任澤平對談田豐：“人工智能+”的新機遇

時間：2024-04-19

大模型+機器人

任澤平：今天，我們有幸邀請到商湯科技的田豐院長，與我們深入探討當前熱門話題：人工智能+。首先，請您從大模型+機器人的角度，分享下您的看法。

田豐：從英偉達黃仁勛先生的未來戰略來看，如果我們對比OpenAI與英偉達，可以發現背后涉及大模型的兩條發展路徑。第一條路徑是基于全球人類知識數據訓練出的GPT基礎大模型，它對人類知識有著深刻的理解。第二條路徑是認識到僅從互聯網獲取數據是不夠的，未來的發展需要從物理世界中獲取數據，例如工廠、生產線或供應鏈。黃仁勛先生正在布局一個宏大的戰略，不僅涉及底層的GPU芯片，還包括Omniverse這樣的工業平臺。

目前，寶馬、奔馳、西門子、三星等工業制造企業都已接入Omniverse Cloud。這是一個云平臺，利用一套AI算法分析產業鏈中的各種數據。從工廠的規劃、設計到部署、調試，甚至培訓和運營，都可以在Omniverse Cloud上進行。

以寶馬在亞洲建廠為例，可以由多個國家團隊在云平臺上共同設計，將生產線的虛擬設備放入數字工廠中運行。建成后，類似有一個線上數字工廠與實體工廠同步運作，簡單講，就是打造一個從物理世界、工業領域匯聚數據，進行工業智能制造全流程管理的模型平臺。下一步的重點是如何從物理世界獲取更多與生產相關的數據，并利用人類知識進行各種生成式應用。我將這稱為“新智生產力”。

有人稱去年為大模型的元年，今年則是機器人技術爆發的一年。今年，我們需要特別關注美國的3-4家公司。首先是英偉達，在GTC大會上，60%的時間都在討論Omniverse工業領域的AI平臺，目前已有許多機器人創業公司接入。其次是特斯拉，馬斯克不僅涉足大模型Grok和計算中心，還致力于機器人技術。第三家是谷歌，擁有Gemini大模型和遠超OpenAI的算力中心。最后是OpenAI與微軟的合作，他們也投資了兩家機器人公司。這四家公司正全力將物理世界融入大模型中，或者可以說是將大模型嵌入到物理世界的機器人執行體中。

任澤平：傳統的機器人只能執行單一功能，現在我們稱之為具身智能。那么，具備人工智能的機器人與以往的機械手臂有何不同？它們將帶來哪些變革？

田豐：過去制造機器人的首要任務是解決零部件問題。例如，國內一些機器人創業公司致力于讓機器人關節的電機更小巧、更輕便。

第二步，如美國的機器人創業公司，廣泛采用仿真測試環境。例如，谷歌在加州灣區的實驗室里，線下有十臺機器人進行打掃衛生等任務的訓練，而線上則有超過一千個虛擬機器人在不停地進行訓練。線上訓練僅消耗算力，大幅節約成本。訓練到一定程度后，將虛擬的機器人模型移植到物理機器人上，這一過程可以隨時同步，顯著加快了機器人的訓練進程。這可以理解為在仿真環境中的快速進化。

第三步，是將機器人投入到真實的生產環境中進行測試。例如，特斯拉的擎天柱機器人在超級工廠中安裝汽車。谷歌則專注于開發通用人工智能機器人。以往的機器人在生產線上只能執行幾個固定動作，且需預先編程。現在的機器人則是通用型，通過攝像頭和傳感器感知不同的零部件。它們甚至具備大模型帶來的人機交互和常識能力，無論是生產線上的柔性生產還是日常生活中的各種問題，它們都能靈活應對，無需預先訓練。

當然，大模型本身需要經過預訓練。一旦將大模型與機器人結合，就可以根據人類的自然語言指令，讓機器人靈活執行各種非標準任務，這也帶來了“泛在感知”和“泛在智能”的概念。黃仁勛先生甚至認為：在未來，所有移動的物體都將是機器人。在我們有生之年，可能會看到AGI（通用人工智能）與機器人的結合。

