人工智能技术显身手
　　　　　

我们正迎来一个新的重大机遇－－人工智能、第四次工业革命的序幕。人类大脑包含了860个神经纪元，有百万亿个连接或者说突触，存储量至少有1个Petadyte（拍字节）。诺贝尔奖获得者丹尼尔.卡尼曼将人类的思考分为快和慢思考。快思考指面对事物时无需深入思考即可快速作出决定。慢思考，指经过深入分析推理、对事件足够熟悉后，思考转化为肌肉记忆和直觉。比如学开车初期，我们会刻意关注交通规则、路牌、信号灯和路况，但熟悉之后，驾驶就会变成自然、自觉的行为，区别就是系统经过了转换的过程。

人工智能，本质上是学习人类智能的过程。“人工智能”这一概念于1956年被正式定义，它的理论奠基可追溯到更早－－英国科学家图灵率先定义了“计算”与“智能”，并提出了“图灵测试”。设若对机器通过多轮观察与试用，让人类知其相互关联的所在。另外，还有两位重要奠基人常常被忽略：一位是“信息之父”香农，另一位是“控制之父”维纳，定义了负反馈、学习和自适应，这些基础概念对人工智能的发展起了至关重要的作用。多年来，人工智能领域出现了很多学派，一种是符号学派；还有一种来自连接学派，这个学派认为，大脑如此复杂，智能的实现十分困难，所以要通过大量的数据，通过积累经验、持续学习、不断适应，以及与世界的连接来进一步获取智能，这就是连接主义。

当大语言模型的参数量突破百亿级时，便会触发规模定律，出现涌现效应。2025年1月DeePSeeK出现之前，中国有上百个大模型，这些大模型基本都是在模仿学习ChatGPT等技术路径、算法的架构体系。在DeePSeeK出现之前，这些大模型基本都是在学习模仿ChatGPT等技术路径、算法的架构体系。DeePSeeK出现之前，我们和美国大模型领域的差距，大概是襾到三年；DeePSeeK出现之后，我们和美国的差距缩短到大约2至3个月。DeePSeeK是一家小创公司，它的工程队所在地距离清华大学可能就5到10钟路程，团队里很多人都是清华的学生。DeePSeeK走一条新的路径，在算法、技术、系统架构上都有创新，它用1％的算力就可以达到和美国前沿大模型相似的能力。另外，它采用开源模式，很快就被很多买不起大模型的国家、地区、单位所使用，加速了该模型的快速落地。所以我们把DeePSeeK时刻、称为中国的时刻。

什么是智能体？人类作为高智能物种，能够设定任务和目标、规划实现路径、不断试错反馈，凭借强大的记忆完成任务。第一是自主学习。第二是可进化－－通过不断迭代可以变得更好，而且再进化之后，下次再做类似事情，可以把原来学到的东西再次用上。第三是有泛化能力，即举一反三的能力。

数据的本质就是数字化，技术的底座就是数字化。首先是信息世界的数字化，然后是物理世界的数字化、生物世界的数字化。从1985年开始，我们进行内容数字化、文档数字化，我们语音、图像、视频、文本PPT等都在那个时候变成了数字化的内容。后来加上HTML等技术，取得了一个重大成果，就是互联网，先是PC互联网络版，后来是移动互联网。这一阶段催生了两个最大成果，一个是数据库，另外一个是云计算。整个物理世界都在经历数字化变革。同时，生物世界的蛋白质、大脑、细胞、基因等也都在被数字化。美国麻省理工媒体实验室主任曾在数字化1.0开启时提出，我们正从“原子”走向“比特”。“比特”是香农所定义的数字世界的基本单元，目标是打造面向第四次工革命的国际化、智能化、产业化研究机构。

