108: 与马毅聊智能史:“DNA是最早的大模型”，智能的本质是减熵

摘要

• 马毅把智能从“拥有知识”改写为“能从外部世界提取规律、形成预测，并自主更新知识”，因此静态的 DNA 或大模型都只是智能活动的结果。 “DNA 就是这个世界上最早的大模型”，但单条 DNA、单个物种乃至 GPT-1 到 GPT-4 都没有智能；自然选择形成物种—环境的反馈闭环，人类持续改进模型的过程也体现了智能。这个定义把行业的核心瓶颈从参数与 context 长度，转向不会遗忘、能持续纠错的个体记忆。
• 生物智能的演进不是一味加大“预训练”，而是从物种级强化学习转向个体记忆、语言共享和数学抽象。 生命约有 30 亿年主要依赖 DNA；约 5.5 亿年前神经系统和视觉出现，约 5000 万年后发生寒武纪大爆发，个体终于能在出生后 fine-tune。鸟随父母约 3 个月、哺乳动物半年至一年、猫科两三年、猴子五六年、人类约 18 年——智能越高，反而越依赖后天学习。
• 现有大模型仍近似“单细胞式”的开环系统，扩大算力已经呈现明显的 diminishing return。 马毅称 Grok 用约 20 万张卡，基础模型分数提升不到 1%；这类试错可以继续进步，却像生命靠 DNA 走了 30 亿年仍未跨入个体学习。其判断很尖锐：“一个开环系统只能应对封闭世界，不管它多大；一个闭环系统才能应对开放世界，不管它多小。”
• 机器智能史应从 1940 年代的控制论、信息论和博弈论算起，而非从 1956 年达特茅斯会议起算。 战争中的目标跟踪促使维纳等人研究动物为何能快速反馈纠错，现代计算架构也被马毅放回这一脉络；达特茅斯研究的是更晚一层的人类抽象、逻辑和问题解决。1958 年感知机已经被媒体描述为会读写、思考乃至产生意识，“今天吹的牛，五十年代早就吹过了”。
• O1、R1 等所谓推理模型提高了刷题表现，但马毅没有看到它们真正理解逻辑的严格证据。 他把推理分成模仿题型、掌握并自检逻辑、发现新规律三层，认为现有方法主要仍在第一层：SFT 提供范例，reinforcement learning 根据答案或评分优化，长思维链则由人或已有模型半自动生成。模型能解很难的题却又在初等问题上犯低级错误，正是“会做题”与“学懂了”尚未被 benchmark 区分的信号。
• DeepSeek 证明的是现有路线缺少技术护城河，而不是试错成本从此消失。 马毅早已判断开源追上闭源只是 “where and when，而不是 whether or if not”，真正门槛主要是数据、算力、时间和反复失败的成本；最后一次训练费用，不能代表发现配方的总成本。对单一团队的续投判断，他给出一句带条件的提醒：“炮弹一般不会打在第二个弹坑”，除非方法论已从随机试错变成可持续改进。
• 马毅押注的下一代架构不是一个包办所有模态的超大模型，而是探索并行、分布式、分层的多环系统。 具身智能是最自然的 killer app，因为 agent 必须在开放物理世界里持续感知、行动和纠错；端到端 VLA 靠更多数据与算力也可能像飞机一样“能飞、能载客、能挣钱”，但未必像鸟类机制那样高效。易生科技的商业任务，就是把白盒原理、闭环记忆和新架构扩大到学校难以承担的数据、算力与工程规模。
• 技术品味的价值来自“选择非共识问题”与“用严谨证据约束自己”，不是仅凭逆向叙事坚持。 马毅要求研究者把自己训练成“世界上最难 convince 的人”；港大面向企业家的课程和所有本科生必修的 6 学分 AI literacy，也都把目标放在辨别能力边界、负面样本与宣传偏差上。其最终建议是：“焦虑来自不懂，兴奋至少要知道自己为什么兴奋。”

