究院，产业和学校的关系，因为我们看到现在在AI领域，大部分的创新、系统性的创新来自于企业，所以学校要重新定位，人才、科研怎么和产业有更密切的结合。

所以，就是自己的一些思考吧，都可以读得懂，这本书没有公式，都可以读得懂。

主持人/刘嘉：张老师是清华大学讲席教授，在清华有一个特点，有各式各样的讲席教授，怎么判断讲席教授的级别，名字越短的级别越高，名字越长，您能听得懂的级别越低。张老师也是AIR的院长，AIR就是人工智能产业研究院的负责人。

这个名字取的内涵很关键，AIR是空气，人工智能就像我们呼吸的空气一样不可或缺，人类离不开AI。

张老师，写了这本书，AI迭代非常快，有什么东西还想补进去，如果再给你一个月的时间？

张亚勤：这本书去年写完的，一写完之后就过时了，包括DeepSeek出来之后，整个产业格局发生了很多变化，包括规模定律scalling law从预训练现在走向这个inference，走向这个reasoning，本身走向更多的第一性原理，一会儿可能会讲到我们怎么样让AI学人类记忆系统，学人对物理世界的理解，包括在机器人方面大量的创新，包括架构的改变，这方面没有写到，如果要写永远定不了稿，这本书永远出不来。

主持人/刘嘉：我们期待你的第二版，相信迭代会很快。

下面问一下张朝阳博士，张博士是我的师兄，都是清华MIT毕业的，但是我还没读书的时候，您1996年就已经回国创业了，创立了搜狐，我是1997年去的，我是心理与认知科学系。

张朝阳：这个是跨学科的，非常好。

主持人/刘嘉：你刚才在致辞发言做开场的时候提到一个词，我特别喜欢叫做“折腾至死”。我想问您一个问题，假设你晚生30年，今年2025年，相当于当年的1995年，离你创业搜狐还有一年时间。假设你是下面在座的一个晚30年的张朝阳，年轻人，你想做哪方面的事情，现在肯定不会做互联网创业，而是做点儿什么？

张朝阳：现在显然就会被卷入到整个AI，包括人形机器人，包括脑科学，像刚才亚勤说的比特，那个时候比特时代开始，现在是比特跟分子、原子，物理世界和生物世界结合，肯定是这方面了。

当然，人要活到老折腾到老，但是还是有年轻和年长的区别的。在年轻的时候，你是有时间和青春来燃烧的，所以你可以从事去追风口，可以对正在特别火爆的新的东西出来。但是它可能在商业上还没有非常具体的实现前景的时候，但是因为你年轻，你可以融资，你可以有这个时间去做这方面的事情。

但是如果你年长，像现在，比如我做的事情更多的是在已经比较成熟的模式上，已经有非常好的商业模式，只不过我把它做得更好，这是一个区别。

所以，如果现在是30年前，我就会被卷入到AI里面。

主持人/刘嘉：因为这是一件非常了不起的事情，1996年创建搜狐的时候，如果打一个不恰当的比方，有点像2010年当时Demis Hassabis创建deepmind，因为2010年那个时候搞AI是脑袋不太正常的一帮人去搞的，因为当时大家（对AI都不了解）。

张朝阳：而且我1994年还在MIT实验室，当时MIT计算机系的人都没有做互联网，因为当时对计算机的研究都在编程甚至virtual reality什么的，但是网络这个东西，我当时就看到。因为我们做物理的，当然我的导师也是计算机，他本科是学计算机的，所以当时校园网给我特别震撼。

我们的同学在各个终端可以用UNIX执行talk，或者是有那个vax机什么的，当时就意识到网络的存在。当时Tim Berners - Lee，在欧洲核子中心，就是查资料，我本来到图书馆去查一篇文章，但是但是这篇文章里面有很多索引，我想读这个索引还得到另外的数据库里面找，能不能一个链接就点进去就完了，就是HTML的发明，当时一看，哇，全连起来了，这个东西特别神奇，所以这个当时太新了，那个时候就在想网络的事情，当时1994年的时候。

