新闻中心

商汤科技董事长徐立：整个AI行业都有两条生死线

2024-12-26

在MEET2025智能未来大会上，，，，，商汤科技董事长兼CEO徐立博士与量子位总编辑李根睁开对话，，，，，分享了他对AGI征程第二个十年的感受与思索。。。。。。。量子位（ID：QbitAI）整理刊登文章如下：

微信图片_20250107152110.jpg

焦点看法

AI生长的两个要害要素：基础设施建设的完整性和手艺深入应用场景。。。。。。。
算力供应的本钱线和开源模子性能线是AI行业的两条生死线。。。。。。。
未来中国的AI行业应用百花齐放需要实现一个主要目的：盘算资源平权。。。。。。。
无论是目今的语言模子照旧笔直行业应用，，，，，可能都只是一个前奏，，，，，我们可能会迎来通用人工智能的“超等时刻”
真正通往普遍智能的蹊径（AGI），，，，，很可能不会局限于人类的视角和能力。。。。。。。

AI十年生长的两个要害要素

李根：很兴奋约请您举行分享，，，，，创业十年的感受怎么样？？？？？？？

徐立：今年也是商汤的第十个年头，，，，，可以说见证了人工智能的生长、转变。。。。。。。

十几年前看AI的时间，，，，，各人还没有现在这么强的普遍认知，，，，，照旧一个相对较量模糊的看法。。。。。。。

但今天，，，，，公共关于AI的认知转变，，，，，让我们感受到这个时代在突破的临门一脚上。。。。。。。包括适才咱们运动上提到了许多人工智能的生长趋势，，，，，这些趋势和手艺，，，，，甚至就是讨论的这些要害词自己，，，，，若是放到十年前，，，，，可能大部分的人一头雾水，，，，，但今天所有人都耳熟能详，，，，，这就是一个时代的前进。。。。。。。

对新手艺认知的快速迭代，，，，，是推动时代前进的基础要素。。。。。。。

李根：让我印象一直很深刻，，，，，你说所有盈利最前面是认知的盈利。。。。。。。若是我们总结已往的十年，，，，，或商汤创业的十年，，，，，我们现在回过头得出的结论有哪些？？？？？？？

徐立：从我们看来，，，，，这个时代的生长或过往十年，，，，，可能有两个要素是推动行业生长前进的基础。。。。。。。

第一个要素是基础设施生长要素，，，，，为行业往前走提供了焦点支持。。。。。。。

过往我以为移动互联网生长得很好，，，，，得益于哈哈(haha)体育产品和开发人才密度高等因素，，，，，这些虽然是事实。。。。。。。但最要害的一点是，，，，，在这之前我们已经建设了完善的基础设施。。。。。。。移动互联网的爆发得益于移动通讯大规模的建设和生长。。。。。。。它的本钱能够以非�？？？？？？？斓乃俾式档停�，，，，甚至是在天下规模之内以领先的本钱优势推动下游的应用百花齐放，，，，，并最终遴选出今天的头部互联网。。。。。。。这完全是基础设施迭代的盈利。。。。。。。

事实上，，，，，回望AI1.0时代全球的手艺生长，，，，，差未几中国是同步推动了ImageNet时刻的行业落地。。。。。。。在ImageNet时刻之前，，，，，许多人对AI在现实天下使命上的能力存有疑问。。。。。。。但若是AI能够在视觉领域，，，，，特殊是基于互联网数据的使命上取得突破，，，，，就能吸引许多人投身其中。。。。。。。虽然，，，，，这里ImageNet时刻也得益于互联网基础设施的完善从而获得大宗的互联网数据。。。。。。。

那场景为什么是中国？？？？？？？这得益于中国早期在基础设施建设上的完整性。。。。。。。好比做视觉相关事情，，，，，摄像头的数目；；；；；；；又如举行使命检测时，，，，，早期通讯毗连和数字化储备，，，，，这些都为我们在数字化转型中带来了一波盈利。。。。。。。

