清華孫茂松：工業(yè)界大廠可以Scaling，其他玩家重在垂直應(yīng)用

• 編輯部 整理自 MEET2026
  量子位 | 公眾號 QbitAI

涌現(xiàn)，AI沙場如今兵家爭鋒所期待出現(xiàn)的「境界」。

自從Scaling Law為模型帶來驚人的能力增長后，幾乎所有模型廠商都被卷入了一場無止境的FOMO，沒人敢停下來。

• 我覺得大模型最有魅力的地方，在于它是非線性變化，代表著極大的不確定性，但一旦出現(xiàn)性能涌現(xiàn)就將遠超想象。

在量子位MEET2026智能未來大會上，清華大學(xué)人工智能研究院常務(wù)副院長，歐洲科學(xué)院外籍院士孫茂松如此感慨。

只要算力還能堆、參數(shù)還能漲，就不能停止燒錢。

然而，在Scaling的邊際成本越來越高的背景下，萬一最后發(fā)現(xiàn)這是條死胡同，投入全打水漂了怎么辦？

孫茂松的建議是，可以「致廣大」，但更要「盡精微」。

就企業(yè)界而言，少數(shù)實力極其雄厚的團隊，可以嘗試在「致廣大」方向上繼續(xù)跟隨國際前沿；但絕大多數(shù)AI公司，都應(yīng)該把主要精力放在「盡精微」上。

為了完整呈現(xiàn)孫茂松的思考，在不改變原意的基礎(chǔ)上，量子位對演講內(nèi)容進行了整理編輯，希望能提供新的視角與洞察。

MEET2026智能未來大會是由量子位主辦的行業(yè)峰會，近30位產(chǎn)業(yè)代表與會討論。線下參會觀眾近1500人，線上直播觀眾350萬+，獲得了主流媒體的廣泛關(guān)注與報道。

核心觀點梳理

• 當(dāng)模型規(guī)模、數(shù)據(jù)規(guī)模持續(xù)增大時，可能會出現(xiàn)能力涌現(xiàn)。這種高度非線性變化所帶來的不確定性體現(xiàn)了大模型最有魅力之處。預(yù)計未來幾年，有標(biāo)準(zhǔn)答案的人類最難考試可能也難不住機器。
• 當(dāng)下大模型和具身智能面臨的本質(zhì)挑戰(zhàn)在于——如何理順「言、知、行」的關(guān)系，讓機器真正實現(xiàn)「知行合一」。這個問題的「求解」，非常困難，關(guān)涉AI的重大理論和基礎(chǔ)方法創(chuàng)新。
• Scaling Laws到底能走多遠，具有相當(dāng)?shù)牟淮_定性。任何信息系統(tǒng)發(fā)展到一定階段通常就會呈現(xiàn)趨于飽和的傾向。不過，一旦出現(xiàn)了新的涌現(xiàn)現(xiàn)象，又能打破這種飽和。所以國內(nèi)仍需有少量頂級團隊緊跟全球前沿發(fā)展，探索Scaling極限。
• 未來幾年內(nèi)，人形機器人要進入通用開放環(huán)境自主進行較為復(fù)雜的工作幾乎是不可能的。應(yīng)立足于在盡可能多的特定真實場景或真實任務(wù)上實現(xiàn)AI應(yīng)用「星火燎原」式的落地發(fā)展。這是完全可能的（但機器人不一定是人形），也應(yīng)該是絕大多數(shù)企業(yè)應(yīng)下大力氣去做的。
  以下是孫茂松的演講全文：

突飛猛進的八年

我演講的題目是《生成式AI和大模型：前沿態(tài)勢、核心挑戰(zhàn)及發(fā)展路徑》。坦率說，這個題目不太好講，全世界都在講這個問題，我講講自己的一些粗淺的認識。

