季宇回顧了計算機的發展史，歷史上的大型機（1960～1980）將計算技術帶到全新高度，當時的大型計算機在幾十萬美金到上百萬美金的價格，主要為專業領域設備，服務于大型企業政府客戶，屬于軟件、硬件、半導體技術的巨大局部最優狀態，也代表當時計算機、半導體技術的巔峰水平。

而x86組裝機體系（1980～now）后面40年才真正用計算技術改變了全世界。這類微型計算機勝出的原因是足夠便宜（幾百美金～幾千美金），擁有完整可用的通用計算機體驗，以及開放、兼容、充分競爭的組裝機體系，成為了PC產業和互聯網產業的基礎。

作為對比，今天的AI大型機（2016～至今）將人工智能技術帶到全新高度，同樣是幾十萬美金到上百萬美金的價格，同樣是專業領域設備，服務于大型科技企業，云廠商，也屬于軟件、硬件、半導體技術的巨大局部最優狀態，代表今天計算機、半導體技術的巔峰水平。

以此來暢享未來，未來全世界的AI計算機也會變得足夠便宜（幾百美金～幾千美金），擁有完整可用的AI體驗，以及開放、兼容、充分競爭的組裝機體系，成為AI PC產業和AI互聯網產業的基礎。

行云集成電路創始人季宇，圖源：虎嗅F&M創新節現場拍攝

季宇認為，高質量大模型的硬件基礎設施平民化的曙光已經出現。一是超節點驅動模型容量、帶寬、算力需求持續增長；二是DeepSeek牽引了高質量模型朝著MOE方向發展；三是MOE驅動模型需求朝著更大容量、更低帶寬、更低算力需求轉變；四是顯存需求從昂貴的HBM的甜點逐漸接近便宜的DDR/LPDDR的甜點。

未來，季宇認為AI算力平權將會孕育下一個PC互聯網級別的AI工業革命。當下，中國已經走上了開源模型的主導地位，美國更多還是以必然領先的必然模型來驅動。中國可以選擇開源模型加上普惠的硬件賦能千行百業，真正意義上培育出下一代的人工智能的工業革命。

與季宇的暢想不同，朱亦博在現場分享了智能演進的路線圖：一階段是模擬世界，基于視頻、聲音、圖像、語言進行模仿學習獲取表征，支撐的技術包括多模理解、多模融合、多模生成、理解生成一體化；二階段是探索世界，通過強化學習理解因果，支撐的能力包括數學代碼能力、智能終端、泛化能力、具身智能；三階段是自主學習發現規律，在生物、核能、材料、量子等科學領域進行賦能。

朱亦博分享了自己對于AI的兩個關鍵洞察：一是模型推理效率是決定 AI 大規模落地應用的關鍵要素，而推理效率的提升需要產業上下游聯合優化；二是大模型從聊天（Chat）走向做事（Agent），從通用Agent / 基礎組件到智能終端 Agent再到垂類應用 Agent，理想的智能終端特點包括會做事、總在場、有記憶、能進化，下一代智能硬件，比拼的不是“硬件” ，而是“智能”。

對于未來，朱亦博總結了關于Agent的三大趨勢：一是數字世界的Agent有效工作時間將越來越長，如OpenAI用“自主時間”衡量 AGI，“自主時間”指的是模型在處理一個困難問題時，能夠持續取得富有成效的進展而無需人類干預的時長，OpenAI 的目標，是將模型的“自主時間”從分鐘級，擴展到小時、天，甚至“科研項目周期”級；二是Agent將從數字世界走向物理世界，從世界模型階段演進到自主學習階段；三是Agent 從經驗學習邁向自我進化，人類數據有限、且有偏見。單純依靠人類數據無法超越人類智能，未來AI會完成從人類數據到經驗數據的過渡。

在行業宏觀測，劉震介紹了中國出海AI應用的現狀以及Top100中國出海AI應用榜單。他強調，對于出海的開發者和創業者，Web端的開發成本低，產品化和發布過程便捷；而對于用戶端來說，可以直接使用、方便快捷。

劉震指出，“App+Web”的復合模式在用戶規模上占據絕對主導地位，是當前中國AI出海主流且成功的策略。中國AI應用“出海之子”中，11個超1000萬月活，23個破500萬月活，59個過100萬日活。