在軟件層面上，我們認為機器人中應該集成的是大模型構成的智能體。智能體與大模型的區別在于：大模型依靠的是自身能力，即基礎模型，具有廣泛的應用能力，但存在邊界。而智能體承認自身能力的局限性，能夠調用其他軟件和工具，類似于管理者，能夠協調軟硬件資源，完成復雜任務的分配。

任澤平：您剛才提到，將大模型嵌入機器人，使其更加智能化，能夠實現更加人性化的生產。那么，未來面向企業和消費者的應用空間應該會非常廣闊。

田豐：任博的見解非常獨到。我們可以用三個圓圈來表示這種應用需求。左邊的圓圈代表物理世界，右邊的圓圈代表人類的精神世界，中間的圓圈則是大模型存在的數字世界。實際上，我們可以看到兩個方向的應用需求：一是工業領域，它越來越逼真地重現物理世界，更多地表現為功能性工具，如完成生產制造的機器人；另一個方向是大模型越來越能夠與人類共情，例如目前非常流行的虛擬寵物、虛擬男女朋友等。

任澤平：這些虛擬伴侶既能聊天，又能不斷學習用戶的愛好，如果真的成為人類的虛擬伴侶，那么生育率是否會大幅下降？

田豐：我們目前觀察到，年輕人將這些技術作為一種游戲來玩。外向型的人更愿意在現實中進行社交，內向型的人則可能設計自己的分身。

例如，一位男性大學生正在上課，沒有時間回復女朋友的信息，他可以讓數字分身，即語言大模型掛機回復，以促進兩性關系的和諧。如果對“分身”的性格不滿意，可以根據MBTI進行優化，比如從偏知性改為偏感性。白天與真實的男朋友相處，晚上與虛擬男朋友聊天，我認為這可能成為未來的常態。當前的大模型正在不斷為人類提供情感價值。真正的大模型，未來不會以取代真人為目標，而是作為情感的補充。

電影《非誠勿擾3》中有與機器人和真人談戀愛的情節，這代表了人類多了一種選擇。如果人們對真人寄予希望和感情，那么機器人就只是游戲工具。如果在兩性關系中受過傷害，人工智能的語言模型可以成為心理咨詢師，幫助人類走出失戀的陰影，重新面對真實世界。機器人制造商、大模型研發企業和運行平臺都肩負著社會責任。任何科技的出現，都應符合人類倫理，不論手機還是AI，應縮短人與人之間的距離，也不能影響人類的傳宗接代。無論是機器人還是大模型，都必須清楚自己的本職工作和使命。

《流浪地球2》中有一句臺詞從科幻角度闡述了數字生命的意義："數字生命的意義在于什么?我個人覺得在于輔助人使得人類文明得以延續。” 在未來的星際大航海時代，人類可能會先派遣有情感的機器人去開發其他資源行星，在改造到一定程度后，再迎來人類的宇航員。按照劉慈欣的觀點，人工智能、機器人、具身智能是跨星際文明的一張船票。如果沒有人工智能和機器人，我們可能仍處于地球母親的子宮中，無法走出太陽系。因此，數字生命對人類文明的進化具有極其重要的意義。

大模型時代，我們如何發力？

任澤平：人工智能有幾個核心要素：算力、算法、數據、模型以及各種應用。那么，中國在算法和數據方面是否具有優勢？我們在發展大模型時應該在哪些維度上發力？

田豐：任博的問題直指人工智能競爭力的本質。我們先討論優勢，再談挑戰。優勢方面，有傳言稱OpenAI啟動了一個包含一百萬塊GPU的集群來訓練GPT，我相信GPT5和GPT6都在其訓練過程中。GPT-4有17萬億的參數量。而現在，當我們訓練具有百萬億參數量的模型時，能源消耗巨大，對電網造成了巨大沖擊。人工智能的終極問題在于能源。中國在全球新能源中位居前列，新能源成本低廉，如生產的光伏組件、中西部廣闊的土地成本。我們完全有能力在青海、甘肅、新疆等地建立集中式的光伏廠或風電廠。如果未來的超大規模AI智算中心緊鄰核電站或光伏集群建設，中國將具有比較優勢。許多歐洲和東南亞國家并不具備如此廣闊的土地優勢。

