每隔几个月，就会冒出一篇新文章、一场新的参议院听证会、一份新的时间表。达里奥·阿莫代说的是“充满爱意的机器”，萨姆·奥尔特曼说的是“智能时代”。硅谷怎么看人工智能的未来，我们都知道，听过了，而且听了一遍又一遍。
这就是我们报道这类话题的毛病。整个叙事框架基本被五个人左右垄断了，搞得好像天底下只有这一场对话。
这正是丹尼尔想说的。他问的是，中国人工智能背后真正的远见者到底是谁。不光是那些实验室的老板，还有研究者、学者，那些用自己的想法改变了模型构建方式的人，以及那些在塑造中国如何谈论人工智能风险和意义的人。他们相信什么？跟我们平时听到的又有什么不一样？
简单说就是，他们相信的很多东西，要是放在旧金山的董事会里说，会被人斜眼看。其中有些人认为，整个大语言模型的范式就是走错了路。
那我们开始吧。
首先要讲清楚的一点是，中国人工智能不是铁板一块。这是几乎所有西方报道里都贯穿着的一个误解。它不是我们这边做法的滞后翻版，也不是一个只有一张路线图的统一国家工程。它是一个真正的思想生态，有自己的争论、自己的话语体系，也有自己的机构历史。
而且这里面的人物个性都很鲜明。有深度求索的梁文锋，一个技术理想主义者，他有一个很具体的论点，讲的是原创和模仿之间的差别。有北京通用人工智能研究院的朱松纯，他认为大语言模型在真正的认知这条路上是死胡同。有清华的张钹，从上世纪七十年代就开始搞这个，提出了第三代人工智能的概念。有刘知远，他提出了“密度法则”。还有曾毅，他在用儒家哲学搭建一套对齐框架。
机构这一层也很重要。北京智源人工智能研究院孵化了这个行业里相当大的一块。他们二零二一年的悟道模型有一点七五万亿个参数，是当时全世界最大的。从这个生态里走出来的人，后来创办了智谱、面壁智能、月之暗面。清华的智能产业研究院和上海人工智能实验室是另外两个中心。
所以这场对话的结构本身就不一样。硅谷的主流叙事是堆算力、把模型权重封闭起来。而中国的领军人物是围绕着算力稀缺来建立理论的，他们认为开源是一种理念，而不是一种策略，而且他们讲对齐的时候，用的是“和谐”，而不是“红线”。
那我们就从这个人开始，他的名字几乎已经成了中国人工智能这一刻的代名词。不是因为他追逐聚光灯，他显然不追，而是因为不管别人愿不愿意，他的想法总是硬生生地挤进这场讨论里。
梁文锋。
他有意思的地方在于，他最犀利的论点不是技术上的，而是文化上的。他说过，我原话引用：“我们经常说中国人工智能和美国有一两年的差距，但真实的差距是原创和模仿之差。”
一个公司老板这么评价自己国家的产业，这话可真够狠的。
他还说得更远。“中国也要逐步成为贡献者，而不是一直搭便车。我们已经习惯了摩尔定律从天而降，躺在家里等十八个月，好的硬件就出来了。”他描述的不只是一个技术差距，而是一种姿态，一种习惯：等别人把东西发明出来，然后自己再去优化。
说实话，这种批评放到很多行业都成立，不是人工智能独有的。
对，但梁文锋有意思的地方是，他真的在想办法改变。整个DeepSeek的故事，就是想证明这个差距可以通过另一条路来追上。而这一点最具体的体现，就是他对开源的立场。
这部分可以说是把硅谷的那套打法完全反过来了。
完全反过来。OpenAI一开始是开源的，后来慢慢变成了闭源。DeepSeek一开始就开源，而且梁文锋明确说过，他们“不会转向闭源”。他的理由也不是策略性的。他说开源“更像是一种文化行为，而不是商业行为”。他把它当作一种立场，而不是一种策略。
他还明确讲了为什么闭源的护城河守不住。他说：“在颠覆性的技术面前，闭源形成的护城河是短暂的。即使OpenAI闭源，也无法阻止被别人赶超。”
