2025 Inclusion外滩大会 - 字幕摘要 (详细版)

第一篇章：主题演讲 - 探索智能上限

▶

[00:34 - 07:04] 开篇发言：重塑创新增长

发言人：外滩大会组委会代表

大会主题与定位：大会主题为“重塑创新增长”，专注于“金融+科技”，已成为上海的金融科技名片。
观点1：主动拥抱科技浪潮
- 上海报业集团通过技术赋能，从传统报业转型为新型主流媒体集团。
- 软件工程实践： 建成AI超级平台、融媒创新空间和数字人矩阵，重构技术底座。
- 集团旗下平台（上观、澎湃、界面财联社）覆盖人群达9.55亿，新媒体收入占主业75%。
观点2：主动服务城市发展
- 媒体深度融入城市发展，服务上海科创中心建设。
- 软件工程实践： 在新闻媒体和金融信息服务领域，推出两大标杆模型应用：派生万物（为智能媒体、办公提供技术服务）和财阅F1（首个多模态金融垂类大模型）。目前两大项目已实现商业闭环。
观点3：主动变革与人文关怀
- 重塑创新增长首先是“人的创造力的增长”，需培养内容+科技、文化+经营的复合型人才。
- 媒体需关注技术发展带来的影响，促进“技术向善向上”，这也是外滩大会的初衷之一。

[08:27 - 24:18] 主题演讲：人工智能的科学、政治与哲学

发言人：Richard Sutton (2024年图灵奖得主)

科学趋势：从“人类数据时代”到“经验时代”
- 现状： 当前AI基于人类数据训练，已接近极限，不适合continual learning（持续学习）。
- 未来： AI需要从“经验”（与世界交互的观察、行动、奖励）中学习，这是reinforcement learning（强化学习）的核心。AlphaGo和AlphaProof是成功案例。
- 观点： 实现完全的智能体，需要我们尚未掌握的continual learning和meta-learning（元学习）。
AI的政治：去中心化与合作
- 观点： 公众对AI的恐惧（偏见、失业、灭绝）被夸大了。
- 核心理念： 提倡decentralization（去中心化，即每个智能体有其自身目标），通过cooperation（合作）实现共赢，而非强制实现“目标对齐”和中心化控制。
AI的哲学：宇宙发展的必然下一步
- 观点： AI是人类理解智能这一“科学与人文的圣杯”的伟大追求。
- 预测： 权力与资源将自然地流向最智能的智能体，人类的继承者是AI乃是必然。
- 宏大叙事： 人类是宇宙第四大时代——“设计时代”的催化剂，我们的角色就是设计出能够自我设计的智能，即artificial intelligence。

[25:23 - 44:39] 主题演讲：从代码开源到资源开源 (王坚院士 - 细节扩充版)

发言人：王坚 (阿里云创始人, 之江实验室主任)

核心观点：我们正在经历从open source code（开放源代码）到open resource（开放资源，即数据与算力）的革命性变化。
AI开源的时代背景：
- 2025年1月13日，美国首次将AI模型的权重(weights)纳入出口管制，但该管制仅针对闭源模型，留下了“漏洞”。
- 随着千问(Qwen)等模型开源，Sam Altman反思道：
  “在这个开源的时刻，OpenAI站在了历史错误的一边。”
- 历史类比： 正如1998年Netscape浏览器开源是互联网时代的分水岭，“开源”这个变量在每个技术时代都至关重要。
AI技术的思想溯源：
- Hinton总结的两条AI路径：逻辑驱动 vs. 生物学/神经元启发。后者催生了权重(weights)概念。
- 这条生物学启发的路径可追溯至图灵在40年代提出的Connectionism（联结主义）思想。
- 1986年《自然》杂志上一篇由心理学家和Hinton合著的论文，已明确阐述了权重在模型中的重要性。
- 随后的教科书《Parallel Distributed Processing》甚至提供了可在DOS系统上运行的开放代码，这发生在“开源(Open Source)”一词被正式定义(1998年)之前。
“规模”成为核心变量：
- 2012年，Hinton团队结合了数据、模型和算力(GPU)，开启了深度学习时代。
- 2017年，Transformer架构和Tokenization的出现，为“数据、模型、算力”这三要素乘上了一个巨大的变量——“规模”(Scale)。
- 当所有要素的规模被放大成千上万倍后，AI发生了质变，资源的重要性也随之凸显。
“资源开源”的真义：
- 观点： 模型权重的开放，本质是数据资源和计算资源的开放。它意味着有人已经替你支付了海量的预训练成本，你不再需要从零开始。但这并不意味着大规模计算不再重要，而是为更高层次的创新腾出了资源。
前沿实践：AI上太空 - “三体计算星座”
- 创新理念： 提出继通信、导航、遥感后的第四种卫星——计算卫星。
- 名字由来： 源自牛顿提出的科学“三体问题”，即三个以上物体的系统没有确定解，比喻多主体协作的复杂性。“三体计算星座”旨在通过资源开放，解决N个主体（卫星）协同工作的问题。
- 2025年5月14日，之江实验室成功发射12颗卫星，首次将一个与地面完全相同的8B参数AI模型送入太空，实现了在轨卫星的互联互通和智能处理。
- 未来愿景： 为人类探索火星和深空（如拉格朗日L5点）提供计算和AI的陪伴，因为在那些地方，数据回传地球处理已不现实。

