专访黄铁军:掌握人工智能时代的科技主动权
当今时代,人工智能浪潮蓬勃发展,全球人工智能技术创新进入前所未有的活跃期,既蕴含巨大机遇,也面临治理挑战。习近平总书记指出:“面对新一代人工智能技术快速演进的新形势,要充分发挥新型举国体制优势,坚持自立自强,突出应用导向,推动我国人工智能朝着有益、安全、公平方向健康有序发展。”当前,人工智能正从“数字世界”走向“物理世界”,技术突破与应用落地交织推进。如何把握人工智能发展趋势和规律,不断完善人工智能治理体系,确保人工智能安全、可靠、可控,日益成为需要全社会深入思考、共同作答的紧迫课题。作为国际科技创新中心建设的主阵地,北京正全力打造全球人工智能创新高地。近日,围绕人工智能发展前沿、北京优势、治理挑战与未来趋势等话题,本刊记者对北京大学计算机学院教授、北京智源人工智能研究院理事长黄铁军进行了专访。
发展前沿:抓住人工智能的技术窗口期
记 者:人工智能作为引领新一轮科技革命和产业变革的战略性技术,给人类社会带来前所未有的发展机遇。您如何看待当前全球人工智能发展态势及我国发展人工智能的战略意义?
黄铁军:我们正在迈进人工智能时代。近年来,人工智能大模型快速发展,但总体仍以大语言模型为主,重点解决问答、推理、编程等数字空间的问题。当前,领先模型在部分认知任务上已接近甚至超过人类水平,业界也开始讨论AGI(通用人工智能)是否已经到来。在我看来,真正意义上的AGI不能只看认知能力,还必须从“数字世界”进入真实的“物理世界”,具备完整的感知、行动和身体能力。从这一标准看,今天的人工智能仍处于从“认知智能”向“完整智能”演进的早期阶段。
人工智能对中国的战略意义,远不止发展一个新兴产业。未来,人工智能将成为经济社会运行的关键技术基础设施,为各行各业提供普惠的“机器智力”,深刻改变科研、生产和组织方式。当前,世界模型、具身智能、新型神经网络结构等下一代技术路线尚未收敛,中国有机会定义新的技术范式,这一技术窗口期非常关键。我们不能只满足于是否“追上国外模型”,更要在模型架构、训练范式、基础软硬件等方向形成原创技术路线和开放生态,这决定的不是未来几年的竞争力,而是中国能否掌握智能时代的科技主动权。
记 者:人工智能技术飞速发展,对整个科技创新的格局将产生什么深远影响?我国科研体系应当如何作为,才能更好地抓住人工智能带来的创新机遇?
黄铁军:人工智能改变科技,科技改变世界。人工智能正在重塑科学发现和技术创新范式。一方面,AI for Science(科学智能)正加速生命科学、材料、物理等领域研究,人工智能将越来越深度参与问题提出、实验设计、仿真推演和数据分析等科研全流程。另一方面,随着自我学习、自我改进的发展,人工智能正从“依赖人类训练”走向“AI优化AI、AI制造AI、AI提升AI”的“智能飞轮”,未来甚至可能形成高度自主的科研闭环。这就要求我国科研体系改革与日俱进:强化科学大模型、科研数据和自动化实验平台,建成各学科共用的新型科研基础设施;围绕重大问题建立跨机构、跨学科协同机制;改革科研评价,更加看重原创问题、关键突破和实际贡献。我国科研体系应面向新的科研范式,提出自己的架构、方法和问题,具备定义下一代技术的能力,引领新的科研范式形成和演进。
产业落地:实现原创成果转化的“关键一跃”
记 者:北京正瞄准打造“全球人工智能第一城”,以更好地在全国发挥引领示范作用,推动我国人工智能产业整体竞争力实现跃升。您认为,北京有哪些优势,又该如何进一步放大优势?
