每經(jīng)記者 張蕊    每經(jīng)編輯 陳星    

3月27日，2025中關村論壇年會在京開幕，論壇將持續(xù)至3月31日。今年論壇年會的主題是“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（以下簡稱“智源研究院”）院長王仲遠在未來人工智能先鋒論壇上作了《具身智能技術演進與生態(tài)共建》的演講。

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

論壇開始前，王仲遠接受了《每日經(jīng)濟新聞》（以下簡稱NBD）記者采訪。

智源研究院是在科技部和北京市支持下，聯(lián)合北京人工智能領域優(yōu)勢單位共建的人工智能領域的新型研發(fā)機構。王仲遠是第二任院長，他在2018年榮獲“《麻省理工科技評論》35歲以下科技創(chuàng)新35人”；并有微軟、Facebook（現(xiàn)Meta）、美團、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大模型來說已經(jīng)不是一個問題了？

王仲遠：我不太認同這個觀點。DeepSeek確實取得了出色成果，確保我們能在有限的算力之下訓練出與ChatGPT-4相當?shù)拇竽Ｐ?。然而，我們要意識到，這樣的技術也可能被國際上其他機構和國家使用，從而推動大模型向更大規(guī)模的方向發(fā)展。

如今，由于工程上的優(yōu)化，訓練更大規(guī)模參數(shù)的模型成為可能。這時候如果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一步提升。

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

今年在人工智能應用上會出現(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，您怎么看？您認同這個觀點嗎？

王仲遠：對，首先，我認為今年在人工智能的應用上會出現(xiàn)大爆發(fā)。因為國產(chǎn)模型能夠用較小的算力實現(xiàn)相當?shù)男阅?，所以一定會進入應用落地階段。

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

當然，我也反復強調(diào)過，大語言模型是遠遠不夠的。即使不談機器人，我們也可以看到，真實的產(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，應該說還處于相對早期的階段，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、視頻從一開始就進行原生的統(tǒng)一，將理解和生成進行統(tǒng)一。我們認為，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。

具身智能是實現(xiàn)AGI的一個核心能力

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

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

如今的大語言模型除了其通用性以外，在很多特定領域，比如數(shù)學、編程等，已能接近碩士乃至博士水平。從這些方面來看，我們可以認為人工智能已經(jīng)部分達到了某種程度的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、解決實際生活中的具體問題，像做家務、做飯、洗碗等，距離實現(xiàn)這種程度的AGI，我認為還有很長距離，可能還要很多年，至少5到10年甚至更長時間。因為在這個過程中，它依賴于本體的能力，依賴于對世界模型構建的進展，依賴于不同的落地場景中數(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成為AGI的一個核心能力？

王仲遠：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，就一定要跟真實的世界進行交互，并且在交互中學習。