精读

1. 智能是在熵增宇宙中寻找可预测结构

• 马毅从热力学第二定律切入：封闭系统总体走向更混乱、更不可预测，而生命恰恰在尚有规律的世界里寻找结构，“fight against entropy”，把可预测之物转化为生存优势。

• 在他的定义里，智能体把规律编码成知识和记忆，用它预测下一步，再据此改善决策、提高生存质量。“生命就是智能”，是因为生命是这种机制的载体。

• 曼祺追问生命和智能是否必然出现；马毅更倾向于“偶然”，但又认为熵增途中存在大量可利用结构，因此类似生命在宇宙其他地方出现“很有可能”。

2. DNA 是最早的大模型，但物种才是学习者

• 马毅最具辨识度的类比是：“DNA 就是这个世界上最早的大模型。”早期生命把对外部世界学到的知识，以规则化碱基结构编码、复制并传给下一代，功能上近似预训练模型。

• 这一阶段持续约 30 亿年，单个生命在一个生命周期里基本靠本能，没有今天意义上的学习；随机变异产生候选，环境给 reward，自然选择保留更适应者，“这就是强化学习”。

• 智能因此不属于某个静态个体，而属于物种与环境构成的 phylogenetic evolution 闭环。“一将功成万骨枯”，变异失败的不只是一个样本，整个 species 都可能被淘汰。

3. 神经系统让个体第一次可以 fine-tune

• 大约 5.5 亿年前，神经系统、视觉等感知能力出现；约 5000 万年后，寒武纪生命大爆发。马毅把两者连起来：个体不再只有父母给的“大模型”，而能在具体环境里形成自己的 memory。

• 这些记忆不写回 DNA，而编码在个体神经网络中；视觉、触觉等输入让动物适应出生后的特殊环境，相当于在继承模型上进行 fine-tune，并通过反馈纠错。

• 个体适应力提高，也让更多形态的变异能够存活，因而物种数量和形态迅速增加。马毅强调，这不是简单的物种更聪明，而是学习的时间尺度从跨代缩短到一生之内。

4. 智能越高级，越不依赖出生时的预训练

• 马毅用亲子相处时间呈现这条趋势：鸟约 3 个月，普通哺乳动物半年至一年，猫科两三年，猴子五六年，人类约 18 年；生命形态越高级，后天学习占比越大。

• 这组数字支持他的反直觉判断：进化并未把越来越多能力全部 hard-code 进 DNA，反而给个体留下更长学习期。“越来越不依赖预训练模型”，越来越依赖环境、父母和群体形成的记忆。

5. 语言把个体经验变成可复用的群体资产

• 语言首先提高知识获取效率：一个人找到水源，其他人不必重新走一遍，只需听他描述。猫科个体死去时，大部分经验随之消失；人的经验则可以在群体中复制。

• 文字进一步让知识跨代保存，因而在一定程度上承担了 DNA 的功能。上一代建立的世界模型不必再等待遗传变异，可以通过书本和组织化语言直接传递，文明的发展速度由此跃升。

• 马毅同时压低语言模型在人类智能中的占比：大脑只有前额附近一小部分处理自然语言，绝大部分还在处理视觉、声音、触觉和运动。可被写进文本的知识，只是人与物理世界交互所得知识的一小部分。

6. “幻觉”不是所有不确定知识的统一标签

• 曼祺问，语言出现后是否也带来了更多幻觉；马毅的保留意见是，幻觉本身尚无良好科学定义，而现实知识也并非都像数学一样 deterministic，很多有效知识本来就是概率性的。

• “明天有可能下雨”并不保证必然下雨，却仍能指导决策；黄历式经验预测可能有误差，也不能因此全部称为幻觉。关键是不能仅因知识存在误差，就把它统一归为幻觉；其科学定义仍需讨论。

