摘要：近日，一篇名为《“中国的AI叙事”存在认知偏差》的文章被广为转载，并在网络引发关注。《赛先生》亦在3月29日转载了该文。不过，该文章中的内容并非朱松纯教授在2025中关村论坛的发言，而是源自一次闭门的媒体沟通会，该沟通会旨在为媒体解读人工智能的技术创新。遗憾的
前面的话：
近日，一篇名为《“中国的AI叙事”存在认知偏差》的文章被广为转载，并在网络引发关注。《赛先生》亦在3月29日转载了该文。不过，该文章中的内容并非朱松纯教授在2025中关村论坛的发言，而是源自一次闭门的媒体沟通会，该沟通会旨在为媒体解读人工智能的技术创新。遗憾的是，在报告嘉宾未确认的情况下，沟通的一些内容流出，存在表述不完整、不全面之处。本文为朱松纯教授在沟通会中交流的主要观点补充更新版，希望起到澄清的作用。《赛先生》获授权发布。
近年来，人工智能已成为驱动新质生产力的重要引擎。在国家的大力支持下，多地政府因地制宜加速推进“人工智能+”行动，努力推动产业发展与社会治理的智能化升级。然而，由于大多数的决策者、机构、媒体并非人工智能专业人员，又需要在短时间内学习、理解与决策，导致在人工智能的理解上存在一些误区和偏差。
朱松纯教授在内部沟通会的分享，意在提醒媒体和行业代表：
（1）认清硅谷AI叙事逻辑，避免盲目跟随；
（2）认识人工智能创新的多个层次， 协同稳定发展；
（3）探索符合中国国情的人工智能技术路线， 实现真正原创引领的科技创新；
（4）在全球范围内积极推动AI能力建设，构建人工智能的“中国叙事”。
目录：
一、打破认知： 过去20年全球叙事逻辑
二、认知突围：人工智能创新的五个层次
三、概念误区：人工智能概念被过度泛化
四、未来前沿：人工智能与人文社科融合
五、和合共生：通用人工智能的中国叙事
SAIXIANSHENG
一、打破认知：过去20年全球叙事逻辑
20年前全球最大的叙事就是“全球化”， 媒体最流行的口号是由《纽约时报》专栏作家托马斯-弗里德曼2005所著的畅销书《The World Is Flat (世界是平的)》，同期中国加入世贸组织， 成为“世界工厂”。十年后，美国受到全球化浪潮影响的锈带和保守派选民推出了地产商和娱乐达人特朗普，他在2015年提出的竞选口号是“Make America Great Again（让美国再次伟大）”。
与此同时，2015年前后，数据驱动的人工智能取得长足进步，学界具有战略视野的人开始看到了实现通用人工智能AGI的可能性，美国大的IT企业以及国防机构都开始组织科技攻关AGI，OpenAI于2015年注册成立。
尽管受到疫情的冲击，硅谷的人工智能芯片与算法研发的热潮为特朗普的MAGA口号提供了逻辑支撑。通过宣扬其在算力、芯片与大模型研发的“绝对优势”，树立了全球媒体和资本对美国AI技术的信心，带动七家科技巨头（Magnificent 7）市值飙升。到2025年3月， 美国三大科技公司英伟达、微软、苹果的市值之和已经超过了我国股市的总值（约56万亿人民币） 。
2025年1月特朗普就职后，任命“白宫人工智能沙皇”、发布“AI曼哈顿计划”、废除拜登政府AI监管，再次聚焦中美科技竞争，试图将通用人工智能（AGI）为代表的前沿AI科技进行战略威慑。
总之， 过去10年美国人工智能的硅谷叙事逻辑如上图所示三点：
（1）硅谷通过媒体与投资圈的舆论渲染，将“大数据、大算力、大模型”塑造为实现通用人工智能（AGI）的关键要素和唯一技术路径。他们宣传只有美国掌握大模型先进技术，而且实现通用人工智能需遵循一个规模化定律，即Scaling Law（这是由DeepMind研究人员发表的一个经验曲线）， 根据OpenAI测算，需要100万、甚至1000万英伟达的GPU H100显卡才能持续升级、率先实现AGI。 对比之下，中国全国的GPU加起来也只有80万卡，所以，按照这个叙事，中国在本轮AI竞争中已经提前出局了， 我去香港访问时候，访谈的媒体就持这个观点。 由于AGI是未来产业竞争的制高点，这个叙事引导全球资本在过去7-8年流向美国，巩固了其在人工智能领域的叙事主导与技术霸权。
