2025年，大模型繼續(xù)狂飆。我們目睹了AI無處不在，一種深刻的轉(zhuǎn)變也正在發(fā)生。

大模型告別了盲目堆砌參數(shù)的“大力出奇跡”，轉(zhuǎn)而追求極致性價比；GPT不再一騎絕塵，任何大模型在榜單上的領(lǐng)先優(yōu)勢不超過3個月；行業(yè)不再迷信“萬能模型”，技術(shù)深度滲透后的價值導(dǎo)向植入人心。AI突破數(shù)字世界的邊界，“伸手”觸碰物理世界。

當我們?yōu)锳I的突飛猛進歡呼時，也需要清醒地審視前路?！癆I泡沫”論調(diào)甚囂塵上，真正的技術(shù)融合遠比想象復(fù)雜，從技術(shù)突破到產(chǎn)業(yè)深耕，其間橫亙著數(shù)據(jù)、可靠性、投資回報等諸多溝壑。

上海人工智能實驗室領(lǐng)軍科學(xué)家歐陽萬里日前在接受澎湃科技專訪時表示，都說人工智能進入了“下半場”，實際上通用人工智能（AGI）還未到來，未來幾年能否到來仍不確定。即使未來一年仍能實現(xiàn)線性增長，這已相當不易，但仍達不到工業(yè)場景需求。

短板在于，大模型看不到工業(yè)場景的數(shù)據(jù)，無法理解那些場景數(shù)據(jù)背后蘊藏的工業(yè)邏輯。通專融合能夠更好地理解數(shù)據(jù)，通專融合之下的語言模型能夠與科學(xué)數(shù)據(jù)交互對齊，理解并表達DNA和蛋白序列中的信息，支撐人工智能形成自主的科學(xué)發(fā)現(xiàn)。

數(shù)據(jù)是模型取得更好效果的基石之一，模型設(shè)計同樣重要，必須兩條腿走路。歐陽萬里暢想，“未來可以期待模型學(xué)習(xí)的新方法，不見得Transfomer就是最好的模式?！?/p>

以下是對話實錄：

大模型開發(fā)齊頭并進，工業(yè)場景大門難叩開

澎湃科技：如何評價這一年來國內(nèi)外AI的發(fā)展？

歐陽萬里（上海人工智能實驗室領(lǐng)軍科學(xué)家）：大模型的研發(fā)在持續(xù)推進，GPT不再一騎絕塵。幾家公司循環(huán)地說自己是當前世界上最好的模型，這說明大模型開發(fā)正處于齊頭并進階段。中國走開源路線，國外走閉源路線，目前來看，國外的閉源模型比中國的開源模型在性能上可能要好。

大家都說人工智能進入了“下半場”，其實AGI還沒有到來，未來幾年能否到來也還不確定。在這樣的情況下，怎么落地到場景中這件事還沒有得到徹底解決。即使接下來一年還像過去一年那樣實現(xiàn)線性增長，但應(yīng)該仍然達不到實際應(yīng)用需求，這是目前存在的問題。

澎湃科技：大模型落地的短板在哪里？

歐陽萬里：大模型在一些應(yīng)用場景已經(jīng)做得很好了，我們看到了很多案例，在寫論文、寫稿、文生圖、文生視頻、文生3D方面已經(jīng)做得很棒了。大家希望一個語言模型解決幾乎任何問題，這個目標目前還沒有實現(xiàn)。很多科學(xué)工程場景也不是語言模型能解決的，語言模型并不理解DNA序列、氣象數(shù)據(jù)。

大模型看不到那些場景的數(shù)據(jù)，無法理解那些場景背后的工業(yè)邏輯，所以做不好。就像寫代碼，大模型能寫好普通代碼，特別擅長深度學(xué)習(xí)代碼，但不是所有代碼它都能寫好，比如操作系統(tǒng)代碼在網(wǎng)上沒公開，所以大模型寫不好這些專業(yè)領(lǐng)域的代碼。

澎湃科技：如何解決這個問題？

歐陽萬里：需要場景數(shù)據(jù)?，F(xiàn)在用大量數(shù)據(jù)訓(xùn)練模型解決場景問題，模型的基礎(chǔ)能力在逐步上升，但不見得解決了所有場景需求。為了落地場景，大模型需要給大模型提供大量場景數(shù)據(jù)。

澎湃科技：為什么說國外閉源模型的能力更好？

歐陽萬里：通常業(yè)界會說，第一名是閉源，第二名就開源。一方面，開源就是別人可以站在你的肩膀上，把自己閉源的技術(shù)加進去，得到的模型天然就比開源模型本身好。另一方面，像谷歌這樣的公司在數(shù)據(jù)方面可能也有特殊能力，獲得了一些原來大家沒有獲得的數(shù)據(jù)，也可能找到了另一條通向Scaling law（尺度定律）的路。