7. 数学抽象是智能史上尚未解释的跃迁

• 大约三四千年前，人类开始从计数经验中抽象出自然数，又扩展到分数、实数、虚数和点、线、平面、空间。马毅认为这是经验知识的一次升华，但“大脑出现了什么机制”至今并不清楚。

• 已有抽象出现后，人可以学习、模仿和使用它；真正未解的是，人为何能第一次从经验中产生高层概念。这也是 1950 年代符号 AI 观察到相关现象却未解决机制的地方。

• 数学和科学让知识更抽象、简洁、严谨并能 generalize，但科学理论仍可被证伪和修订。它不是脱离学习闭环的终极真理，而是更高度概括、方便共享的一种知识表达。

8. DNA、神经记忆、文字和数学是同一件事的四种介质

• 马毅把四个阶段统一为“对外部世界可预测规律的表达”：DNA 用碱基编码，个体记忆用神经网络编码，文明用语言文字编码，科学再用数学和形式化语言高度凝练。

• 四者的学习机制不同：物种演化靠自然选择式 reinforcement learning；个体记忆靠持续反馈和自适应纠错；文明靠交流和保存；科学则把经验进一步抽象、压缩并接受证伪和改进。

• 感知信号进入大脑时可能达到每秒数百万 bits，到高层只剩每秒十几个 bits。智能并非保存一切，而是丢掉无关细节，提取真正影响预测的结构，再修改旧记忆中不足、不准确或不完善的部分。

9. 知识是智能活动的结果，不是智能本身

• 马毅给出的边界非常明确：“知识本身并不是智能，知识是智能活动的结果。”能从观测中获取新规律、发现旧知识不足并自主更新，才是智能；只有静态知识库的系统没有这种能力。

• 因此 DNA 链本身没有智能，再大的基座模型也没有智能。他甚至逐个列举：“GPT-1 没有智能，GPT-2 没有智能，GPT-3 没有智能，GPT-4 也没有智能”，但人类持续改进模型的过程是有智能的。

• 节目以 long context 为题，背后也是同一判断：与其无限延长预训练模型能一次读入的 context，更关键的是建立闭环、长久、不会遗忘并能自我修正的 memory。

10. 闭环反馈不是候选路线之一，而是马毅眼中的必要机制

• 马毅把这一判断追溯到 cybernetics：早期研究者观察动物时已经发现，学习、适应和决策提升都依赖行动后的反馈纠错。“这不是我们发明的”，而是自然界反复展示的智能机制。

• 曼祺问是否存在不同于地球生命的智能实现；马毅承认“有可能”，自然选择也未必是理论最优解，但目前生物形成的可行解在效率与自主性上仍远高于人工系统。

• 他的总结是：“an open looped system is for a closed world, no matter how big it is；a closed looped system is for an open world, no matter how small it is。”一只蚂蚁虽小，也可能面对开放环境；静态模型再大，覆盖的仍是 fixed、finite 的世界。

11. 大模型会刷 benchmark，却未证明拥有抽象概念

• 当前模型在马毅的坐标系里仍主要处于第一阶段，近似完全依赖遗传本能的单细胞生命；它储存大量静态知识，却没有猫狗那样适应环境、形成个体记忆并持续纠错的能力。

• 他认为，现有基座模型、大模型尚未真正抽象出自然数的概念，也没有真正掌握数学运算。模型看过大量例题后可以答对，但在未见场景中数数、理解空间关系，多模态模型仍常常是在猜测或估算。

• 曼祺指出不少人认为图灵测试已经通过；马毅反驳，固定题库和 benchmark 无法分辨学生是刷题还是学懂，真正测试应像老师口试一样主动追问、改变题面，并观察系统能否解释和自检。

• “大家有时候看到的一些例子都是正面的例子”，而反例非常多。马毅认为 AI evaluation 仍缺少严谨方法去区分记得好、真正理解和能够抽象升华这三种能力。

