“人工智能发展趋势是从计算智能、感知智能迈向认知智能，并将进一步向行为智能、情感智能延伸，最终走向通用泛化的强智能。”中国工程院院士、同济大学教授郑庆华在第22届中国计算机大会（CNCC2025）上表示。

近年来，AI（人工智能）技术加速迭代，正迎来爆发式发展。然而，大语言模型能否走向通用AGI（人工智能）？这一时刻又将何时到来？站在AI发展的十字路口，学界、业界依旧存在争议。

10月22日至25日，CNCC2025在黑龙江省哈尔滨市举办，聚焦数字经济、大模型、具身智能等前沿议题，百余名专家学者展开深度研讨，共话数字经济时代计算技术发展新趋势。

  ?

CNCC2025大会现场（主办方供图）

数字经济何去何从？

“数字经济是一个大话题，也是一个时代话题，但什么是数字经济？还没有达成共识。”中国科学院院士、北京大学教授梅宏率先抛出一个问题：数字经济是否会像工业经济颠覆农业社会那样，推动人类从工业社会迈向新社会形态？

“该怎样理解将数据定义为‘关键生产要素’？”在梅宏看来，不同于土地、资金等传统的生产要素，数据既可能是自变量，又像是一种技术手段，可以带来革命性的效率提升。

尤其针对当前“谈数据必谈AI”的现状，梅宏提出不同看法，“AI只是处理数据的一种方式，我们已有的处理数据方式还是要持续。”

对此，蚂蚁集团研究院院长李振华表示认可。他认为，尽管AI使数据使用路径和方法发生改变，但当前AI应用无法解决所有数据使用问题，不能依赖AI大模型完全解决数据流通卡点，仍需破解传统数据使用中的关键问题。

而要实现数据要素的共享和流通，打造高效率、低成本的数据流通基础设施是重中之重。

“很多地方将数据流通基础设施和其他基础设施混在一起，并没有认识到其特殊性。”李振华指出，当前数据供给存在“有价值未开放、开放无价值”的现实问题。

“目前各地都在推进公共数据授权运营。”清华大学计算社会科学与国家治理实验室执行主任、北京国际数字经济治理研究院院长孟庆国指出，公共数据因公共性需遵循开放原则，但其敏感性与市场化配置存在矛盾，完全开放难以推进，并提出公共数据开放应建立责任主导模式，向开发利用环节开放，在安全域内通过授权形成产品后再落地等建议。

“数据及数据处理系统才是数字经济核心。”北京大学信息技术高等研究院首席经济学家张国有认为，相较于数据交易问题，数据与数据处理系统的状态及产生的结果，才是更值得关注和研究的核心问题。

大模型困境犹存

“大模型虽已成为AI主流，但本质上仍然是拟合海量数据概率分布的‘统计相关性’工具，存在很多固有缺陷。”郑庆华指出，当前人类生产数据的速度远远跟不上大模型对数据的“渴求”。

同时，大模型的发展带来了显著的能源消耗问题。“参数的获取要靠海量数据进行训练，且大模型存在灾难性遗忘、迁移能力差等问题。”郑庆华解释称，大模型具有“喜新厌旧”的特点，微调虽然能够提升大模型在新任务上的适应能力，但损害了原有训练任务中的性能，因此，持续学习的新任务越多，旧任务的遗忘越严重。

“在一元二阶逻辑测试中，主流大模型得分接近0分，离通用人工智能的要求还有巨大差距。”华为公司战略研究院院长周红同样关注到这一现象，并总结了当前大模型存在三大核心挑战：认知偏差导致泛化能力弱；数据与能源效率极低；在组合爆炸与长程推理上的能力存在明显短板。

对此，他提出“世界模型”的解决方案，打破单一技术路径依赖，构建“经验引擎+行动引擎+理念引擎”三引擎协同体系，来满足大模型在支撑复杂场景下的智能需求。

而在百度首席技术官王海峰看来，未来，通用大模型与场景大模型相辅相成、相互促进：通用大模型是基础，其强大的数据、算力和算法能力不断提高技术天花板，通用大模型越来越强，其解决场景问题的能力也会越来越强；而场景模型更专注于行业和应用场景的理解，能够满足时间、资源和环境等约束，实现精准落地。

“人才是大模型发展的关键支撑。”尽管大模型发展仍存在多重困境，但王海峰认为，随着AI发展迅速，年轻人能快速掌握核心技术并发挥巨大作用，创造价值、拥抱变化、务实自驱、向善而行、开放合作，已成为AI时代的工程师文化。

具身智能新机遇

大模型的迅速发展，为具身智能的发展注入新动力。

“具身智能的核心在于与物理世界交互并改变环境，其形态多样，不限于人形机器人。”北京大学计算机学院前沿计算研究中心研究员王鹤表示，他对大模型在具身智能中的作用持审慎态度，认为视觉-语言-动作模型存在训练后泛化能力下降的问题，且自然界中许多智能体无需语言也能实现高级智能。

西安交通大学人工智能学院教授薛建儒则持不同意见。“大模型在任务理解、环境认知和零样本学习方面具有不可替代的价值。”他强调物理交互中的安全性至关重要，需要结合可解释的物理模型与数据驱动方法来构建双重保障。

而针对当前围绕具身智能的争议，薛建儒认为根源在于缺乏统一评估标准，并建议学术界应坚持探索通用具身智能路径，与产业界聚焦特定场景的应用开发并行推进。

在北京工业大学信息科学技术学院副院长马楠看来，具身智能需要实现跨模态感知融合和行为智能，通过人机在环学习、专家示教等方式让智能体持续成长。

“安全问题需要建立分级标准体系，不同场景下的相同动作可能具有不同语义风险。”马楠指出，尤其在大模型应用方面，应以任务需求为导向，在自动驾驶等特定领域培育具备泛化能力的专业模型，“通过碎片化场景学习和持续迭代，能让具身智能体逐步获得人类级理解能力，最终实现安全可靠的人机共融。”

此外，中国工程院院士、北京航空航天大学教授赵沁平提出“共身智能”的概念。他指出，当前AI主要是基于数据和算法的“仿生智能”，而VR是构建逼真环境的“仿真智能”，难点在于如何将两者结合，让数字世界、物理世界和人类世界实现真正的三界融合。

“在虚拟对象与物理对象之间建立实时数据通道，从而实现虚实联动的闭环，最终AI系统与人类形成双向互动、共同进化的伙伴关系。”赵沁平认为，这将进一步改善生产生活，例如通过模拟仿真进行汽车的破坏性实验，能节省大量时间和经费，医疗上通过模拟人体和病体，利用手术模拟器取代动物试验等。