第二是數據方面的優勢。無論是OpenAI還是中國的一些領先人工智能企業，都在進行合成數據的生成。通過虛擬的數字孿生環境，使機器人、自動駕駛汽車、無人機產生更多的合成數據。這種合成數據是大模型的未來。有預測顯示，到2025年合成數據將超過真實世界產生的數據，到2030年合成數據將完全替代真實世界的數據。因此，合成數據是未來的戰略要地。從傳統數據優勢來看，中國14億人口產生的數據量自然超過美國3億人口，中國130多億的智能終端產生的物理數據也超過美國30多億的智能終端。但在合成數據方面，我們必須加大科研投入。

第三是算力。OpenAI和微軟計劃投資1000億美元，打造一個相當于現有算力100倍的超級計算機——星際之門。OpenAI認為，其算力目前明顯落后于谷歌。谷歌在英偉達發布BG200時，大量采購了最新的芯片，而且目前本身就是全球云計算領域的領頭羊。谷歌擁有自己的TPU，同時還在采購最先進的芯片，有可能打造出地球上最大的AI計算中心。微軟實際上也提出了條件，如果OpenAI不能繼續證明GPT5取得重大突破，那么1000億美元的投資可能不會那么快到位，納德拉會根據AI近期的進展來決定是否分期投資。話說回來，所有人工智能企業都面臨著算力和數據的短缺。Transformer模型決定了尺度定律，投入越多的算力、越多的數據，模型的效果就越好，參數量也越大。人類的大腦有1000億的神經元，但功耗很小。那為什么AI還沒有達到通用人工智能？人類其實擁有非常節能、環保而且效率很高的思考模式和神經網絡。回到第一性原理，就有可能出現下一代架構，甚至顛覆式創新現在的Transformer。

現在很多大模型都在卷算力，一秒鐘回復答案。但OpenAI等公司卻在開發圍棋里的“長考”。思考時間很長，但給出的是一個非常嚴謹的答案，通過反復推敲，多個數據源的交叉驗證。真正的科學研究是需要這種“長考”的。我相信在未來很快會出現推理更精準可靠，貼近人類科研思維的模型架構。中國受到的算力限制更緊迫，所以更有動力去探索新的架構模式。美國依靠“大力出奇跡”的慣性時間會更長一些。

歷史總是辯證的。當年錢學森先生回到中國研發導彈、兩彈合一、衛星等被超級大國封鎖的前沿技術。當時美國每個零件做的精度都比我們小幾個數量級。錢學森先生就研發出了工程控制學，每一個零件的精度都比較差，但能通過一套有效的體系達到整體最優。科研競賽就像打冰球，想要搶球就得看到球運動的方向，下一個位置在哪。所以中國現在更多的是要去思考下一代的Transformer架構。下一代能夠顛覆GPU的架構是什么？下一代的算力集群應該怎么提升整體的效率？

無人駕駛

任澤平：從算力到數據，中國目前還很難達到美國的水平。但是在全球來看，穩居第二問題不大。我們未來可能會利用豐富的綠電資源，而不是像美國那樣純粹堆算力。當人工智能進入大規模商用以后，豐富的應用場景可能就爆發出來了。中國大規模的生產能力和降成本的能力是非常強的。

我們在光伏、鋰電、新能源汽車領域勢頭迅猛。現在特斯拉都不敢公布Model 2了，因為它發現中國已經推出十萬人民幣以下的新能源汽車了。馬斯克宣布在8月8號將推出Robotaxi，無人駕駛的出租車，換一個玩法和賽道。您對此怎么看？

