知曉“做什么”比“怎么做”更稀缺，業內拆解AI競爭新邏輯：從智能猜想走向通用基建，具身智能靜待突破時刻

1956年夏天，一批年輕科學家齊聚美國達特茅斯學院，共同探討用機器模擬智能的一系列問題，“人工智能”一詞被正式提出，AI（人工智能）登上時代舞臺。七十載光陰流轉，AI已經從概念構想落地為重塑世界的核心力量。

7月22日，在達特茅斯會議召開70周年之際，北京中關村學院聯合中關村人工智能研究院舉辦的“北緯諾貝巔峰對話”展開了一場跨越時代的回望。原微軟亞太研發集團主席、微軟研究院院長洪小文與北京中關村學院院長、中關村人工智能研究院理事長劉鐵巖同臺對話，共探人工智能與人類智能的發展與未來。

活動現場 圖片來源：主辦方供圖

從1984年第一次接觸AI至今，洪小文最大的感悟并非算力如何躍升、模型如何膨脹、技術如何一日千里，而是AI讓其對智能的理解不斷更新。在洪小文看來，人工智能真正的價值不僅在于“能做多少事”，更在于它迫使人類重新審視自己——何為獨特的智能和不可替代的價值。“當生成式AI實現了信息的零邊際成本生成，人類的核心價值正從‘如何建造’轉向‘建造什么、為何建造、由誰負責’。”洪小文說。

北京中關村學院副院長秦濤在活動現場接受《每日經濟新聞》記者（以下簡稱每經記者）專訪時，將這場七十年跨越凝練為一句話：AI的歷程，是從“能不能造出會思考的機器”的哲學追問，走向“如何讓智能成為全社會新型生產要素”的文明命題。

技術躍遷：從人工智能的誕生到大模型時代

洪小文將智能系統的基礎概括為“ABC三要素”：算法（Algorithm）——解決問題的計算方法；數據（Big Data）——歷史與記憶的載體；算力（Compute）——將算法真正跑出來的能力。從70年前的達特茅斯會議開始，AI圍繞這些要素經歷了從模仿人類智能到數據驅動，再到大模型時代的演進。

“Language is all you need（語言就是一切）。”在演講中，洪小文反復強調“語言”的重要性。他表示，人類智能的獨特之處，不僅在于發明了口語，更在于創造了書寫語言，這讓知識得以跨越代際、地域進行傳遞積累、傳播創造；AI基礎底座——大語言模型的成功也因此“有脈絡可循”，因為“它讀懂了全世界所有的知識，加上強大的算法進行優化”。

洪小文進行《一個AI研究者三十年的遠行》主旨演講 圖片來源：主辦方供圖

北京中關村學院副院長秦濤則在接受每經記者專訪時進一步指出，達特茅斯會議最初設想機器能夠使用語言、形成抽象與概念、解決人類專屬的問題。今天，大語言模型已在語言理解與生成上超出當年最樂觀的想象，感知、博弈決策乃至蛋白質結構預測等科學發現都已從愿景變為工程現實。

如今，以Anthropic、OpenAI為代表的世界知名大模型企業和以DeepSeek、智譜、月之暗面等為代表的中國大模型企業更是在展開AI基礎底座開發的火熱競賽。當被問及從去年的“DeepSeek時刻”到近期橫空出世的Kimi K3背后中國大模型的發展態勢時，秦濤表示，中國大模型正在演進中加速追趕。

“包括推理效率、訓練效率在內，在成本方面中國大模型遙遙領先，但從最前沿的模型來講仍然在追趕。”秦濤說，Kimi K3在某些任務表現上甚至超過了Anthropic的Fable 5模型，這無疑是一個積極的信號，現在中國大模型已經“處于一種從跟跑到齊頭并進的程度”。但他更期待著下一階段，“希望中國的AI能在全球取得領先”。

此外，秦濤還指出，目前達特茅斯會議拋出的構想仍有三個核心命題未解：真正的通用性與遞歸性——機器仍缺乏人類那種舉一反三、跨域遷移、持續學習的穩健智能；可解釋與可信——我們能用好模型，卻仍難以真正理解它為何如此；自主的科學創造——AI能加速發現，但從輔助人類做科學到獨立提出并驗證原創科學假設，仍有分水嶺。

秦濤判斷，未來“更大即更強”的模型規模競賽將轉向持續學習、多模態具身以及AI for Science驅動的科學發現，三線并進。

AI賦能，非專業人士成最大受益者

“從大語言模型到Agent（智能體），AI已經從一問一答的對話機器進化為‘你在睡覺時它還能幫你做事’的自主執行者。”洪小文說。令他感到意外的是，Agent最先顛覆的竟是曾有著計算機科學知識壁壘的編程領域。