张亚勤：互联网里面最关键的技术，HTML、WEB是在物理实验室发明的，网络是很清楚的，所以跨学科非常重要。

主持人/刘嘉：所以现在AI时代到来，总有一些人能够看得很远，而且敢下赌注，敢去做这些事情。

我想问一下傅总，我们是老朋友了，我们一起参加过很多次各种各样的活动，抛开傅总本身作为连续创业者，作为公司老总的身份不谈。他有一个很特殊的角色，就是每天也生产各种AI的短视频，我相信在座各位一定看过他各式各样的短视频，无论如何我们必须承认一个事实，他就是AI时代的一个布道者。

我想问一下，你应该老老实实去融资，去挣钱，为什么去做一个AI的布道者？

傅盛：我还有一个身份，相比较台上嘉宾，我肯定是学历最低的，刚才听王校长讲，如果当年不读博士会怎么样，我后来想正是因为我有这么一个机会，当年在北京当一个北漂，然后遇到了互联网，快速地跟着互联网一起成长。

所以说到人工智能崛起，其实我们在2016年、2017年就喊出All in AI的口号，也是比较早的，技术的变革给普通人带来的机会是更大的，王校长说未来十年一定会带来杰出的人物。把对AI的技术观点分享出来，可以帮助更多曾经像我一样年轻的人，他可能出身不是很高的学历，但是AI是一个很好的机会可以让你实现逆袭，这是从高大上的角度讲。从我们自己的私心上讲，因为AI是一个高速变化的时代，我们发出自己的声音以后，推产品是不是会有人用，我们也在做机器人，我们的机器人到时候会有更多的受众。

做媒体也好，和做技术是一样的，只有时代在变化，你才有机会让更多人关注，才会有更多的机会。而AI就带来了机会。

张朝阳：而且现在是一个粉丝时代，有了粉丝就有了权力、有了影响力，所以你通过布道AI然后传播你的产品。

傅盛：其实是这样的，而且今天这个时代互联网的高速发展，就已经变成了我们叫品效合一。

主持人/刘嘉：非常感谢！这一点让我想起了马斯克，马斯克从来不打广告，但是让马斯克说个啥，股市就会抖三抖，这就是张博士和傅总说的互联网效应，现在每个人借助互联网、借助AI可以把影响力放大。

你刚才说到很重要的观点，等一下涉及到教育这一块。以前你北大毕业的、清学毕业的，哪毕业的，这个的确蛮重要的。但是相对于你未来的发展而言，这个一点都不重要。戴琼海院士说过一句话特别好，起点不重要，重要的是终点，终点代表着我们通过自己的努力、通过自己的前进达到的目标。其实起点无所谓，英雄不问出身。

围绕这个话题正好引发了我的一个想法，AI从达特毛斯会议磕磕碰碰走到今天，我们可以想象下一个AI会是什么样子，现在大家有一个普遍看法叫做通用人工智能，这个词儿大家在谈它什么时候到来，它会超越人类等等。

所以我想问一下张亚勤老师，对通用人工智能的理解是什么，你觉得它什么时候会到来，以及要到达它，最大的难点是什么？

张亚勤：都在这本书里面。原来我特别不喜欢这个字，就是通用人工智能，因为它本身定义是不太严格的。但是后来大家都讲，我试图把它纳入一个规范。我认为有三点。

第一个，通用人工智能首先是要通用的，可以泛化的。有一个大的基座可以泛化，所以通用很重要，不是为了某一件事，一个算法、一个模型，它是可通用的，有泛化能力，有通识能力，有共识，有常识。

第二点，它可以自己不断地学习进化迭代的。本身它不是一个静态的东西，就像人一样的，不断地学习，它的智商是不断提高的。

第三点，它在绝大多数的任务上超过绝大多数的人类。多少呢，比如99%，在物理界要吹个爱因斯坦也不容易，也不能说超过每一个人，超过99%的人类。

从这个观点来讲，需要差不多15到20年。

首先，信息智能。就是语言、文字、语音包括视频，就是自然语言内容的智能，ChatGPT出现那一刻，我认为我们在对话方面、语音方面已经通过测试了。需要四到五年，在视频各方面达到人类的水平，五年左右可以达到信息智能的通用AGI。