然而，，，，，回过头看，，，，，其时创业者普遍take for granted，，，，，以为基础设施的生长是自然条件。。。。。。。今天我们生长AI2.0，，，，，更需要注重基础设施的建设和生长。。。。。。。

第二个要素是：无论手艺再通用、再基�。。。。。。。�，，，，“场景化”始终是手艺走向公共、实现真正意义上商用的焦点要害。。。。。。。

接下来的AGI（AI2.0）时代，，，，，无论手艺多通用，，，，，“场景化”依然会成为推下手艺迭代的焦点驱动力，，，，，由于手艺自己只是一个工具。。。。。。。

今年的诺贝尔奖很有意思，，，，，把物理奖和化学奖同时颁给了AI。。。。。。。物理奖把人工智能作为目的、作为一门科学，，，，，用物理学的知识推进人工智能的生长；；；；；；；而化学奖则把人工智能作为工具，，，，，用它推动盘算化学、卵白质展望领域的突破。。。。。。。

我明确这两个奖项应该分属于差别的阶段：先有手艺作为工具推动行业前进，，，，，之后再将其自己作为学科研究的目的。。。。。。。然而，，，，，它们却同时爆发。。。。。。。这反应了AI手艺生长很快凝聚了共识并在场景化应用中的快速迭代，，，，，极大提升了学科的认可度，，，，，使人工智能自己也成为自力研究的工具，，，，，这是很是有趣的征象。。。。。。。

基础科学的突破往往体现“无用之用”。。。。。。。有个听说说，，，，，学生问欧几里得：“我学习这些有什么用？？？？？？？”欧几里得回覆：“若是是教你有用的工具，，，，，你就不应来这里”，，，，，然后把学生赶了出去。。。。。。。这虽然是个听说，，，，，但确实说明晰基础学科或手艺突破往往在早期难以直接看到适用价值。。。。。。。但今天若是我们要让手艺走进千家万户，，，，，实现商业化，，，，，仅靠“无用之用”已无法推动应用厘革。。。。。。。一定是通过场景化的应用深入，，，，，才华促举行业真正生长。。。。。。。而场景化是AI凝聚认知共识的起点。。。。。。。因此，，，，，无论手艺何等基�。。。。。。。�，，，，何等通用，，，，，我过往十年的视察是，，，，，手艺的细分场景化深入才是真正的破局点。。。。。。。

整个AI行业都有两条生死线

李根：以是听起来1.0时代更多照旧做AI基础设施构建事情，，，，，包括大装置，，，，，到2.0现在用的LLM这样新的范式，，，，，可以越发把场景化的问题解决好。。。。。。。

徐立：我们现在的认知是，，，，，在1.0时代，，，，，若是AI能够进入到行业，，，，，通常是由于行业已经构建了完善的基础设施，，，，，并充分使用了这些基础设施的优势。。。。。。。好比，，，，，有了摄像头网络，，，，，视觉相关的AI应用才华快速推进。。。。。。。若是要让视觉企业认真建设摄像头网络的话，，，，，那么应用迭代将会非�；；；；；；；郝�，，，，也算不过来经济账。。。。。。。就像若是开发移动互联网产品的企业还要自行搭建4G、5G通讯网络，，，，，这也是算不过来经济账的。。。。。。。

这引出2.0时代的一个挑战：若是2.0时代的AI生长极端依赖盘算基础设施，，，，，也就是算力的建设，，，，，那么2.0时代的基础设施应该怎样构建？？？？？？？在构建历程中，，，，，怎样确保它真正能够为公共所用？？？？？？？这是2.0时代的一个焦点命题，，，，，或者也是目今手艺生长所面临的一项挑战。。。。。。。

