1956年夏季，一批富有远见的年轻科学家齐聚于美国的达特茅斯学院，围绕如何运用机器来模拟人类智能的一系列问题展开深入探讨，并在此会议上正式宣告了“人工智能”这一概念的诞生，标志着人工智能（即AI）正式登上了时代舞台。历经七十载的时光流转，人工智能已从最初的理论构想，转变为重塑当代世界格局的核心驱动力量。

7月22日，值此达特茅斯会议召开70周年之际，北京中关村学院携手中关村人工智能研究院，共同组织了“北纬诺贝巅峰对话”活动，从而成功展开了一场跨越时代的深度回望。原微软亚太研发集团主席兼微软研究院院长洪小文，与北京中关村学院院长、中关村人工智能研究院理事长刘铁岩，进行了同台对话，深入探讨了人工智能与人类智能的发展及未来方向。

活动现场 图片来源：主办方供图

自1984年首次接触人工智能至今，洪小文最深的感触并非在于算力实现了怎样的跃升、模型经历了何等程度的膨胀，或是技术如何一日千里，而是人工智能持续推动着其对智能认知的迭代与更新。在洪小文看来，人工智能真正的价值不仅仅体现在"能够完成多少任务"，更在于其发展迫使人类重新审视自身——即何为人类独有的智能以及不可替代的价值。随着生成式人工智能实现了信息的零边际成本生产，人类价值的核心正从"如何建造"转向"建造什么、为何建造以及由谁负责"的层面，洪小文对此指出。

北京中关村学院副院长秦涛在活动现场接受《每日经济新闻》（以下简称每经记者）专访时，将人工智能七十年来的发展历程凝练为一句话：它从“能否造出会思考的机器”这一哲学层面的追问，逐步演变为“如何让智能成为全社会新型生产要素”的文明命题。

技术跃迁：人工智能自诞生以来直至大模型时代的演进历程

洪小文将智能系统的基础概括为“ABC三要素”，它们分别是：算法，即Algorithm，是用于解决问题的计算方法；数据，即Big Data，作为历史与记忆的载体；以及算力，即Compute，能够将算法真正运行出来。从70年前的达特茅斯会议开始，人工智能围绕这些核心要素，经历了从模仿人类智能到数据驱动，再到大模型时代的演进过程。

"Language is all you need（语言就是一切）。" 在演讲中，洪小文着重强调了“语言”所扮演的关键角色。他指出，人类智能的独特之处，不仅在于发明了口语，更在于创造了书写语言。正是书写语言的出现，使得知识得以跨越代际与地域，实现传递、积累，乃至传播与创造；而作为AI基础底座的大语言模型，其取得的成功也因此有迹可循，这是因为模型“它读懂了全世界所有的知识”，并借助强大的算法完成了优化。

洪小文以《一个AI研究者三十年的远行》为主题进行了主旨演讲。图片来源：主办方供图。

北京中关村学院副院长秦涛在接受每经记者的专访时进一步指出，在达特茅斯会议上，与会者最初所设想的是让机器能够运用语言、形成抽象概念并解决那些原本属于人类所独有的问题。如今，大语言模型已经在语言的理解与生成方面超出了当年最为乐观的预期，而感知能力、博弈决策乃至蛋白质结构预测等领域的科学发现，也都已经从最初的愿景成功转变为了工程上的现实。

在当今时代，以Anthropic、OpenAI为代表的世界知名大模型企业，以及以DeepSeek、智谱、月之暗面等为代表的中国大模型企业，更是在AI基础底座开发的领域展开了火热的竞赛。当被问及从去年的“DeepSeek时刻”到近期横空出世的Kimi K3背后所折射的中国大模型发展态势时，秦涛表示，中国大模型在持续的演进过程中正加速追赶。

“在包括推理效率与训练效率在内的成本层面，中国大模型已具有显著优势，然而在最前沿的模型能力方面，我们仍处于追赶阶段。”秦涛指出，Kimi K3在部分任务上的表现已超越了Anthropic的Fable 5模型，这无疑是一个令人鼓舞的迹象，表明中国大模型当前已“处于一种从跟随到并驾齐驱的阶段”。但他更为期待的是下一个阶段，“期盼中国的人工智能能够引领全球发展”。

此外，秦涛还进一步指出，达特茅斯会议上所抛出的构想，目前仍有三个核心命题尚待解决：其一是真正的通用性与递归性——机器至今仍然缺乏人类那种举一反三、跨域迁移以及持续学习的稳健智能；其二是可解释性与可信度——我们虽然能够运用好模型，却仍难以真正理解它为何会如此运作；其三是自主的科学创造——AI能够加速发现的进程，但从辅助人类开展科学研究，到独立提出并验证原创的科学假设，其间仍存在一道显著的分水岭。

秦涛判断，未来"更大即更强"的模型规模竞赛将逐步转向持续学习、多模态具身以及AI for Science所驱动的科学发现，实现三线并进。

AI赋能，非专业人士成最大受益者

“从大语言模型演进到智能体（Agent），人工智能已经从一问一答的对话机器，演进成为能够自主执行任务的执行者——即便用户处于休息状态，它仍可独立开展工作。”洪小文这样描述道。更令他感到意外的是，智能体最先颠覆的，竟然是曾经存在显著计算机科学知识壁垒的编程领域。