其中“AI虛擬角色”是重要的出海賽道，具有極高的用戶粘性（人均使用時長＞50分鐘/人/天）。中國出海AI研發工具呈現“便宜、快、強工程化、開源擴散快、Agent化趨勢明顯”的特征，正在快速占領全球開發者心智。最后，劉震在現場呼吁所有公司全力擁抱AI大時代，這是比移動互聯網更大的時代。

具身智能并沒那么樂觀

如果說算力平權與智能體躍遷正在重塑AI的基礎結構，那么具身智能的興起讓人第一次意識到：智能正從比特世界走向現實世界，從“會說”邁向“能做”，從屏幕之內走到真實物理世界的每一個角落。

當下，對具身智能的討論關乎下一代AI“是否真正成為生產力”的根本命題。兩位嘉賓（北京智源人工智能研究院院長王仲遠、北京人形機器人創新中心CTO唐劍）的分享在現場逐漸匯聚成一種更深層的共識：要完成這場跨越，具身智能不僅需要更強的世界模型和更豐富的交互數據，也需要更成熟的機器人硬件體系，以及一整套跨行業協同構建的開放生態。

王仲遠在現場總結了2025十大AI技術趨勢，它們分別是：AI4S、具身智能、原生多模態大模型、Scaling Law擴展、世界模型、合成數據、推理優化、Agentic AI、AI超級應用、AI安全

同時，王仲遠指出目前具身智能的發展存在四大瓶頸：數據短缺、硬件不成熟、模型能力弱、落地應用難。該如何破局？數據方面，構建開放共享的數據生態，多方協作共建；模型方面研發具身大模型，推動迭代能力代際躍遷；應用方面，打造場景驅動的產業共同體，逐漸破解落地鴻溝；硬件方面，重構自主可控硬件生態，打破成本桎梏提高性能。

具身大模型的能力痛點是什么？王仲遠認為一是不好用，模型能力弱，感知、認知、決策能力未達到具身智能的“ChatGPT時刻”，需要一個“聰明”的大模型；二是不通用，一個模型只能應用于一個本體或同品牌本體，需要一個跨本體、跨場景、可泛化的大模型；三是不易用，大腦、小腦、本體適配難度高，需要一套跨本體的大小腦協作操作框架。

北京人形機器人創新中心CTO唐劍，圖源：虎嗅F&M創新節現場拍攝

唐劍也認為當下具身智能機器人并不如想象中成熟：目前機器人行業存在場景泛化能力差、任務泛化能力差、本體泛化能力差三大痛點。

在前大模型時代，機器人能做的僅是模仿學習，模型能力有限，容易過擬合，但無法超過人類專家；但在后大模型時代，AI大模型+機器人將會實現陌生環境任意任務自主執行，能夠針對可見/隱藏物品發出任意指令，機器人能以“較高”的成功率自主完成任務。

唐劍總結道，具身智能目前最主流的路線是大小腦分層路線，大腦是基于AI多模態的大模型，包含人機交互、空間感知、任務規劃等能力，小腦則是數據驅動端到端VLA模型，實現技能操作、錯誤處理、運動控制等功能。

此外，目前具身智能的發展還存在一定技術發展瓶頸，數據維度下，數量雖然已經達到萬小時級別，但與訓練LLM大模型仍有1-2數量級的差距；數據質量上，維度（比如觸覺、力反饋等數據）和精度有待提升；數據多樣性上，則嚴重不足。

而在算法維度，基于VLM + Transformer的VLA未必是最佳的方案，可能還需要一次甚至多次的迭代；在硬件維度，邊緣算力、靈巧手自由度/尺寸、可靠性/穩定性等方面均有待提升。

具身智能要何時能夠達到“ChatGPT”時刻？唐劍認為需要滿足以下條件：突破基于世界模型的技術路徑、具身大腦的自主學習能力、多技能跨本體強泛化的全身VLA模型、通用人形機器人全身運動控制器 (WBC)、真人實境的數據采集、針對柔性/流體/彈性/鉸鏈等物體的操作和仿真。