李根：今年我们也做了战略上的升级，，，，，商汤做了一个大装置、大模子以及应用的“三位一体”，，，，，跟这个判断有关系吗？？？？？？？

徐立：从9月以来，，，，，硅谷做了许多有意思的事。。。。。。。好比，，，，，9月3日，，，，，马斯克的xAI宣布用4个月建成了100K的集群, 算力逾越了OpenAI。。。。。。。最近，，，，，他们更宣布妄想将Colossus超算扩容十倍，，，，，集成凌驾100万块GPU。。。。。。。20万张卡，，，，，不知道各人有没有看法，，，，，仅建设就大提要600亿元。。。。。。。这个时代，，，，，可以看像马斯克xAI这样的创业公司，，，，，是以云云的闭环节奏往前推进。。。。。。。

9月12日，，，，，白宫宣布将建设智算中心基础设施特殊事情组。。。。。。。政府把所有涉及盘算资源和基础设施的企业招来，，，，，建设同盟来推动相关生长。。。。。。。这一系列事务，，，，，将基础设施的主要性提升到了一个新的高度——输入是能源，，，，，输出是数字智能，，，，，相当于对盘算基础设施举行了重新界说和高度强化。。。。。。。同时，，，，，谷歌、甲骨文投入了大宗资源在核电；；；；；；；微软和贝莱德建设了300亿美元的AI基础设施基金；；；；；；；特斯拉一年之内GPU增添了9倍，，，，，24年底达9万块H100。。。。。。。

这对中国来说也是一个主要命题。。。。。。。若是中国想实现端到端自动驾驶，，，，，需要具备什么条件？？？？？？？凭证马斯克的第一性原理思索，，，，，他一定以为9万张卡是实现端到端自动驾驶的须要条件，，，，，那我们是否具备对等的逻辑与资源投入？？？？？？？

许多人将1.0和2.0时代的差别界说为专有AI与通用AI的转变。。。。。。。但在我看来，，，，，1.0和2.0最大的区别在于资源的着重。。。。。。。1.0时代是人力麋集型，，，，，所有资源都集中在人才招揽上，，，，，其时GPU的使用现实是解放了CPU，，，，，大幅降低了本钱，，，，，盘算的本钱占AI公司的占比缺乏5%。。。。。。。到了2.0时代，，，，，盘算的权重反了过来，，，，，在训练大模子使命中，，，，，本钱中盘算占比抵达95%，，，，，人力只占5%。。。。。。。

这就带来了一个焦点问题：在2.0时代，，，，，怎样更高效地使用基础设施？？？？？？？

我们提出的“三位一体”——大装置、模子和应用的无缝集成，，，，，强调了AI2.0生长的焦点路径。。。。。。。首先，，，，，“场景化”一定是驱动力。。。。。。。没有场景应用，，，，，你无法明确市场上的模子会以何种形态生长。。。。。。。其次，，，，，模子研发是驱动基础设施建设的焦点动力，，，，，由于今天任何一个模子的转变，，，，，都会带来基础设施本钱价值的重大转变。。。。。。。

现在做AI，，，，，我常说行业内保存两条“生死线”。。。。。。。

第一条是算力供应的本钱线。。。。。。。

英伟达为什么能抵达3万亿美元的市值？？？？？？？由于过往10年，，，，，他们把算力的本钱降低了100万倍。。。。。。。而未来，，，，，他们同样妄想实现算力本钱再降低100万倍的目的。。。。。。。这样的基础设施厘革，，，，，以10年100万倍的本钱下降速率，，，，，是史无前例的。。。。。。。

2018年，，，，，我曾推荐过一本书《Prediction Machines》，，，，，它提出一个有趣的看法：当生产要素的本钱下降百倍时，，，，，会迎来时代的转折点。。。。。。。例如，，，，，电力本钱下降100倍，，，，，开启了电气时代；；；；；；；通讯本钱下降100倍，，，，，推动了移动互联网时代。。。。。。。

若是今天算力本钱下降100万倍，，，，，我们会进入一个怎样的时代？？？？？？？这就给从业者带来一个很大的挑战。。。。。。。

关于从业者而言，，，，，进入的时机尤为要害。。。。。。。若是晚几年投入，，，，，可能只需要1/1000的资源就能完成相同的使命。。。。。。。那么，，，，，在什么时间节点投入、投入的资源是否能够沉淀为长期的价值，，，，，就成为行业生长的第一条生死线。。。。。。。