田豐：馬斯克還有其他的自動駕駛公司說2017年就能實現L4級別，但始終卡在L3級別。我認為這有技術的原因，也有非技術的原因。自動駕駛涉及到一個責任的判定，L3級別及以上出了問題，車要負全責。L3以下就是人做決策，不能甩鍋給算法。但是世界科技的進程是由少數人來決定的。如果馬斯克真的在8月8號大量投入無人駕駛汽車，那我相信會反向驅動中國自動駕駛向L3.5、L4級別跟進。

任澤平：我今天看到一個新聞，廣汽埃安和滴滴簽訂戰略協議，快速推進無人駕駛的出租車或者共享車。

田豐：商湯絕影與廣汽埃安合作的L2++自動駕駛解決方案，從廣州到深圳100公里路程里完成一鏡到底視頻的拍攝，全程零接管。我們開啟輔助駕駛的車輛可以自動去變道超車、上下匝道，去應對各種復雜的場景。所以現在中國的制度是非常領先的。中國的自動駕駛有三位一體的實驗制度。一個是汽車的生產商，包括自動駕駛的算法商、提供商。然后是城市的交通運營商，比如滴滴。然后是監管者，當地的政府。三位一體負責自動駕駛在各地的試點和推廣創新。

還有一個更有價值的地方就是數據。特斯拉的車上只有攝像頭，但是其他的自動駕駛廠商都有激光雷達，能夠捕捉大量的現實環境中的數據去訓練大模型。把攝像頭放到自動駕駛汽車上自動運行，它就像一個城管，可以去監控環境，本身就是一個數據源。

英偉達Omniverse的工業軟件平臺已經接入了蘋果的Vision Pro。現在大家可能覺得Vision Pro不是剛需，但是很有可能未來所有的AR眼鏡都是一個數據采集員。我覺得要先解決物理世界數據收集難的問題。現在工業的軟件百分之九十是歐洲的，和中國的大模型是很難對接上的。那么我們完全可以由國家去牽頭明星制造型企業，組成一個國家級的數據制造平臺。這些制造的數據都可以以付費或者開源的形式用于訓練真正的工業大模型，帶來長足的發展。

現在歐洲已經有像西門子APP這樣的工業軟件。但是美國英偉達率先宣稱做所有制造企業、制造廠商的伙伴，把數據都放在它這，它給你提供服務。包年的服務費用是一百萬美金，對于很多公司來說并不貴。但是美國的智能制造企業就會依靠這樣的數據，訓練它本土的機器人公司。這是一個不能忽視的問題。所以中國在制造數據領域一定要形成完善機制。

任澤平：所以說，數據要開放共享，共同用于訓練我們的大模型是吧？

田豐：對，尤其是工業數據。如果不分享，那中國后面就會面臨非常大的問題。如果人家用歐洲甚至全球的工業數據訓練出柔性生產機器人，中國或者是亞洲的勞動力成本是完全打不過的。如果不做這一步，那就是災難性的、釜底抽薪的問題。

剛才任博說到一個很重要的人才問題。中國不能光是依靠應用層的創新。舉一個例子，過去的八十年到一百年，美國為全球貢獻了30-50%的科技貢獻。得益于1922年像狹義相對論和量子力學這樣基礎理論的研發，二十多年后1950年代就出現了第一臺計算機、激光、核電等很多新技術應用。基礎理論的突破，只要二、三十年就可以帶來產業的、科技的領先。中國在基礎科研領域還是要不遺余力去投資、去實踐。

有兩點要注意，一個是R&D這些基礎科研投資的比例。現在我們是2.5%左右，美國常年保持在3%左右。想彎道超車，這樣的力量是遠遠不夠的。另一個在于，中國其實出了很多華人的科學家，如何給他們一個非常開放、待遇優厚的基礎科研環境非常關鍵。