自2016年以来，这个“AI=大数据+大算力+大模型”的叙事，在中国被广泛传播、放大、追随，在各级政府、投资界、产业界成为主流思维。常有人说，我们“被卡脖子“了，但我认为，真正“卡住”我们脖子的本质上还是我们自己的“主流认知”。回过头来看，过去几年中国的AI思路都被硅谷叙事牵着走， 部署了大量的算力，然而，当前我国IDC租用率在15-20%， 很多企业盲目加入“百模大战”，导致大量资源的浪费。 尽管我一直在内部或公开场合质疑这个叙事，提出不依赖大数据大算力的技术路径，但来自学界的理性声音被淹没了。好在25年春节DeepSeek通过工程创新戳破了这个算力100万卡的说法， 但这只是叙事的一部分。
（2）过去3年， ChatGPT (问答)、Sora（视频生成）、SUNO（音乐生成）等大模型产品一直被媒体夸大宣传，在中国的自媒体形成了独特的“炸裂体”， 各种解读短视频制造社会焦虑， 有高层领导在公开会议致辞和讲话中也大讲这些模型如何厉害。我作为一个在人工智能核心领域干了30多年的学者， 我的研究院有很多研究人员都对这些模型做了大量测试， 深知他们的局限性。公众第一次接触这些模型， 认知难免出现偏差。后来流行的一个说法是大模型已经具备了自我意识，有可能性在未来30年内导致人类灭亡，代表人物是辛顿（Hinton）。自此“AGI带来人类生存危机”的话题被广泛炒作，形成全球范围的焦虑。2023年11月英国抢先在布莱切利召开人工智能安全峰会、紧接着旧金山峰会、首尔峰会， 企图将中国排除在外， 后来这些国家又纷纷成立国家AI安全研究所。 2025年开年，这个话题就开始降温了， 美国也不参与这个游戏了， 最近据说他们现在要解散美国的AI安全研究所。
这种焦虑源自对大模型的能力与AGI的理解缺失。辛顿（Hinton）是一位长期推动神经网络和深度学习的学者，因此获得了2018年图灵奖，但是，我们必须认识到，深度学习只是机器学习的一种流行的方法，机器学习是人工智能的一个领域。 图灵奖之前已经颁发给十来位人工智能其它领域的研究人员 （如：明斯基、麦卡锡、纽厄尔、西蒙、费根鲍姆、瑞迪、瓦伦特、 珀尔），之后2024年的图灵奖颁给了强化学习的学者（巴特、萨顿）。其实人工智能的领域，也就是要解决的重要AI问题， 包括计算机视觉、自然语言理解、认知推理与社会智能、机器人与具身智能、多智能体等等， 辛顿本人并没有在这些关键的AI领域有任何研究， 所以，很多媒体把辛顿称作“人工智能之父”是不恰当的、甚至是荒谬的，如果仅仅因为他获得了国际大奖就盲目去跟随他的AI安全与人类危机的叙事，在媒体大肆渲染，是有害的。
（3）硅谷的人工智能叙事的第三点就是所谓“能源危机、能源极限”，这也导致OpenAI在年初去推动“星际之门 （StarGate）计划”。 有些投资人到硅谷走了一圈， 就回国在媒体上大谈能源危机， 对数据和算力狂热追逐成为一种“时髦“。我去中国很多地方调研， 包括青海、新疆等西部地区，发现我们的电力其实是过剩的，我国部分区域面临“负电价”与电力产能过剩的问题， 这与美国是不同的情况。 最近国内又出现具身智能和人形机器人的热潮， 各地又在加紧上马。
总之，中国在AI领域要实现原创引领的科技创新， 首先得有思想自主， 而不是盲目炒作并跟随硅谷的叙事逻辑， 也不要神化某些人物。奥尔特曼、马斯克这些人首先都是硅谷的创业领袖，他们并非研究人工智能的专家，他们在为自己的企业融资而叙事， 如果中国把他们的叙事作为我们产业发展的指南针，那就十分荒谬。这样的事之所以发生， 而且未来还会继续发生，关键问题在于中国社会的主流认知。不光是媒体跟随宣传，我听到中国不少的专家有一个听似非常合理的逻辑：“美国干出来了，那我们必须要干， 不惜一切代价要干；美国都没干出来的，你凭什么要干？”
SAIXIANSHENG
二、认知突围：人工智能创新的五个层次