第二条就是开源模子性能线。。。。。。。

在已往的行业生长中，，，，，大模子开源已成为一个主要的条件，，，，，尤其是在从事基础设施建设或销售硬件的公司中。。。。。。。例如，，，，，英伟达在推动开源方面全力以赴，，，，，他们将所有历程、数据和细节开源。。。。。。。

模子开源除了推动行业前进，，，，，一样平常有三类玩家：

第一类是基础设施提供方，，，，，开源的目的是让用户掌握这项手艺，，，，，然后通过销售硬件或效劳（好比算力或者模子的挪用）赚钱。。。。。。。这种模式可能在模子自己上不盈利，，，，，但通过配套的营业模式实现收益。。。。。。。

第二类内容平台。。。。。。。天生式AI越多天生内容，，，，，平台的内容生态就越富厚。。。。。。。这也是为什么像Meta 有Facebook和Instagram等内容平台，，，，，也会鼎力大举推动开源。。。。。。。现实上天生内容越富厚，，，，，平台价值就越高。。。。。。。

第三类是创业公司的开源。。。。。。。这些公司通常在有限的资源下，，，，，将开源作为快速提升行业影响力的路径，，，，，吸引投资者。。。。。。。

不过，，，，，这三类起劲开源的企业带来一条性能增添线，，，，，而这条性能线已经靠近甚至追平了闭源模子，，，，，若是行业开源模子投入的平均水平较高，，，，，而企业的投入缺乏，，，，，就必需走差别化蹊径，，，，，为行业提供奇异的价值。。。。。。。

好比，，，，，可以选择了以行业应用的笔直领域为切入点，，，，，通过差别化模子生长，，，，，包括差别化的场景数据生长，，，，，推动行业的转变。。。。。。。商汤在这一定位中，，，，，既要完成基础模子的迭代，，，，，又要为行业客户提供差别化的价值，，，，，哈哈(haha)体育目的是以一律甚至更低的本钱，，，，，为市场提供优质的盘算资源和模子使用。。。。。。。

未来中国的AI行业应用需要实现一个主要目的，，，，，即盘算资源平权。。。。。。。训练基础模子照旧少数企业的责任，，，，，可是使用大模子一定是百花齐放，，，，，以是使用模子需要的盘算资源必需要高性价比，，，，，才华推动行业的生长。。。。。。。

目今，，，，，我们面临许多挑战，，，，，例如毗连硬件手艺的难题、国产化能力的限制等。。。。。。。这些挑战使得应用方难以一律获取低本钱的盘算资源。。。。。。。怎样解决这些问题，，，，，是商汤在“三位一体”战略转型中深入思索的偏向。。。。。。。

大装置、大模子、场景应用的“三位一体”

李根：商汤之以是具有AI的代表性也是由于这样的“三位一体”不是每家公司都具有或者都有这样实践的可能性。。。。。。。我们在做大装置算力、大模子以及应用的“三位一体”历程中，，，，，您是怎么去看这三个要素目今的成熟度？？？？？？？

徐立：若是讨论成熟度，，，，，现在盘算本钱在AI领域占有了极大的比重，，，，，无论是训练照旧推理环节都云云。。。。。。。这个转变是Scaling在差别领域验证的效果，，，，，我以为Scaling Law履历了三个主要的验证时刻，，，，，这三件事情的验证塑造了今天对它的熟悉。。。。。。。

第一个验证是大语言模子上的应用，，，，，这是很是有意思的点。。。。。。。各人现在普遍以为资源越多性能越好是知识，，，，，但现实上，，，，，在Scaling Law提出之前，，，，，这在AI领域是一个反共识的看法。。。。。。。在小数据、小模子上体现优异的算法，，，，，往往在大数据、大模子上效果不佳。。。。。。。已往，，，，，从未有人宣称某种要领能够适用于差别标准的模子，，，，，这也是为什么Scaling Law被称为“标准定律”。。。。。。。这一验证首次明确了算力资源的主要性和正相关性。。。。。。。