12. 熵减需要能源，智能也只是宇宙历程中的一段

• 如果宇宙确实是没有外部输入的封闭系统，熵最终会达到最大，届时将没有可预测结构供智能学习。马毅认为，按目前物理学的理解，封闭系统最终会达到混沌态。

• 图像生成提供了一个直接例子：Diffusion Denoising Model 从噪声逐步得到结构化图像，本质上在做去噪和熵减；但这一过程需要电力、芯片和大量算力，把其他地方的能量注入系统。

• 智能因而不能无成本战胜整体熵增，只能调用资源在局部建立秩序。节目借《银翼杀手》的 “All those moments will be lost in time, like tears in rain” 收束：智能也许只是漫长宇宙史中的一个过程，却是能够暂时对抗无序的特殊过程。

13. 机器智能的起点在 1940 年代，而非达特茅斯

• 马毅认为，把 1956 年达特茅斯会议定为 AI 起点，是计算机领域给自己划出的狭窄边界。更早的控制论、信息论、博弈论、神经元数学模型和计算架构，都与对智能机制的研究有关。

• 1940 年代首先试图回答的是：机器怎样获得动物级的反馈、适应和决策能力。马毅把它称作近似“维纳测试”——如果机器具备动物的闭环能力，人是否还能把二者区分开？

• 图灵到 1950 年才把问题推进到人类层面：机器聪明到何种程度，人与机器会难以区分。1956 年那批年轻人随后研究的，是因果、抽象、逻辑和问题解决等更接近人类的特征。

14. 战争把动物捕猎机制变成了控制论问题

• 曼祺追问为何 1940 年代会成批研究动物智能；马毅的答案很直接：“打仗。”大炮要跟踪快速移动的飞机，研究者便观察猫科动物如何又快又准地追逐目标，并在一次失误后迅速纠正。

• 这些问题催生闭环控制：系统不能只按预定计划输出，还要感知目标、比较误差并调整下一步。信息论对应外部信号如何编码解码，博弈论则研究未知乃至 adversarial 环境中的决策改进。

• 马毅进一步称，冯·诺依曼架构的重要 motivation 之一就是实现 cybernetics 提出的反馈和优化机制；早期计算机主要用于密码破解，但不能由此把现代计算架构的动机简单归结为“为原子弹做计算”。

15. 达特茅斯的技术品味，是年轻人主动远离当时的主流

• 马毅提醒，1956 年那群年轻人为何不留在 MIT、Caltech 或 Berkeley：控制论等主流方向已有维纳、冯·诺依曼等权威，他们要寻找尚未被占领的问题，因而聚到达特茅斯。

• 他们研究符号、逻辑、因果和高级推理，后来大多功成名就；但马毅的保留是，他们深入描述了人的智能现象，并没有解释抽象能力究竟如何从经验和大脑机制中产生。

• 这段历史也构成他对学术工作的要求：工业界可以围绕已知产品竞争成本和效率，学术界若只跟随主流和产业资源“卷”，便既没有优势，也没有新增知识。

16. 1958 年的感知机热潮已经预演了今天的 AI 宣传

• 神经元有了数学模型后，研究者迅速搭建 perceptron。马毅提到，当时投入约 600 多万美元，折算到今天“差不多 10 亿美元”，规模和叙事都不像一个朴素的小实验。

• 曼祺找到 1958 年《纽约时报》的报道：机器被描述为将会学习、思考、读写、理解，甚至知道自己的存在并替代人的工作。马毅评价：“今天吹的牛，五十年代基本都吹过了。”

• 热潮随后冷却，并不表示神经网络毫无价值，而是研究者低估了组织结构、学习机制和算力条件。历史反复出现的不是“技术完全失败”，而是能力被过早外推。

17. 从猫脑到 AlexNet，关键进展来自结构、数据与算力共同成熟

• 1980 年代，研究者观察猫的视觉系统，发现神经元连接并非随机，而具有规则性的局部 pattern，由此推动卷积神经网络；日本研究者较早提出相关思想，1989 年杨立坤进一步实现并取得较好效果。

