黄非：当下AI进化周期中的共识和非共识

非常感谢邀请我参加罗汉堂年会，在座的很多嘉宾都是非常著名的经济学家和研究人员。我的背景是计算机科学，从事人工智能的研究已经有大约 30 年了。我的 AI 之旅起点其实离这里不远，我在附近的中国科学院自动化研究所获得硕士学位，之后前往卡内基梅隆大学继续攻读人工智能博士。当时 AI 还不是一个热门话题，因为那个时期技术还不够成熟。毕业之后我加入了 IBM 研究院，后来去了 Facebook ，再之后加入了阿里巴巴。

今天我的分享主要是回顾 AI 的发展历程，包括其经历的多个周期起伏。我提前做一个免责声明：这些都是我个人的观点和看法，并不代表阿里巴巴的立场。

1

人工智能发展的历史回顾

如果我们比较最近几波技术发展趋势，包括互联网、移动互联网、以大语言模型为驱动的人工智能，一个很明显的趋势就是大语言模型的扩散曲线非常陡峭。从这个曲线的对比可以看到 AI 的未来潜力是无限的，我们现在只是在这一范式的起步期。从本质上来讲，AI 可以说是对人类智能活动的一种替代和升级，它将会对人类社会几千年来积累的经济、社会、组织、文化的方方面面都造成巨大的影响。这是为什么一方面整个社会都觉得很兴奋，一方面也会让人有一点恐慌，担心我们是不是做好了准备。

回顾从 1956 到 2025 年——差不多 70 年来——的 AI 历史，我们看到这个发展曲线有高潮也有低谷，经历了多个周期。简单来讲，在 1990 年以前，AI 研究主要以“知识驱动”为核心，即将人类专家知识灌入 AI 系统中。2000 年左右，随着大规模数据用于训练机器学习模型和语言模型，AI 研究进入“数据驱动”阶段。“知识驱动”和“数据驱动”这两种范式此消彼长，这是过去几十年来 AI 发展的主要特点。

人工智能（artificial intelligence）这个名词最早是在 1956 年的达特茅斯会议上由 John McCarthy 等四位教授提出的。早期的 AI 研究和我们现在的研究非常类似，比如做定理证明、棋类博弈，还提出了神经网络的最早版本，也就是感知器（perceptron）。但是到 1960 年代，当时的机器翻译漏洞百出，无法满足冷战时期对英俄互译的需求，而人们设想的通用机器人也遥不可及。英国政府发布的《莱特希尔报告（Lighthill Report）》认为当时的 AI 技术只能解决无足轻重的玩具类问题，难以应对真实需求。于是 AI 迎来了第一波寒冬。

第二波 AI 热潮出现在 1970 年代末到 1980 年代。当时采用“专家系统（expert system）”的思路，把各领域人类专家的知识引入到 AI 系统中。这条路线取得了一定的成功，但要解决更复杂的问题就需引入更多的人类知识，而不同人的知识会相互冲突，如何维护这样庞大的知识库就成了一个工程难题。同一时期，神经网络继续发展，计算机视觉和自然语言处理开始兴起。1990 年代初，日本提出了第五代计算机计划，开发智能计算机，然而并未取得重大突破，原因很大程度在于当时的软硬件受限，专家知识共享也遇到瓶颈，技术难以大规模落地。

从 2000 年开始，统计机器学习兴起，神经网络相对低潮。一个显著趋势是数据驱动 AI 的进步，在机器翻译、计算机视觉、人机对弈等领域，出现了 Google Translate、IBM Deep Blue 等标志性成果。这些 AI 系统在特定领域表现出色，但应用范围有限，仍缺乏泛化能力。

到了 2010 年之后——特别是从 2012 年开始——深度学习、深度神经网络再次崛起。Geoffrey Hinton 及其学生将神经网络从几层扩展到数十层，在图像识别（如斯坦福大学教授李飞飞研究组建立的图像分类数据集 ImageNet）、语音识别、自然语言机器翻译等任务中展现了优异的效果。从 2014 年起，我们见证了基于深度学习的 AI 浪潮进一步兴起，基于神经网络的技术解决了部分科学和棋类的问题，例如做蛋白质结构预测的 AlphaFold 和做围棋的 AlphaGo，后者的成功不仅是科学上的突破，更引起了广泛的公众关注。