第二个验证是跨模态的适用性。。。。。。。不管是Sora照旧4o等其他跨模态系统，，，，，Scaling Law的作用不但限于语言模子，，，，，也适用于视觉等其他模态。。。。。。。这在过往很是不常见，，，，，由于在古板AI领域，，，，，算法往往在跨数据、跨模态时失效。。。。。。。

第三个验证是推理时间上的Scaling Law。。。。。。。推理时间越长，，，，，模子性能越容易提升。。。。。。。这个可能是在简单模子Scaling Law放缓的节奏下，，，，，带来的又一个新的增添引擎。。。。。。。

可以说这三次验证从基础上明确了算力资源在整个链路中所饰演的焦点商业角色。。。。。。。

这里尚有一个要害点，，，，，模子自己的架构和设计直接决议了盘算资源的设置和使用。。。。。。。算力、模子和应用这三概略素中，，，，，大模子是贯串上下的焦点纽带，，，，，既牵动着上层应用的生长，，，，，也影响着下层盘算资源的设置。。。。。。。而盘算资源的优化和投入，，，，，则是决议整个商业模式能否实现闭环的要害所在。。。。。。。

李根：我也是想要进一步问一下更赚钱的问题，，，，，我们公共关于AI的情绪似乎是很重大的，，，，，好比像OpenAI最初建设的时间，，，，，有几个富豪可以拍10亿美金在那说你们啥也不必干，，，，，你们就研究AGI就完了，，，，，不必思量任何的事情。。。。。。。厥后等这个事情成了，，，，，我们许多人就会追问说，，，，，中国为啥没有OpenAI这样的公司？？？？？？？可是可能过了两年又会追问说，，，，，你们烧了那么多钱，，，，，事实赚钱了吗？？？？？？？事实能不可赚钱？？？？？？？以是我感受目今阶段，，，，，若是像您讲的许多基础设施都成熟了，，，，，那在2.0的阶段，，，，，我们是不是有更多商业化的希望可以出来？？？？？？？或者关于商汤而言，，，，，有没有商业化的希望是可以分享的？？？？？？？

徐立：商汤作为上市公司生长手艺的同时尚有一个主要责任就是，，，，，对股东的认真。。。。。。。以是在走向AGI的历程中，，，，，要有成熟的商业化的变现模式。。。。。。。

关于商汤来讲，，，，，我们通过“三位一体”的方法将盘算本钱降得更低，，，，，这部分很挑战，，，，，在于必需团结应用、模子和算力，，，，，可是一旦迭代完成，，，，，就能获取足够的市场份额，，，，，实现客观商业回报。。。。。。。由于目今无论是模子效劳照旧应用效劳，，，，，最后都等价于盘算资源的变现。。。。。。。而在中国，，，，，资源变现的商业模式相对越发成熟。。。。。。。

关于商业模式，，，，，尚有一个有趣的征象：为什么在外洋，，，，，一个标准化的软件可以恒久坚持固定价钱，，，，，而在海内则需要加入更多效劳，，，，，甚至举行贴身化的定制开发？？？？？？？这着实也是认知上的差别。。。。。。。若是想在中国真正做好商业化变现，，，，，就必需深刻明确这一市场的普遍认知。。。。。。。认知的改变也有路径依赖。。。。。。。若是行业认知与设计的商业模式不可匹配，，，，，形成商业文化上的差别，，，，，就会导致商业路径不清晰。。。。。。。

公共被打脸的时刻就形成了超等时刻

李根：确实很感伤，，，，，由于我们似乎第一次履历AI这样的手艺原创周期，，，，，就是完全不是一个进口货状态的时间，，，，，没有配套的整体的资源，，，，，以前更多照旧靠着应用为焦点或应用为大头的一个商业模式变现。。。。。。。我发明在 “三位一体”中提了大装置、大模子，，，，，没有提大应用或者是超等应用，，，，，这是有什么思索吗？？？？？？？