1980年代，人類經迎來通用個人電腦時代，2000年代，人類迎來通用智能手機時代，唐劍堅信，由專用到通用是具身智能的必然趨勢，未來屬于通用具身智能機器人的時代終將到來。

AI如何賦能千行百業

相比那些討論底層模型、算力范式或技術前沿的議題，AI進入產業的故事往往更加具體，也更加貼近現實的復雜性。AI如何真正走進行業？這是擺在所有企業面前的共同難題。

在現場分享者的講述中，不同行業下真實的場景和需求被AI以不同的方式重新點亮，產業側的AI轉型正呈現出一種從“點”向“面”、深度滲透的擴張態勢。

約翰·霍普金斯大學博士陳祎銥在分享中分析了AI對心理咨詢教育帶來的改變。

她認為傳統HCI模式面臨三大挑戰，一是數據的主觀性困境，咨詢師依賴個人主觀判斷和臨床經驗進行診斷與干預，缺乏標準化的量化評估工具，難以進行大規模數據分析與知識積累；二是資源的稀缺性瓶頸，優質咨詢資源集中于城市地區，無法突破地域、時間和咨詢師個人精力的固有限制，導致大量潛在來訪者無法獲得及時幫助；三是干預的滯后性問題，咨詢往往在心理問題已經爆發或惡化后才介入，錯失早期預防和及時干預的最佳時機，增加了治療難度和周期。

如今AI給心理咨詢帶來了新的賦能，智能手機App、電腦平臺、文本輸入輸出界面成為主要交互載體，AI系統基于用戶主動輸入提供即時反饋與支持，同時軟件通過大規模數據分析實現情緒識別、模式發現與個性化推薦。

約翰·霍普金斯大學AI神經科學心理教育博士陳祎銥，圖源：虎嗅F&M創新節現場拍攝

而NLP在心理咨詢與 AI 領域的應用也帶來了新的學術價值。情感分析 (Sentiment Analysis)、主題建模 (Topic Modeling)通過語言模式（如消極詞匯頻率、自我關注詞匯）高精度預測抑郁癥、焦慮癥的傾向，實現大規模、非侵入式的心理健康初篩 (Triage) 和風險預警。

自然語言生成 (NLG)、對話管理系統 (Dialogue Management)能夠支撐認知行為療法 (CBT) 和辯證行為療法 (DBT) 模塊，實現循證實踐 (EBP) 的普及。通過 NLP 確保 Chatbot 的回復符合治療目標，并維持一定水平的語言共情。

語音轉文本 (Speech-to-Text)、句法與語義分析 (Syntactic & Semantic Analysis)能量化分析受訓咨詢師的干預技巧，如提問的開放性程度和共情語句的使用頻率。利用 AI 在咨詢過程中實時標記關鍵時刻，輔助督導師進行結構化反饋，提升培訓的效率和一致性。

陳祎銥分析，未來HCI驅動的心理支持將實現從被動響應轉向主動識別與預防，突破屏幕限制實現沉浸式體驗，同時咨詢師與AI能夠形成互補的智能團隊。

凌迪科技Style3D創始人劉郴則認為AI給時尚產業帶來了技術突破。首先，解決了非封閉多層服裝的高保真建模難題，深度實現2D/3D工作流的深度協同；其次，AI帶來了真實的工業價值，兼容工業仿真標準，支持縫制圖案編輯、材質屬性調整等款式設計；最后，AI為大規模服裝生成系統奠定了有效基礎，推動虛擬服裝產業的智能化升級，沉淀了數據資產。

他還指出，物理仿真合成數據在AI時代的重大意義：

1.數據是AI時代的“石油”，數據和算力構成了AI模型發展的源動力。

2.人工的方式（scale.ai）獲取數據僅能實現線性增長；而算力的增長保持在指數級。人工方式已日漸難滿足AI對數據的需求。

3.物理仿真技術將數據合成與算力綁定，實現數據的指數增長。

當前，頂尖物理仿真技術壟斷在極少數團隊手中（凌迪，NVIDIA，Meta，google）。而優質的仿真平臺尚未誕生。

4.仿真平臺決定了仿真合成數據的來源，即將成為AI時代發展的卡脖子領域。

5.NVIDIA正聯合多個團隊打造新一代開源物理仿真平臺Newton，試圖集成全球最頂尖的仿真技術。

劉郴總結道，AI能夠重塑從靈感到款式設計、產品把控智能生產、精準營銷按需推款全流程，通過AI+3D，我們能夠重新定義時尚工作流，加速產業升級。

在AI如何重構城市物流這一問題下，新石器無人車聯合創始人李子夷給出了自己的答案。他指出，全國差不多有3,000萬輛不同尺寸的城市物流的商用車，從三輪車到面包車、五菱、金杯，一直到依維柯到輕卡，它們每年要行駛1萬億公里，產生大概3萬億的總費用，分攤下來一公里的城市運輸成本差不多是3塊錢。