智能体AI的多元应用。信息智能体从数学解题科学研究，其核心难点之一是实现自主、可进化、可泛化的能力，让其能在手机、PＣ、眼镜、手表电视等不同设备上运行，可用于购物、旅游、企业供应链管理等多场景。研发数字智能体，它能够分解任务，完成定理证明。例如在材料科学、分子动力学领域的重要难题“均衡问题”的证明中，ＡＩＭ形成了17页的证明文件。这是人机协作的绝佳范例，据数学老师反馈，中国最难的部分由爱完成。虽然目前ＡＩＭ证明的问题仍有一定的难度限制，但我相信未五年前，人工智能够独立证明更难的数学问题－－比如千禧年提出的7个最难数学问题（前面已有2被解决，剩余5个，包括计算机领域加岂备性问题、哥德巴赫猜想、黎曼猜想等）。与丘成桐先生就此“打赌”，我认为五年内能完成其中至少一个难题的证明。无论具体时间如何，核心意义在于：爱已具备证明难题、提出新问题、生成新方程式的潜力。不同于目前的语言模型，物理世界的智能体需要具备视觉（Vision）、语言（Language）、行动（Action）能力，构建“世界模型”。AIR曹婷老师团队研发的系统，就实现了物理世界机器人智能体的核心功能－－通过感知、推理、进化、行动和奖励机制，生成决策和动作，指挥机器人完成任务。詹仙园老师团队研发的X-VLA拉系统，尝试解决智能体的泛化问题。传统机器人学会一项技能后，难以迁移到其他机器人或不同场景。而X-VLA系统仅需9亿个参数，就能部署到不同机械臂和机器人上，实现机能的跨设备、跨场景迁移。比如机器臂学会叠衣服后，更换不同机器臂、调整桌子高度，仍能完成叠衣服务，还能将相关技能迁移到做家务等其他场景，完全通过自主学习适应环境。无人驾驶是物理智能体另一重要应用，也是多年来持续关注的课题。无人驾驶难度极高，需要车辆精准感知复杂交通环境、规划路径，做出实时安排决策，集成了人工智能的各项技术，因此被称为“人工智能集大成者”。目前在全球范围内无人驾驶取得了显著进展，整个产业正从技术研究走向商业落地。

生物智能体：从新药研发到智能医疗。人工智能在生物智能领域的应用，首先体现在新药研发的加速上。未来十年左右人类所有疾病都可以治愈，这一观点也许过于乐观，但人工智能确实能大幅缩短新药研发周期。AIR兰艳艳老师团队研发筛选新技术语，通过AIPhaFoId解码2万多个蛋白质结构，找到“口袋靶点”，再与几十亿、上百亿个蛋白质进行对接。目前仅有不到10％的蛋白质可以用于制药，大量蛋白质分子结构应用价值尚未被挖掘，而该技术通过人工智能算法实现了筛选速度的百万倍提升。聂再清老师团队打造的新药研发智能体，能够根据研发需求分解任务，自动查找资料到智能体医生并非要替代人类医生，而是作为医生助手，提升诊断效率和准确性。目前，该系统已在清华校医院、长庚医院等十几家医疗机构开展测试。分析蛋白质结构和功能，生成初步研发图谱，极大提升了新药研发的效率，为科研人员提供了重要支持。另一突破是AIR刘泽老师团队打造的全球首个无人智能体医院－－清华大学人工智能体医院（2025年4月成立）。这是一个虚拟医院，医生、病人、护士等角色由智能体担任，涵盖不同科室，形成完整闭环。智能体之间通过边协作、博弈不断进化，无需人工标注数据。需要强调的是，AI智能体医生并非要替代人类医生，而是作为医生助手，提升诊断效率和准确性。目前，该系统已在清华校医院、长庚医院等十几家医疗机构展开展测试。

从自动走向自主。一台人形机器人“质检员”正在“专注地”对汽车车身进行人工智能视觉检测验。“它可能是车间里的‘明星员工’，‘本领’大着呢，准头比经验丰富的老员工”还好，连续24小时作业也不会累！”该企业负责人说。比如某家电器企业使用自主研发的5G+AI工业视觉检测系统，把检测准确率提升至99.98％，人均生产效率提升275％；人工检查会因疲劳导致出误检情况，而人工智能数字技术则可以有效解决规则不统一、准确率波动大、检测效率低等难题。人工智能技术加速创新迭代，在工业等领域深度应用，带来效率和质量的飞跃，也为企业发展开辟了新赛道。将单张图片分析时间从3至分钟压缩至10秒以内，分析结果精度可达99.5％，效率提升90％以上。目前，人工智能应用已覆盖钢铁、有色、电力、通信等重点行业，逐渐深入到产品研发、质量检测、客户服务等重点环节。我国累计建成3.5万余家基础级、8200余家先进级、500余家卓越级智能工厂，培育15家领航级智能工厂。目前人工智能力已渗透领域工厂70％以上业务场景色，沉淀了超6000个垂直领域模型，带动1700多项关键智能制造装备与工业软件规模化应用，形成一批具备感知、决策和执行能力的工业智能体，推动智能制造从“自动化”向“自主化”演进。工业和信息化部、中央网信办,国家发展改革委等八部门联合印发《“人工智能+制造”专项行动实施意见》。意见提出，到2027年，我国人工智能关键核心技术实现安全可靠供给，产业规模和赋能水平稳居世界前列。工业和信息化部将抓好技术创新，加快突破训练芯片，异构算力等关键技术。抓好融合应用，聚焦软件编程、新材料、医疗研发、信息通信等领域，体系化推动大小模型、智能体实现突破。
　　　　　

2026年2月2日