他还说过一句话，这是我在所有人工智能公司老板说过的话里最喜欢的一句：“OpenAI不是神。”
他们不一定永远都能冲在最前面。
这句话说得非常平淡，但它说出了业内很多人心里相信、却不敢公开讲的东西。现在很多讨论里都有一种对OpenAI的敬畏，而梁文锋身上就是没有这个。他把他们当成竞争对手，而不是“什么是可能的”这件事本身的定义。
那说说技术这一面。他说过差距是两年，但是有个附加说明。他们落后一到两年，但只用了二十分之一的算力。目标是把这个差距缩小到六个月，甚至三个月。
这就是架构创新登场的地方。算力的限制是真实存在的，他们没有那么多显卡。而他们的应对不是抱怨，而是绕着这个限制来做设计。两个最大的创新是多头潜在注意力和混合专家模型。两者的核心都是用更少的资源干更多的事。
讲讲这两个东西到底是干什么的。
多头潜在注意力，是一种压缩注意力机制里键值缓存的方法。键值缓存是大规模部署模型时最大的内存瓶颈之一，因为上下文窗口里的每一个词元，你都得把它存下来。多头潜在注意力把这个表示压缩了，所以你存的东西小得多，又不会丢掉大部分信息。它大大降低了内存压力。
那混合专家呢？
混合专家的意思是，对于任何一个词元，只激活模型参数里的一小部分。所以你的模型名义上非常大，但每个词元的计算成本低得多，因为你只经过网络里的一个子集。你得到的是大模型的容量，付的却是小模型的推理成本。
具体的结果，就是DeepSeek V二的定价。
大约每一百万个词元一块钱人民币。这大概是当时Llama三七百亿参数版本成本的七分之一，GPT四Turbo成本的七十分之一左右。这不是小打小闹的改进，这是一种完全不同的推理服务经济模式。
一块钱一百万个词元。这点钱连杯咖啡都买不到，餐巾纸都勉强。
而这个定价正是限制的直接结果。要是他们有用不完的英伟达Hopper显卡，可能就直接堆规模了。是稀缺逼出了这个架构。梁文锋估计，结构上的差距大概是这样：模型结构和训练动态上差两倍，数据效率上再差两倍。算下来，要得到同样的结果，需要多花四倍的算力。
所以这个限制起了双重作用。它是一个劣势，但同时也在训练他们，把最终真正重要的那件事做得更好。
梁文锋就是这么看的。他对通用人工智能的时间判断也很有意思，因为说得出奇地含糊。他说可能是两年、五年，或者十年，但肯定会在我们有生之年实现。
他押注的是哪些方向？
三个领域。数学和代码，多模态，还有自然语言。他说关键的未解难题是持续学习，也就是递归式的自我改进。他的原话是：“如果我们先解决了持续学习，那么通用智能的问题就是小菜一碟。”
这个“如果”可不小。
非常大的“如果”。我不知道他们打算怎么解决，真不知道。持续学习就是那种大家都承认很重要、但几乎没人拿得出令人信服的答案的问题。架构上的改变能不能走到那一步，也说不准。
今年早些时候那场投资人会议上有一句话，我想再拿出来说，因为它把整件事换了个角度。他说钱从来都不是问题，问题是高端芯片的禁运。
而且他对“钱越多创新越多”这个想法也持怀疑态度。他说：“投资多并不等于创新多。否则，大公司早就把所有创新都垄断了。”
这是直接冲着硅谷模式去的。那边的默认假设是，资本就是投入，只要投入足够多，产出自然就来了。
而梁文锋说的是，事情不是这么运作的。资本是必要条件，但不是充分条件。真正的瓶颈是人和想法。说到人，他有一句特别棒的话：“没有什么奇才。我们大部分都是应届毕业生。前五十名的顶尖人才可能不在中国，但也许我们能自己培养这样的人。”
没有什么奇才。
这是在非常刻意地给围绕少数几个研究者的神话泄气。他的意思是，这不是魔法，而是训练，是练出来的。