如今，Vibe Coding这一所谓"氛围编程"已然成为一种不受技术背景所限制的流行趋势。"任何人只要能够把问题想清楚，知道自己要做什么，也知道如何去核查验证，便都可以成为一名合格的程序员。"洪小文指出，在当今时代更为重要的能力，实际上是核查验证的能力，以及定义何为"完成标准"的能力。

洪小文指出，只有为智能体（Agent）明确界定了“何为完成”的具体标准，它方能有效执行任务并达成既定目标。他进而以史蒂夫·乔布斯为例进行阐释，强调乔布斯本人并不编写代码，却成功构建了苹果帝国。洪小文分析认为，乔布斯的卓越之处在于其深谙产品方向、精准定义完成状态并建立相应评估体系的能力。他随后感慨道，倘若乔布斯身处当今时代，以其这种定义问题与衡量成果的天赋，必将开创更为宏大的事业。

In the context where everyone can write code and engage in development, the boundaries of traditional roles such as product manager, software development engineer, and test development engineer are becoming blurred. For this reason, a new type of role known as FDE (front-end deployment engineer) has become popular in Silicon Valley. Such individuals possess the skills to write code as well as expertise in AI applications, and they are able to understand product requirements and customer pain points in the manner of a product manager. Enterprises centered on FDE service delivery, such as Palantir, have experienced rapid growth.

Many good ideas can now be fully executed through Agent tools. In the view of Hong Xiaowen, enterprises also need to consider how to optimize organizational scale under the AI empowerment to achieve the highest efficiency return with limited human costs.

AI的最高价值恰恰在于赋能非AI且非计算机专业人士。在过去创业，至少需要前端、后端、PM、财务、法务等角色，或许需要10人以上才能把公司架构起来。现在AI能帮忙做很多事情，只要能用自然语言描述好需求，AI就能把东西做出来，所以现在OPC（一人公司）才能如此火爆。秦涛向每经记者表示，“技术越发展，使用门槛就应该越低，越来越通用。”

AI产业将更多转向应用层竞争

For the more challenging domains of embodied intelligence and physical AI, Hong Xiaowen offered a measured assessment. The development of the robotics industry is not easy and continues to encounter the real-world predicament of knowing what to do but struggling to implement it. The physical AI field that leads relatively at present may be the autonomous driving industry, yet even after development to today, it cannot be said to have reached full maturity.

秦涛刚刚参加完2026世界人工智能大会（WAIC），向每经记者分享了类似的观察。具身智能在WAIC上尤为引发关注，资本市场上的具身智能企业也受到追捧，创业公司层出不穷。但是技术上，我觉得它到实用化仍需继续探索努力。

He draws an analogy for the development stage of embodied intelligence to the pre-ChatGPT era of large models. At present, embodied intelligence bears a resemblance to the pre-ChatGPT period, when everyone sensed that the technology would generate enormous value but had not yet reached the point of breakthrough. This breakthrough point, however, is likely to arrive in the near future. It is noteworthy that on July 22, at the 2026 World Internet Conference Digital Silk Road Development Forum, Wang Xingxing, founder and CEO of Unitree Robotics, stated that the so-called ChatGPT moment for embodied intelligence is expected to arrive within the fastest two to three years.

下一个十年的胜负手，不在于谁的模型参数更多，而在于谁能让AI真正走进物理世界、走进科学发现的最深处。对于人工智能行业未来十年的发展，秦涛与每经记者分享了他的判断。

秦涛表示，在产业层面上，目前的AI竞争仍然是模型技术以及核心算法的竞争，其中谁拥有更强的算法以及谁拥有更强的模型就会领先，这也是为什么现在很多AI企业创始人来自学术界，是教授以及科学家，因为他们拥有技术红利。

在产业格局变迁的背后，人才的定义正在被重写。秦涛指出，未来AI行业需要的将是科学家、工程师以及产业家这样的复合型人才，因此产学研结合会是重要的人才培育路径。

Traditional talent cultivation paradigms followed a linear ladder in which students first mastered systematic knowledge before progressing to research and eventually entering industry. With AI fully intervening, this pathway has become compressed and even opened up. Students can now enter genuine research from the very start of their studies and directly engage with industry frontiers in the course of research. Beijing Zhongguancun College therefore follows a nonconventional training mode that takes research projects as the carrier and breaks the five boundaries of school, discipline, guidance, industry-education integration, and stages. It no longer requires students to study first and then do. Instead it enables students to grow in doing, in true problems.

Qin Tao summarized his view on talent growth paradigms in the AI era in one sentence. From the container of knowledge they turn into hunters of problems and commanders of intelligence.

这样的人才培养理念呼应着洪小文在演讲对话中反复提到的主题。定义问题比解决问题更重要，因为知道做什么比知道怎么做更为稀缺。在生成式AI时代，信息实现了零边际成本生成，而当人人皆可生成时，个人的taste品味和value价值判断才是最关键的东西，洪小文说。

来源：知晓“做什么”比“怎么做”更稀缺，业内拆解AI竞争新逻辑：从智能猜想走向通用基建，具身智能静待突破时刻 | 每日经济新闻