黄牛号贩子跑腿代挂号（13241153586）微信需要挂号联系客服（13241153586）各大医院服务项目！专家挂号，办理住院加快．检查加快，产科建档，指名医生挂号北京，上海，南京，天津．广州，各大医院代挂号

AI论道

舒 勇

2022年，大语言模型ChatGPT的推出，掀起了全球人工智能行业的大模型发展热浪。

彼时，“参数越多、数据规模越大、算力越强，智能水平就越高”被奉为行业准则。大量资金涌入大模型领域，千亿参数成为行业标配，万卡集群成了入局门槛，业内一度形成共识：不做大模型的AI企业，会被市场淘汰。

而时至今日，行业的实际发展并未达到最初预期。千亿参数模型单次训练成本需以千万元计，推理环节算力消耗惊人；数据规模扩大300倍，模型性能仅能提升个位数百分点；全行业无一款大模型能实现AGI（通用人工智能）的落地……

一个疑问在学界和业界浮现：依托大语言模型实现超级智能，是否进了一条“死胡同”？

当下的大语言模型，本质是一个“超级语言匹配器”，靠在海量文本里摸透词语搭配的统计规律，顺着前文逐个选出概率最高的词拼接成句。它只能做到“知其然”，却做不到“知其所以然”。这就好比一个人背下了整本百科全书，却从未走出过房门。它能在文字互动里表现得如同智者，放到物理环境中却像懵懂的婴儿。

那么除了大模型之外，还有其他选择吗？答案是肯定的。

现在，已经有越来越多研究者开始探寻大模型以外的其他可行方案，并且要比我们预想的更丰富，也更深刻。

1 路径一：世界模型

纽约大学教授、图灵奖得主杨立昆一直推崇“世界模型”的发展路径，它的主要思路是：让AI在自身的“虚拟空间”里搭建出一个对应真实世界、可进行交互的动态模拟系统。它要理解物理规则，例如物体为什么会向下掉落、力如何传递、空间是怎样构成的。它需要把研究方向从“预测下一个Token”转向“预测下一个物理状态”。

美国斯坦福大学教授李飞飞提出的“空间智能”和这个思路一脉相承——智能不只是文字层面的逻辑游戏，更包含对空间的感知、想象以及推理能力。她所定义的世界模型需要拥有三种能力：生成性、多模态性、交互性。

国内也有团队在探索类似的研发方向。仝人智能科技（西安）有限公司创始人吴易明认为，与其给机器人输入大量数据，不如直接给它装上一个可感知物理空间的“大脑”，让它可以像人类一样自主认知周遭世界。该团队考量人类认知的具身特征，搭建出一套可解释的数学架构，这套方案的训练成本较低，和大模型动辄数千万美元的训练开销形成了鲜明对比。

从世界模型的角度看来，智能的本质，是要去理解真实世界的运行规律。一个仅能生成通顺语句的AI，和一个可以真正独立思考的AI，二者间的差距，很可能比我们设想的还要大得多。

2 路径二：非Transformer架构

Transformer架构这种全靠“注意力机制”的路子，自2017年被提出后，几乎占据了所有大模型的主流应用位置。但它的缺陷也很明显：它的计算复杂度呈二次方增长，生成的Token越长，对算力的要求就越高，这意味着，模型规模变大后，运算效率反而会出现下降。

当前，一批新的架构正在挑战这个垄断。美国产业界已有以RWKV为代表的新一代线性架构，它把计算复杂度从二次方降到了线性，计算量不再随内容长度暴涨，而是匀速增长，可以有效降低运行能耗。

在国内，也有研发团队在探索更贴近生物智能的技术路线。中国科学院自动化研究所团队发布的类脑脉冲大模型“瞬悉1.0”，借鉴了大脑神经元工作机制，提出新的线性计算架构。该模型仅需主流模型约2%的数据量，就能达到相当的语言理解与推理性能，且全流程可在国产GPU平台上运行，为自主可控的非Transformer架构提供了可行路径。

此外，上海岩芯数智人工智能科技有限公司自研的Yan架构大模型，以神经元选择激活为核心，是国内首个通过备案的非Transformer通用大模型，可在低功耗工控机等终端设备上流畅运行。

寻找效率更高、能耗更低、更贴近真实智能规律的新架构，是AI产业突破成本瓶颈、实现规模化落地的刚需。就像飞机的发明，并未被模仿鸟类扇动翅膀的思路所困囿，人工智能的最终产业形态，也不会止步于Transformer架构的衍生版本。

3 路径三：端侧智能

当前的大模型还有一个特征——“中心化”，所有智能都集中在云端，需要依赖规模庞大的数据中心支撑运行。

可智能真的有必要这样集中吗？