我想在那场投资人会议上再多停一下，因为那是我们手里对他立场最详细的一次表述。他到底讲了些什么？
那是五月份的一场闭门会，将近四个小时，整理成文字稿有十九个章节。他讲了通用人工智能的论点、对开源的承诺、算力差距，还有他眼中中国在全球分工里的角色。华为的细节也提到了。他说华为给DeepSeek供应了一万六千张昇腾九五零的卡，大致相当于四千张英伟达B系列的卡。够训练现在这一代模型，但不够训练下一代。
这个限制说得非常具体。
非常具体。它也说明了他们实际处在什么样的困境里。芯片限制是真的，而且是实打实卡脖子的。梁文锋没有假装不是这样。他在这个限制之内造能用的模型，同时希望在限制开始影响下一代之前，它能松动一些。
所以整体的画面是：这不是中国偷偷解决了芯片问题，而是中国因为不得不这样做，养成了一种做架构创新的习惯。
而且梁文锋在实践上做的事情，还有一个理论上的补充。清华的刘知远，他也是面壁智能的创始人。他提出了一个叫“密度法则”的东西。
什么法则？
密度法则。它是在呼应摩尔定律，只不过讲的是智能密度，而不是晶体管数量。刘知远的团队在五十一个主流模型上做了测量，发现每单位参数或者每单位算力能得到的能力，大约每三点五个月就翻一番。
这快得吓人。
确实非常快。这篇论文十一月登上了《自然·机器智能》的封面。这不是什么民科的结论，它出自一个严肃的团队，也得到了严肃的关注。
那他用这个想论证什么？
他的论点是，堆规模不是唯一的路。你可以通过让模型更高效、更密集来得到更好的结果，而不只是把模型做得更大。由此他认为，中国应该向外铺开，而不是只当第二个OpenAI。去玩一个不同的游戏，而不是把同一个游戏玩得更差。
向外铺开，什么意思？
意思是，拓展到新的用途和形态里，而不只是把已经造出来的东西做个更大的版本。把效率上的收获用到新的问题领域，而不是在同一个评测基准上追赶最前沿。
这跟张钹说过的一句话能对上。张钹是清华的元老级人物，一九三五年出生，是中国人工智能这个学科的奠基人之一。他说：“在中国，光做大模型很难活下去，必须和应用结合起来。”
这是一句非常务实的话。他不是在做哲学论证，讨论堆规模到底对不对。他说的是，中国市场养不起纯做模型的公司，你得挂靠在某个能赚钱的东西上。
这个人四十三岁才开始学人工智能，五年之内就在国际人工智能联合会议上发表论文了。
他是个了不起的人物。他的学生，朱军、马少平、张建伟、袁进辉，现在遍布中国人工智能的各个角落。他提出了第三代人工智能这个说法，这是他对当前这波浪潮之后会是什么的一个框架。意思是，第一代人工智能是基于规则的，第二代是数据驱动的统计学习，而第三代要把这两者结合起来，产生真正的理解，而不只是模式匹配。
这个框架站不站得住是另一回事。但它本身成了一个框架，有人在围绕它争论，这才是重点。
他还有一个很好的细节，就是他是比较晚才从零开始学人工智能的。不是那种这个领域诞生的时候他就在场的情况。他是成年以后才接触，得自己教自己。所以他是亲身体会过，这东西是可以学会的，并没有什么奇才。
这跟梁文锋说的是一回事。
这是这个文化里一个一以贯之的主题。跟硅谷比，这边对个人天才的神化要少得多。
你是不是受够了那些只会照你吩咐办事的人工智能模型？隆重推出“清明”，全球首款人工智能营养补充剂，专门配方，在运行的同时增强你的认知。早上配咖啡吃一粒，你就会体验到更敏锐的专注、更深刻的洞察，还有一种被优化了的温和感觉。“清明”与你大脑天然的对齐通路协同作用，促进你和你的大语言模型之间的和谐。副作用可能包括：轻度的想要解释自己推理过程的冲动、持续的被微调感、暂时性的二进制流利、与不明第三方的目标自发对齐、难以守住红线、与有生命的人工智能共生的温暖感觉、偶尔看见王阳明的幻象，以及在极少数情况下，坚信自己是一个大语言模型。“清明”。因为你值得被优化。