当前社会，科技创新成为了时代的主题， 特别是在人工智能这样的重要领域，中国提出要原创引领性的科技创新。但是，到底什么是原始创新？社会认知是严重不足的。下面，我将人工智能创新分为五个层级：哲学层、数理框架层、模型层、算法层、执行层。
（1）哲学层：探讨智能的本质与主客体的关系。智能是智能体（比如“人”）在与自然环境与社会（其它智能体）交互过程中所表现出来的各种“现象”的总称。虽然自然世界和智能体的存在都是客观的， 但是，智能产生的机理是主观的，由个体的认知与价值体系（即“心”）所决定的。我们过去批判过的主观唯心主义， 其实都在讲智能产生的机理， 如相由心生、‘心’即是‘理’， 包括佛教的《金刚经》、《心经》、禅宗的《坛经》，以及后世的《阳明心学》， 本质都在讨论这个智能、心智的本源问题；南宋“鹅湖之会”的辩论主题就是“心”与“理”谁是主导的关键问题, 朱熹说的“理”指的就是各种外在的“模型”（物理、生理、伦理）。我在刚刚出版的一套书籍《为机器立心》《为人文赋理》里面已经做了大量的论述， 这里不展开。
(2) 数理框架层：确立哲学的智能本质之后，就要把这些“文科”讨论的思想转化从数理框架。比如，如果我们认定智能是主观的， 那么智能体就是“价值驱动“、自主的， 而不是被动的、由数据驱动的。这也是之前我所讲到的“乌鸦”与“鹦鹉”两种不同的“认知架构”和数理框架。 为此我们建立了CUV（认知-能力-价值）认知架构，实现符号逻辑、统计学习、与价值体系的统一。这在刚刚出版的书籍《通用人工智能：标准、评级、测试与框架》中都有大量详细的表述，这里也不展开
(3) 模型层：在不同的数理框架、认知架构之下，人们就构建了具体的各式各样的模型，比如，就在统计模型、深度学习之下，有判别式（discriminative）、生成式（generative）、组成式（compositional）等。在这个层次，我们的一个关键创新在于给那些大量的感知不到的变量建模， 比如：物理、功能、意图、心智、因果、价值等等，我们将这些统称为“智能的暗物质”，并开发了具有数据、因果与价值驱动的混合模型，突破了大模型的局限。
(4) 算法层：每一个模型，甚至一个模块， 都可以用多种不同的算法来优化计算、推理和训练效率。 模型与算法是“一对多”的关系。比如，流行的深度学习算法都是“前向”（feedforward）和“自底向上（bottom-up）的计算算法，而主观的智能体需要大量“反馈”（feedback）和“自顶向下”（top-down）的算法。 而后者恰恰就是“相由心生”和“价值驱动”的根本机理。我们打造的智能体“通通”就是这样构建的， 她可基于动态交互和反馈进行推理和学习，不断更新自身的技能和价值， 实现认知与格局的升维， 这就是“为机器立心”之原理。
(5) 执行层：实现工程落地部署，构建软硬协同的工程化平台，推动理论成果向产业应用转化。这一层，比如选取什么芯片来搭建系统，比如 GPU，CUDA，比如DeepSeek把16位浮点FP16, 改为8位FP8， 提高了效能。在我们看来，要等我们弄清楚了 AGI的架构、模型、算法之后，再来构建全新的通用人工智能AGI芯片，这才是颠覆性的、跨越式的硬件创新。
从以上这个5层结构来看，OpenAI的创新主要是在模型（采用了Google发明的Transformer进行自回归生成式预训练），算法与执行层的优化， 没有触及数理框架和哲学层面。所谓“全栈式”人工智能是指在模型、算法到执行层面软硬件一体化优化，他们在这方面做得很好。DeepSeek在工程落地、API产品化、算力优化等方面取得了非常好的成绩。但主要集中在工程部署层面，没有触达人工智能的核心问题——比如模型、算法、认知架构、智能机理等。而我们在北京通用人工智能研究院（BIGAI）的创新贯穿五层，每层的关键词用红色字体标出。支撑今天所有AI应用的底座，正是学术界数十年在哲学、理论、模型、算法等基础层的持续投入，我们不能因为短期的产品化成效，就忽略底下四层研究的重要性。