AI在這里面能夠解決的問題一是降低成本、提高效率，二是保證貨品安全/質量。從AI角度看，無人車配送面臨的挑戰一是如何解決結構化道路的行駛能力，這需要大量精確的路線數據，在青島NEOLIX與滴滴合作交付了1200臺無人車用于即時運輸，平均能接到5000個以上的訂單，目前成本已經降到了每公里1.5元，未來預計能降到1元以下。

除了降本之外，AI還能提高效率，其核心在于分時復用——在極其復雜的時間空間相交叉的運力網絡中，AI能夠解決的是智能調度的問題。從去年開始，NEOLIX開始大力投入解決AI智慧物流體系的建設，最大限度利用無人車的24小時，如果每天每輛車能夠跑300公里以上，那么一公里城市運輸成本將再降低50%。

李子夷總結道，對于無人配送領域而言無人車是“手腳”，AI調度系統是“大腦”。

在文化IP領域，LOHO樂活AI虛擬樂隊主理人霍錦探討了AI技術革命對IP運作和發展帶來的新機遇與挑戰，她認為傳統虛擬偶像的技術卡點在無法“及時商業化”，周期長、費用高、無法實現商業閉環是“柳夜熙”們難以持續更新的原因。

但在AI賦能下，AI虛擬樂隊制作成本能夠縮減80%，其中兩個核心角色的整體設定、項目統籌是由人類藝術家做，但其他所有的 MV、短劇作品都能靠AI工具完成。

霍錦指出，曾經的經驗并非都要被推翻，其中有些可以被傳承。比如IP構建的底層邏輯不變：不斷地發展好的故事，做出深入人心的內容，創造更多深入人心、引發共鳴的好角色；底層的商業邏輯也不會變，依然會基于IP資產去開發不同的商業化產品，最終仍然希望能夠形成系列IP運作的效果。

霍錦判斷下一個超級IP會從AI誕生，除了馬斯克Grok 4推出的女性動漫角色安妮外，大量AI生產的廣告、動畫、短片、短劇井噴式出現，隨著大語言模型的迅速發展，虛擬偶像產業將迎來新的產業機會。

最后，百川智能創始人王小川分享了他在AI+醫療方面的探索，他提到AI革命與三次工業革命有本質的區別，因為這次人作為主體變得更大了，世界變小了，因此公司變得更扁平，產業變得端到端，沒那么多層級也沒有那么多螺絲釘。

他認為百川不應該為醫生做AI分身，而是回到兩個大邏輯，一個是賦予醫生更好的診斷能力，另一個是比醫生提供更好的服務。

百川智能創始人王小川，圖源：虎嗅F&M創新節現場拍攝

未來百川智能會做兩款產品，一款是給醫生用的產品，我們稱為醫生的“最強外腦”，我希望在未來幾個月里能夠在如腫瘤領域里、在第二診療意見里超越今天的醫生，而不是大多數時候醫生說的“我把數據給你、把想法給你，你復制一個我去”。

另外一款是做一個AI醫生團隊，成為醫生的好伙伴以及患者家屬的好朋友，以微信為載體，實現AI隨訪醫助、AI家庭醫生、AI健管醫生的功能。

AI與新人類的未來

AI未來的發展會是什么樣？我們往往習慣從產業、技術、應用去描述它，但真正決定AI走向的，是智能如何改變“人本身”。當進入這一主題時，嘉賓討論的重心悄然上移：從成本與效率，轉向心智結構；從產業升級，轉向生命邊界；從技術突破，轉向文明形態。