我个人认为 2020 年基于 GPT-3 的 ChatGPT 的发布是一个标志性的事件，人们能够直接与 AI 互动，有感性的认识，并惊叹于其表现。GPT-3 在技术路径上与 GPT-1、GPT-2 相似，但模型规模和数据量大幅增加，模型性能也得到显著提升。ChatGPT 发布后，全球大量用户的使用提供了丰富的用户数据和互联网语料，从而进一步增强了模型效果，大语言模型让用户感知到它具备了一定的智能能力。这标志着新的研究范式的形成：无论是在自然语言处理、计算机视觉，还是其他领域，国内外纷纷涌现出类似的基础模型（foundational model）。到了基础模型阶段，大家熟悉的“数据、算法和算力”三要素依然是关键。用一句话概括的话，利用能源提供海量算力，从大规模数据中提取知识并形成智能，这是驱动目前这一整套AI的底层逻辑。

2

主要的技术发展路径

从整个技术范式来看，AI 是一个很大的集合，包括基于规则、基于统计的方法，既有机器学习也有非机器学习的方法。机器学习是用数据的方式去学习，而更进一步的深度学习（deep learning）则是用多层神经网络的方法来学习。

我大概讲一下机器学习的几种主要技术，因为很多机器学习的技术仍然在继续沿用。比如，强化学习（reinforcement learning）以前是用来解决机器人前进路线的规划问题，解决游戏场景的策略问题。在游戏场景中，即时的奖励反馈非常适合于训练模型学习信号。另一类是监督学习（supervised learning）：我们可以给一项任务标注一些数据，比如哪些是对的，哪些是错的，然后用这些带标注的数据来训练模型。但传统监督学习依赖人工标注数据，成本会非常高，难以大规模应用。还有一类是无监督学习（unsupervised learning），包括现在的大语言模型，不需要人工标注，只要爬取大量数据后，通过数据本身去挖掘潜在的知识。

到 GPT 特别是 GPT-3 出现以后，AI 技术发展整体走向了以大语言模型为代表的基础模型。大语言模型本质上是能力非常强大的神经网络。这种范式虽然来自于深度学习，但已经大不相同了。一方面，之前的一些技术问题在大语言模型中还会存在，比如机器幻觉（hallucination）或过拟合（overfitting）的问题；另一方面，新模型大大拓展了 AI 能力的边界，具有更强的泛化能力。基础模型这个范式可以说带来了新的挑战和机遇。

这个阶段的关键技术发展有预训练（pretraining），包括具备高效并行能力的 Transformer 架构。同时，由于训练数据来源广泛，我们在处理新任务时，可以不用重新训练模型，仅提供样例（demonstration）、小样本（few-shot learning）或指令（instruction），模型就能完成任务。因此，大语言模型比以往的针对特定领域的 AI 要表现出更强的泛化能力。这也解决了传统监督学习中的痛点，不再需要大量昂贵的人力来标注数据。

但大语言模型也引发了一系列问题，比如 AI 如何与我们的项目任务、人类价值观、社会伦理和文化习俗对齐（alignment）。这就涉及到多方面的对齐技术，如监督微调（SFT）、强化微调（RFT）等，这些都是基于强化学习的技术。

从去年下半年以来，在线推断（online inference）、在线学习（online learning）和推理（reasoning）成为新的发展方向。大家希望通过构建“思维链”（chain of thought），让模型学会遇到问题能够规划解决思路，如果中途发现思路不对，还能返回来换一种思路重试。这样能够大幅提升模型解决复杂问题的能力，类似于人类的“慢思考”。

从底层的知识体系来看，大语言模型发展已经历了从自然语言文本中提取知识、到从图像、语音、视频等多模态中提取知识、然后到逻辑推理，再到发展成为智能体（agent）的进程。智能体能够完成更复杂的任务，而不同智能体的组合，甚至能够模拟一个小型团队执行复杂的工作流。2025 年也被很多人称为“智能体元年”，它将带来越来越多的技术影响力和商业价值。