• Hinton 等人探索 autoencoding、encoding-decoding 和统计物理方法，当时并没有人确定这些工作最终会有多重要；这也是马毅所说“正确问题可以先于有效工程很多年”的例子。

• 2012 年 AlexNet 并未凭空创造全新框架，而是在 CNN 基础上借助足够数据、GPU 和可优化的深层网络，把 ImageNet 分类性能推到可见拐点。

• 此后神经网络扩展到图像、声音、自然语言和蛋白质，但结构演进仍大量依靠试错：VGG、GoogleNet、ResNet、Transformer 留下名字，更多候选则成为“一将功成万骨枯”里的淘汰项。

18. 1990 年代的机器人会走路，却仍是“瞎的”

• 马毅在 Berkeley 机器人组读博时，已经看到日本机器人跑、跳、翻跟斗、上楼梯和跳舞；机械与控制虽不如今天灵巧，基本原理和预编程方式并没有根本不同。

• 导师指出，这些机器人“没有大脑，没有眼睛”，步长、抬腿高度和舞蹈动作全都 pre-plan；它无法知道自己做得对不对，也无法根据现实环境修正。

• 这使马毅转向视觉和三维重建：没有感知输入便无法闭环。他 1997 年的硕士论文研究基于视觉导航的视觉驾驶，2000 年博士工作涉及把视觉用于直升机和船的降落，核心都是机器如何感知外部世界。

19. 计算机视觉先靠三维重建成熟，识别直到 2012 年才成为显学

• 三维视觉的问题、数学目标和技术路线相对清晰，因而发展较顺；相关成果被用于场景数字化、定位和电影环境复现，马毅举到《黑客帝国》等早期好莱坞应用。

• 他把三维重建真正成为显学的时间放在 2008 至 2009 年前后；识别则在 2007、2008 年仍很冷，数据库上的分类表现差，毕业生也很难找到完全对应的岗位。

• ImageNet 提供大规模数据与统一测试平台，AlexNet 再用 GPU 和深度网络展示性能提升，识别才在 2012 年越过关注阈值。决定性因素不是单一论文，而是数据、计算和算法在同一时点成熟。

20. 神经网络的发展规律，就是缺少第一性原理时的随机试错

• 马毅坦言，很难从数十年起伏中总结出稳定预测规律，因为智能目标、学习机制和第一性原理长期不清楚。研究大致分两条线：向生物结构学习，以及纯工程地搭网络、跑实验、筛结果。

• 这种进步像 DNA 演化：大量结构被提出、失败并消失，偶然更有效的结构被留下。只要方法论不变，成果出现在哪个团队便带有很强随机性。

• 他用炮火形容产业格局：一会儿是 DeepMind，一会儿是 OpenAI、Google、Microsoft、Grok，也可能是 DeepSeek。不同团队根据自己的经验和资源反复试错，下一次突破仍可能出现在任何地方。

• 因而有人问 DeepSeek 是否还值得投时，他的回答是：“炮弹一般不会打在第二个弹坑。”这不是否定团队，而是要求看到方法论差异：除非它已建立可持续、系统性的改进机制。

21. 工业界承担试错成本，学术界应补上定义、原理和测试

• 现有路线需要数据、算力和大量失败实验，只有少数公司能负担；因此现在许多成果来自工业界，而不是资源有限的大学实验室。

• 马毅认为学界不该和公司比同质化工程，而应界定智能的不同阶段与能力，建立能辨别记忆、理解和抽象的测试，并研究背后的数学与计算问题。“过去十年并没有界定清楚。”

• 他对学界的不满在于，很多研究者也被公司发布节奏和媒体叙事带走，未比“吃瓜群众”严谨多少。公司可以有商业立场，学术界的职责则是把方法、证据和局限讲清楚。

22. Scaling 已进入 diminishing return，O1 只是暂时转移了焦虑

• 马毅判断，若方法没有本质改变，基础模型 scaling 已经进入 “diminishing return”。他以 Grok 为例：约 20 万张卡换来的基础模型分数提升不到 1%，展示时只能不断放大纵轴。

