出品 | 搜狐科技

张亚勤李开复对谈：Scaling Law还没有达到顶峰，AGI存在失控风险

作者 | 梁昌均

6月14日，在2024北京智源大会上，智源研究院理事长黄铁军主持了一场炉边谈话，清华大学智能产业研究院院长张亚勤和零一万物CEO李开复围绕大模型的发展、应用和AGI进行了探讨。

张亚勤和李开复均认为，Scaling Law（规模法则）是大模型发展重要的要素，且还没有达到顶峰。“它至少在未来五年内还是大的方向。”张亚勤判断到。

对于大模型应用，李开复认为，中国短期在C端有机会，国外两者都有机会。“C端应用一定是按部就班，之一个阶段是生产力工具，第二个阶段可能是娱乐、音乐、游戏，第三个阶段可能会是搜索，下一个阶段会是电商、社交、短视频等。”

他认为，大模型刚开始要能够赚钱，能够解决问题，所以是工具，越往后难度越高，而且往往是先堆积用户，再找商业模式，所以成本一定要压低。

此外，李开复认为，大模型To B应用面临不少挑战。比如大公司、传统公司不敢采取这种颠覆式的技术，企业推进过程面临阻力，国内还没有认识到软件的价值，不愿意为软件付费，而且竞价到都没有利润。

张亚勤则认为，信息智能、具身智能、生物智能的应用速度不一样，具身智能B端更快，生物智能C端会更快。“信息智能在5年左右可以实现，具身智能乐观的话需要10年，生物智能还需要15-20年。”

对于最近业内火热的具身智能，李开复表示未来有很大的想象空间，但称“我们做投资的肯定不能现在去投资一个10年以后才能够发生的事情”。他认为，大模型非常适合虚拟世界，一旦接到物理世界，就会有各种的问题，难度和成本就会非常高。

对于AGI的发展，张亚勤给出的定义是，要有巨大的能力，大部分任务要比人类强，同时要通用，并能不断升级、不断学习、不断进化。

“我不认为沿着 Scaling Law可以产生意识，我觉得还是把AI作为人类工具的延伸，而不是另外一种物种。”他和李开复均表示，AGI存在失控风险，关键是要行动起来。

以下为对谈精编：

黄铁军：大模型到底做对了什么能这么成功？还有哪些欠缺的地方需要后续继续发展？

李开复：大模型是AI有史以来更大的一个革命，特别重要的就是Scaling Law。这一点已经被验证，而且肯定还没有达到一个顶峰，还在推进中。第二，我觉得大模型本身的智慧来自接近无损的压缩，用压缩的理念去评估，这样在炼丹的过程中，把它变得科学和数学。

大模型可能面临的挑战就是，仅用更多的算力来把它往前推动是主要方向的话，会继续看到它的快速上升，但也会导致只有那些特有很多GPU的公司或国家能胜出。所以我还是认为，同样重要的还有工程的问题，不是盲目地丢算力，达到更好的结果。

张亚勤：大模型的发展得益于规模效应，大量的数据算力+Transformer，Scaling Law至少在未来五年内还是大的方向。第二，文本、语音、图像、视频，或者是自动驾驶，这些训练、学习、生成的核心都是token。第三是通用性，不仅是文本的多模态，还可以是物理世界的具身智能，生物世界的生物智能。

问题是效率太低，还需要大幅度提高效率，这样的话才会有商业模式。第二是大模型还没有真正的理解物理世界，推理能力比较差。第三个欠缺的地方是边界问题，边界效应要解决。

黄铁军：国内大模型的应用落地机会怎么看？更大的场景在哪里？

李开复：在中国ToC短期更有机会，国外两者都有机会。新的技术，新的平台带来新的应用，这是巨大的机会。C端应用一定是按部就班，之一个阶段是生产力工具，第二个阶段可能会是娱乐、音乐、游戏。第三个阶段可能会是搜索，下一个阶段会是电商、社交、短视频等。

刚开始要能够赚钱，要能够解决问题，所以是工具，越往后难度越高，而且往往是先堆积用户，再找商业模式，所以成本一定要压低。

最近我们提出了一个新的想法，叫做TCPMF，就是考虑市场的时候，还要把技术的需求跟难度，以及成本考虑进去。它难度高，回报也高，机会很大。我不相信技术可以永久的领先，有很多巨头会有更多的 *** 来超越。但验证出TCPMF来，就把握着一定的时间窗口。

大模型To B应该带来更大的价值，而且应该更快实现，但很可惜面临几个巨大的挑战。一个就是大公司，传统公司看不懂、不敢采取这种颠覆式的技术；第二，企业降本不是给企业创造价值，简单说就是替代人类的工作，大公司很多高管或者中层管理不愿意做，CEO有时很想做，但会面临阻力。

