9月10日-13日，以“重塑創新增長”為主題的2025 Inclusion·外灘大會在上海舉行。開幕主論壇、40多場開放見解論壇、10多場創新者舞台、1萬平米科技展覽，加上科技智能創新大賽、科技人才招聘會、創投Meetup等特色環節，為參會者搭建了深度交流與合作的平台。

外灘大會主論壇現場。

幾日來，大江東記者深入大會現場，聆聽與會者對人工智能技術的多維探討，近距離觀看前沿科技成果展示，親身體驗腦洞大開的最新應用。在密集的觀點碰撞與開放的思想交流中，與會專家學者貢獻了超越技術本身的深度思考。

智能是什麼？ 雖“學富五車”，卻無真正“智能”？

“智能”究竟該如何定義？是大量知識的積累，還是快速學習的能力？

通過遠程連線，2024年圖靈獎得主、“強化學習之父”理查德·薩頓在主旨演講中給出了明確觀點：“持續學習對智能至關重要。”他表示，“我們已通過強化學習進入新的經驗時代，但要釋放經驗的全部潛力，還需突破兩項關鍵技術——持續學習與元學習（meta-learning）。”薩頓解釋，他所說的“經驗”，是智能體與世界交互中產生的“觀察、行動、獎勵”三種信號的來回傳遞。

機器人廚師在廚房。

香港大學計算與數據科學學院院長馬毅認為，智能的核心在於“自我驗証與自我糾錯”能力，即能批判性審視既有知識、發現錯誤並修正完善。而當前的大模型，本質上只是“靜態知識的存儲庫”，無法真正理解存儲內容，這也是出現邏輯混亂與“幻覺”問題的根源，“即便擁有海量‘知識’，也不具備真正的‘智能’。”

展望未來，馬毅提出必須將智能作為一個嚴謹的科學與數學課題來研究，聚焦於構建具備個體記憶與閉環自治能力的系統，在可解釋的理論框架下推動機器智能向真正意義上的“自主智能”演進。

智能體元年來了？ 總在場、能進化的“人”是誰？

智能體能否從數字世界走向物理世界，甚至與人類共同探索未知規律？大會上，這一話題引發了產業界與投資界的討論，觀點碰撞間盡顯智能體發展的機遇與挑戰。

外灘大會科技展覽現場。

中國在AI應用領域處國際領先地位，多個“全球首個智能體”成果來自中國團隊。明勢創投合伙人黃明明認為，中國智能體發展的優勢源於過去20年移動互聯網積累的產品經理能力，以及對前沿技術的快速跟進，“未來全球最頂尖的智能體中，或將有三分之二來自中國創業團隊”。

美國國家工程院外籍院士張宏江判斷，人類正逐步進入“智能體群”時代。未來，數量龐大的智能體將實現彼此交互、協同執行任務、交換數據與信息，甚至自主分配任務，而人類與這些智能體群的互動，將催生出全新的“智能體經濟”，人類則更多扮演“資源與數據提供者”的角色。

“人和AI的關系正在發生根本性轉變。”張宏江說，AI已從純粹的工具，進化為輔助決策的“助理”，未來還將成為會思考、能規劃、有主動性的“伙伴”，這意味著現有工作流程需為智能體重構。

階躍星辰創始人姜大昕指出，智能體已在金融、醫療、教育等垂直領域快速滲透，而下一代智能硬件的競爭焦點將集中在“會做事、總在場、有記憶、能進化”上，相當於為每個人配備一位“更博學、全天候運轉”的智能伙伴。

外灘大會科技展覽現場。

不過，BAI資本創始及管理合伙人龍宇直言，當前行業尚未真正迎來智能體爆發時代。螞蟻集團副總裁紀綱認為，從落地節奏來看，高容忍度場景如情感陪伴，將成為智能體優先落地的領域﹔而需要精確數據支撐、完成嚴格任務閉環的場景，如精密制造、復雜醫療診斷等，仍需過程。Ponder CEO盛思雄從人機交互的角度指出，當前智能體輸出內容“碎片化”問題嚴重，缺乏對信息的深度組織與邏輯構建能力，導致用戶仍需花費大量時間整理和修改結果，真正意義上的“智能”尚未實現。

