92. 和张亚勤院士聊，意识、寿命、机器人、生物智能和物种的延伸

摘要

• 张亚勤给出的AGI路线图不是一次跃迁，而是信息智能约5年、物理智能约10年、生物智能约20年的分层兑现。 信息层先在文字、图像、视频、推理和多模态上达到人类水平，并在部分智力任务上超过人；物理层要跨过法规、场景和操作技能；生物层则从医疗修复走向记忆、智力与寿命扩展。“读万卷书”可以造出聪明大脑，但游泳仍要下水学。
• 基础大模型会越来越像重资本的“生态操作系统”，学校与公司的差异化更可能落在垂直模型、Agent与边缘部署。 张亚勤认为，基础模型依赖大量算力、数据和场景，主要是“从一到一百，甚至一百到N”的工程创新，适合公司主导；AIR选择智能交通、IoT、AI+Life Science，并把培养未来CTO和系统架构师置于科研、产业影响之前。
• Robotaxi已经从技术信仰进入能力被验证、商业模式待分配的阶段，未来5年，已经长跑8—10年的相关公司可能有较好发展前景。 张亚勤把Waymo和百度Apollo／萝卜快跑视为中美最领先的证明者，并称萝卜快跑安全性“至少高十倍”；但他举例说，FSD可能每45分钟需要接管一次，能否从L2+升至L4在技术上可以，却目前尚未完成。
• 大模型让具身智能第一次拥有了可复用的“脑子”，但没有消除物理落地的长周期。 生成数据缓解样本不足，常识提高corner case泛化，端到端框架减少对碎片化模块的依赖；RSR又试图把Real、Simulation和Real重新闭环。可家庭机器人仍要处理开门、上下楼、力度、安全和习惯等无数细节，因此通用人形机器人主流化仍可能要8—10年，“加了个脑子”不等于身体立刻会做事。
• 机器人产业不会只有一家独大，而会分成运营服务、整车本体、芯片与部件三层。 Tesla可以选择软硬件和Robotaxi全栈整合，小鹏等车企也可以只造L4车辆而不运营平台，Waymo或滴滴式公司则可专注服务；张亚勤的判断是最后会有很多家，竞争焦点将从可行性转向谁跑得快、谁跑得慢，以及商业模式如何落地。
• 生物智能首先是医疗与长寿赛道，其后才可能成为正常人的能力增强层。 张亚勤更看好非植入式接口，认为生物智能20年内可以实现，路径可能先从失明、失聪、神经损伤、阿尔茨海默病等干预开始，再向近乎无限记忆和更高智力延伸；他相信硅基与碳基会融合，却明确不相信硅基系统自行产生意识，“会不会永生，我不知道”。
• 真正剧烈的社会重估可能不在10年而在30年：驾驶、家庭设备、劳动时间、寿命和教育都会改写。 他的基准画面是10年后无人驾驶大量普及、家庭机器人像冰箱一样常见；30年后人开车或像今天赶马车，100岁可能成为常态、部分人活到120—150岁，一周工作可能缩至一天。人类可能成为碳硅结合的“新物种”，教育的核心也从背诵转向“怎么问问题”。

精读

1. 人工智能不是突然诞生，而是分散学科在过去十年完成汇流

• 张亚勤回忆，1998年底回国加入微软中国研究院时，人工智能仍处“冬眠期”：李开复做语音识别与合成，他做视频压缩，童欣做多媒体，沈向阳做计算机视觉和图形学，黄教授做NLP，但“都没有一个人叫人工智能”。

• 在他的叙述里，今天被统称为AI的能力，来自视觉、视频、语音、自然语言、统计学习等方向长期积累后的融合。人工智能真正从探索变成“有用的一门科学”，主要发生在过去十年，而非某个单一模型发布的瞬间。

• 这段历史也解释了他对研究方向的看法：早期中国科研水平与美国差距明显，有些方向找不到领域人物，往往是“找到什么样的人做什么事儿，他们爱干嘛干嘛”；经过25—30年发展，各方向都能找到世界级人物，今天更困难的问题反而是“到底要选择做什么”。

2. 世界一流研究机构的先决条件不是KPI，而是人才密度与长期目标

• 微软中国研究院成立时，最大的疑问是：在与美国科研水平仍有明显差距的中国，能否建成世界一流计算机研究院。张亚勤说，团队、微软和比尔·盖茨都有信心，但最初两三年“百分之八十时间在找人”，先把国内外顶尖年轻学者聚起来。