其次，物理智能。包括无人驾驶、机器人特别是人形机器人、无人车这些东西，这些东西可能至少需要十年时间，因为现在机器人当然做得很好了，但是真正到完全可以适用的程度，特别是家庭用机器人，还需要很长时间。

第三个比较难的是生物智能。

张朝阳：信息智能还需要四五年时间，物理智能还需要十年时间。第三个？

张亚勤：第三个，生物智能。比如刚才Charles（张朝阳）讲的强脑的脑机接口，包括马斯克的Neurallink需要植入芯片，把人工智能、AI大模型和人的大脑、器官、人的生物体、生命体联在一块的时候，这个需要15到20年，整体需要15到20年达到。

而且这三个方面是并行发展的，会相辅相成的。

张朝阳：我有一个问题，一直关心物理或者自然科学的很多公式和理论。如果你要用人工智能给出一些结果，那些都很对，各种公式都写出来了，但是这个人工智能真的理解吗？

张亚勤：我觉得不一定真理解，但是现在如果任何有规则的、有答案的、有结构化的，人工智能都会超过人类。比如咱们下棋，比如语言，为什么语言我们可以做得很好，因为语言本身是一种高度抽象化的、结构化的，有语法、有语义的东西，这个AI可以做得很好，语音识别、人脸识别做得很好。

但有一些比较模糊的东西AI会差一些，数学可以做得很好，编码可以做得很好，编程可以做得很好。但是有模糊的东西它会稍微弱一点。

张朝阳：比如物理里面薛定谔方程，波粒二象性，它理解吗？

张亚勤：我觉得它肯定不理解，但是它可以做出很多创新，然后给人类提供更多的灵感。

傅盛：这个有不同的观点，得定义什么叫理解。你说我们大脑对一些东西理解，刚才张老师说的就是电流，如果从那个微观层面看，电流叫理解吗。但是如果我们能够根据一个输入得到一个输出，而且每次都对，就算一种理解。

当然在大模型的内部看，它就是所谓的概率函数，但是它最后能够实现这样，其实我认为是理解。

还有一个，我对通用人工智能最近有一个思考，我是听卓克讲的课，我觉得他讲得很对。他认为通用人工智能在今年推理模型出现以后，在刚才您讲的语言这个点已经达到了。一个叫GPQA的测试，去年年底谷歌推的，让人类博士生回答题目。人类博士生通过谷歌搜索引擎，他在自己专业大概能得75分，在不是自己专业只能得30分，分为化学这些专业。但是OpenAI O3能够达到80分，那个题目每个字我都认识，但我不太看得懂，每个专业的题目特别专业。具身这块我也认同，物理还要很多年。但是在认知层面，语言认知推理层面，它已经相当强，在每个领域没有明显短板。

张亚勤：这个我同意，在信息领域几年之内超越不了。包括最近几年我们做的智能体医生，对于大部分病例的诊断判断已经超过医生。

傅盛：肯定超过，包括写代码，公司内部现在要求全员编程。

张亚勤：OpenAI出了Codex，包括像微软做的Copilot，我儿子在微软做软件工程师，90%的代码已经是AI帮他写了。

另外刚才讲的数学、物理，去年底我和丘成桐先生打一个堵，我说五年之内，AI能证明人类没有证明的猜想或者公式，比如三体问题，或者流体力学的问题，这些东西我认为五年之内会证明一个，再过五年会发明一个，不一定发明到薛定谔方程或者麦克斯韦方程式，会发明人类没有的。邱生桐先生认为还不行，我认为行。

主持人/刘嘉：我觉得这个观点特别好，可以把知识分类，分为已知的已知，现在所有的知识就是已知的已知，AI从中总结完全没有任何问题，而且超过人类。

第二层可以分成叫做已知的未知。比如在之前我们知道怎么从氨基酸生成蛋白质三维结构，这是已知的，但是蛋白质的结构太多，不能把所有的全部囊括。所以在这个时候，我们把路走出来了，AI可以快速跟进，直接把结构生物学这个领域颠覆得差不多了。