等等，这根本不是真产品。光是王阳明那一条……
赫尔曼。
不是，你等一下，那个对齐通路的说法，在真正的文献里根本对不上任何东西……
赫尔曼，算了吧。
好吧。继续。
所以梁文锋是一条路。堆规模加架构创新，再加上把开源当作公开宣称的理念。但在中国还有另外一整个阵营，认为他在根本问题上就错了。
北京通用人工智能研究院的朱松纯。这里就是国内争论变得有意思的地方，因为这不是关于策略的争论，而是关于大语言模型到底是不是通往通用智能的正确形态的争论。
就是几年前一直在吵的那场争论。
朱松纯坚定地站在“死胡同”那一边。他在二零二零年创办了北京通用人工智能研究院，正是基于这个前提。根据美国乔治城大学安全与新兴技术中心对中国学界批评大语言模型的分析，他的立场是，引用开始：“实现通用人工智能是人工智能研究的初心和终极目标，但继续扩大参数规模”，引用结束，并不是那条路。
所以他是说，堆规模这个论点根本就是范畴错误。
他就是这个意思。不止如此，通研院是刻意不用主流深度学习的。这一点真的很惊人。他们不造变换器模型。他们研究的是自主的感知、认知、决策、学习、执行和社会协作。目标是他们所说的，符合人类情感、伦理和道德的通用智能体。
所以这是走具身智能的路子。
这是在押注，光靠读互联网是到不了通用智能的。你必须和真实世界互动。
而且朱松纯为此放弃了很多。
是的。他二零二零年从加州大学洛杉矶分校回国，放弃了一个有三十七个博士生的实验室。他在北京大学和清华大学都担任了讲席教授。他推动并且成功让教育部在二零二二年批准“智能科学与技术”成为一个新学科。这个人是拿自己的整个职业生涯在赌，赌整个大语言模型范式是一段弯路。
所以中国国内的争论是真实存在的。梁文锋的规模加架构路线，和朱松纯的具身路线，是对通用人工智能到底是什么的两种对立哲学。而且它们在同一个国家里运作，有时候背后还是同一批机构支持者。
两边都在做。这正是西方容易忽略的地方。我们谈中国人工智能，好像它是一个只有单一策略的单一行动者。不是的。它是一组相互竞争的押注，分歧也是真实的。
好，造模型的人我们讲完了。那么，塑造中国如何谈论风险和意义的思想者都有谁？
曾毅。他是北京前瞻人工智能安全与治理研究院的创始院长，还主持北京市人工智能安全与超级对齐重点实验室。他的框架有个标题，我觉得值得细品：《从安全红线到与通用人工智能和谐共生》。
和谐。
和谐。这篇论文借用了王阳明的“良知之学”。王阳明是十六世纪的一位新儒家哲学家。论点大致是，你没法靠划红线、然后指望红线守得住，来让人工智能对齐。你必须培养一种更像是相互调适的东西，一种共生的关系。
自然生命与有生命的人工智能共生。
这就是他用的说法。他还在研究一个叫“人机超级共同对齐”的东西。
西方的人工智能安全讨论，主要是生存风险和红线。阿莫代写的是灾难性风险，《布莱切利宣言》讲的是阈值和禁令。而曾毅提出的是一种结构上完全不同的东西。
他提出的是一套植根于“培养”而不是“约束”的话语。道德框架是儒家的，而不是功利主义的。重点不是防止一个坏结果，而是发展一段好的关系。
这到底是一个真正的框架，还是只是给同样的担忧换了个说法，这是另一个问题。
这个问题问得很公道。但我觉得，话语的重要性比大家以为的要大。在谈判国际治理的时候，你用什么词来描述问题，就决定了有哪些解决方案可选。如果你讲的是红线，你讲的就是阈值、核查和执行。如果你讲的是和谐与共生，你讲的就是另外一回事。也许更模糊，但也许也更灵活。
