1956年夏天，一批年轻的科学家汇聚于美国达特茅斯学院，共同展开了对利用机器模拟智能的一系列问题的探讨（以下简称达特茅斯会议），在此会议上，“人工智能”这一术语得以正式提出，标志着人工智能技术正式登上历史舞台。历经七十余年的发展演进，人工智能已从最初的理论构想，逐步演变为当今重塑世界格局的核心驱动力量。

日前，为纪念达特茅斯会议召开70周年，北京中关村学院与中关村人工智能研究院共同举办了‘北纬诺贝巅峰对话’，展开了一场跨越时代的回望。微软亚太研发集团原主席、微软研究院原院长洪小文，及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，共探人工智能与人类智能的发展与未来。

自1984年首次接触人工智能技术以来，洪小文最为深刻的体会并非在于算力实现了怎样的飞跃、模型规模如何膨胀、抑或是技术迭代的速度有多惊人，而在于人工智能技术持续促使他对智能本质的认知进行更新与深化。在他看来，人工智能技术的真正价值，并不仅仅体现在它能够完成多少任务，更在于它能够迫使人类重新审视自身，去思考何为人类独有的智能、以及何为无法被替代的个体价值。洪小文表示：“随着生成式人工智能技术实现了信息生产的零边际成本，人类的核心价值正在从‘如何去建造’，转向‘建造什么、为何而建造，以及由谁来负责’。”

在北京中关村学院副院长秦涛于活动现场接受《每日经济新闻》记者（以下简称每经记者）的采访过程中，他将这场跨越七十年的发展历程凝练为一句表述：人工智能的历程，是从“能否造出会思考的机器”这一哲学追问，逐步演进至“如何使智能成为全社会新型生产要素”的文明命题。

洪小文将智能系统的基本要素概括为三方面：算法，作为解决问题的计算方法；数据，作为历史与记忆的载体；算力，作为将算法真正运行出来的能力。从70年前的达特茅斯会议开始，人工智能围绕这些要素经历了从模仿人类智能到数据驱动的演进，再到大模型时代的转变。

语言就是一切。在演讲中，洪小文反复强调了语言的重要性。他表示，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，这使得知识得以跨越代际、地域进行传递、积累、传播与创造。AI基础底座——大语言模型的成功因此也有脉络可循，因为它读懂了全世界所有的知识，加上强大的算法进行优化。

秦涛进一步指出，在接受每经记者采访时，达特茅斯会议最初设想机器能够使用语言、形成抽象与概念，以及解决人类专属的问题。今天，大语言模型已在语言理解与生成上超出当年最乐观的想象，感知、博弈决策乃至蛋白质结构预测等科学发现都已从愿景变为工程现实。

如今，世界知名大模型企业和以DeepSeek（深度求索）、智谱、月之暗面等为代表的中国大模型企业更是展开了AI基础底座开发的火热竞赛。当被问及从去年的“DeepSeek时刻”到近期横空出世的Kimi K3背后中国大模型的发展态势时，秦涛表示，中国大模型正在演进中加速追赶。

秦涛表示，包括推理效率和训练效率在内，在成本方面中国大模型遥遥领先，然而从最前沿的模型来看仍然在追赶。Kimi K3在某些任务的表现甚至超过了Anthropic的Fable 5模型，这无疑是一个积极的信号，现在中国大模型已经处于从跟跑到齐头并进的阶段，但他更期待着下一阶段，希望中国的AI能在全球取得领先。

秦涛还指出，目前达特茅斯会议抛出的构想仍有三个核心命题未解。这些核心命题包括真正的通用性与递归性、可以解释与可信以及自主的科学创造。在这些命题方面，机器仍缺乏人类那种举一反三、跨域迁移、持续学习的稳健智能。使用模型虽能带来帮助，但仍难以真正理解它为何如此。AI能加速发现，但从辅助人类做科学到独立提出并验证原创科学假设，仍有分水岭。

