專訪智源研究院院長王仲遠(yuǎn)：實(shí)現(xiàn)更廣泛意義上的AGI至少需要5~10年甚至更久

每經(jīng)記者 張蕊    每經(jīng)編輯 陳星    

3月27日，2025中關(guān)村論壇年會(huì)在京開幕，論壇將持續(xù)至3月31日。今年論壇年會(huì)的主題是“新質(zhì)生產(chǎn)力與全球科技合作”。

3月29日下午，北京智源人工智能研究院（以下簡(jiǎn)稱“智源研究院”）院長王仲遠(yuǎn)在未來人工智能先鋒論壇上作了《具身智能技術(shù)演進(jìn)與生態(tài)共建》的演講。

在該場(chǎng)論壇上，智源研究院發(fā)布首個(gè)跨本體具身大小腦協(xié)作框架RoboOS與開源具身大腦RoboBrain，可實(shí)現(xiàn)跨場(chǎng)景多任務(wù)輕量化快速部署與跨本體協(xié)作，推動(dòng)單機(jī)智能邁向群體智能。

論壇開始前，王仲遠(yuǎn)接受了《每日經(jīng)濟(jì)新聞》（以下簡(jiǎn)稱NBD）記者采訪。

智源研究院是在科技部和北京市支持下，聯(lián)合北京人工智能領(lǐng)域優(yōu)勢(shì)單位共建的人工智能領(lǐng)域的新型研發(fā)機(jī)構(gòu)。王仲遠(yuǎn)是第二任院長，他在2018年榮獲“《麻省理工科技評(píng)論》35歲以下科技創(chuàng)新35人”；并有微軟、Facebook（現(xiàn)Meta）、美團(tuán)、快手的工作經(jīng)歷。

圖片來源：每經(jīng)記者 張蕊 攝

目前算力限制仍是大模型發(fā)展的瓶頸因素 

NBD：隨著DeepSeek的突破，是不是意味著算力對(duì)大模型來說已經(jīng)不是一個(gè)問題了？

王仲遠(yuǎn)：我不太認(rèn)同這個(gè)觀點(diǎn)。DeepSeek確實(shí)取得了出色成果，確保我們能在有限的算力之下訓(xùn)練出與ChatGPT-4相當(dāng)?shù)拇竽Ｐ?。然而，我們要意識(shí)到，這樣的技術(shù)也可能被國際上其他機(jī)構(gòu)和國家使用，從而推動(dòng)大模型向更大規(guī)模的方向發(fā)展。

如今，由于工程上的優(yōu)化，訓(xùn)練更大規(guī)模參數(shù)的模型成為可能。這時(shí)候如果Scaling Law（規(guī)模定律，即模型規(guī)模越大，其智能水平就越高）還有效的話，模型的性能就有可能進(jìn)一步提升。

所以，現(xiàn)在的模型，尤其是基礎(chǔ)模型看起來遇到了一定的瓶頸，或者說其性能提升相對(duì)緩慢，一個(gè)很重要的因素是數(shù)據(jù)（不足），另外算力限制也是瓶頸，所以我不認(rèn)為現(xiàn)在的算力就足夠使用了，我認(rèn)為整個(gè)大模型的技術(shù)還遠(yuǎn)未到盡頭，算力仍不可或缺。

今年在人工智能應(yīng)用上會(huì)出現(xiàn)大爆發(fā) 

NBD：業(yè)內(nèi)都說今年是人工智能普惠發(fā)展的轉(zhuǎn)折點(diǎn)，您怎么看？您認(rèn)同這個(gè)觀點(diǎn)嗎？

王仲遠(yuǎn)：對(duì)，首先，我認(rèn)為今年在人工智能的應(yīng)用上會(huì)出現(xiàn)大爆發(fā)。因?yàn)閲a(chǎn)模型能夠用較小的算力實(shí)現(xiàn)相當(dāng)?shù)男阅?，所以一定?huì)進(jìn)入應(yīng)用落地階段。