3

阿里巴巴的大语言模型开发

训练一个大语言模型需要具备从底层到顶层的全栈能力。在这方面，云厂商具有独特的优势。无论是美国还是中国的云厂商都具备从提供底层的 AI 芯片到提供云算法平台的能力，再到提供分布式的 AI 框架和算法库以支持模型的训练和推理等，然后到模型训练完成后在云平台上进行部署，包括开源（open source）模型和闭源（closed source）模型。以阿里巴巴为例，我们一方面构建了中国的开源模型社区 ModelScope，大家可以把开源模型放上去供开发者使用下载。同时我们也部署了自己的闭源模型供客户使用。

在基础模型或大语言模型方面，阿里巴巴其实起步较早。继 2017 年 Google 提出的 Transformer 架构成为这波 AI 革命的基础之后，我们在 2018 年基于 BERT 模型开发了自己的创新模型 StructBERT，重点考虑了句子结构信息，使模型能够更好地建模语义。

从 2019 年到 2020 年，我们陆续构建了自己的预训练模型，包括参数规模从百亿、万亿甚至到十万亿级的。从 ChatGPT 发布以来，我们发现这条路线很有潜力，也意识到要进一步加大模型规模、提升训练框架的计算效率，同时对数据处理也要更加精细。在此基础上，我们发布了“千问”系列的自然语言模型、“万相”系列的文生图、文生视频模型，以及面向具体任务的下游应用模型，如代码助手、角色陪伴等。

2024 年我们推出了“百炼”平台，用户可以在平台上调用我们的模型，完成各自的下游任务。目前，“千问”模型系列不仅在中国也在全球范围内处于用户数量领先的地位，甚至在业界达到第一。

AI 应用这个领域发展过于迅速，会让人感到研究有时候跟不上产业的节奏。一个重要的方向是 AI 在软件工程方面的应用。我们注意到，预训练模型其实从 2020 年就已经在这个方向进行研究和应用了。大约在一年半前，我们开始看好这个方向并加大投入，这可能是 AI 落地进展最好的一个方向。

比如一个 AI 程序员可以完成复杂的软件开发任务。我把需求告诉 AI 程序员，它能够进行任务拆解、规划并执行。如果过程中出现问题，它可以进行验证、修正和测试，最后汇总结果。人的作用主要是在于提出需求、定义问题、确认结果，中间大多数环节都由 AI 完成。这不只是适用于软件工程，也许未来很多任务都可以由 AI 完成，人类只需负责最顶层的这三件事，其余的交给 AI 就行了。

还有一个方向是我们如何利用 AI 来构建“类人智能体（human-like agent）”。我们尝试对人的知识、个性、记忆、道德、情感等方面建模，使得 AI 将来能够成为虚拟人，为人类提供情绪支持，成为数字员工（digital worker）、数字伴侣（digital companion），或真人复刻（replica）。除了技术之外，我们也做了一些能产生社会影响、呵护人间烟火的事情，比如用 AI 进行阿尔兹海默症的筛查，以及尝试用 AI 来给儿童提供情感陪伴。

4

人工智能领域的共识和分歧

AI 领域发展非常快，有些方面已经达成共识，有些地方还存在分歧。一些共识比较确定，比如说“规模定律（scaling law）”，从预训练（pre-train）到后训练（post-train），到测试时（test-time），包括上下文（context）越来越长，最后转成记忆（memory），这都体现了规模定律。另一个确定的就是计算和推理成本会显著降低，可能每年降低十倍，这样就使得更多的场景能以更低的成本使用 AI。共识还有强化学习及其支持性框架也会越来越强大。另外，多模态如果能够把视觉、语音、图像这些不同类型信息统一成词元化（unified tokenization）的表达，那么整个现有的框架就可以进行复用。其他共识还包括 AI 智能体的各种应用，如写代码、做研究等等，还有在线学习方面的应用。