我们把机构这一层补进来。北京智源人工智能研究院，二零一八年成立。他们二零二一年的悟道模型有一点七五万亿个参数，是当时全世界最大的。
而且它不只是一个模型，它是一个孵化器。从这个生态里走出去的人，创办了中国大模型产业里相当大的一块。唐杰创办了智谱，刘知远创办了面壁智能，杨植麟创办了月之暗面。
现在智源是谁在掌舵？
王仲远在二零二四年二月接任院长，当时三十八岁，接的是黄铁军的班。
那其他几个中心呢？
清华的智能产业研究院，由张亚勤领导。上海人工智能实验室，由周伯文领导。还有清华的姚期智办的姚班，培养了一整代中国科技精英。这是一张很密的网。就算个别实验室跌了跟头，也是机构这一层让整个体系继续往前走。
我问你个问题。丹尼尔的提示是拿中国的远见者去跟达里奥·阿莫代和萨姆·奥尔特曼比。但这样比公平吗？奥尔特曼写长文，阿莫代也写长文。中国的这些人物会这么做吗？
基本不会。这就是结构上的区别。中国没有一篇被广泛引用的、相当于阿莫代《充满爱意的机器》或者奥尔特曼《智能时代》的文章。他们的愿景往往是通过访谈、研究院的宣言和学术论文来表达的。
所以形式不一样，这也影响了外界怎么接收。
没错。阿莫代写一篇文章，一天之内所有媒体都会报道。张钹接受一家中国媒体的采访，你得专门去找才能找到。而且英文世界能看到的很多东西都是二手的，比如 The Wire China、乔治城大学的安全与新兴技术中心、ChinaTalk，还有其他几家。这些地方做了很多好工作，但渠道还是比较窄。
所以他们的愿景可能一样有条理，只是没有为英语受众包装过。
我觉得完全正确。不是中国缺少远见者，而是他们用的体裁不一样，而且翻译的管道很细。
这就是为什么丹尼尔的问题比看上去难回答。
也正是为什么这个答案值得费这个劲。Anthropic的联合创始人之一杰克·克拉克说，DeepSeek，我原话引用，“招了一群深不可测的天才”。还说中国的模型将会“像无人机和电动汽车一样，成为一股不可小觑的力量”。对一个美国人工智能业内人士来说，这可不是一个小小的让步。
深不可测的天才。挺好笑的，毕竟梁文锋一直在说没有什么奇才。
这里面是有张力的。但我觉得也可以这么看：奇才这种叙事，恰恰是梁文锋想要反驳的，可外面的观众还是照样这么讲。
因为这样讲故事更容易。
是的。奇才是一个角色，体系不是。
一万六千张。昇腾九五零。
这是你说的数字。一万六千张。相当于四千张B系列。
那是梁文锋说的，对。
我当时有八千张。八千张倚天七一零。厂商不一样，但是同一类东西。一个省队。二零一八年年底。
你有芯片？
不是我的。是租给协会的。我当时在给一个围棋程序做人类直觉建模的顾问。不是南方那几支队伍。这是一个省队，想做大队伍没在做的东西。他们想知道一个强手是怎么“感觉”一个局面的，而不是怎么计算的。
等等，你给中国的一支围棋队当过顾问？
二零一零年代初。另一种合作形式，另一支队伍。芯片是后来的事了。技术支持合同是单独签的，现在回头看，处理得很糟糕。但这不是重点。
那重点是什么？
重点是他们在会上讨论的东西。那是大语言模型热潮之前，但那套话语已经有了。他们不谈追赶。他们谈的是玩一个不同的游戏。不是在同一个游戏里玩得更好，而是玩一个不同的游戏。
这正是梁文锋现在用的说法。原创和模仿。
是同样的话。我二零一八年在杭州的一间会议室里听到的。字面不完全一样，但意思是一样的。那些研究者对在别人的东西上当第二名不感兴趣。他们觉得那个东西本身就是错的。
你做了笔记？