• 这个过程仍会进步，却像早期生命仅靠遗传与选择，走了约 30 亿年也只到单细胞阶段。

• 曼祺指出，去年 9 月、10 月行业已讨论 scaling law 撞墙，O1 的出现缓解了焦虑；马毅承认刷题效果确有提升，但认为 OpenAI 把 O 系列包装成通向 AGI 的秘密，方法本身仍主要是微调和强化学习。

23. “推理”至少有模仿、理解和发现三个层次

• 马毅用学生做数学题拆分推理：第一层记住大量范例和 pattern，依葫芦画瓢，也能考高分；第二层真正掌握逻辑，遇到新题能逐步使用规则，并知道每一步是否正确。

• 第三层不是使用已有逻辑，而是从经验中发现此前未知的规律、公理、因果或推理方法，类似数学家发现新的推理规律、欧几里得公理和三段论。

• 现有讨论把三层都叫 reasoning，导致 benchmark 高分直接被外推为“会推理”甚至“发现 AGI 路线”。马毅要求先把能力分层，再讨论模型究竟达到了哪一层。

24. SFT、强化学习和思维链仍是一套工程配方

• 一个较好的基础模型若要提升编程或数学表现，常见路线是 supervised fine-tuning：给出高质量范例，让模型学习和模仿题型、步骤与回答 pattern。

• Reinforcement learning 则利用答案对错、步骤质量或评分信号继续优化。DeepSeek 强调直接 RL 也能奏效，但马毅认为前提是基础模型已经较好，而较好基础往往又包含先前的示例学习和 fine-tuning。

• 他用团队工作标题概括分工：“Supervised Fine-Tuning Memorizes, Reinforcement Learning Generalizes”。其一般判断是先微调，再强化学习，往往比只用一种方法更好，但两者各有优势和局限。

• 长思维链也不是凭空涌现：可以由研究生写解题步骤，也可以让已有模型在 prompt 提示下半自动生成，再筛选正确、高效的路径，用于 fine-tune 或训练评分器。各团队调整 ingredients，“有点像中药”，因此也被称为炼丹。

25. O1 和 R1 的高分尚不能证明它们学懂了逻辑

• 曼祺直接问 O1、DeepSeek R1 是否真的在 reasoning；马毅的个人判断是，它们更多仍处于第一层，即通过记忆、归纳和模仿提高解题表现。

• 他没有看到严格证据表明模型以理解来解决问题。一个突出矛盾是：同一类模型可以完成很难的数学题，却会在小学、初中层面的简单问题上犯低级错误。

• 如果模型拥有严谨的逻辑链和自检能力，这两种现象不应频繁并存。马毅因此拒绝仅凭竞赛题或固定 benchmark 下结论，要求用反例和主动测试辨别其真实能力。

• 他也承认 O1、R1 的结果有实际提升；分歧不在“有没有性能”，而在能否把任务性能升级为对认知机制的强主张。“方便把它叫推理模型”，不等于它和人的推理是一回事。

26. DeepSeek 戳破了秘密叙事，却没有消除研发成本

• 马毅认为 O1 使用的 SFT、RL 和思维链都不具备足以令学界惊讶的 novelty；他还认为 OpenAI 过去一年遇到内部问题，并可能出于融资等因素过度炒作 O 系列。

• DeepSeek 用更便宜、更高效的实现接近 O1，说明所谓秘密并不深，且一个不错的基础模型经已有方法增强后就能达到类似性能。

• 但他提醒，最后一次成功训练的成本不是总研发成本。“第一遍很累”，试错完成后再整理、重跑会非常干净；他了解到 Google 最后一次训练可能也只是几百万美元量级、比 DeepSeek 稍高，不能拿单次账单比较完整探索投入。