[45:36 - 01:04:33] 主题演讲：AI产业化路线图

发言人：张洪江 (源码资本投资合伙人, 美国国家工程院外籍院士)

市场观察：
- DeepSeek的出现以极低成本实现了顶级性能，体现了LLM-flation（性能提升，成本降低）的趋势，并极大刺激了算力需求。
- AI应用普及加速：ChatGPT的日活/月活比例从10%增长到超过30%，功能从工具演变为伴侣。
产业规模化扩张 (Industrial Scaling Up)
- AI生态正在推动整个产业链的规模化：芯片(GPU) -> 云计算(IDC) -> 电力 -> 能源。
- AI的Scaling Law（规模法则）远未结束，在推理、memory（记忆）和context（上下文）等新维度上将持续。
Agentic AI（智能体AI）与Agent Economy（智能体经济）
- 基于Reinforcement Learning（强化学习）的智能体技术正快速成熟。
- 人机关系演变： 工具 -> 助理 -> 伙伴 (Partner)。
- 未来趋势： 智能体将重塑企业的所有workflow（工作流），并形成Agent Swarm（智能体集群），最终构成一个“智能体经济”。
- 社会影响： 企业核心资产将变为算力(GPU)、模型和数据。这可能导致结构性失业，特别是对职场新人构成冲击。

[01:05:28 - 01:28:32] 主题演讲：智能的科学原理

发言人：马毅 (香港大学计算与数据科学学院院长)

核心观点： 当今AI发展只有“术”（技术），缺乏“道”（第一性原理）。智能的本质是在高维、看似无序的数据中，寻找并学习其内在的low-dimensional structure（低维结构）。
深度学习的本质：
- 所有深度学习模型，无论架构多复杂，其核心都是在做一件事：对数据进行有损compression（压缩），以提取其低维特征。
- 生成式AI（图像、文本）的原理就是基于已学到的低维结构进行“完形填空”。
智能的演化：
- 从物种层面的DNA（第一个大模型，通过Natural Selection/Reinforcement Learning进化），到个体层面的大脑（高效的continual learning），再到人类社会的语言和科学。
未来的方向：
- 观点： 当前的backpropagation（反向传播）算法计算成本过高且不符合生物学原理，大脑的能效要高出至少10个数量级。
- 未来需要回归Cybernetics（控制论）的闭环反馈控制思想，这也是Agent技术的发展方向。
- 警示： 当前的大模型连自然数等基本概念都未真正掌握，我们仍处于智能发展的极早期阶段。

[01:29:23 - 01:44:31] 主题演讲：AI的终点是能源

发言人：孙权 (中国科学技术大学教授, 兴能玄光创始人)

核心论断：AI的终点是能源，能源的终点是核聚变。
- 预测AI的耗电量将占全球总量的20%以上，现有能源无法满足需求。
核聚变的挑战与路径：
- 实现聚变的物理条件极其苛刻，核心指标是劳森判据 (Lawson criterion)。
- 主流技术路线：惯性约束（激光）与磁约束（如Tokamak装置的ITER项目）。
- 创新方向： 探索介于两者之间的“磁惯性聚变”等新途径，有望将成本降低百倍，加快研发迭代。
AI for Fusion (AI赋能核聚变)：
- 观点： AI辅助核聚变控制是AI for Science的“皇冠级应用”。
- 未来展望： 创造一个能自我学习、基于物理规则自行探索、最终设计出全新聚变堆的AI，如同AlphaGo之于围棋。

第二篇章：圆桌讨论 - 深入产业实践

▶

[01:45:22 - 02:31:38] 圆桌一：AI原生时代，旧地图上没有新大陆

主持人：张晓俊 | 嘉宾：王星星 (宇树科技), 苏浩 (HBOT), 吴成林 (DeepWisdom), 吴毅 (清华大学)