还有一个是在中国比较严重的问题，很多公司没有认识到软件的价值，不愿意为软件付费，而且有这么多大模型公司来竞标，竞价到都没有利润。我们在AI1.0时代看到的现象，在AI2.0时代又出现了。所以我们只找能赚钱的做，赔钱的就不做。

张亚勤：在应用服务层，先To C后To B，To C马上有产品。目前赚钱最多的还是在B端，是在硬件、芯片、基础设施。

AI分层三个阶段，信息智能、具身智能、生物智能，应用速度不一样，具身智能B端更快，生物智能反过来，C端会更快。整体来讲，To C、To B，开源闭源模型，基础大模型和垂直模型，都会共存。

黄铁军：具身智能热度很高，跟机器人、自动驾驶也相关，哪个会更有机会？

张亚勤：无人驾驶L4+是具身智能之一个更大的应用。无人驾驶本身就是一个特殊机器人，无人驾驶在安全性已经比人类驾驶要高至少10倍，但目前还有些问题。开的安全，但不够熟练，太守规矩了，不会超速，也不会压线。无人驾驶要变成主流，需要是好司机，也需要是老司机，我认为在明年会实现，之一个真正实现在具身智能的AGI无人驾驶。

具身智能到底什么时候能够实现，我比较乐观。信息智能5年左右可以实现，现在文本基本已经实现，视频方面恐怕需要几年。具身智能比较乐观10年，生物智能还需要15-20年。

李开复：创新工厂也投了6家无人驾驶公司，无人驾驶面临一个巨大的机会，终于可以落地了。特斯拉推出的FSD，虽然不是完全大模型，但用了端到端概念，会颠覆无人驾驶的能力，带来新的机会。把大模型放到无人驾驶里，我非常期待，但投资巨大，不见得初创公司能做。

自身智能很重要，但大模型非常适合虚拟世界，很快就可以落地产生价值。一旦要接到物理世界，那就有各种的问题，难度就大非常多倍。大部分创业者如果是希望看到短期的落地产生价值，肯定还是虚拟世界远远容易很多，具身智能肯定也要走很多弯路。

对于人形机器人，我觉得绝大多数的应用并不需要人形机器人，炒菜机器人应该长得像锅，吸尘器要做得像人一样，没有必要。波士顿动力的机器人跳来跳去、翻跟斗，真的有很多应用吗？绝大多数的场景，除了爬楼梯等，真的需要两条腿吗？

我同意具身智能是十年以后的事情，但我们做投资的肯定不能现在去投资一个10年以后才能够发生的事情。

黄铁军：通用人工智能怎么理解？大家讲GAI是说具有通用性的人工智能，还有AGI，它要超越人类，要有独立意识，怎么定义？

李开复：AGI的定义因人而异，定义成为能做人所有做的一切的事情，我今天没有办法做任何预测，因为有太多未知的东西还没有被解决。

我个人会说，只要AI一年比一年更聪明，它能做的事情，也许是人从来都不能做的，不见得人做的每件事都要做。人做的是1万件事情，AI能做9000件或者1000件做得比人好，这样也挺好，要给人留点空间。

张亚勤：我刚才讲的不包括意识或情感。我觉得AGI的定义，之一点就是要有巨大的能力，大部分的任务方面要比人类强；第二点是通用，第三点就是能不断升级、不断学习、不断进化。

我不认为现在沿着 Scaling Law可以产生意识，我也不认为我们应该在这个方面做研究，还是要解决真正的问题，把人工智能作为我们的工具作为延伸，而不是另外一种物种。

黄铁军：OpenAI发生的事情，伊利亚和奥特曼就是在争论AI做出来了面临着失控的巨大风险，你们认为这种风险存在还是不存在？

李开复：我觉得存在，它的发生的概率不是很高，但是一发生是个毁灭性的事情，如果我们越Reward model让AI发展的话，发生的可能性就会增高。当然，今天我们的训练 *** 很准确，似乎还不至于，所以短期担忧的是坏人用它去做坏事。

张亚勤：AGI实现之后，比人更聪明，会掌控人类，会有自我意识，我没那么担心，我担心的是会失控。大模型到了物理世界以后，机器人比人要多得多，如果用到基础物理设施等，失控的风险比较大，所以现在开始应该把这些东西要考虑进去。

但我是乐观的，人类一直有两种智慧，一个是发明技术的智慧，一个是引导技术走向的智慧。我觉得我们可以达到一个平衡，但是现在要采取行动。