之前有兩個問題，一個是李約瑟之問，一個是錢學森之問。李約瑟之問是，為什么第一二次工業革命沒有發生在中國？錢學森之問是，為什么中國的大學里面涌現不出來諾貝爾學獎得主或者大師級的人物？說明中國依然要加大基礎科研的投入，人才的培養。OpenAI在2017年的時候是一個邊緣化的研發機構，大家會覺得它的研發路徑太瘋狂超前，不一定能實現。實際上，任何一個未來可能產生爆點的方向，現在很可能處于邊緣位置。從這個角度來看，大家一定要長線思考投入，由戰略科學家做出正確的方向性決策，堅持長期主義。

任澤平：我們在應用的研發領域，其實已經很強大了，但中國的基礎性研究還是有差距的。我們還是要解放思想，只有多元化的思想市場才能誕生偉大的創新。解放思想、實事求是檢驗真理的唯一標準。十幾年前，華爾街都覺得馬斯克是個騙子，現在來看確實封神了。如今像人工智能、無人駕駛等領域也可能存在這樣的爭議。我覺得社會一定要變得開放包容，才能夠誕生偉大的創新。

田豐：對失敗的包容非常重要，不創新試錯是達不到終點的。同時，研發方向性、戰略性決策也至關重要，能夠加大最終的成功概率。

多模態大模型

任澤平：接下來請您給我們講講多模態大模型吧。

田豐：先簡單給大家做一個科普，人工智能其實就相當于一個算數機器。文本輸入到機器里面，輸出的也是文本，這叫單模態的語言大模型。多模態就是不管輸入的是文本、語音還是視頻，它能夠綜合去學習理解，然后生成多模態的產物。在這個基礎上，還有超模態。比如醫療領域的儀器影像，工業領域的時序信號，或者氣象遙感衛星的數據等。人類從降生起就會通過五感認知世界，而不只是通過文本去學習。

人工智能的上半場是知識工程，下半場叫工業革命。Sora目前看起來更像是人類精神層面的一個模擬器。它沒有在真實世界中去體驗過，所以對于有些現象不能理解。它有兩個價值。第一是可以生成很多符合人類想象力的超現實作品；第二是對視頻的自動標注，生成的提示詞、描述詞越準，標注越準，訓練的效果就越好。

其實，現在對世界模擬最逼真的不是大模型，而是游戲引擎。PS5上面的GT7賽車游戲，當賽車拐彎道的時候，旁邊的草都會微微抖動，且不同時間的場景光照都不一樣。游戲引擎為現在的多模態大模型提供了很好的訓練視頻。據說Sora就取自了像UE這樣的一些游戲引擎。它甚至買了“我的世界”的開源版。所以它現在生成“我的世界”的游戲視頻是沒有任何瑕疵的，大家無法去分辨是真實的玩家還是Sora。中國其實有很多的工業數據積累，完全可以去做各種仿真的平臺匯集數據，在逼真的數字孿生環境里面去訓練大模型機器人。

我們認為現在最有可能做出多模態大模型的是像特斯拉、谷歌和英偉達這種公司。OpenAI現在也著急，所以它投了一些機器人公司。Sora只是冰山一角，并不是一個成熟如ChatGPT的產品，所以未來它背后可能隱藏著一個更大的技術突破。人類經常說地球上只有我們能夠學會使用工具。現在智能體AI也會去調用其他的工具。美國戰略里就提到，要去研究新一代的人機協同模式是什么，這個對于中國同樣重要。

任澤平：往多模態大模型里喂大量數據，它就會理解很多物理的規律，從而進行模擬現實的世界。數據越多，算力算法越好，模擬會越來越逼真。未來更厲害的是，它可能會推理做科研，對吧？