• 对“一流如何量化”的追问，张亚勤转述图灵奖得主Raj Reddy的回答：“当你们不问这个问题、不讲这个问题的时候，你变一流了。”目标可以明确，真正达到时却未必依靠一套指标确认。

• 他把同一判断方式用于ChatGPT：第一次使用半小时之内，直觉就是“这个ChatGPT通过图灵测试了”。他又援引另一位图灵奖得主、自己记忆中可能是Jim Gray的说法——“当你通过的时候，你就知道了”——强调某些质变会先表现为整体体验，而非分数越线。

• 当年的三项任务是吸引一流人才、做出对微软、产业和学术界有大影响的事情、培养一批科研人才；其中培养人才起初更像结果。到了清华AIR，顺序被明确改为“人才第一、科研第二、产业影响第三”。

3. 基础模型属于重资本平台，AIR押注人才与产业垂直层

• 张亚勤把基础大模型比作横向的“生态操作系统”：它需要大量算力、数据和具体场景，学校很难独立承担。学校可以与企业共建，但这类工作更多是“一到一百，甚至一百到N”，既有算法创新，也有大量工程创新。

• AIR选择智能交通、IoT和AI+Life Science三个产业方向；用后来的语言，大致对应具身智能、生物智能、边缘智能及Agent。研究院不为单一公司服务，而是希望通过企业合作或孵化新公司影响整个产业。

• 相比微软研究院以科研和公司技术战略为中心，AIR首先要培养“顶级架构师和CTO”。张亚勤认为，国内并非没有技术人才，短板是具备国际视野和大系统架构能力的领军者；他对AIR博士生的评价则很直接：“绝对是世界一流水平”，不比MIT、斯坦福差。

• 当张小珺提出“信息智能的大脑机会是否已被大公司拿完”，张亚勤并不同意：横向基础层更集中，但图片生成、编程等垂直信息场景仍有机会。商业本质也没有被AI改写，“你该做什么还是做什么”，首先变化的是生产力。

4. 信息智能五年内接近人类，但高智商不等于会行动

• 张亚勤讲了十年的总框架是：新一代人工智能由信息智能、物理智能和生物智能相加而成。三者相互关联，却分别对应信息世界、现实设施与生命体，不能因为共享AI技术就视为同一问题。

• 他的时间判断是，5年内信息智能可以在文字、图片、视频等自然内容上通过图灵测试、达到人的水平。ChatGPT已让他认为文字部分“基本达到了”，接下来需要补推理、多模态以及Sora式视频生成。

• 信息智能相当于一个“脑袋特别聪明”的人：可以写文章、画画、编程序、解数学公式，甚至在相应智力任务上超过数学家或物理学家。这也是他所说的“智商方面达到人类水平”，并不意味着每项现实技能同步完成。

• 张亚勤用游泳说明边界：“你读再多书怎么游泳，你还是不会游。”信息智能像“读万卷书”，物理智能则必须“下水游”“行万里路”；即使模型理解某项技能的知识，也仍需在真实环境中获得skills。

5. 物理智能先落地于封闭任务，家庭机器人反而最难

• 张亚勤预计，高等级物理智能可能还需约10年，届时机器人在大部分任务上可能胜过人，但“什么都比人厉害，肯定未必”。最先落地的不是通用人形机器人，而是自动驾驶，因为驾驶是相对可控的closed problem，人形机器人则是open problem。

• 无人驾驶可以被看作“开车的机器人”：它不需要写诗、唱歌或懂生物，只要把驾驶这一件事做到极致。通用机器人却要理解常识、人的行为和不断变化的环境，任务边界远不如道路驾驶清楚。

• 他把机器人分为家庭、工业和社会三类。工业机器人在矿山、工厂或危险场景中目标固定，未必需要人形；社会机器人包括警察、保安、外卖和驾驶；家庭机器人要照顾老人、做家务、适应个人习惯与安全要求，因场景最碎而“可能是最难的”。

• 张小珺追问家庭与社会机器人谁更难，张亚勤没有给出轻率排序：“看情况，都不容易。”他真正区分的是专用机器已经大量存在，而可买回家就能工作的通用人形产品仍需耐心。

6. 通用机器人的价值在共享大脑，人形只是适配人类社会的一种外壳

• 张亚勤希望家庭、工业和社会机器人的后台有70%—80%相同：云端是巨大的通用多模态模型，中间是面向驾驶或特定任务的垂直模型，车端或机器人端再运行较小的边缘模型。这与操作系统、super app／Agent、终端应用的分层相似。

• 今天基础大模型与自动驾驶仍是两套架构，他判断未来会融合：模型从物理世界学习，经大模型形成理解与决策，再由不同身体执行。前端形态可以不同，“机器可以是machine anything”，可能是人、狗、猫或其他专用结构。