黄铁军:北京发展人工智能最突出的优势,在于人才密度高、创新资源集聚度高。近年来,北京致力于建设具有技术策源力、产业竞争力的全球人工智能创新高地,已具备坚实基础。比如,2025年北京人工智能核心产业规模达4500亿元,企业集聚超2500家,均约占全国的半壁江山。更重要的是,围绕重大前沿问题,北京能够通过新型科研组织机制把分散在不同机构的创新资源有效组织起来。
我理解的“全球人工智能第一城”,既要看能否率先孕育下一代技术,也要看原创成果能否最快转化为现实生产力。以北京智源人工智能研究院为例,近年来在推动人工智能产业发展、打通产学研衔接链条上做了很多探索,形成了“前沿预判—组织攻关—技术验证—成果转化—产业孵化—反哺科研”的发展路径,营造了从人才集聚、技术攻关到企业成长的“创新森林”。
记 者:从科研突破到产业落地,中间主要障碍有哪些?如何更好推动产学研用协同创新,打通从技术突破到产业化落地的转化链条?
黄铁军:当前,人工智能发展正由技术突破走向产业塑造。我认为,从科研突破到产业落地,一个突出问题是成果转化介入太晚。很多项目等成果做出来后才考虑应用场景和产业化路径,导致科研成果虽然很好,但距离可用、可交付产品还有较大差距。因此,成果转化应适当前置,在科研布局和团队组建阶段就考虑未来可能解决什么产业问题,让有产业化潜力的原创成果更早对接真实需求。另外,要建立原创成果工程化验证机制。“从0到1”之后,还有技术集成、性能优化、场景验证、成本控制等“从1到10再到100”的“死亡之谷”。近年来,北京智源人工智能研究院等一批新型研究机构探索形成值得推广的经验,就是成果转化前置+工程化验证机制,连接起龙头企业、真实场景和市场资源,让更多原创成果更快跨过从论文和原型到产品和产业的“关键一跃”,这也是让更多原创人工智能技术真正落地生根的“关键一跃”。
记 者:当前,人工智能新领域新赛道正加快布局。对比全球人工智能发展格局,我国在这些新赛道上具备哪些独特优势,又存在哪些需要补齐的短板?对于市场主体和科研机构来说,如何抓住这些发展机遇?
黄铁军:下一阶段,人工智能将从“数字世界”进入“物理世界”,世界模型、具身智能、AI for Science等新赛道是中国的重要机会。世界模型本质上是“对世界的表达”,就是要不断扩大智能对现实世界的感知、理解和预测能力。世界模型是一个长期演进的技术框架,任何一个阶段的世界模型,都只是智能对现实世界某一部分规律的认识。
中国最大的优势,是拥有丰富的真实应用场景,相当于拥有一个复杂、多样的物理世界“训练场”。但挑战也很明显,比如多模态物理世界需要的计算量达到语言的千倍以上,需要信息表示方法和底层架构原始创新;机器进入物理世界,传感器、驱动器等关键器件、部件的性能需要显著提高,“机器身体”的灵敏度、环境适应性等也需要大幅提升,等等。
当下阶段,企业和科研机构应有所分工。企业可以优先用VLA(视觉语言模型)等相对成熟的模型解决物流、制造、家居等局部明确任务,加快形成产品和场景。科研机构则应重点探索更加通用的世界模型基座,研制新一代智能器件和零部件,为未来具身智能形成跨场景、跨任务、跨本体的通用能力提供底层支撑。
治理挑战:设置开源生态的“保险丝”
记 者:您在我国最早提出“大模型”概念,引领人工智能技术创新进行探索。您认为,该如何把握技术创新和风险治理的平衡?
黄铁军:“大模型”这个词是我在2021年3月“悟道1.0”发布会上第一次提出的,其实是在强调大模型是一条不断扩展的通用智能技术路线。既然能力会持续增强,安全治理就不能等出现风险再补课,而要提前布局。我的基本判断是:技术上要敢于“先做出来、再解释”,治理上要做到“能力走到哪里,安全就跟到哪里”。不能因为机理尚未完全解释就停止创新,也不能等人工智能全面超越人类后才讨论风险。
另外,安全不能只停留在原则和宣言上,而要变成技术能力,包括模型能力评测、红队测试、运行监测、权限控制、行为审计等。我更愿意把安全理解为“护栏”而不是“刹车”——既划清边界、防范失控,也为技术创新留下充分空间。好的治理,不是让技术停下来,而是让安全能力与技术能力同步演进。
记 者:作为北京市人工智能标准化技术委员会主任委员,您认为人工智能标准化与传统标准有何不同?中国在人工智能国际标准制定中应扮演什么角色?