还有一个领域，如果要对理解做一个操作性定义，就是对于未知的未知。现在人类也不知道还有这个领域或者还不知道这个命题，它能够从零到一把这个东西做出来，就像刚才您和邱生桐老师打的赌一样，他都不知道这个数学公式，写出一个世界上没有的，像张朝阳老师说的一样广义相对论从来就没有，爱因斯坦凭着自己脑袋把这个东西写出来。没有借助过去已知的已知，未知的未知，天马行空地把这个东西写出来，那个时候就是AI真正智能诞生的一个时间，就是我们说的理解。

张亚勤：我再加一句，现在讲到AI也讲到人脑，AI和人大脑智能的区别还是很大的，我们大脑经过几十万年的进化，效率是十分高的，比如860亿个神经元，百万亿量级的突触。只有不到3斤重，消耗20瓦的能耗。

如果看前沿大模型，基本上万亿级的参数，需要Mega瓦到吉格瓦的能耗。所以我们这个效能比人的大脑要低很多，就包括这个复杂度。如果把突触作为大脑的一个参数权重，还差100倍。所以整个效率和架构需要大幅度颠覆。

我看郑纬民院士也坐在这儿，他就是做这个的，AI要在这个方面赶上人类需要很多颠覆。包括我们的记忆系统，我们人类有DNA的记忆，有海马体短期的记忆，有大脑皮层长期的知识记忆。这个现在AI其实并没有，包括刚才我们讲的物理世界真正的理解，是比人类还是差的挺多。

但是有些地方比人做得好，比如有固定的公式、任务、固定答案，有结构化的，刚才讲的RF ford蛋白质解析，包括这个无人驾驶，那肯定会做的比人类要好。

另外，特别大的优势，人类大脑是区域性的，这块是负责图像的，这块是负责运动的，这块是负责语言的，这块是负责社交的，由于大脑很小，受到区域限制。但是机器不受限制，每个区域可以连在一块，这个时候产能的智能可能不同，不一样，我们并不认为不好，但是它是不同的智能。

还有一点机器的好处，万亿大参数，把这个权重公布之后，别的都可以重复，智能是可以重复拷贝迭代的。但是一个人聪明，教育另外一个人学，是很长的教育过程，这是不同的。

主持人/刘嘉：从进化上看，人有两个进化，第一个是神经元不断增加，这就是大模型做的参数不断增加。但是有第二个人的进化过程中，他的神经元的复杂度也在不断增加，就是突触的数量以及突触的形态。

现在有一个全新的方向，从根节点问题颠覆现在已有的人工神经网络，我从最底层的神经元置换成精细神经元模型，模仿生物神经元究竟怎么工作的。

从这一点上来讲，可能意味着一种全新的模式会参加。为什么会强调这一点？有一个很著名的叫信息整合理论IIT，它说就是我们的意识基础与结构的复杂度有关系，当结构非常简单，比如一块石头，它的结构非常简单。大模型的参数量够了，但是复杂度不够。人的精细神经元的复杂度够了，这是我们参考意识的关键。

注意到时间问题。我就想问朝阳博士一个问题，在2023年有一个很戏剧性的东西就是OpenAI的宫斗，就是奥特曼和伊利亚干起来了，两个都想把对方赶走，并不是基于谁的股份多一点谁的股份少一点，我们要怎么样上市，而是基于理念上的分歧。奥特曼强调有效加速，只要把人工智能的性能这些东西迅速提上去。而伊利亚，OpenAI的首席科学家，认为要超级对齐，要跟人类的价值观对齐。它一旦经过几十年的发展，每个方向都超越人类，人类的存在价值是什么，是不是人类就会淘汰掉。

我想问张朝阳博士，你是学物理的，刚才谈到广义相对论，研究宇宙演化，从更大的宏观角度我想请教一下，假设AI发展起来，它有一天达到了AGI，它比人在某个方面都聪明，人和机器应该如何相处，人是只有被淘汰的命运吗，还是我们干脆现在就像第一次工业大革命，现在机器来了，我们赶紧给它锁住，别让它最后把人类干掉。