秦涛判断，未来模型规模竞赛将转向持续学习、多模态具身以及AI驱动的科学发现，这三条路径将同步推进。

AI的价值

洪小文说，从大语言模型到Agent，AI已经从一问一答的对话机器进化为自主执行者。Agent最先颠覆的竟是曾有着计算机科学知识壁垒的编程领域。

如今，氛围编程已然成为不限技术背景的流行趋势。“任何人都可以成为一个好的程序员，只要能够把问题想清楚，知道要做什么，知道怎么去核查验证。”洪小文指出，如今更重要的是核查验证的能力、定义“完成标准”的能力。

洪小文指出，在人人都能写代码、做开发的背景下，传统的产品经理、软件开发工程师以及测试开发工程师等岗位的边界正在模糊化。正因如此，前沿部署工程师这样的新型岗位正在硅谷走红。这类人既懂写代码又懂AI应用，还能像产品经理一样理解产品需求和客户痛点。

Many good ideas can now be executed through agent tools. In the view of Hong Xiaowen, enterprises must also consider how to optimize organizational scale under AI empowerment, achieving the highest efficiency returns with limited human costs.

“AI的最大价值恰恰在于对非AI以及非计算机专业人士进行赋能。以前开展创业时，至少需要配备前端、后端、产品经理、财务以及法务等人员，或许要10人以上才能把公司架构起来。现在AI能够帮忙完成很多事情，只要能够运用自然语言把需求描述清楚，AI就能把东西做出来，所以一人公司（OPC）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，从而越来越通用。”

下一个十年的胜负手

对于更具挑战的具身智能以及物理AI领域，洪小文给出了一个冷静的判断。机器人行业的发展并不容易，仍面临着“知易行难”的现实困境。目前物理AI领域相对领先的可能是自动驾驶行业，但自动驾驶发展到今天都不能说完全成熟。

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。WAIC上具身智能尤为引发关注，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，但技术上它到实用化仍需继续探索努力。

他将具身智能的发展阶段类比为ChatGPT出现前的大模型领域：“现在的具身智能有点像ChatGPT出现前，大家都觉得这个东西会产生非常大的价值，但还没有到突破点。不过，这个突破点可能很快就会到来。”值得一提的是，就在7月22日，宇树科技创始人兼首席执行官王兴兴在2026年世界互联网大会数字丝路发展论坛上表示，具身智能的“ChatGPT时刻”有望最快在两三年内到来。

“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。”秦涛针对人工智能行业未来十年的发展向每经记者分享了他的判断。

秦涛指出，在产业层面，目前的AI竞争仍然集中于模型技术以及核心算法方面，谁具备更强的算法能力，谁拥有更强的模型能力，就会率先取得领先地位。这也解释了为何现在许多AI企业创始人来自学术界，例如教授和科学家，因为他们拥有技术红利。然而，当未来基础技术的底座发展进一步饱和之后，AI产业将更多地转向应用层竞争，从基础模型寡头逐渐走向应用层的百花齐放。到那时，人工智能将作为水电煤般的基础设施全面渗透到各个领域。

秦涛指出，传统人才培养范式为先系统学知识，再进入科研，最终走向产业的线性阶梯。AI全面介入后，这条线性阶梯被压缩甚至打通了，因为学生可以在学习之初就进入真实科研，在科研中直接触碰产业前沿。所以北京中关村学院走的也是以科研项目为载体，打破学校、学科、导师、产教、阶段五重边界的超常规培养模式，不再是学完再做，而是边做边学，在真实问题中成长。秦涛用一句话总结了他对AI时代人才成长范式的看法：“从知识的容器转向问题的猎手与智能的指挥官。”

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，知道“做什么”比知道“怎么做”更稀缺的道理。“生成式AI时代实现了信息的零边际成本生成，而当人人皆可生成，你的品味和价值判断才是最关键的东西。”

来源：拆解AI竞争新逻辑：从智能猜想走向通用基建 | 证券时报网