幾位嘉賓的分享并非站在同一學科的角度，卻像從不同方向各自觸摸著同一個核心問題——在AI逐步具備學習、記憶、進化、協同、推演生命的能力之后，人類將以什么方式理解自己？又將以怎樣的姿態進入下一階段的文明進程？

RockAI CEO劉凡平認為當前的AI產業無疑是有“泡沫”的，當下AI產業的成功是“規模化信仰”的“成功”，目前AI產業似乎正在進入死亡螺旋：訓練資源龐大→反饋滯后→難以創新。

首先，模型參數規模增加導致單次實驗周期變長（幾周到數月）、研究迭代速度變慢，然后成本上升導致大公司成為主導，小團隊創新空間縮小，造成架構趨同，難以突破瓶頸，最終為了性能被迫繼續堆算力，進一步加劇成本壓力。

劉凡平指出，真正問題不在于“模型不夠大”，而在于“思考”的方式錯了——

無狀態的靜態函數，難以成為未來智能：模型可以視為由大量可學習參數構成的深度多層復合函數體系，通過層層函數映射實現復雜輸入到輸出的表達；

更多參數不等于更強智能，只是在擴大“查找表空間”：參數規模主要擴大了模型可擬合的函數空間容量，而智能的提升還依賴訓練數據、訓練目標、結構設計等因素；

長上下文不等于記憶，本質上只是大號緩沖區：長上下文窗口本是一次性的大型“可見”緩沖區，它通過擴展注意力機制的特征關聯范圍來提高處理能力，但不具備持久化或結構化的長期記憶能力。

那對大模型，最重要的是什么？劉凡平認為答案是原生記憶與自主學習，“記憶”可以被劃分為短期記憶、中期記憶、長期記憶，短期記憶指對話上下文、即時任務，中期記憶包括用戶喜好、技能，長期記憶則包含世界知識、規則理解、世界觀。

只有長期記憶才能讓AI實現“跨會話學習”，形成個性化知識和達成長期任務。而認知能力不是依賴單次對話上下文，而是依靠知識積累和模態動態更新。

劉凡平認為，記憶能力是個性化智能最核心的要素。“理解歷史、規劃未來、形成經驗”，AI才能實現類人認知奇點，帶來真正的智能涌現。

RockAI CEO劉凡平，圖源：虎嗅F&M創新節現場拍攝

中科酷原總經理湯彪則從另一技術視角給AI產業的困局提供了新思考，他認為量子計算將成為破解人類算力瓶頸的顛覆性技術。

何為量子計算？以量子比特(qubit)的形式處理數據，它們可以存在0、1或兩者的疊加狀態，算力與量子比特數量成指數級增長，非常適合線路優化、數據分析和各類模擬等任務；而經典計算以比特(bit)的形式處理數據，主要為各種邏輯門電路，算力線性增長，只能單線執行任務。

由于AI應用更廣泛落地、DeepSeek爆火，以及海外AI算力供應鏈不確定性增加，國內市場對于AI算力的認知已發生明顯轉向，中國AI基建迎來2.0版本：混合AI算力時代。

湯彪認為，算力焦慮的來源主要包含：

1.模型規模指數級爆炸，算力僅線性增長，GPT從15億→萬億級，需求曲線遠超供給曲線；

2.摩爾定律放緩，晶體管縮放遇物理極限，2nm之后性能提升微弱；

3.GPU 架構瓶頸明顯，訪存/帶寬/顯存成為主要限制；

4.并行擴展受限，多機集群通信成本指數上升；

5.推理成本爆炸，億級調用使算力長期高負載；

6.供應鏈高度集中，NVIDIA 壟斷導致結構性短缺；

7.能源瓶頸疊加，數據中心擴容受電力約束。

在行業中，巨頭也已經盯上了量子計算。如2025年10月，英偉達推出NVQLink系統可將GPU極致性能與量子計算結合，構建加速的量子超級計算機；2025年10月，美國能源部橡樹嶺國家實驗室(ORNL)正在建設全新超級計算系統Discovery，并提供量子計算試驗平臺，實現HPC、AI與量子計算的融合；微軟將HPC、AI與量子工具打包，面向化學與材料科研，提供一站式解決方案，顯著降低新材料試錯成本。AI已成為量子硬件不可或缺的 “副駕駛”。