张朝阳：这个是值得探讨的，理解人脑的思维吧。

因为大模型，整个机器AI的效率用大量的运算，物理里面研究的很多东西都是一种自洽，一个理论的正确性，因为它是完美的，它是正确的，能够自洽的，能够自我解释。也许AI方面，人脑的思考是有限的，不能一下子全局思考，所以AI能够通过寻找这种自恰性，也许是以它的方式理解了物理，理解了这个世界。

但是这种人的这种创造性，或者说这种人的直觉怎么解释？AI能够All Smart，你怎么来定义一个AI比人更聪明？

那就说在整个的寻找自洽性和整个的已知的，你刚才说的，已知的未知里边包括蛋白质的结构各个方面。只不过我们就说人脑不具备能够把它重复性计算，AI能实现了。但是对于直觉，是延续了未知的，它能产生吗？如果产生不了的话，它还是不如人聪明。人总是突然心生一计，然后来来设计某个东西，完全在他的自洽性之外的东西。

所以最后确实未来AI和机器人的发展是不是会对人类是一个威胁？直觉是什么？

张亚勤：从我们人类诞生以来，一直是和外界是共存的。

直到1865年蒸汽机发明之前，一直是按照达尔文的自然进化，人就是人。

到了蒸汽机发明之后，我们就是人的智能Human Intelligence加上智能Mechanical Intelligence，这个时候人类进化就已经是非线性的。

那到了AI阶段的话，HI（人类智能）加上AI（人工智能），机器加上人，这时候智商是一个大的飞跃。

所以我认为我们以后考虑人类的时侯，整个的智商是HI加上这个AI，我们智商比如说Charles（张朝阳）智商是150或者200，你加上这个AI之后，这个整体的智商可能变成1500或者2000乘至少乘一个10 x。就像我们在这个蒸汽机时代，机械时代，我们人的体力可以乘个10 x。

所以我认为人类还是主宰，而这个AI的机器或者机器人还是我们人的一个从属。我20年前写一篇文章，我说AI应该是IA，Artificial Intelligence应该是Intelligent Agent，应该是一个智能体，它还是为人服务的，所以我们讲了意识的问题，情感的问题。现在的这个技术路径我不认为会达到，更重要的还是更多的它的能力。

主持人/刘嘉：傅总做了机器人，你应该对这个问题是最为关心的？

傅盛：对，刚才张亚勤院士讲直觉这件事，AI完全是有的，如何定义直觉？比如当年在AlphaGo和李世石下棋的时候下出来一手，那种在很多时候叫智能涌现，就是我们以前定义为的直觉，因为它突然来的。

我特别认同张亚勤院士说的，我们可以把它看成是智商的放大器。因为两件事，智能和意识是完全不同的两件事。你看蚂蚁能够形成非常强大的智能，我看网上有一个视频，蚂蚁怎么过一个坎儿，弄一个很长的杆子怎么过坎儿，它可以形成非常强大的智能，但是它没有意识，所以智能和意识是两件事。

而今天，人工智能就是一个更大的计算器，就是把你的智力放大就好了。这是一个关系。

第二个，它比人聪明，我认为现在已经到了，它的智商水平已经比我们高了，但是并不影响我们使用它。

机器人这个事儿也是这样的，我觉得今天人工智能算法里面有一个东西，就是它有直觉，但是它没有起心动念。它不会说今天我想着发明一个定律，只能说给它一个任务发明一个定律，它可能会做，它对世界没有好奇心，没有起心动念，也没有我们所谓梦想的东西。例如明天要成为更强大的人工智能，它没有这个东西，它就是放大器的角色。包括机器人在很长时间内也会是这样一个角色。

但是它并不代表着不会给人类带来威胁，比如坏人掌握它了，或者你给它的命令不明确，你说让环境变得更好一点，不明确，它认为环境更好一点，人没有了就更好了，会有这个问题，所以里面有法律法规的问题或者制定的问题，这是更复杂的问题。

主持人/刘嘉：从这个角度来讲，AI不光是科学还有技术的问题，而是伦理、社会、法律、政治这些关系。因为时间不多了，就聊一个敏感的话题，大家可以聊得短一点，不用过于敏感。

现在世界上AI就两个大国，一个是中国一个是美国。我在2023年接受凤凰卫视采访的时候，我说只有一个大国，就是美国。现在大家翻出来鞭尸，中国也起来了，美国也承认中美之间AI的差距现在在逐渐缩小，甚至微乎其微了。