基于深度學(xué)習(xí)的AI，在2017年前后進入了預(yù)訓(xùn)練模型和大模型時代。到現(xiàn)在，只花了8年時間。

這8年里有幾個比較關(guān)鍵的時間節(jié)點：

• 2020年GPT-3發(fā)布，距今大約5年；
• ChatGPT發(fā)布至今約3年；
• DeepSeek出現(xiàn)，也才剛滿1年。

這8年走過了好幾重天，應(yīng)了一句古話——「茍日新、日日新、又日新」，這基本就是這幾年大模型發(fā)展的常態(tài)。

特別是最近幾年，通過長思維鏈，大模型解決復(fù)雜任務(wù)的能力急劇上升，呈現(xiàn)出千帆競發(fā)的態(tài)勢。

我們?yōu)槭裁磳Υ竽Ｐ瓦@么癡迷？它最重要的特點是：當(dāng)模型越來越大，數(shù)據(jù)量越來越大時，普遍會產(chǎn)生能力涌現(xiàn)，這是過去模型所沒有的。

一旦出現(xiàn)能力涌現(xiàn)，就變成了一個非線性變化，不知道從哪就一下拐上去了。

如果你去做一件事沒有產(chǎn)生性能涌現(xiàn)，可能就平淡無奇。可一旦產(chǎn)生了涌現(xiàn)，可能就把你的競爭對手遠遠甩在后面。而這件事能不能發(fā)生，又無法提前知道。這是大模型最有魅力也頗令人困惑的地方。

這幾年的發(fā)展進展很快，像文本大模型、圖文大模型，幾乎把所有Benchmark都踏平了。

有個叫作「Humanity’s Last Exam」的測試集（即所謂「人類最后的考試」），為了考住AI，到全世界征集難題，要以前沒出過、在網(wǎng)上沒有答案的。

頂尖高手做這種題，可能拿5分就不錯，但是現(xiàn)在大模型，能拿到三四十分。

可以預(yù)期，未來幾年一切有標(biāo)準(zhǔn)答案的考試可能都難不住機器了，這是文本大模型的發(fā)展情況。

代碼大模型的發(fā)展同樣迅猛，今年的世界大學(xué)生程序競賽，人類第一名已經(jīng)做不過大模型了。此外，對多模態(tài)大模型的亮眼表現(xiàn)大家也都多有領(lǐng)教。

總體來看，文本、代碼、多模態(tài)這幾類大模型，已經(jīng)發(fā)展到一個相當(dāng)高的基礎(chǔ)能力水平，這構(gòu)成了我們今天討論AI的「基本態(tài)勢」。

在《思考，快與慢》一書中，Daniel Kahneman提出了著名的系統(tǒng)一（快系統(tǒng)）和系統(tǒng)二（慢系統(tǒng)）

經(jīng)過這幾年的發(fā)展，機器已經(jīng)有了相當(dāng)強的系統(tǒng)一和系統(tǒng)二的能力，這為AI走出文本世界、走向具身智能，奠定了非常重要的基礎(chǔ)。特別是如果沒有系統(tǒng)一的感知能力，機器進入現(xiàn)實世界后會「懵頭懵腦」，什么也做不了。

我們常提到1950年的圖靈測試。在語言層面，已經(jīng)可以認為通過了圖靈測試。

但在同一時期，控制論之父維納在《控制論》中提出過一個同樣重要的觀點：

• 機器想具有智能，一定要讓它走到現(xiàn)實世界去，它能夠感知這個世界，能和世界打交道，在反饋中得到獎勵或懲罰，并據(jù)此不斷自我調(diào)整、自我學(xué)習(xí)。在這個過程中，才可能形成真正的智能。

今天看來，我們有了一定的條件去踐行維納的控制論，這會讓AI再上一個臺階。

古話講「言易行難」，陸游有句詩叫「紙上得來終覺淺，絕知此事要躬行」。

語言模型很擅長「言」，但一旦走到「行」，會有一個質(zhì)的差異。

同時還有一句古話叫作「知難行易」。

大模型現(xiàn)在雖然「言」得很行，全世界知識好像都被參數(shù)化裝進模型了，但它的「知」仍然是不完整的、不體系化的，缺乏自知之明。

如果完全沒有「知」，「行」是沒有意義的。

不過，雖然大模型的「知」并不完善，但畢竟七八成的「知」他知道了。所以現(xiàn)在做具身智能，有可能追求「知行合一」。

當(dāng)然，「從「言」到「知」要難得多。這就構(gòu)成了今天AI最大的挑戰(zhàn)——怎么處理好「言、行、知」，做到「知行合一」？

AI的巨大投入讓華爾街「冒冷汗」，前路充滿挑戰(zhàn)