• 人形的优势首先是交互。老人面对像人的机器人，更可能自然聊天、谈心并把它当管家或伴侣；其次，楼梯、按钮、门和其他基础设施本来就是为人设计，人形身体可以直接利用现有环境。

• 他甚至提出，10年内机器人数量“可能比人都多”，每个人可能有一个copy或“分身”。这个分身可以比主人更聪明、替主人办事，但在他的设定中必须“从属于你”“听你话”，而非拥有独立支配权。

7. Waymo和萝卜快跑已证明Robotaxi可行，FSD则尚未越过L4门槛

• 张亚勤刚在旧金山乘坐Waymo，感受是车辆比人开得更“丝滑”；更重要的是，当地市民已经愿意乘坐，不再把它视为新奇技术。这种公众接受度的变化，是他判断无人驾驶越过验证期的重要依据。

• 对武汉围绕萝卜快跑的争议，他区分技术表现与社会接受：乘坐者评价很高，而公众仍把它当新事物。他给出的强判断是，萝卜快跑的安全性“比有人驾驶要高至少十倍”，但认可度仍需要运营时间积累。

• 面对张小珺关于L2+与直接L4两条路线的追问，张亚勤认为Tesla路线“可以上升到”L4，却强调“目前不行”。他举例说，现有FSD可能每45分钟仍要接管一次，而Robotaxi必须基本不能接管，未来甚至没有方向盘。

• Waymo与百度Apollo／萝卜快跑在他眼中走得最前，已经分别在美国和中国证明“技术是可行的”。两年前他相信终会发生，却无法判断时间；现在则“很清楚”，剩下的是谁跑得更快、谁跑得更慢，以及商业模式如何落地。

8. 无人驾驶的商业模式会分成运营、整车和核心部件三层

• 张亚勤把产业拆成三类：滴滴或出租车式的运营服务商，制造车辆的整车企业，以及提供芯片和车内核心部件的公司。三层可以独立，也可以纵向整合，技术可行不等于价值必然集中在同一家公司。

• Tesla可以选择车辆、自动驾驶和Robotaxi服务全部自己做；小鹏则可以研发L4、销售车辆，却不经营Robotaxi平台。张亚勤认为，很多车厂仍会像今天一样只卖车，最后不会一家独大，这些不同定位都可能出现。

• 对新创业者，他的判断明显更克制：现在再从零成立一家泛自动驾驶公司并不现实，相关公司已经长跑8—10年。萝卜快跑、小马智行、文远知行、地平线等开始拥有上市、产品或服务验证，未来5年才可能进入更好的发展阶段。

9. 大模型之所以点燃具身智能，是同时松动了数据、泛化和架构三道锁

• 传统自动驾驶的第一道锁是数据不足，测试无法覆盖所有危险场景；第二道是corner case不断出现，模型泛化弱；第三道是地图、视觉、语言、激光雷达、感知、规划和决策各自为政，再用规则勉强拼接，“很乱很乱”。

• 大模型带来的第一项改变，是从真实数据生成更多训练场景，大幅提高仿真速度；第二项是借助常识和模拟器增强泛化，让系统即使没见过某个情况也更可能处理；第三项则是端到端，把复杂模块放进统一输入与输出的框架中，最多再用规则兜底。

• 张亚勤两次保留了边界：这些挑战“不能讲完全解决”，只能说被快速、大幅缓解。大模型不是把安全问题抹掉，而是让此前难以扩展的开发路径开始加速。

• 架构层的变化是从不同输入配不同算法，走向统一的Transformer和token-based处理。马斯克的端到端模型使用BEV，也让大家看到曙光；其他团队也在采用。“为什么今年具身智能这么火”，他的答案正是大家终于“看到曙光了”。

10. RSR把模拟训练拉回真实世界，大模型再把自然语言变成动作序列

• 在机器人上，数据比自动驾驶更少，传统强化学习常遇到模拟策略进入实体后“不work”。张亚勤团队提出RSR，即Real to Sim to Back to Real：从真实场景分析出模拟、数字环境，在Simulation中用生成AI、Stable Diffusion或规划工具扩展，再回到现实验证。

• 这套闭环可被称为世界模型，其目的不是让模拟取代现实，而是让数字空间学到的策略更快可用，弥补真实数据不足。它连接的是模型训练和物理部署之间最容易失真的一段。

• 大模型同时给机器人“加了个脑子”。当用户说“把这些脏衣服拿下来，洗好，送到干洗店，再帮我拿回来”，模型可以先理解意图、拆解任务，再把动作交给机器执行；过去最难的自然语言理解和常识层由此获得通用底座。