美国肯定在芯片算力方面遥遥领先。还有在最原来的算法，起步比中国早很多。现在中国在逐渐赶上，我想请教三位，我们的优势究竟在什么地方，相对于美国而言，我们的AI是不是能够超过美国，从傅总开始，然后到张总这边。

傅盛：两年前我经常参加各种的活动，大家总问一个问题，算力被禁运，中国的人工智能和美国人工智能哪个更强。我一直是这个观点，我认为中国和美国一定是并驾齐驱的。因为它的本质就是算力、算法和数据，算法上是公开的，算力，中国人总有各种办法解决这个问题，或者你看DeepSeek出来用更小的算力解决以前的问题。然后数据，中国也是有优势的。尤其今年上半年，DeepSeek出来以后，我也去硅谷看，对他们的影响还挺大的。

我现在有一个观点，不知道张亚勤院士认不认同，我认为中国在某些方向实现反超美国都有可能。

主持人/刘嘉：你认为原因是什么？

傅盛：因为我们在实践上更快。中国团队一直有这个能力，只要是范式定义好的领域，当然出现一个不是transformer的模型，这件事可能我们不会首发。但是在transformer下，在中国现在的算力体系下，中国会更快，而且在工程化的人才密度上中国是更多的，你会发现我们的模型能力跟得非常快，再加上现在Agent很火，Agent这种创业的团队，中国团队一贯是有优势的，所以跟实践结合会有一些反超。

张亚勤：我完全同意，三要素方面中国有些短板，有些快一些。中国最重要的优势是人才优势，现在的年轻人，人工智能出来的速度，包括清华大学算下来整个是美国的5倍左右，人工智能最大的创新发生在过去五年，可能还有未来的五年，所以我认为大量的优秀人才是我们最大的优势。

如果看一下历史，Charles（张朝阳），中国做互联网做得最早，在互联网，我们很多原始技术包括商业模式也是向美国借鉴的。到了移动互联的时候，开始也是借鉴的，但是后来从规模、从用户体验、从产品架构，中国做得不仅比美国好，而且在美国现在做得好的也是中国的故事，所以AI以后也会到这个程度，也可能中美两个架构不一样，路径不一样，包括以后说不定芯片都不一样，芯片也不一样，模型也不一样、应用也不一样，但是从整体，我对中国十分有信心。

傅盛：我帮着张亚勤院士再补充一点，我2011年去美国，您刚才说人才厚度的问题，那个时候做APP，在中国能招到的人比硅谷多多了，硅谷能招两个人、五个人、十个人就很多了，我们想做一个海外APP，现在我觉得人工智能有点到那个时代了，阳光底下无秘密了。

张亚勤：但是我们希望从0-1创新，中国可以创造另外一个non-transformer的东西，不仅仅是把它做得大，从1到N，而且0到1有更多的创新。

张朝阳：我基本上同意二位所说的，中国人首先聪明，中国人真的在世界上非常聪明。

第二个，中国人更勤奋，尤其是儒家文化，人往高处走，每个人都要出人头地，所以中国人非常勤奋。

这两点导致，再加上我们的人口多，更激烈的竞争，所以中国真的是在AI或者整个科技全方位领域都在追赶甚至超越。包括芯片领域，以后解决算力问题。

主持人/刘嘉：好的，因为时间关系，我还准备了好几个问题，现在发现时间不够。

从刚才各位的精彩发言我们可以看到，AI不仅是一个科学问题、不仅是一个技术问题，它也是一个社会问题，因为它会影响到我们生活的方方面面，可能会影响工作、择业，未来的工作选择。

同时最终落脚点，还是刚才三位说的教育的问题，AI的成功和失败，不是取决于谁的芯片暂时领先一下，谁的算法暂时领先一下，而是取决于人才厚度。我也希望今天通过三位嘉宾的精彩分享，能够让家长意识到将来的小孩择业应该怎么样发展，我们的教育工作者意识到将来要培养什么样的未来人才。让我们以热烈的掌声感谢三位嘉宾的精彩发言，谢谢！