AI發(fā)展是靠Scaling Law，大模型、大數(shù)據(jù)、大算力。近幾年有新的擴展：預(yù)訓(xùn)練、后訓(xùn)練、測試時。

但這里有一個前提條件：這個Scaling要起作用。

任何系統(tǒng)到一定階段都會遇到瓶頸。一旦性能開始飽和，Scaling Law就可能失效，再往里投錢，可能就會得不償失。

我剛才特別強調(diào)一個點：大模型可能出現(xiàn)涌現(xiàn)，一旦出現(xiàn)涌現(xiàn)，往里砸的錢就砸對了。

但Scaling Law到底能走多遠，這件事是個很大的問號。支撐Scaling的代價極其昂貴，太燒錢，太費電了。

法國《回聲報》（法國經(jīng)濟類日報之一）11月3日有一篇報道：「AI領(lǐng)域的巨額投資，讓華爾街直冒冷汗。」

華爾街向來是冒熱汗的，能「冒冷汗」，說明這個投入確實太大了。

報道里提到幾個數(shù)字：

• OpenAI目前的計算能力大約是2GW；
• 計劃到2033年提升125倍，達到250GW；
• 對應(yīng)的投資規(guī)模，可能高達10萬億美元，而這還不包括電力。

大家可以換算一下，一個核反應(yīng)堆的平均發(fā)電能力，還不到1GW。250GW，相當(dāng)于250個核反應(yīng)堆。這是一種極其激進的投入，同時也蘊含著很高的風(fēng)險。

問題在于：我們現(xiàn)在不能不跟，萬一它出現(xiàn)涌現(xiàn)，就又把我們甩到比較遠的后面了。但跟的話，可能又跟不起。

再者具身智能。

李飛飛提出空間智能，本質(zhì)上就是前面講的「行」，這里面也面臨一個理論和實踐問題，Next Token Prediction到底能走多遠？

文本是完全靠Next Token Prediction做出來的。后來做了各種強化學(xué)習(xí)，但也是基于這個基礎(chǔ)之上。圖像生成，包括視頻生成，很大程度也是借重這個策略。

這個策略在文本中其實已經(jīng)近乎完美，雖然還有幻覺，但已經(jīng)是專家水平的。但到圖像就不那么順手，需要和其他策略配合，視頻生成更難，要生成一個10分鐘邏輯連貫的視頻相當(dāng)吃力。

再到具身智能，這個東西往下走，是一個大問號。

語言之所以能成功，因為它是線性序列，有「Discrete infinity（離散無限性）」的特點。

比如，apple主要有兩個意思，一個是吃的蘋果，一個是特定公司。其語義指向簡明，詞邊界是清晰的，句子序列又是線性的，Next Token Prediction就非常有效。

但到了圖像就不行了，圖像的比較明確的Token在哪兒不知道，只能搞成一個「補丁」（Patch）

如一個3×3的黑塊，可能是衣服的一部分，也可能是桌面的一角，還可能是屏幕上的一個圖標(biāo)，語義指向高度不確定。而且沒有整體性，這個黑塊可能由一堆黑色螞蟻組成，也可能是衣服中一個補丁中的一小部分。

到了視頻，從二維變成三維，就更困難。具身是四維，三維空間再加上時間，大千世界、變化無窮，如此復(fù)雜的場景靠Next Token Prediction到底能不能做到，不好說。

未來五年之內(nèi)，指望人形機器人可以到現(xiàn)實世界自主完成較為復(fù)雜的開放式任務(wù)，我覺得是不可能的。如，構(gòu)建一個在家庭里能照顧老人的具身機器人？實在是太難了。

