本文来自微信公众号： 福布斯 ，作者：Forbes China
一年之后回头看看他们说的谁对谁错？
理查德·萨顿：现在的AI，只是在玩一场模仿游戏
2024年图灵奖得主“强化学习之父”、阿尔伯塔大学计算机科学教授
在AI最热的场子里，这位图灵奖得主继续出场降温。这次萨顿的潜台词更直接了：大模型这条路，数据耗尽就撞墙，而强化学习可能才是真正的入口。这既是学术观点，也是对未来几年技术路线之争的一次公开表态。
他先承认，机器熟练使用语言、生成图片和视频，是真正的科学突破，也确实催生出了产业、赚到了钱。但话锋很快转过来：这些东西，本质上是“大规模的模式识别”。他在发言中反复提醒一件事——智能是智能，计算是计算，今天的大多数AI靠的是后者。
但更有趣的是他认为，现在的大模型，主要是训练去预测人类语言的下一个词，再由人类专家微调，说到底是把人的知识搬进机器里。“它们没有能力发现自己的知识。”
那什么才算智能？他把威廉·詹姆斯、图灵、麦卡锡的定义捋了一遍，给出自己的版本：通过行为的适应来达成目标的能力。
顺着这个标准，他给出了一个核心判断：AI正在从“人类数据时代”进入“经验时代”。理由很现实，高质量的人类数据快用完了，而“从人身上搬知识”这条路，永远长不出新知识。未来的AI得像婴儿玩玩具、像AlphaGo下棋那样，从自己和世界的互动里学，靠的全是奖励、行为、观察这些第一视角的信号。
演讲收尾，他引了两句话。一句是图灵1947年说的，那时候连“人工智能”这个词都还不存在：“我们需要的是一台能从经验中自主学习的机器。”另一句来自雨果：“恰逢其时的思想，势不可挡。”
印奇：我们至少站在了AGI高峰的山脚下
阶跃星辰董事长、千里科技董事长印奇
印奇代表了产业界的典型心态：不等理论完美，你就需要先下场干活。他同时提出了一个新经济基础设施这个概念，这个概念是重点不在模型本身，而在操作系统、硬件和网络这三层。
印奇把AI浪潮拆得很清楚：每一波，都是模型能力突破叠加一个新产品形态出现。第一波，预训练模型加聊天机器人，有了ChatGPT时刻；第二波，推理模型加AI编程，正在发生。第三波呢？”很大概率是智能体，尤其是智能体走进物理世界。”
他给的证据很具体：5年前，AI编程Agent只能独立干活几秒钟；今天，能连续工作几小时甚至几天。所以才有那句“我们至少站在了AGI高峰的山脚下”。
更激进的是他对产业的判断：智能体不是单点应用，而是一场结构性变革，规模、强度和烈度会超过PC互联网叠加移动互联网。他列了未来3到5年的三个机会。
一是新系统。大模型驱动的操作系统，不绑定任何单一设备，会成为新经济的基础设施。
二是新设备。PC变成个人工作站，手机变成控制其他设备的原点，汽车会成为第一个大规模落地的Robot形态。
三是新网络。智能体之间互联的网络。他留了个问题：这张网络里，价值怎么定价？他的看法是，经济学的基础理论都会被算法重写，这张网会比今天的社交网络、电商网络更值钱。
至于“AI替代人”的老焦虑，他的回答是：AI只是更强的工具，跟当年的PC和互联网一样。未来会冒出很多“超级个体”，一个人就是一个团队。阶跃星辰的使命也押在这上面：10倍每个人的可能。
奥马尔·M·亚吉：工具越强，人越不能交出提问的权利
2025年诺贝尔化学奖得主、清华大学讲席教授
亚吉讲了自己的事：团队第一次用大模型，解的是化学里的经典难题——分子合成之后的晶体化，论文已经发表了。学生的反馈很直接：以前要花几周甚至几个月的活，现在快得多。
但这位诺奖得主观点非常鲜明：“如果我们不主动去学，风险就在于，由AI智能体来告诉我们科学应该怎么做、问题应该怎么回答。这个局面是不好的。”
他对AI的定位也清醒：AI能给很多答案，但它真正改变的是问题的难度——你得知道怎么问出好问题。材料世界的可能性是无穷的，他说未来需要一门“选择的科学"。
亚吉给年轻人的建议倒是很朴素：梦想要成真，就得做实验。“不断实验、不断探索，没有比这更激动人心的生存方式了。”