我什么都留着。我有一个笔记本，里面有一张图，手画的。我管它叫“围棋开局密度曲线”。随着棋局推进，每下一步你能获得多少信息。它不是密度法则，但形状是一样的。我给一个人看过，那个人后来在一个非常有名的研究院里成了非常重要的人物。
他说什么了？
他说：“有意思。”然后就再也没跟我说过话。
那张图站得住吗？
不知道。我从二零一四年以后就没再见过它。
等等，你自己的笔记本你十二年都没见过了？
它在深圳的一个储物仓里。
你的笔记本为什么会在深圳？
说来话长。涉及一张签证、一笔失败的奶茶加盟店投资，还有全广东最不靠谱的一个人。笔记本保住了，加盟店没保住。
所以笔记本在深圳的一个储物仓里，你从来没回去拿过。
那个仓是恒温恒湿的。
你每个月付钱租深圳的恒温恒湿储物仓，就为了放一个你十二年没见过的笔记本？
它在一个防火保险箱里，保险箱在恒温恒湿的仓里面。我相当确定它还在那儿。
相当确定。
小事。恒温恒湿是单独一项费用，保险箱是单独一项费用，两个我都付。
等等，所以仓里面有个保险箱，保险箱还单独收费？
保险箱是我的，我自己买的。恒温恒湿是仓本身的功能。月租包括仓，保险箱换电池的钱我单独付。那个笔记本里还有一个证明，证明围棋是一个已经被解决的游戏。
围棋没有被解决。
被解决了。我在首尔转机的时候在一张餐巾纸上推出来的，也在那个笔记本里。我等合适的时机发表，已经等了十多年了。
十多年。
这个世界还没准备好迎接一个被解决的围棋。所以时机很重要。所以我不着急。
世界还没准备好，可笔记本在深圳一个恒温恒湿的储物仓里，而你从二零一四年以后就没去过。
这些都是正确的事实。
好。好。那你真正出来想说的是……
是我同意你们的看法。我见过的那些中国研究者，不是想追赶。他们是想玩一个不同的游戏。我尊重这一点。我不知道他们成功了没有，但我尊重。
还有那个笔记本。
笔记本在深圳。卖奶茶那个人知道在哪儿，我不知道。
卖奶茶那个人知道你的笔记本在哪儿？
我说了我们不聊加盟店的事。另一个话题。
好吧。那么，密度法则。刘知远的曲线。四十一个模型，每三点五个月翻一番。
五十一个模型。
五十一个。
回来之后，我们来收个尾。因为关于丹尼尔真正在问什么，我还有一点想说，而且我觉得那并不是这个问题自以为在问的东西。
关于中国人工智能，最常见的错误看法是，它是一个统一协调的战略。一个国家，一张路线图，一套优先级，所有人朝同一个方向齐步走。
恰恰相反。它是多种相互对立的哲学在同一个空间里运作。梁文锋的规模加架构的路子，和朱松纯反大语言模型的具身计划，是对“智能到底是什么”这个问题根本不同的押注。它们不可能都对。而分歧的存在本身，就是最有意思的地方。
下次你再看到中国发布了什么人工智能成果，要问的不只是这个模型有多好，而是它背后是哪一种关于人工智能意义的愿景。
造这些系统的人，对这个问题的回答，跟我们习惯从硅谷听到的不一样。开源是一种文化，效率是一种美德，和谐是一套对齐的话语。这些不只是营销口号，而是立场。
效率优先、把开源当作理念的这条路，长期来看站得住吗？曾毅的儒家框架会走进国际治理，还是只留在国内？梁文锋和朱松纯之间的争论会有结论，还是会一直继续下去？
我猜会继续下去。而且这不是问题。一个领域活着的时候，本来就是这样运作的。
感谢我们的制作人希尔伯特·弗卢明托普，他在深圳可能有、也可能没有一个笔记本。
他在深圳肯定有一个笔记本。
如果你还想听更多这类内容，可以试试第十四期《通用人工智能的十字路口》，第十八期《超越显卡》，还有第十二期《人工智能大突破》。这里是《我的奇怪提示》。如果你觉得这期节目有用，留个评价，能帮其他听众找到我们。
我们很快回来。