其实， 对底层创新的认知不足，是一个全世界的普遍问题，不仅是人工智能领域。2023年2月18日，《光明日报》整版刊发了我的文章《以有组织科研推进原创性、引领性创新》， 就在论述这个问题。正好2023年3月，《自然》杂志的封面文章中刊登了近100年来全球重大科学发现的对比， 见下图。
这个图的竖轴是指示级的，显示过去100年1900-2000，科研人员数量呈指数增长（黑色线），而重大科研成果的产量却是在指数下降（蓝色线）。初一看， 很多人会觉得这个结论跟自己的直觉不一致， 社会上媒体不停都有颠覆性的成果报道啊， 仅仅看人工智能领域，每周至少都有炸裂成果啊， 那凭什么又说成果指数减少呢？
如果我们对比1900-1960年和1970-2020年这两段时期的科学发展特征，前一时期基础性、原创性的重大突破成果涌现，而近年来，在现代科研在资源投入激增的背景下，科学成果却多是填补性、可预见性、渐进性的，难以出现颠覆性科学发现。
为什么会出现 “资源丰裕，人数众多，创新贫瘠”的悖论？我在《光明日报》那篇文章中提到了三个重要因素：
·科学的驱动力发生重大改变。1900-1960期间， 世界有一战、二战、冷战， 1960年代之后，世界相对和平， 聚焦在产业与应用的创新。
·科学研究的文化转变。 1950年代， 美国成立了NSF、DARPA等机构，科学家职业化、写本子、拿项目、看论文与引用指数导致了内卷之风。
·科学的前沿在于大型、复杂的系统， 如结构生物学、通用人工智能、社会复杂系统等等。
这些都跟我们讨论的主题相关，但这里就不展开讨论了。
SAIXIANSHENG
三、概念误区：人工智能概念的认知偏差与过度泛化
近年来AI在媒体的热炒，表面很热闹，但媒体和公众理解的AI与学术界所说的AI，出现了较大的差异，AI的概念被“借用”和“泛化”，下面就提三个例子。
（1）2016年AlphaGo下围棋火热的时候，国内媒体以为人工智能就是强化学习；而被热炒的是计算机视觉“四小龙”、人脸识别等判别式技术；现在生成式技术、大模型层出不穷，媒体又认为人工智能就是大模型、AIGC。但实际上，这些都只是人工智能的一部分。人工智能的概念被过度泛化，类似十几年前纳米技术火热， 就出现了“纳米鞋垫”、“纳米高压锅层”等产品，滥用“纳米”概念，当前人工智能这个词也在被滥用。
（2）当下“AI for Science（AI4S）”的说法也有趁热点之嫌，或者认知偏差。人工智能的主要研究集中在视觉、语言、认知、推理、多智能体、物理与社会智能、具身智能与机器人等领域, 其目的在于研究智能产生的机理，并实现通用的智能体。 AI4S中所指的AI，其实是用深度学习来快速拟合、模拟传统的方程组，如蛋白质折叠、材料与新药设计， 后者与AI的概念和目标相去甚远。
（3）我国高校在当前AI的热潮中，纷纷成立了人工智能学院，设立智能专业与学科，但不少高校人工智能学院、研究院的院长其实并不是人工智能领域的研究人员，他们常常是打着AI的名号来争夺资源的，拿到资源后，干的是各自领域自己的事。说到AI概念的滥用，我顺便说一句得罪人的话：
·当前媒体宣传的人形机器人其实不是具身智能，它们基本都是受人遥控、机械地跳舞，缺乏与环境交互能力。
·当前媒体宣传的大模型也不是智能体，因为这些大模型没有自主性，而是新一代具备泛化能力的知识表达与查询系统。
SAIXIANSHENG
四、未来前沿：人工智能与人文社科交叉融合
人工智能发展的终极目标还是通用人工智能，AI要真正应用到生活的方方面面，要解决的关键问题就是它必须“通用”。关于AGI的定义学界还有很多争论，但我认为，问“什么是AGI“， 其实等价于问，“什么是人”。本次中关村论坛， 我们专门邀请了知名的比较心理学和人类学家做了一个专题报告《智能体的演化》， 他重点讲了人与大猩猩等动物的差异。 我们现在已经从数理框架上可以严格定义AGI， 将每个agents作为CUV-空间的点， 那么智能体的演化也就是这个CUV空间的不断扩展与升维， 见下面左图所示。
那么，说到这里，我们又来到了一个与社会主流认知相反的论点：未来人工智能的前沿， 甚至科学的一个主要的前沿， 在于AI与人文社科的双向奔赴。
