智能涌现，会引燃下一次工业革命吗？

    □ 张亚勤

    2025年2月，在一场以“人工智能的未来：从科研到产业化”为主题的论坛中，清华大学智能产业研究院（AIR）院长张亚勤表示：“10年后，机器人将可能比人都多，会陆续进入工厂、社会，最终形态是进入家庭。未来每个人、每个家庭都有机器人。”他的新书《智能涌现：AI时代的变革与思索》中，呈现了他对世界进入信息智能、物理智能、生物智能相互融合创新周期的最新判断，以及对大模型、ChatGPT、DeepSeek等最新技术与未来发展趋势的前瞻思考。

    【自序摘录】

    如果将人类文明的发展历程视作一部卷帙浩繁的厚重著作，那么全世界进入高速发展的现代化阶段只占据了其中极少的一部分。就像是基因突变，人类的物质积累从匮乏到富足，对世界的认知从浅薄到深刻，跨越空间、接收信息的效率从极低到极高……一切的变化仅用了短短200多年。我们是怎么做到的？我想，归根结底，是由于人类历经数千年积淀，真正推开了科学的无尽前沿之门。

    18世纪末蒸汽革命的背后，有着物理、数学、工程学以及全球地理大发现的推动；20世纪初电气与能源革命的背后，有着电磁学、化学、天文学的硕果被成功转化至产业生态的诱因；20世纪末信息革命的背后，有着量子物理、信息论、控制论等多元学科的最新成果经由芯片、网络等载体涌入现实世界的背景。

    以上三次历史事件，被称作现代化进程中的三次工业革命，或者说产业革命。通过总结现象背后的规律与共性，我们会发现每一次工业革命的爆发都大致符合一个发展范式：科学的无尽前沿之门被推开，大量先进的研究成果和技术创意加速向产业界流动，并得以转化。这些转化而来的成果往往以一项或多项关键性通用技术为基石，最终承托起社会经济的指数级增长。今后，人工智能将成为那枚再度开启科学无尽前沿之门的钥匙与引燃下一次工业革命的导火索吗？

    在此，我想引入一个人工智能大模型领域的专业词汇——“涌现”（Emergence）。当数据量和模型参数的体量达到一定程度，如百亿参数级别时，会出现涌现现象，即模型的准确度和可预测性突然跳跃式提升。这种现象也可以用人汲取知识的过程来比喻，我们每天读书求知，当积累超过某个阈值，便会瞬间融会贯通，就像是开窍。

    目前，有关大模型为何会出现涌现现象，具体的数学模型和因果关系尚不清晰——但一个相对清晰的事实是，近年来，作为一种经验律，规模定律显著影响着人工智能的性能提升。也就是说，当数据、算力和参数提升到某种规模时，智能会呈指数级上升。

    ■ 人工智能是这个时代

    最重要的技术变革力量

    倘若没有蒸汽机的发明和大规模应用，很难想象我们能够迎来内燃机的升级和革新。也就是说，第四次工业革命的启动方式，一定是与此前的科学进步和产业进化一脉相承的。如今，符合这一规律且能承载更多重任的技术就是AI。

    以深度学习为代表和标志的新一代AI技术，其本质是在大数据、强算力的基础上持续提升算法效果。我们看到，AI已经在许多任务处理领域取得了接近甚至超越人类平均水平的成绩。尤其是过去的两三年，一个大的成果就是生成式AI。

    2022年11月30日，ChatGPT刚发布，我便尝试使用了一番，结果大受震撼：第一，我觉得，ChatGPT的出世意味着人类历史上首次出现了真正可以通过图灵测试的智能体——1950年，艾伦·图灵先生发表了论文《计算机器与智能》，继而提出了图灵测试的思想实验。60多年来，图灵测试一直是我们这些计算机科研人员希望攀越的巅峰。直至今日，机器在某种意义上已经学会了思考。第二，我认为，大模型将成为AI时代新的操作系统，就像个人计算机（PC）时代的Windows、移动时代的iOS和Android。第三，我判断，大模型是我们从面向具体任务的AI迈向通用人工智能的起跑线。

    ■ 我感受过的“ChatGPT时刻”

    1986年，我刚到美国求学，第一次摸到了传说中的苹果Macintosh电脑。在国内，我只用过需要输入字符命令的机器，所以可以想象，我接触到图形用户界面和鼠标时会是怎样的心情。

    第二次是20世纪90年代初，我在桑纳福实验室研究与高清数字电视相关的视频压缩技术。在相关人士的现场见证下，我们首次将所有系统集成在一起，在一间配有5.1环绕声设备的小黑屋里，放映了由索尼高清摄像机专门拍摄的长达15分钟的高尔夫比赛和滑雪比赛的视频片段——现实世界的雪花与高尔夫球场在全新数字技术的加持下重现于每个人的眼前，大家都震撼于电视画面居然可以如此清晰。

    第三次是2016年3月，阿尔法狗（AlphaGo）首次战胜人类围棋高手李世石的那个时刻。我也下围棋，在那之前，我完全不相信机器能赢人类，那时我想“至少还需要5年吧”。AI的强大第一次超出了我的预期。

    我很高兴地看到，2025年春节前，一家中国公司创造了属于自己的“ChatGPT 时刻”——DeepSeek（深度求索）刷新了大规模依赖算力出奇迹的固有模式，用更少的资源、更小的团队、更短的时间，训练出性能达到全球顶尖水平的新一代模型。DeepSeek还打破了ChatGPT“两个月用户数突破1亿”的纪录，仅用7天便实现了1亿用户的增长。

    AI已成为基于互联网、大数据、云计算等产业要素且日益强大的最新通用技术。同时，AI技术的多点落地、普及应用亦成为新一轮数字化发展的关键任务。

    ■ 第四次工业革命

    必须适配新的产学研范式

    在2016年冬季达沃斯论坛上，我谈道，AI是当代最具变革性的技术力量，也是第四次工业革命的技术引擎，将深层次地颠覆每个传统业态，重构产业格局。

    AI技术带来的改变更加深刻、复杂、立体，不仅会改变内容、信息、企业，还将深入渗透到物理世界和生物世界。我认为这可能导致一个差异化现象：AI为个人消费者带来的价值提升，可能是渐进的、逐步积累的；AI为企业乃至行业带来的价值改变，则可能是高效的、迅速颠覆的。举例来说，AI带动的自动驾驶变革，显然能够从最底层改写汽车和交通产业的运行逻辑。AI驱策的医疗行业变革，有可能重新定义医生这一职业角色，乃至重塑各级医疗体系。

    观察历史可知，每一次工业革命依赖的科研基座和成果转化通道都在变得更加复杂：早期的工业革命或许仅靠发明家便能推进；到了电气革命阶段，出现了更多企业与科研院校相互配合的范例；再发展到信息革命阶段，涌现了更具融合性的科研组织形式，国家实验室、企业研究院、大学科研力量以及社会研究机构承担了更艰巨的使命、更前沿的探索任务。

    站在第四次工业革命的大门前，我们同样需要再一次更新科研范式，尤其面向智能产业时，需要将专业知识、产业需求和前沿智能化技术更紧密地结合。可不可以突破以往科研范式的边界，以未来的应用蓝图为灯塔，重新构筑一种与产业需求结合度更高的智能技术研究底座？这或许是我在决定回归学术界时的最大期待。

    （长江日报记者马梦娅 整理）