徐立：大装置是一种算力集约式建设，，，，，其主要性在于只有通过集约化建设，，，，，才华实现训练和推理的弹性支持。。。。。。。而大模子则体现了其通用性的特点。。。。。。。

至于应用，，，，，自己并没有巨细之分，，，，，而是通过“小见大”的方法逐步生长。。。。。。。因此，，，，，纯粹以应用或场景来判断其早期规模较量难题。。。。。。。超等应用历来不是一最先就打造出来的，，，，，而是从细分的小切入点起步，，，，，逐渐演化而成。。。。。。。

直到今天，，，，，中国的超等应用依然主要集中在解决国计民生中的小的笔直问题，，，，，通过这些小点的突破，，，，，逐步形成平台化的优势。。。。。。。

李根：但我也视察到您之条件了一个“超等时刻”的看法，，，，，我们公共来判断的话，，，，，什么事情爆发可以确认这个超等时刻到来了？？？？？？？

徐立：超等时刻的要害在于公共对这件事情的认知爆发了重大转折。。。。。。。事后回看，，，，，这些时刻往往成为手艺或理念生长的转折点。。。。。。。

我一直以为超等时刻与应用是强绑定的关系。。。。。。。例如，，，，，ChatGPT之以是成为超等时刻，，，，，是由于已往许多人以为AI在自然语言处置惩罚上还很遥远。。。。。。。但ChatGPT突然泛起，，，，，突然逾越了图灵测试，，，，，让公共认知爆发了剧变。。。。。。。同样，，，，，AlphaGo之以是是超等时刻，，，，，是由于它真正推动了人类去探索天下的本源。。。。。。。

追念AlphaGo的时刻，，，，，我尚有些感伤。。。。。。。AlphaGo对战李世石时的第二盘第37手，，，，，其时人类包括围棋专家普遍以为这是一步臭棋，，，，，但AlphaGo却以为这是它整盘棋的输赢手，，，，，事实证实机械是对的。。。。。。。这是人类历史上第一次有一台机械逾越所有人的认知，，，，，给出了准确的谜底。。。。。。。

这个时刻启发了一个问题：我们是否可以通过类似的方法去探索天下的本源？？？？？？？这也为厥后的“AI for Science”涤讪了基础。。。。。。。

今天的o1就是AlphaGo要领的一种延续。。。。。。。我厥后以为“超等时刻”可以换个词来形容，，，，，那就是“打脸时刻”。。。。。。。在人类被彻底打脸的瞬间，，，，，超等时刻就降生了。。。。。。。例如，，，，，iPhone时刻：其时所有人都以为手机必需要有键盘，，，，，但iPhone的泛起倾覆了这一认知。。。。。。。

这种认知上的反转、升级，，，，，正是超等时刻的典范特征。。。。。。。

李根：你刚刚讲这个超等时刻的时间，，，，，我是以为很是感伤的，，，，，由于想到AlphaGo角逐的时刻，，，，，37手那一天，，，，，其时我就站在演播室，，，，，请了嘉宾并且是围棋国家队的总教练，，，，，37手下出来的时间，，，，，我记得很是深刻，，，，，教练说你看不会下棋吧，，，，，机械事实是机械。。。。。。。但比及厥后第一局竣事了之后，，，，，李世石认输了，，，，，就竣事了。。。。。。。其时国家队教练由于刚从外地回来，，，，，他要翻开他的打车软件，，，，，他找不到打车软件，，，，，他整个大脑空缺了。。。。。。。谁人时间我不懂围棋，，，，，但我知道可能关于他们而言是一个职业性的打脸时刻，，，，，可能有点像失业时刻。。。。。。。