澎湃科技：中美人工智能生態(tài)區(qū)別在哪？

歐陽萬里：海外人工智能大模型比中國更容易掙到錢，這是非常大的區(qū)別。國內(nèi)一方面不那么接受付費服務(wù)，另一方面做研究的人在付費海外的模型。

AI產(chǎn)生創(chuàng)新科研想法，推動數(shù)據(jù)共享是關(guān)鍵

澎湃科技：AI for Science為什么越來越受到重視？

歐陽萬里：主要是大家看到AI對于科學(xué)研究在降本增效、加速實驗、提升創(chuàng)新高度方面的潛力。OpenAI提出要做OpenAI for Science，谷歌開發(fā)了很多AI for Science的工具。在提出創(chuàng)新的科研想法方面，我們發(fā)現(xiàn)它能夠產(chǎn)生一些人類沒有想到過的idea，比如我們當時讓我們的語言模型閱讀2023年或以前的論文，它提出來的idea跟2024年發(fā)表在《科學(xué)》或《自然》雜志上的idea是相似的。究其原因，一方面，語言模型會產(chǎn)生幻覺，很可能就是因為這些幻覺產(chǎn)生了創(chuàng)新的idea。另一方面，語言模型會學(xué)習(xí)怎么提出idea，它總結(jié)過去的知識，尋找過去的問題，再提出解決這些問題的路線方式。

澎湃科技：你們現(xiàn)在的工作是提升大模型本身能力，還是探索模型的應(yīng)用？

歐陽萬里：兩條路都在走。在模型的科學(xué)能力方面上海人工智能實驗室有了較多進展，它能夠以通專融合的方式更好地理解科學(xué)數(shù)據(jù)，語言模型和科學(xué)數(shù)據(jù)能夠交互對齊。比如從大量氣象數(shù)據(jù)里找到一些氣象現(xiàn)象，并且用語言文字表達出來；能夠理解并表達DNA和蛋白序列中的信息。

在模型應(yīng)用方面，實驗室希望人工智能形成自主的科學(xué)發(fā)現(xiàn)，能夠產(chǎn)生自己的科學(xué)想法、自己做實驗、做驗證評估，再重新進行實驗迭代。但現(xiàn)在還沒有完善的對應(yīng)工具，我們要去打造這個工具。其次，我們要去解決某一科學(xué)問題時，相應(yīng)的場景數(shù)據(jù)偏少，各個實驗室、科研機構(gòu)有數(shù)據(jù)，但實際上很多數(shù)據(jù)是不公開共享的，中國的數(shù)據(jù)多，但形成的數(shù)據(jù)集少，這也是中美AI的一大區(qū)別。

澎湃科技：現(xiàn)在有沒有什么好方法可以收集數(shù)據(jù)？

歐陽萬里：我們也在推動數(shù)據(jù)的共享開放。一直在推進，只是中間遇到的難點還挺多，需要政府和研究機構(gòu)協(xié)同推進，科研院校提供的數(shù)據(jù)要做好驗證，證實數(shù)據(jù)是有用的。

澎湃科技：是否可以說，數(shù)據(jù)是目前模型能力提升最重要的問題？

歐陽萬里：不能這么說。數(shù)據(jù)是模型取得更好效果的一個基石，除了數(shù)據(jù)以外，模型設(shè)計方面也很重要，要兩條腿走路。

澎湃科技：接下來模型范式還會有大變化嗎？

歐陽萬里：未來可以期待模型學(xué)習(xí)的新方法，不見得現(xiàn)在的Transfomer就是最好的模式。

澎湃科技：怎么看待AI投資泡沫這件事？

歐陽萬里：現(xiàn)在已經(jīng)沒有“百模大戰(zhàn)”了，說明對于大語言模型的投資熱情是在下降的。但現(xiàn)在AI的投資確實很大，導(dǎo)致支出和收入不成正比，這是目前存在的問題。但為什么現(xiàn)在還有很多廠商愿意投資AI？這要從背后來看，有些投資意圖是防守型的，有些是進攻型的。

初創(chuàng)企業(yè)都希望用語言模型打出一片市場，這是進攻型的。大廠是防守型的，它并不需要一個模型為它打出一片天，它的市場已經(jīng)足夠大，它只要證明自己能夠做得好，所以用戶可以來用它的服務(wù)。比如谷歌也是防守型的，它希望用戶使用Gemini來穩(wěn)住自己基于搜索銷售廣告的搜索市場。對谷歌這樣的大廠而言，它負擔得起AI，但有些企業(yè)負擔不起就只能退出，不再參與。