圖靈獎得主Hinton最近在討論AI與失業(yè)問題時說過一句話：

• 如果有人建議你去做水管工，不要輕易拒絕這個建議。

這個建議是合理的，AI要具備水管工的能力，還差得很遠。

可能的是什么？

一定是一個比較簡化的任務(wù)空間。比如剛才講靈巧手，處理相對單一、簡單的任務(wù)。其實要做好也很不容易，但是完全可能的。

因此，具身智一定是在有限的領(lǐng)域，有限的應(yīng)用，這個發(fā)展空間也足夠大。我們要量力而行，知難而進，但進退有度。

我們現(xiàn)在經(jīng)常說要構(gòu)建世界模型，但這件事極其困難。目前還沒有太清晰的可行技術(shù)路徑。

短期內(nèi)，依然只能期待Next Token Prediction。但如果沿著這條路走，肯定對算力、數(shù)據(jù)的要求是數(shù)量級提升。

當(dāng)然，如果再次出現(xiàn)能力涌現(xiàn)，說不定機器人在相對開放任務(wù)空間中也能具備更高程度的自由。

「致廣大而盡精微」

目前看來，發(fā)展路徑應(yīng)該是相對明晰的。

美國這邊不用多說。國內(nèi)也出現(xiàn)了非常有代表性的模型，比如DeepSeek、千問，都做得非常好。從對比圖來看，差距已經(jīng)不大了。

中國一句古話，叫作「致廣大而盡精微」

「致廣大」，把這個事往大了想，往大了做，這是目前美國典型的做法。

10萬張卡、100萬張卡，未來甚至上億張卡，大手筆，連華爾街都覺得吃力。

但這條路，如果走成了，在某個關(guān)鍵節(jié)點出現(xiàn)涌現(xiàn)，就有可能形成斷層的領(lǐng)先優(yōu)勢。

我們?nèi)绻刂@條路去「正面跟」，在工業(yè)界，只有極少數(shù)國內(nèi)大廠可能具備條件，但也會比較艱辛。

所以，雖然今天從大模型性能上看中美差距不大，但在「致廣大」這條路上，未來幾年依然存在非常大的不確定性。

在這樣的背景下，我認為國內(nèi)當(dāng)前重點抓AI的垂直領(lǐng)域應(yīng)用，即「盡精微」，應(yīng)該是一個正確的戰(zhàn)略選擇。

以DeepSeek、千問為代表的開源基座模型已經(jīng)具備了相當(dāng)扎實的基礎(chǔ)。在基座之上，深入到各行各業(yè)做垂直領(lǐng)域的深度融合，是完全有可能做到世界領(lǐng)先的。

但這同樣很有挑戰(zhàn)，指望直接把現(xiàn)成的大模型拿來用一用就真的管用，是不現(xiàn)實的。

某種情況下，垂直領(lǐng)域本身甚至可能會孕育出新的人工智能算法。從這個意義上講，「盡精微」本身，也是一種「致廣大」

因此，我們的路徑應(yīng)該是：

• 少數(shù)實力極其雄厚的團隊，可以嘗試在「致廣大」方向上繼續(xù)跟隨國際前沿；
• 但絕大多數(shù)AI公司，都應(yīng)該把主要精力放在「盡精微」上。

垂直領(lǐng)域應(yīng)用具有高度挑戰(zhàn)性，但風(fēng)險較小，我們有條件做得比美國好。我們的應(yīng)用場景比較豐富，工業(yè)基礎(chǔ)也較好，加上中國人聰明勤勞，都使得我們能在「盡精微」方面取得優(yōu)勢。

至于「致廣大」的話，其實涉及到整個教育體系能不能培養(yǎng)出0到1的人才，包括回答錢學(xué)森之問，那是更復(fù)雜的事。沒關(guān)系，這幾年不放先放一放，先把「盡精微」做好，然后調(diào)過頭做「致廣大」，但得有一只眼緊緊盯著它。

在座各位很多都是做「盡精微」的工作，我覺得非常好，是我們目前應(yīng)該做的。

以上是我個人的一些觀察和感受，不一定對，謝謝大家！