黄铁军:两者最大的不同,是人工智能技术仍在高速演进。传统标准往往在技术成熟后形成,而人工智能如果过早把技术路线“定死”,反而可能抑制创新。因此,现阶段人工智能标准化更应聚焦接口、评测、安全等公共底座,既促进互联互通,又为技术演进保留空间。中国参与国际人工智能标准制定,也不能只是跟随“对表”。标准最终来源于实践,谁能把技术做出来、把场景跑通,谁就更有能力参与定义规则。中国要把在优势场景和工程实践中形成的技术、评测和治理经验转化为国际标准贡献。
记 者:您认为“开源一定是主流”,但开源也会带来安全与治理的新挑战,如代码可以被任何人获取、修改甚至滥用。如何在推动人工智能开源生态建设的同时防范其安全风险?
黄铁军:开源一定是人工智能发展的主流路径,我这个判断没有变化。原因很简单,人工智能未来将成为社会基础设施,如果基础智能能力长期掌握在少数主体手中,整个产业的创新空间都会受到限制。但开源不等于不治理,安全问题的关键不在于是否开源,而在于谁在用、怎么用、有没有边界和护栏。闭源同样无法天然阻止恶意使用,甚至黑箱反而可能增加监管难度。因此,正确的治理方向不是因为风险而限制开源,而是在开源生态中嵌入治理机制,包括分级评测、安全对齐、红线检测、恶意用途监测和拦截等。可以把它理解为:开源生态也需要自己的“保险丝”和“断路器”。
未来图景:建设更加美好的世界
记 者:您在2026北京智源大会上提出,尽管人工智能发展如火如荼,但其中很多优化工作还没开展。请问,未来优化发展方向在哪里?需要在哪些方面聚焦发力?
黄铁军:现在的人工智能有一点像早期工业化阶段,看起来发展很快,但技术上仍然相对粗放,更多是在证明“能不能做”,真正围绕信息表达、感知方式和计算效率的系统优化才刚刚开始。我认为,未来至少有五个可优化方向:一是结构优化,Transformer(基于自注意力机制的深度学习架构)很成功,但不是最终形态,神经科学还有大量可借鉴机制;二是感知优化,发展功能类似生物、性能远超生物的超高速视觉、超灵敏触觉、电磁空间探测等感知方式;三是数据优化,从追求数据规模转向追求高质量、连续、有动作和物理反馈的数据;四是训练和推理优化,降低计算成本,不能无限依赖算力扩张;五是软硬件协同优化,把芯片、存储、互联、系统软件和模型架构作为完整系统共同设计。另外,未来人工智能还会从粗放型“缩放定律”走向更加精细的结构、数据、计算和能源优化,让单位智能越来越便宜、节能、可靠,推动行业更加健康、可持续发展。
记 者:在智能化潮流下,数智化不是选择题,而是生存发展的必答题。您在2026北京智源大会上发表演讲《智能之路——吾道一以贯之》,请问这条“一以贯之”的主线是什么?对于大家理解人工智能发展有什么启发和借鉴?
黄铁军:“吾道一以贯之”,核心就是要探索一条不断扩展的通用智能技术路线。生物智能是人工智能的唯一参照物,生物智能形成可以概括为“结构决定功能、功能塑造结构”:基因和神经结构决定能力基础,而进化和后天学习又通过环境适应和持续训练不断塑造结构。人工智能发展也遵循类似逻辑,今天大模型的突破本质上就是Transformer这一结构与“预测下一个Token(词元)”这一有效训练方式的结合,实现了智能涌现。当人工智能进入真实“物理世界”,问题也从“预测下一个Token”走向“预测下一个物理状态”,使模型能够理解物体、环境、动作及其相互作用,并据此预测趋势、采取行动,未来还可能更多借鉴生物神经系统和生命结构。理解人工智能不必只盯着模型参数和榜单,更要看到几个长期趋势:从语言走向多模态,从“数字世界”走向“物理世界”,从“会想”走向“会做”,从被动工具走向自主智能系统。人工智能最终会走多远,今天还无法准确判断,但可以确定的是,人工智能一定会大幅拓宽智能疆域,有利于建设更美好的世界。
作者:丁兆丹
文章来源:《前线》杂志2026年第10期,原标题《掌握人工智能时代的科技主动权——访北京大学计算机学院教授、北京智源人工智能研究院理事长黄铁军》
责任编辑:丁兆丹
网络编辑:张 云
评论 共 0 条 · 0.23s