还有一个是关于开源。我们越来越觉得未来开源模型在能力上和闭源模型会越来越接近，有可能开源和闭源模型在大模型应用的比例可能是 80:20，也就是说，全世界 80% 的应用或者模型会构建在开源基础上，开源和闭源模型可能会存在一些能力上的差异，但这个差距会越来越小。

值得一提的是尚未达成共识的部分，因为随着技术快速发展、领域快速迭代，现在我们觉得对的方式将来可能发现不对。比如，有人说预训练是不是已经走到了尽头，再继续训练下去的话对模型提升不会有更大帮助。一个典型的例子是 OpenAI 的 GPT-5 迟迟没有发布，大家怀疑这是因为计算资源的限制，还是有了计算资源但没有取得更好效果，还是说大规模训练本身需要不同的路径选择。这些问题目前都还没有清楚的答案。

另一个问题是多模态（multimodality）是不是真的能够提升智能水平？我们看到自然语言文本之间有很强的相关性，但加入图像、语音数据后，并没有发现智能上有显著提升。多模态训练或学习是否真的能够提升智能，这还存在疑问。

现在大家都知道智能体工作流（agent workflow）很重要，通过不同的智能体来构建一个工作流，能解决很多复杂的实际问题，比如最近中国的创业公司 Manus 就搭建了这样一个平台。但真正的问题是，智能体工作流是像 Manus 那样基于人对于已有流程的理解来构建的，还是未来会完全基于 AI 来自动构建一套新的工作流，通过与环境的交互，对于反馈信号的学习，构建出甚至比人现有的工作流更好的流程？这也是一个有待探索的方向。

一个很重要的问题是模型评估。我们现在看到的很多模型评估都是基于通用标准（general benchmark），比如数学题、多语言翻译、考试题等等，最近大家正好在关心大语言模型回答高考题目的结果如何。但从实际应用的角度讲，我们更需要评估的是在特定应用场景中、针对特定任务，这些模型到底表现如何。因此，基于给定领域和给定任务的模型评估，可能会变得越来越重要。

还有一个问题是模型（model）和产品（product）之间的关系。有一种说法认为模型就是产品，随着模型越来越强大，产品可能就不再需要设计了，只要调用模型的 API 就能满足用户需求了。但在模型能力还不具备的时候，是不是产品还有一些价值，是不是模型能力加上产品价值能更好满足人的需求？这也值得探索。

其他存在分歧的问题还包括 AI 在将来会多个模型并存，还是单个模型一统天下？以及最终的通用人工智能（AGI）会是什么样子？我个人其实很少讲 AGI，因为 AGI 这个词很宏大，但是在实践中大家对 AGI 有不同的理解。有的人认为 AGI 是在所有任务上超越人类，后来发现这个定义过于宏大，就改成了“在 90% 的任务上超过 90% 的人类”，再慢慢变成“在某些任务上超过专家”。所以 AGI 这个词还没有被很好的定义。但我们期待以大语言模型、基础模型为代表的这套 AI 技术，能够在很多任务场景中给人类现有的工作带来效率提升，带来更大的价值。

5

人工智能发展的未来

回到 AI 发展的周期性视角。在早期的 AI 发展中，知识和数据是分离的（knowledge and data）；而现在，知识越来越多地内嵌于数据中（knowledge embedded in data）。未来趋势是什么？是说人类以前的知识都不需要了，完全用数据让模型去学习就够了？还是说我们需要找到有效方式把人类已有的知识灌入到模型训练中，从而减少训练成本，提高模型的可干预性、可解释性等等？这是一种思路。

另一种思路来自康奈尔大学的教授 Richard Sutton，他写过一篇文章“The Bitter Lesson”，结论是过去我们在 AI 开发上的痛苦教训在于，人类为特定任务设计的各种专业知识，最终都被计算能力的提升所替代。他认为，我们不需要加入人类知识，一切都应从数据中学习，只要模型足够大、数据足够多，规模定律能够解决所有问题。这目前也不是一个共识。但随着大模型的发展，大约 90% 的人开始相信这个观点，还有 10% 的人仍在思考是否存在其他可能的路径。