连接器：实验室将协助优秀的研究者与团队，将单点创新，有组织地汇聚成能发挥出更高价值的系统；通过协调多方资源，精准引导和聚集创新点，确保每个创新点都能在系统中发挥最大效能，推动整体技术突破。

放大器：实验室将帮助优秀的研究者与团队，参与解决最具挑战性和影响力的重大问题，推动具有深远意义的事业；通过承担高价值任务，并在过程中放大技术的价值，推动技术向更高层次发展。

加速器：实验室将支持优秀的研究者与团队，快速实现技术的产业价值和发展潜力；通过加速技术成果的验证和应用，推动技术在产业中的快速落地，助力技术产生实际的经济和社会效益。

在浦江AI学术年会现场展出了书生·浦语大模型、书生·万象多模态大模型，以及实验室最新的成果强推理模型书生InternThinker，吸引大量观众前来体验。

智者齐聚，探索智能本质与AGI之路

在大会报告的环节，中国工程院院士、西安交通大学教授郑南宁院士以《世界模型和视觉概念学习》为题进行分享。

在圆桌讨论的环节，北京大学智能学院副院长、教授陈宝权，香港大学计算与数据科学学院院长、AI讲座教授马毅，上海人工智能实验室主任助理、领军科学家乔宇，稀宇科技创始人闫俊杰，以及阶跃星辰首席科学家张祥雨几位嘉宾围绕AGI发展方向、世界模型的演进、“白盒”模型与性能平衡等话题进行了深入探讨。香港中文大学副教授、上海人工智能实验室领军科学家成宇主持圆桌讨论。

“探索智能的本质”圆桌对话

马毅在题为《Pursuing the Nature of Intelligence》的引导报告中指出，在过去的十年，人工智能技术取得了飞速发展，但从方法论的角度来看，仍然存在许多未解之谜。智能不仅仅是技术的积累，更是理解生命和智慧的本质。智能的核心是学习和预测外部世界的规律，这一过程不仅是数据的压缩和去噪，更涉及到如何通过优化算法来提升智能系统的能力。要实现真正的自主学习和智能化系统，必须构建闭环系统，通过自我纠错与知识的不断更新来推动智能的进化。马毅强调，基础创新和原创研究的重要性，要超越现有模型，必须跳出大模型规模竞赛探索新路径。

陈宝权认为，图形学本身就是通过结构化的方式描述世界，这与大模型的“白盒”理念高度契合。深度学习和大模型提供了新的工具来“逼近”现实世界，这种结合有望推动科研和技术的进一步发展。展望 2025 年，他期待看到更多在物理和推理领域的突破，尤其是如何将已有的物理知识与AI结合，通过反向传递人类积累的知识，构建更有效的AI系统，从而推动更加精确的模型发展。

闫俊杰认为，智能的定义可以非常广泛，黑盒模型在某些应用中足够，但白盒模型在理解人类的智能上可能有优势。尽管当前的模型和产品已取得一定进展，但未来将会有更多创新出现，不同研究机构和企业将提出各自对智能的理解，并在特定领域内超越现有水平。

张祥雨认为，理解方法原理非常重要，但业界应避免盲目跟风，利用白盒模型指导实践，避免资源浪费。当前，距离AGI的实现仍有很长的路要走，未来需要更智能的目标导向和试错机制。期待Scaling Law能解决现有问题，实现智能程度与模型规模的正比关系，推动更智能的AI系统。

乔宇认为，通往AGI的道路仍面临技术挑战，在模型架构，数据和学习算法等方面仍有创新空间。期待多模态大模型能够像语言模型一样实现突破强泛化的涌现能力，并基于更多样的Scaling Law维度实现原创创新；具身智能和科学智能前景广阔，期待技术和应用的突破；此外，人工智能的性能与安全平衡发展值得关注，推动人工智能可持续健康发展。

特邀报告：关于AI多维融合与全面发展的思考

在特邀报告环节，中国工程院院士、同济大学校长郑庆华发表了题为《工程智能（AI For Engineering）研究》的特邀报告，深入探讨了工程智能的研究与应用，强调工程智能在衔接科学智能与产业应用方面的桥梁作用。工程智能不仅解决了实际工程问题，还带来了全新的研究视角和挑战。与科学智能的“0到1”突破不同，工程智能侧重于“1到N”和“1到0”的创新模式，其目标是从科学理论到实际应用，解决实际工程问题。

中国工程院院士、同济大学校长郑庆华

传播内容认知全国重点实验室主任、人民网董事长叶蓁蓁在报告中从传统文化的视角探讨了人工智能（AI）的分类与数据拓展问题，并提出了“知、行、思、悟”四个层次来重新审视AI的智能分类和数据需求。他指出，当前AI面临的数据缺口巨大严重限制了人工智能发展，特别是在敏感问题和视觉数据领域。通过人民网的实践，叶蓁蓁展示了如何通过构建独特的数据语料库解决AI回避敏感话题的难题，同时提出要以传统文化为视角，结合认知智能的发展，推动AI技术与人类社会的深度融合。

（来源：上海人工智能实验室）