中國擁有海量的應(yīng)用場(chǎng)景和應(yīng)用需求，這是我們的優(yōu)勢(shì)。當(dāng)基礎(chǔ)模型能力提升后，其實(shí)我們有眾多的產(chǎn)品經(jīng)理和創(chuàng)業(yè)者，可以將模型進(jìn)行落地應(yīng)用，尤其是大語言模型的落地應(yīng)用，存在巨大的產(chǎn)業(yè)爆發(fā)潛力。

當(dāng)然，我也反復(fù)強(qiáng)調(diào)過，大語言模型是遠(yuǎn)遠(yuǎn)不夠的。即使不談機(jī)器人，我們也可以看到，真實(shí)的產(chǎn)業(yè)中存在大量多模態(tài)數(shù)據(jù)，比如流程圖、醫(yī)療領(lǐng)域的X光片數(shù)據(jù)、CT數(shù)據(jù)以及各行業(yè)的傳感器數(shù)據(jù)等，它們都不是簡(jiǎn)單的文本數(shù)據(jù)。所以，多模態(tài)大模型是繞不開的一種能力。

現(xiàn)在的多模態(tài)大模型，尤其是多模態(tài)理解模型，應(yīng)該說還處于相對(duì)早期的階段，雖然有一些解決方案，比如以大語言模型為核心的解決方案。但很多大語言模型在增加了多模態(tài)能力后，其原有的語言能力會(huì)有所退化。這也是智源研究院去年著重向統(tǒng)一原生多模態(tài)方向突破的重要原因。

去年，智源研究院正式發(fā)布Emu3，這是統(tǒng)一原生的多模態(tài)大模型，能夠?qū)⑽谋?、圖像、視頻從一開始就進(jìn)行原生的統(tǒng)一，將理解和生成進(jìn)行統(tǒng)一。我們認(rèn)為，這種統(tǒng)一的多模態(tài)大模型有望助力大模型在各行業(yè)落地，取得更好的效果。

具身智能是實(shí)現(xiàn)AGI的一個(gè)核心能力

NBD：您覺得我們距離實(shí)現(xiàn)AGI（通用人工智能）還有多久？還需要解決哪些問題？

王仲遠(yuǎn)：很坦誠地講，目前AGI還沒有非常明確的定義和廣泛的共識(shí)。如果僅就文字能力的AGI來看，其實(shí)某種程度上已經(jīng)達(dá)到了AGI。如果以圖靈測(cè)試為判斷以往人工智能是否實(shí)現(xiàn)AGI的標(biāo)準(zhǔn)的話，至少在文字層面，人工智能很可能已經(jīng)達(dá)到了AGI。

如今的大語言模型除了其通用性以外，在很多特定領(lǐng)域，比如數(shù)學(xué)、編程等，已能接近碩士乃至博士水平。從這些方面來看，我們可以認(rèn)為人工智能已經(jīng)部分達(dá)到了某種程度的AGI。

但如果從更廣泛的意義來看，比如讓人工智能理解人類的語言、解決實(shí)際生活中的具體問題，像做家務(wù)、做飯、洗碗等，距離實(shí)現(xiàn)這種程度的AGI，我認(rèn)為還有很長距離，可能還要很多年，至少5到10年甚至更長時(shí)間。因?yàn)樵谶@個(gè)過程中，它依賴于本體的能力，依賴于對(duì)世界模型構(gòu)建的進(jìn)展，依賴于不同的落地場(chǎng)景中數(shù)據(jù)的積累等，所以還需要經(jīng)歷很長的周期。

NBD：具身智能的物理交互是不是會(huì)成為AGI的一個(gè)核心能力？

王仲遠(yuǎn)：它肯定是我們理解的廣泛意義上的AGI核心能力，最終人工智能要從數(shù)字世界走向物理世界，就一定要跟真實(shí)的世界進(jìn)行交互，并且在交互中學(xué)習(xí)。