• 细节仍决定落地：机器人可能会开车却不会开门，进屋后打不开微波炉，或不知道该用多大力。过去需要为每一步写规则；现在希望它看过后能推理，知道拿到热的东西要小心，记得用户不吃羊肉，但这些能力仍需在具体身体和场景中训练。

11. 人形机器人仍处自动驾驶十年前的位置，主流消费产品可能要8—10年

• 物理智能的难点不只在模型。无人车涉及道路准入、政策法规、与有人车博弈；外卖机器人涉及上下楼和开门；每个真实部署点都需要物理世界模型和新的操作技能，周期天然长于手机或电脑里的信息产品。

• 张亚勤把今天的人形机器人类比为十年前的自动驾驶：简单工业机器人已经很多，最难的通用人形产品却可能再用8—10年才做成。周古月做的求知科技Discover Robotics已有产品，但客户仍以科研、教学机构和小公司为主，尚非大众家庭设备。

• 车企转做机器人确有共性：都要感知环境、理解场景并通过Vision-Language-Action模型行动。但机器人要学的任务更多；自动驾驶任务较单一，却要求几百毫秒内不能犯错。早餐做慢一点没关系，开车慢一拍可能就不能接受。

12. 生物智能将从治病开始，再扩展正常人的记忆与智力

• 张亚勤给生物智能的时间尺度是20年，并且“更看好非植入的”：利用更灵敏的传感器和新型脑机接口连接大脑与机器，而不必都走Neuralink式植入路线。他认为有生之年可以看到相关实现。

• 第一阶段不是增强健康人，而是治疗：刺激相关神经元帮助失明者恢复视觉、失聪者恢复听觉，修复残疾人的中枢神经连接，并尝试处理老年健忘、阿尔茨海默病、儿童多动症和自闭症等问题。

• 随后才是能力扩展：存储和记忆可能接近无限，人也可能变得更聪明。因为这不再是身外工具，而是与生命体密切连接，伦理、身份以及人与新技术如何共存会成为无法绕开的约束。

• 对寿命，张亚勤相信器官替换、脑健康改善、药物和其他技术会延长碳基生命，癌症及老年身体、精神疾病也可能逐步被治疗；但他拒绝把长寿说成永生：“是不是会永生我不知道，但肯定寿命会更长。”

13. 碳硅融合可能造出新物种，但意识、社会与教育不会按同一速度变化

• 张小珺追问“聪明到一定程度是否就应产生意识”，张亚勤明确不同意。他认为人类尚不知道自己的意识如何产生，再多算力和数据本身也与意识没有关系；借Richard Feynman所表达的意思，他的边界是：无法创造自己尚不理解的东西。

• 对Vitalik Buterin提出的观点——生物与硅合并可能是人类能够参与super intelligence的一种方式，以避免被独立计算机主宰——张亚勤接受融合方向，却坚持“有意识的还是我们的碳基”。新形态仍是人的延伸，而非硅基灵魂接管人类。

• 他把这种延伸称为“新的物种”：3万年前的工具是火和石器，今天是手机、电脑和互联网，再过100年回看这些，可能也像今天看石器。工业革命把体力延伸，信息社会扩展信息能力，AI则快速扩展智力，使进化成为非线性、指数型的过程。

• 10年图景相对具体：大量车辆无人化，家庭机器人像冰箱、电视一样普及，AI hospital、医疗和教育应用成为现实，但人本身不会彻底改变。30年图景更激进：人开车可能像今天赶马车，甚至需要特殊许可；100岁可能成为常态，部分人可能活到120—150岁。

• 长寿与生产力提高会重写工作和人口结构。张亚勤用七天、六天、五天、欧洲部分地区四天的演变推演，未来人可能一周只工作一天，而不是少数人工作七天、其余人全部失业；出生率下降、人口老龄化与更健康的老年期会同步出现。

• 教育也要从“学生—老师”变成“学生—人类教授—AI professor”。AI助理可能懂得比教授更多，但学习的核心不再是背诵和刷题，而是提出好问题、批判性学习和debate：“你随便问，它可能就乱答一通；你问得特别好，它会给你非常深入的答案。”

• 他的书单落在长寿与记忆：《Auto Life》讨论AI、Life Science、长寿和生活方式；《In Search of Memory》解释基因记忆、短期记忆和长期记忆。张亚勤特别指出，现有AI对知识抽象和分组、层次记忆“还不太行”，人的学习机制仍是下一阶段的重要缺口。