AGI是否需要世界模型？頂級AI專家圓桌論道，清華求真書院主辦
圍繞AI的根本范式、算力瓶頸等議題展開分享
作者：胥森哲
投稿：基礎科學與人工智能論壇
2025年7月20日，2025基礎科學與人工智能論壇在中關村展示中心會議中心舉行。
清華大學人工智能研究院常務副院長孫茂松教授主持，北京中關村學院院長、中關村人工智能研究院理事長劉鐵巖博士、清華大學電子工程系主任汪玉教授、美國紐約州立大學石溪分校顧險峰教授、曦智科技創始人兼CEO沈亦晨博士四位頂尖AI專家齊聚一堂，圍繞人工智能的根本問題展開了一場火花四濺的討論。
從因果性到原創能力，從算力瓶頸到未來架構，這場論壇為我們勾勒出AI技術的前沿圖景與未來挑戰。
共有500名來自清華大學求真書院、北京各高校、中學和科研機構的觀眾到場。
此外，本次論壇還是2025國際基礎科學大會的特別活動之一，由清華大學求真書院主辦，中信證券股份有限公司與中關村科學城管理委員會協辦。
現已連續舉辦3屆，旨在推動交叉學科合作交流，為青年學生搭建了了解科研前沿、激發探索興趣的平臺。
我們將論壇交流內容整理如下：
相關性≠因果性：AI系統的科學化門檻仍在
面對人工智能技術發展的瓶頸與限制，顧險峰教授指出，目前AI技術在方法上仍以“相關性”建模為主，缺乏對“因果律”的深刻掌握。
他認為，缺乏因果建模的能力是當前AI在自然科學、數理建模等任務上受到限制的原因。
同時他也強調，真正的科學建模需要簡約假設、邏輯自洽的因果體系，不能僅靠大量數據推導模式。
劉鐵巖教授則補充稱，雖然大模型底層是統計學習的結構，但在高層語義表達中已出現“因果性功能的涌現”，例如在處理邏輯推理、數學解題、文本論證等任務時，大模型展現出了“因為……所以……”的結構理解能力。
他呼吁對因果性的層次與表達保持開放態度，建議從“語義因果性”角度重新評估當前模型的能力邊界。
Token范式的盡頭：AI模型是否需要世界模型？
與會專家還就“Next Token Prediction是否是通往通用智能的正道”展開討論。
孫茂松教授率先提出疑問：文本是天然一維的，圖像是二維的，視頻再加一維時間，世界則是四維的。當認知對象越來越復雜，是否需要徹底摒棄token預測，轉向“世界模型”等新范式？
對此，汪玉教授持樂觀態度。
他認為，“語言本身是人類認知的表達系統”，圖像、視頻、物理結構等都可以在二維語言序列中進行展開。
基于此，他提出一個“可描述性”的新邊界概念：如果人類能夠通過語言準確描述某一對象或規律，AI就有可能通過token prediction模型學會它；如果人類尚未找到語言描述方式，則AI也難以捕捉。
劉鐵巖教授對此也補充道，“next token prediction 實際上是語言理解和創作領域的極佳范式”，其泛化能力遠超以往所有任務特定模型。
但當AI任務轉向如偏微分方程求解、量子系統建模、工業優化等非語言任務時，“當前范式將無法勝任，需要全新學習目標與系統架構。”
AI能否“原創”？推理與建模能力仍不可替代
其次，學者們還進一步聚焦于AI是否具備“原創能力”。
顧險峰教授直言：
在科學研究中，重大理論的提出絕非數據堆積所能催生。
另外他以自己學習拓撲學為例指出：
最關鍵的一步轉化，AI永遠抓不住。
他強調，科學進步來自“對未知現象的預判與假設”，而非對已知結構的不斷模仿。
沈亦晨博士以圍棋為喻指出，盡管圍棋規則簡單，但由于搜索空間巨大（約10^360），“純靠套路是不足以解決全部問題的。”
他區分了“90%可類推問題”與“10%原創性突破問題”，認為AI可以在大多數工程化問題中大顯身手，但在人類科學的“皇冠上的明珠”領域，目前仍力有未逮。
劉鐵巖教授則從產業視角提出：
即便AI無法做到“無中生有”，但它在已知邊界上的全覆蓋與組合重構，仍將對科學研究產生深遠影響。
他認為未來AI將在“從類比中發現新結構”方面具有巨大潛力，尤其是在AI for Science的具體子任務中表現出色。
高能效計算是AI基礎設施的下一場革命
面對當前大模型對算力的依賴已呈指數增長的問題，孫茂松教授引用數據顯示，最新一代大模型訓練耗資約達100億美元，需20萬張GPU卡支持，預計2035年將可能突破至1億張卡。
沈亦晨回應稱：
未來未必真的需要1億張卡，但百萬卡級別的計算已成為現實挑戰。
他介紹了曦智科技在光互聯和光計算芯片方面的進展：
通過光作為連接介質，可以極大提升芯片間通信帶寬與效率，解決分布式模型訓練中“多芯片如一芯片”的問題。
他進一步強調，要充分發揮光計算的高能效優勢，需在算法層面推動向低精度（int4/int8）模型優化。
汪玉補充指出，“未來的關鍵是讓底層硬件異構對開發者透明。”即芯片無論是電計算還是光計算，對開發者應“看起來就是一臺機器”，從而保障工程系統的穩定性與遷移效率。
劉鐵巖則拋出一種范式設想：
真正的人工智能下半場，將是“Experience-driven AI”。
他設想一個分布式交互學習系統，由100萬個機器人在物理世界中實時感知、同步數據和模型權重，實現全域智能協同。
這將超越大模型集中訓練范式，形成全新的進化路徑。
圓桌論壇精彩紛呈、交鋒密集，無論是從“相關性與因果性”的基本認知出發，還是圍繞“token預測范式”的邊界問題，亦或是對“原創能力”與“算力極限”的前景評估，專家們均展現出深厚的理論思考與實踐視角。
正如孫茂松教授在總結中所說：
大模型的有效性是經驗主義的，但它的問題也是根本性的。真正的突破，有賴于我們在理論與系統兩端都邁出新的一步。
- 知名數學家辭職投身AI創業：老板是00后華人女生2025-12-06
- Runway Gen-4.5刷屏發布，把重量塵土和光影都做對了，網友：顛覆2025-12-02
- 靈光 “一閃”，330萬個“閃應用”已創建2025-12-02
- AI也會被DDL逼瘋！正經研究發現：壓力越大，AI越危險2025-12-01
相關閱讀
清華軟件定義芯片團隊成果入選固態電路頂會ISSCC 2021
通過挖掘量化后CNN模型權值大量冗余的特征，提出一種能夠顯著減少冗余權值造成冗余乘操作的優化方法，降低了硬件功耗