田豐：對，人工智能其實現在已經能做一些常識性的推理了。人類是做快速反應的常識性推理。它現在要解決的是演繹推理，就是亞里士多德的三段論。一個大前提，一個小前提，然后得出一個結論。比如說，所有的哺乳動物都是要睡覺的，貓是哺乳動物。這兩個前提定了以后，結論就是貓也會睡覺。現在人工智能大模型正在不斷實現這種一環套一環的推理模式。一旦能突破，就會實現錢學森先生說的，中國不管是四億還是五億的勞動人口，一多半都會去搞科研了。傳統的執行類的工作由機器人來替代。

人工智能帶來的變革時刻

任澤平：我看前一段時間大家還在炒作用大模型、人工智能研發藥，未來的應用場景真的是非常豐富。您再給我們講講，人工智能在哪些領域還會帶來這種變革時刻？

田豐：大家最關心的。第一個肯定是機器人。現在請真人阿姨，未來每個家庭里都標配服務型的機器人。

第二個，我預測算力芯片會有一個拐點。它的價格會持續下降。當年IBM大型機小型機非常貴，然后直接降到了云計算的價格。現在大學生如果想創業，三塊八就能租一個月的虛擬機。今年的A100GPU服務器租一個小時的費用是兩塊錢。未來算力的價格下來以后，各種模型類的應用會馬上來到我們面前。突破成本的拐點之后，社會的需求就特別大了。所以現在一方面，國家會不斷去加大算力基建的投入，另外一方面力求在芯片成本上創新和突破。

第三點，剛才提到了AGI，通用人工智能，我并不認為這是一個終極目標。它實際上是一個里程碑。很可能當人類發現AGI誕生的時候，其實它已經變成了超級智能。

任澤平：有點像科幻片，人被虛擬人或者是一套系統統治了。

田豐：人工智能更像是一張白紙，其發展和應用取決于我們如何塑造和規范它。各國正在逐步建立相應的治理體系，以確保人工智能的發展符合人類社會的共同利益。中國提出的智能向善的理念，強調了人工智能應用于促進人類福祉的重要性。通過積極構建倫理規范的AI智能體，我們可以確保人工智能始終在可控的范圍內發展。

剛才事實上還說到類人智能。簡單講，類人智能指的人工智能系統在特定領域內模仿人類的認知能力，如語音識別或圖像處理，但通常不具備廣泛的認知范圍；通用人工智能則是指人工智能系統具備與人類相似的廣泛認知能力，能夠在多種不同的環境和情境中理解、學習和應用知識，解決各種問題。我們預計，通用人工智能將是一個過渡階段，很快就會發展到超級智能的階段。正如黃仁勛和山姆·奧特曼所預測的，這一轉變可能在未來五年內實現。盡管如此，目前的能源和算力限制可能阻礙了這一進程的快速發展。因此，在短期內要密切關注美國提出的尺度定律，大力出奇跡的科研規律是根據現象總結出來的唯象理論，仍有待嚴謹的基礎理論推理。

長期來看，我們需要探索不同的發展路徑和基礎理論。當通用人工智能到來時，像黃仁勛所說，所有能移動的物體都能夠理解喜怒哀樂，提供恰到好處的服務。第一、二、三產業將真正迎來巨大發展。合成數據將變得越來越逼真，為數據產業帶來巨大的機遇。

人類歷史上每一次重大的科技變革和生產力的躍遷，都源于幾個關鍵因素：能源的突破、計算技術的進步、交通工具的革新以及軟件的發展。特別是軟件領域，人工智能輔助編程和自動化編程工具的出現，將極大地釋放人類的創新潛力。