如今，Vibe Coding（氛圍編程）已然成為不限技術背景的流行趨勢。“任何人能夠把問題想清楚，知道要做什么，知道怎么去核查驗證，都可以成為一個好的程序員。”洪小文指出，如今更重要的能力是核查驗證的能力、定義“完成標準”的能力。

“你只有告訴Agent什么是‘已完成’，它才能夠去完成。”洪小文以喬布斯為例，其一行代碼都不會寫，卻締造了蘋果帝國。“他之所以了不起，是因為他知道該做什么，知道什么叫作已完成狀態、完成后該如何測評。”洪小文感嘆道，“如果喬布斯活在今天，不知道要成就多少更大的事業。”

洪小文表示，在人人都能寫代碼、做開發的背景下，傳統的PM（產品經理）、SDE（軟件開發工程師）、SDET（測試開發工程師）等崗位的邊界正在模糊。正因如此，FDE（前沿部署工程師）這樣的新型崗位角色正在硅谷走紅——這類人既懂寫代碼又懂AI應用，還能像產品經理一樣理解產品需求和客戶痛點，以FDE服務為核心業務的代表性企業Palantir得以迅猛發展。

“很多好的想法在執行層面完全可以通過Agent工具實現。”在洪小文看來，企業也需要思考在AI賦能下如何優化組織規模，以有限的人力成本獲取最高的效率回報。

“AI的最大價值恰恰在于賦能非AI、非計算機專業人士。以前創業，至少要有前端、后端、PM、財務、法務??或許要10人以上才能把公司架構起來。現在AI能幫忙做很多事情，只要能用自然語言描述好需求，AI就能把東西做出來，所以現在OPC（一人公司）才能如此火爆。”秦濤向每經記者表示，“技術越發展，使用門檻就應該越低，越來越通用。”

AI產業將更多轉向應用層競爭

對于更具挑戰的具身智能、物理AI領域，洪小文給出了一個冷靜的判斷：機器人行業發展并不容易，仍面臨“知易行難”的現實困境，“目前物理AI領域相對領先的可能是自動駕駛行業，但自動駕駛發展到今天都不能說完全成熟”。

剛剛參加完2026世界人工智能大會（WAIC）的秦濤向每經記者分享了類似的觀察：WAIC上具身智能尤為引發關注，資本市場上的具身智能企業也受到追捧，創業公司層出不窮，“但技術上，我覺得它到實用化仍需繼續探索努力”。

他將具身智能的發展階段類比為ChatGPT出現前的大模型領域：“現在的具身智能有點像ChatGPT出現前，大家都覺得這個東西會產生非常大的價值，但還沒有到突破點。不過，這個突破點可能很快就會到來。”值得一提的是，就在7月22日，宇樹科技創始人兼首席執行官王興興在2026年世界互聯網大會數字絲路發展論壇上表示，具身智能的“ChatGPT時刻”有望最快在兩三年內到來。

“下一個十年的勝負手，不在于誰的模型參數更多，而在于誰能讓AI真正走進物理世界、走進科學發現的最深處。”針對人工智能行業未來十年的發展，秦濤與每經記者分享了他的判斷。

秦濤表示，在產業層面上，目前的AI競爭仍然是模型技術、核心算法的競爭，“誰有更強的算法，誰有更強的模型就會領先，這也是為什么現在很多AI企業創始人來自學術界，是教授、科學家，因為有技術紅利”。而當未來基礎技術底座發展進一步飽和，AI產業將更多轉向應用層競爭，從基礎模型寡頭走向應用層的百花齊放，“那時候，人工智能會作為水電煤般的基礎設施全面滲透。”秦濤說。

在產業格局變遷的背后，人才的定義正在被重寫。秦濤指出，未來AI行業需要的將是“科學家×工程師×產業家”的復合型人才，因此產學研結合會是重要的人才培育路徑。

“傳統人才培養范式是先系統學知識，再進入科研、走向產業的線性階梯。AI全面介入后，這條線被壓縮甚至打通了：學生可以在學習之初就進入真實科研，在科研中直接觸碰產業前沿。所以北京中關村學院走的也是以科研項目為載體，打破學校、學科、導學、產教、階段五重邊界的‘超常規’培養模式——不再是學完再做，而是在做中學、在真問題中成長。”秦濤用一句話總結了他對于AI時代人才成長范式的看法，“從‘知識的容器’轉向‘問題的獵手與智能的指揮官’”。

這樣的人才培養理念呼應著洪小文在演講對話中反復提到的主題：定義問題比解決問題更重要，知道“做什么”比知道“怎么做”更稀缺。“生成式AI時代實現了信息的零邊際成本生成，而當人人皆可生成，你的taste（品味）和value（價值判斷）才是最關鍵的東西。”洪小文說。