• 曼祺问他是否预料到中国会出现 DeepSeek；他的回答是早已预料到同类事件，只是不知道地点和时间。即使不是中国，也可能在法国、英国或美国其他团队发生。

27. 开源追上闭源是时间问题，因为现有技术没有深护城河

• 马毅过去两三年一直主张开源，并判断开源模型迟早会接近乃至超过闭源公司。“where and when，而不是 whether or if not”，是他对这一路线可复制性的概括。

• 他认为现阶段技术和方法本身没有牢固护城河，主要差异来自数据、算力、试错时间与团队经验。团队可以在一次竞争中找到更有效配方，却很难据此获得长期独占优势。

• DeepSeek 的意义因而不是证明所有模型公司失去价值，而是把估值问题重新推回持续创新能力：谁能把随机经验改造成可解释、可重复的进步机制，谁才可能形成更耐久的优势。

28. 技术品味首先是一种选择问题的价值观

• 马毅把科学的 mission 描述为探索未知、找到现有理解不对或不够好的地方。“we get paid to do that”，所以从众不是学术工作的本分。

• 工业界围绕已验证需求竞争价格和效率，对社会有价值；学术界若跟工业界做同样的模型、同样的 benchmark，却没有相同资源，就既无比较优势，也没有知识增量。

• 真正的品味不是断言自己已找到最优解，而是通过证据知道“这个问题重要、方向正确、approach 有道理”，即使外界暂时不理解，也能继续推进。

29. 非共识只有与严谨训练结合，才不会滑向“民科”

• 科学探索中“十个想法，很可能九个都不靠谱”，失败是常态；正确发现不是靠情绪坚持，而是依靠数学、逻辑、实验和可重复比较把错误逐步排除。

• 马毅读数学硕士时，老师给他的第一条要求是：“把自己训练成世界上最难 convince 的人。”当一个证明能说服最挑剔的自己，它才更可能经得起所有人的检验。

• 实验也需同样严谨：数据怎么采、假设如何验证、是否存在其他解释，都不能 jump to conclusion。只有探索勇气而没有这种训练，结果就可能是自己错了却毫无察觉。

• 品味因此包含两项缺一不可的资本：相信世界仍有未知规律的文化与价值观，以及判断自己究竟做对没有的能力。

30. 马毅的学术路径并非预先规划，而是被“弄明白”这件事塑造

• 他在清华主要按部就班学习、喜欢数学和课外书；到 Berkeley 快毕业时仍考虑去 Qualcomm 或互联网公司，是导师建议他尝试学术职位，才“误打误撞”进入大学。

• 真正稳定的习惯是，不明白便不敢教。到伊利诺伊后，他会把课程内容从头推一遍，后来喜欢写书，也是因为整理完整知识体系能暴露自己尚未理解的 gap。

• 这条路径说明技术品味未必来自童年立志，更可能来自长期重复：对未知保持好奇，把模糊直觉变成可讲授、可证明、可验证的结构。

31. Berkeley 的开放协作把个人品味变成集体校验

• 马毅读博时，导师组有 18 名学生，来自 13 个国家，没有明显等级，大家以“把事情搞明白”为共同目标；不同文化背景带来 culture shock，也扩大了问题视角。

• 组会完全开放：正式学生只有六七人时，现场可能有三四十人，很多连他都不认识。每名博士生都可找真正参与研究的 co-advisor，并自由参加其他组会和 seminar。

• 学生跨组互助写论文、做实验、画图，合作不是老师 top-down 安排，而是 organic 形成。马毅后来发现，Berkeley 学生从同伴处学到的技能往往比从导师处更多。

• 他把这种文化延伸到今天的工作：理论、算法、实现和不同模态分别由不同团队承担，近期项目常有五六所学校参与。多人愿意投入，也成为“we did something right”的外部信号。

32. 高引用成果也可能先遭遇集体拒绝

• 马毅回忆，团队曾有 CVPR 工作获得 reviewer 近乎满分，仍被 area chair 拒绝；另一些白盒理论工作得到多位 reviewer 接受，也没有通过最终决策。