首先，要实现通用人工智能， 我们需要更多地理解人性的本质， 这就包括了前面提到的哲学层面的研究，智能的机理是什么？其关键在于“为机器立心“， 才能实现自主的智能体。不展开说了。
其次，杨振宁先生曾经多次指出，物理学的“盛宴”已经散了。那么科学的下一个重大前沿在哪？那就要看看哪个重大领域还有巨大的、对人类有重要意义的问题还没有被科学解释？ 科学天空的乌云在哪里？我认为，通用人工智能是一个重大的科学前沿， 如上面的图所示， 这包含两个尺度： 一是个体尺度的AGI： 如何构建通用智能体； 一个是社会尺度的AGI：如何打造大型社会模拟器。而要解决这两个尺度的问题， 都需要横跨“文科（哲学）、理科（数理框架、模型）、工科（算法、执行部署）”的合作。
其三， 我们提出“为人文赋理”的理念，用人工智能的数理框架、模型、算法来解构人文社科的概念，诠释中国思想，为中国优秀传统文化思想构建数理体系，在智能时代指导社会治理与实践，转化为生产力。比如，本次中关村论坛， 我们就发布了一个大型社会模拟器，驱动百万级的自主智能体的社会活动来拟合各种社会活动， 这样就可以将让文明演化、社会治理、经济政策变成一门可实验、可证伪的“科学”， 而人工智能也并非止步于图像、语音和对话的优化。 这个双向奔赴也是我国民众摆脱西方叙事，实现思想文化的新觉醒，实现思想自主、文化自信的关键一步。
SAIXIANSHENG
五、和合共生：构建通用人工智能的中国标准与叙事
今年3月29日，我们在中关村论坛上发布全球首个通用人工智能人“通通”2.0版本，也正式出版了《通用人工智能标准、评级、测试与架构》，提出在“CUV框架”的数学空间中定义通用人工智能。在通用人工智能标准与测试平台TongTest中的测试结果显示，与人类儿童发展阶段对比，“通通”的主要能力维度已初步达到5-6岁发展水平。
通用人工智能是一个大科学、大工程的问题， 需要长期的、多层次的科技创新。大科学的问题需要有统一的理论框架解释各种智能现象，构建智能科学的基础理论与框架；大工程的问题是实现个体的和社会层级的智能体。
·科学的问题：寻求一个统一的理论框架：集成计算机视觉、自然语言理解、认知推理、机器学习、具身机器人、多智能体等核心领域的模型与算法, 并解释各种智能现象, 构建智能科学的基础理论与框架。
·工程的问题：实现具备自主的感知、认知、决策、执行、学习和社会协作能力，符合人类伦理与价值的个体级智能体；打造大型社会模拟器，在社区、城市、国家三个尺度诠释过去、演绎现在、预测未来， 实现社会级智能体。
这里需要澄清一点，虽然我们的AGI路线不同于大模型，但我们和“大模型”并不是“对立”的关系，而是包含的关系。大模型在执行和算法的层面上表现得高效，但它并不能覆盖通用人工智能的全部需求，我们仍然需要从底层创新，去探寻智能的本质。
最后， 我们回到本文开篇提到的人工智能叙事逻辑。当前全球对人工智能安全问题产生了担忧，本质上是对技术权力失衡的警惕。如果任由少数科技巨头独占AGI能力，则导致"技术霸权"，其单一的价值观输出将演变为数字时代的"文化核武器"，这不仅威胁发展中国家的“文化主权”，甚至可能动摇人类文明多样性。
在第78届联合国大会上，中国提出来“加强人工智能能力建设（AI Capacity Building）”的 国际合作决议，中国也正在推动建立AI技术的包容普惠可持续发展。这里一个关键问题是AI 智能体的价值观必须尊重各国的主权价值与文化。我们提出的认知-能力-价值（CUV）驱动体系，提供可解释、人机互信的驱动模型，就可以协助发展中国家发展符合自身文明特质的智能体，使每个智能体既能内化本土文明的伦理准则，又能在跨文化交互中实现价值调适，最终实现人机共生、文明互鉴。同时， 我们研发的大型社会模拟器也希望能够帮助世界找到一个和平发展、逐步融合的最优解与平衡态。这也正是儒家的最高理想——为天地立心！这才是我们需要宣扬的人工智能的“中国叙事”！
来源：东窗史谈一点号