那量子計算該如何與AI相結合？湯彪認為，利用 HPC 的規模算力、AI 的智能優化能力、量子計算的指數級加速潛力，三者協同協作，為材料研發、復雜優化、模型訓練等任務構建出遠超單一路線的混合式超級計算解決方案。

在生命科學領域，永源合生的聯合創始人孟凡康指出，AI不僅正在改變手機APP和數字世界，更即將突破比特世界，影響我們的生命體驗。從體驗生物學到作者時代的轉變，孟凡康強調了基因測序技術的重要性，以及現在我們能夠編寫和編程生命的工具——AI和合成生物學。

他指出，AI與合成生物學的結合能夠帶來更多可能性，使人類從資源索取者轉變為與自然和諧共生的共創者。他認為我們這一代人幸運地掌握了編程生物底層代碼，有能力通過這種技術重塑整個人類的物質世界和生命本身，引領人類走向更好的未來。

最后，腦虎科技創始人陶虎在現場帶來了關于腦機接口的分享。他認為，腦機接口是前沿腦科學研究和重大腦疾病診治的底層核心工具，其具有無可取代的價值：科研維度認識大腦，醫學維度重塑生命。

陶虎列了一組數據：在我國嚴重神經功能缺失/障礙患者中，癱瘓約2000萬人，失語580萬人。患者自理能力和社會功能嚴重受損，家庭社會負擔巨大，而腦機接口拋開繁雜的傳統治療路徑，用實時的神經信號交互帶來立竿見影的功能恢復和癥狀改善。

陶虎分享了團隊在狗、猴和人身上進行的腦機接口實驗，包括實時解析腦電波、訓練動物玩乒乓球和俄羅斯方塊等游戲，以及讓病人通過大腦控制各種設備。最后，陶虎表示該技術可應用于后端設備，如手機、電腦、游戲機等，并展示了與智能家居系統的連接能力。

作為和大腦直接交互的設備，腦機接口的“安全、可靠、高效、通用”是核心需求。核心難點在于如何平衡最大限度利用與最低限度損傷大腦之間的矛盾。

陶虎進一步分析，腦機接口是連接人類智能和人工智能的橋梁，通過使用腦機接口，人類可能突破自身的生存期限。

同時，他提出了一種新的人類生存方式——人體冬眠，即降低身體新陳代謝，將肉體生命極限拉長，而大腦則保持活躍。他認為，這種方式可能為人類的星際旅行和在地球上的長期生存提供解決方案。只有當人類生存突破現狀時，認知邊界才能得到突破。

腦虎科技創始人陶虎，圖源：虎嗅F&M創新節現場拍攝

寫在最后

本次虎嗅F&M創新節中眾多嘉賓的發言共同勾勒出一幅清晰而充滿張力的AI未來全景圖。AI不再局限于技術討論，它正成為一股重塑產業、滲透商業社會，甚至改變人類自我認知的關鍵力量。

我們看到技術基石正在轉移，從“AI大型機”走向“AI個人計算”，算力平權與開源生態將鋪就下一次工業革命的土壤。智能體正從對話走向行動，從數字空間邁向物理世界。

在產業層面，無論城市物流的整體增效，還是心理服務、時尚設計、文化IP等領域的創造性變革，AI的價值正從效率提升邁向模式創新與體驗重塑。

更深遠的影響是，討論AI的邊界已超越工具范疇，并觸及生命與文明本身。AI與量子計算、合成生物學、腦機接口等前沿科技的融合，可能帶來的不僅是生產力飛躍，更是對生命形態、認知邊界乃至人類存在方式的根本性探索。記憶、進化、自主、協同——這些曾專屬于生命的特質，正成為AI演進的核心命題。

當然，前路并非坦途。硬件瓶頸、數據短缺、倫理困境、成本壓力與認知局限，仍是理想與現實之間的現實關隘。通向通用人工智能的道路，注定需要技術、產業與社會的協同前行。

未來不屬于空談AI者，而屬于那些能駕馭其復雜性、將其轉化為善意與包容性進步的行動者。

虎嗅

從思考，到創造

虎嗅團隊

已在虎嗅發表 10580 篇文章

<dfn id="bwds4"></dfn>