第一個，能源產生巨大突破。從當年的水利能源到后來的發電機，現在的核電再到后面的新能源和可控核聚變，能源是非常大的一個躍遷。

第二個，計算。從原來的算籌算盤到手搖計算器，從機械計算器到計算機，再到未來的量子計算，是巨大的躍遷。

第三個，交通。當自動駕駛降低交通的成本后，每一袋米、每一瓶醋的成本都能夠被攤薄。

第四個，軟件。以前是十年培訓出一個很資深的程序員，80億人口中只有大概5%的人會編程。現在人工智能正在進入AI輔助編程，甚至未來會有AI自動化編程工具，到那時候80億人口都能編程。能源專家可以用AI編出核電站或者電網的調度程序，天文學家用自然語言就可以寫一個尋找超新星爆發的程序，鋰電池的專家可以讓人工智能編出提升單元密度的新電池結構，人類的創新潛力被極大釋放出來。現在大家用大語音模型生成數據庫SQL語句，DBA數據庫管理員就減輕很多工作量。大家可以通過語言把SQL語句自動地寫出來。

下一代，其實可能就在三五年內，會從基礎的編程衍生到復雜程序的編程。這個時候代表著全民生產力的一個巨大提升。硬件負責執行，軟件負責策略。而策略不斷優化，最好就是由AI產生更優的AI模型。由算法來去給下一個算法做調優，機器人去生產機器人。這個本質上就是萬物摩爾定律。這個時候人類只需要想清楚人機協同的分工邊界在哪兒。如何去打造一個可信可控的AI。基本上這四個維度就可以去讓人類的生產力躍升到太陽系的太空時代了。

人工智能大爆發，如何培養孩子？

任澤平：有觀點認為，人工智能能干很多工作，那么我們應該如何培養孩子，是否還需要讓他們學習編程？

田豐：回到第一性原理，或者回到非常自然的辯證唯物主義。

第一，我建議孩子們的第一個學位應該是數學和物理，這兩個基礎學科是其他科學創新的基石。第二個學位可以選擇人工智能或他們感興趣的其他領域，以便更好地應用于產業實踐。

第二，培養孩子提出問題的能力至關重要，因為創新往往源于對權威的批判性思考。最后，我們還需要培養孩子的專業素養，以確保他們能夠有效地驗證和調優人工智能的結果。

任澤平：在人工智能極其發達并大規模商用的未來，世界將會是什么樣子？

田豐：我們可能會發現，公司中的智能體將超過真實的員工。機器人將具備高度的情商，能夠理解和滿足人類的情感需求。

同時，管理人工智能的能力將成為每個人的重要技能，這將提升我們的指揮和管理層級。此外，快速而準確的決策能力將變得至關重要。例如，錢學森先生在1989年就提出了直接發展電動車的構想。未來，人類將面臨選擇：是沉浸在信息繭房中，還是去探索地球或外太空的世界。

人工智能將為我們提供更多的自由度，但并非所有人都會選擇沉浸在虛擬世界中，那些渴望創新的人將會奔向更廣闊的宇宙。

總結

任澤平：田院長，您今天的講解非常精彩，主要涵蓋了六個重要方面：

第一，大模型和機器人將帶來重要變革，更加智能化、人性化的生產可能會實現；

第二，中國雖然在算力方面暫時落后，但是在數據等領域位居一線梯隊；

第三，特斯拉將公布它的無人駕駛情況，中國的很多汽車廠商也會快速跟進，這將加速推動無人駕駛時代的到來；

第四，通用人工智能（AGI）、無人駕駛和教育等領域將出現激動人心的應用場景；

第五，人工智能的發展需要得到有效監管，確保科技向善；

第六，中國需要在基礎科研領域加大投入，鼓勵創新思維。

田豐：確實，人腦和人工智能都在不斷進化，它們各有所長。人類一定要終身學習，AI進化得再快，人腦也有獨特的優勢。我們應該鼓勵孩子們閱讀歷史文化類書籍和科學家傳記，以培養他們的科學素養和人文關懷。對于成年人來說，閱讀哲學書籍可以讓我們汲取智慧，經濟學書籍可以幫助我們理解經濟周期，科技歷史書籍可以讓我們了解技術的局限性和潛力。最終，我們需要理解人性，并承擔起研究人性和世界的責任。

任澤平：非常感謝田院長的精彩分享。

文章來自澤平宏觀