徐立：以是我在想，，，，，通用人工智能时代，，，，，不管是目今的语言模子照旧笔直行业的应用，，，，，可能都只是一个前奏。。。。。。。随着这些手艺的生长，，，，，我们关于天下实质的明确以及基础科学探索的突破，，，，，可能会迎来通用人工智能的“超等时刻”，，，，，或者说属于这个时代的“37手”。。。。。。。那将是真正意义上的人类的“打脸时刻”。。。。。。。

李根：对，，，，，可能37这个数字会跟42一样载入AI生长的时刻。。。。。。。徐立博士，，，，，您分享了许多很是精彩的认知，，，，，但我尚有一个最后的问题，，，，，可能需要您脱下上市公司的董事长、CEO的帽子，，，，，戴上您科学家的帽子往返覆这个问题。。。。。。。我们现在都要面向AGI，，，，，或者是我们都在谈论AGI，，，，，那在您心目中，，，，，您以为AGI是什么？？？？？？？它的实现可能有哪几个阶段？？？？？？？我们现在处于它的哪个阶段？？？？？？？

徐立：人工智能已经生长了约莫70年，，，，，至今仍未完全跳出图灵的界说。。。。。。。图灵在1950年提出了一个问题：“机械会不会思索？？？？？？？”在给AI下界说时，，，，，图灵并没有给出明确的界说，，，，，而是接纳了一种判别式的要领：若是无法区分扑面是人照旧机械，，，，，就以为它具有智能，，，，，这就是著名的图灵测试。。。。。。。

直到今天，，，，，AGI的界说逻辑仍然类似：我区分不开它究竟是人干的照旧机械干的，，，，，它就叫AGI。。。。。。。只不过，，，，，早期的图灵测试往往针对简单使命，，，，，而现在的AGI测试扩展到了更多使命，，，，，更普遍的应用。。。。。。。以是，，，，，人类在这一历程中依旧将智能的界说局限于与人的较量，，，，，有些狭隘。。。。。。。

有一篇著名的文章叫《大象不会下象棋》，，，，，这是1990年由MIT的一些研究者写的。。。。。。。他们“讥笑”人工智能研究过于模拟人类，，，，，好比研究下棋这种特定能力。。。。。。。大象很智慧，，，，，也有智能，，，，，但它不会下象棋——那你研究的事实是智能自己，，，，，照旧仅仅研究“下棋”这个详细问题？？？？？？？这批注我们关于智能的界说过于以人类为中心。。。。。。。AGI的界说也显得self-oriented，，，，，由于我们始终将人类视为权衡智能的焦点标准。。。。。。。

然而，，，，，未来智能的生长路径未必是线性的，，，，，甚至可能与现在的偏向完全相反。。。。。。。真正通往普遍智能的蹊径，，，，，很可能不会局限于人类的视角和能力。。。。。。。但这并不故障我们使用现有手艺推动当下的前进，，，，，实现一个百花齐放的时代。。。。。。。

您尚未完善信息

完善信息后，，，，，即可下载资料

完善信息跳过，，，，，继续浏览

您尚未登录

您还未登录，，，，，登录方可继续

登录跳过，，，，，继续浏览

请选择您以为需要刷新的地方：

导航欠好用，，，，，不利便找到感兴趣的内容
产品先容信息不敷周全
产品先容信息禁止易懂
页面翻开速率烦懑，，，，，页面浏览不流通/有卡顿
页面不敷雅观
售后效劳欠好找，，，，，体验欠好

跳过下一个

您是否能够抵达本次网站的会见目的？？？？？？？

是
否
仍在举行中

下一个

您对商汤官网的知足度怎样？？？？？？？

很是不知足很是知足

提交

已收到您对商汤官网的评价和建议！

谢谢您的耐心反响~

关闭

产品试用

填写此简朴表格，，，，，我们将尽快联系您！

把您的需求发给我们相识所有产品

商务相助

400 900 5986

周一至周五 9:00-12:00，，，，，13:00-18:00

business@sensetime.com

相助同伴招募

成为相助同伴