AI的終點在哪裡？ 修煉數據穿牆術，核聚變大加速？

當AI技術加速迭代，其終極方向與核心瓶頸成為大會熱議的命題。從數據、算力到能源，與會者從不同維度拆解AI發展的底層邏輯。

“2025年注定是不平凡的一年，開源，這一軟件時代的概念，成為AI競爭的關鍵變量。”之江實驗室主任王堅在大會強調這一觀點。美國OpenAI CEO 薩姆·奧爾特曼公開承認，在開源這件事上，OpenAI站在了歷史的錯誤一邊。王堅認為，AI時代的革命性變化，正從“代碼開源”轉向“資源開放”，開放數據與計算資源，是推動AI突破瓶頸的必要環節。

隨著大模型基礎設施逐漸趨同，行業競爭焦點已從“拼算力、拼參數”轉向“拼數據、拼場景”。上海交通大學教授劉少軒就直言：“AI的下半場，拼的是數據質量。”當前，不少企業已擺脫“模型焦慮”，轉向務實落地，但多數企業仍面臨落地效果不及預期的困境，根本原因在於“缺乏高價值、高質量的數據”。

復旦大學教授肖仰華則點出了“數據牆”的挑戰，人類產生優質數據的速度十分緩慢，而大模型幾乎將互聯網上公開的優質數據消耗殆盡。如今即便投入更多數據，模型性能的提升幅度也在遞減，“投入與收益的性價比持續降低”。破解這一難題，需建立“大模型的數據科學”，對多模態訓練數據進行分級分類，將“穩定、靜態、客觀、全面、概念性”的核心數據轉化為訓練語料，從源頭提升數據利用效率。

“模型和圖形處理器算力，將成為未來核心資產。”張宏江道出了算力在AI時代的戰略地位。在AI產業化進程中，技術驅動了基礎設施的大規模擴張，據預測，2025年美國主要科技公司的AI相關資本開支將超3000億美元。“數據中心過去一年的大規模建設熱潮，正是AI產業規模化的核心體現。”張宏江分析，這一建設浪潮不僅帶動電力生態升級，也將促進經濟發展。

外灘大會科技展覽現場。

“相信不少人聽過一句話：AI的終點是能源，能源的終點是聚變。”中國科學技術大學教授孫玄的演講，將AI話題引向了能源革命。他援引數據解釋，當前AI用電量已佔地球總用電量的1.5%，若將AI比作“地球大腦”，參考人類大腦能耗佔人體20%的比例，有預測認為，未來AI耗電量或將佔全球總用電量的20%以上。AI的崛起，正極速推高全球能源需求，形成巨大的能源缺口，而破解這一缺口的關鍵，是核聚變技術。

更具戲劇性的是，AI與核聚變正形成“雙向賦能”：一方面，核聚變能為AI提供終極能源支撐﹔另一方面，AI技術正在加速核聚變的研發進程，優化聚變堆設計、模擬反應過程，AI正幫助科學家破解“終極能源”的核心難題。

迭代升級猛踩油門？ 什麼比速度更重要，剎車系統如何配？

在對技術極限的探索中，歷史學家、“人類簡史系列”作者尤瓦爾·赫拉利給出了提醒：“衡量進步，不在於技術的速度，而在於我們之間合作的力度和共情的深度。”任何強大的新技術都需要社會用漫長時間構建匹配的制度與習慣，AI也不例外。

單有速度，不是進步。一輛不受交通規則限制、沒有剎車系統的汽車，時速再快也不是進步。

他提出“剎車系統”守護AI發展的正確方向：一是建立全球合作，“人類的力量源於合作，而非孤立”﹔二是構建修正閉環，及時發現並糾正技術中的錯誤與偏見﹔三是帶著記憶前行，“如果把記憶托付給非人類智能，我們將一無所有，要守護人類記憶和講述自身故事的能力”。

“人工智能是人類最古老的追求之一。”薩頓演講結尾的話引人深思，“數千年來，哲學家和普通人都在努力理解自己：我們的心智如何運作？該如何讓它運作得更好？這是一場宏大的求索。智能是宇宙中最偉大的力量之一，若能理解它，人類會變得更強大、更有能力。”

關於AI本質與未來的追問，仍將繼續。

（本文圖片均由崔寅攝）

（來源：人民日報中央廚房-大江東工作室）

分享讓更多人看到