• 他引用最高的人脸识别工作，最初甚至没有 conference 愿意接收，因为结果“好得让人不相信”，审稿人怀疑不可能或存在作弊。团队后来直接投顶级 journal，并花一个暑假与所有要求的方法比较，才获接受。

• 他的结论不是审稿毫无价值，而是 community 也会形成 echo：主流方法被默认正确，新方法即使数学严谨、实验充分，也需要很长时间才能被真正理解。

• “有些东西可能 30 年都没有存在感。”这段延迟要求研究者区分两种反馈：拒稿可能暴露真实漏洞，也可能只是接受新框架所需的条件尚未成熟。

33. 企业家可以学习技术判断，但不能只向权威借结论

• 马毅认为，理解当前多数 AI 技术，本科层面的严谨数学和科学基础已经足够；继续探索前沿才需要更深知识。企业家真正缺的往往不是智力，而是系统框架和正反证据。

• 港大因此开设类似 EMBA 的“科学企业家”项目，原计划招 40 至 50 人，首届最终招到 80 人，包括头部上市公司负责人、投资者和寻求转型的传统企业家，头几个模块出勤率接近百分之百。

• 课程一端由一线科研教师解释模型本质、能力与 limitation，另一端邀请科技公司讲成功、失败和真实布局。目标不是替学员决策，而是让他们理解采用、不采用以及何时投入的条件。

• 马毅特别补充媒体看不到的负面案例：demo 通常只展示“又蹦又跳”的成功样本，决策者却必须知道失败分布。反过来，面对身家合计可能达几千亿元的听众，教授也必须讲清研究到底解决什么问题。

34. 港大把 AI literacy 变成所有本科生的 6 学分必修课

• 港大把原有两门英文课中的一门替换为 AI literacy，课程对应 6 学分、分两个学期完成；前 3 学分全校统一，后 3 学分由医学、法律等学院结合专业定制。

• 课程在春季以 100 多名自愿学生 pilot，计划从当年 9 月起要求所有新生修读。由于规模会扩大，每个小时都由多个老师共同设计，而非单人重复讲义。

• 共同部分从生命和机器智能史讲起，再解释语言模型、图像、生成模型、识别和机器人“在做什么”，同时呈现能力边界；专业部分再连接医疗、法律、金融、艺术等领域。

• 伦理模块覆盖作弊、抄袭、copyright、隐私、安全和法律规范，并邀请法律、哲学及相关工程学科教师参与。内容不会录制后永久复用，而要随技术现状逐年 update。

35. 下一代机会在闭环架构，但商业兑现仍要跨过工程临界点

• 马毅称现有 AI 本质上仍是“非常 mechanical”的数据压缩与生成，尚无理由把它直接等同于意识；AI 通识教育的终点也不是灌输乐观或恐惧，而是让学生掌握证据、形成自己的 critical thinking。

• 白盒研究已开始用数学原理替代 Transformer 等系统中的经验冗余；面对预训练困难、工程成分很重的视觉与多模态模型，团队称可以把 DINO 一类系统大幅简化，性能反而提高。公司则补足更大数据、算力、效率优化和持续工程团队。

• 闭环研究正在从单一 encoding-decoding 环，转向类似大脑皮层的并行、分布式、hierarchical 多环系统；不同感知模态分别处理再汇总，每层都进行预测和纠错。共同 firing 加强连接、局部抑制等大脑机制，现有神经网络仍未充分实现。

• 具身智能是自然的 killer app，但端到端 VLA 也许仍可凭数据和算力获得商业效果：飞机不像鸟，却照样能飞、载客和挣钱。易生科技要争取的是更高效的下一代机制；在技术越过临界点前，它可能“什么用都没有”，达到足够水平后则可能迅速出现大量用途，这正是耐心资本需要承担的不确定性。