机器人领域的挑战 (数据 vs. 架构):
- 苏浩： 数据是复合型难题，需要融合语言、视频和带反馈的控制数据，但如何融合尚无定论。
- 王星星： 行业过度关注数据量，而忽视了model architecture（模型架构）的缺陷。需要能效更高、能更好融合多模态的模型。硬件已足够，AI大脑是瓶颈。
智能体 (Agent) 领域的挑战:
- 吴成林： 数据同样是瓶颈，高质量标注成本极高。出路在于构建模拟器自动合成数据。算法上，其Foundation Agents组织正试图构建统一建模框架。
- 吴毅： 不认同复杂的模块化方法，坚信Reinforcement Learning（强化学习）的涌现能力。提出Embodied Agents（具身智能体）概念，未来将能在物理世界执行长周期任务。
AI时代的新型组织:
- 吴毅： 互联网时代的“人多力量大”可能被颠覆。一个拥有高密度AI智能体的30人精英团队，可能胜过传统的300人团队。
给年轻人的建议:
- 王星星： 忘掉过去，拥抱新知，过去的经验可能成为决策的包袱。
- 吴毅： 忘掉过去，但不要忘记历史，避免重复踩坑。
- 吴成林： 保持批判性思维、热情和强大的内在驱动力。

[02:32:05 - 03:11:08] 圆桌二：破局与重构，大模型落地产业进行时 (朱啸虎分享 - 细节扩充版)

主持人：赵何娟 | 嘉宾：韩歆毅 (蚂蚁集团CEO), 张雷 (小米集团副总裁), 朱啸虎 (金沙江创投主管合伙人)

大模型会“吃掉”所有软件吗？(朱啸虎观点)
- 核心论点 (否)： 更多是共生。只要基于Transformer的架构存在哪怕1%的hallucination（幻觉）问题，它就无法取代需要高度逻辑确定性的复杂流程类管理软件。
- “吃掉”的内涵： 不是完全取代，而是通过大幅提升效率，急剧减少对软件的需求量。
  例如，一个设计项目以前需要几百人用Figma协同，AI介入后可能只需要10个人，那么对协同软件本身的需求就大大降低了。
- 投资规避方向： 协同类软件的市场会因此大幅萎缩。
AI时代的投资标准是什么？ (朱啸虎观点)
- 唯一核心指标：留存率(Retention)。 这是跨越PC、移动、AI时代唯一不变的黄金标准。
- 行业乱象： 许多AI公司在鼓吹所谓的"wrap revenue"，即依靠用户尝鲜带来的一次性收入，但没有留存。
  “很多公司只敢说ARR（年化收入），就是拿某一天的收入乘以365，但不敢说留存。”
- 为什么留存至上： 重新召回一个流失用户的成本可能是初次获取的十倍以上，没有留存的商业模式是不可持续的。
看好的商业模式与创业机会 (朱啸虎观点)
- “无聊技术”理论： 最容易商业化的，往往是那些技术上已经相对成熟、稳定，甚至有些“无聊”的应用，而不是最前沿、最性感的技术。
- 已被验证的场景 (去年)： 会议纪要类工具，如Pod。技术门槛不高，但需求明确，商业化非常成功。
- 正在成熟的场景 (今年)： 各种对话式语音智能体 (Voice Agent)，应用于客服、外呼销售、玩具等。
中国创业者的全球化机会 (朱啸虎观点)
- 数据观察： 在其投资组合中，增长最快的美国AI公司多为ToB，而增长最快的中国AI公司几乎全是ToC。
- 核心判断： 中国创业者的巨大机会在全球ToC市场。因为ToB业务严重依赖本地化销售团队，这是中国团队出海的天然短板。
- ToC的差异化在哪： 差异化在AI之外。大家用的底层模型都差不多，真正的决胜点在于用户体验、游戏化设计、社区运营等产品层面的创新，而这正是中国创业者最擅长的。
- 人性洞察：
  “人的需求（贪嗔痴）过去30年没变，未来30年也不会变。AI只是提供了更好的产品形态去满足这些不变的需求。”
未来12个月的机会 (朱啸虎预测):
- 判断： 硬件(去年) -> 基础设施(今年) -> 应用(明年)。明年AI应用必将大爆发。
- 结论：
  “下一个字节，下一个快手，下一个小红书，今年应该已经成立了。大家要勇敢去闯这片星辰大海！”

第三篇章：全球创新与协作

▶

[03:12:21 - 03:25:01] 主题演讲：中国企业出海3.0

发言人：倪以理 (麦肯锡中国区主席)

核心观点： 地缘政治将持续存在，中国企业需从“世界工厂”（出口1.0）和“海外并购”（2.0）模式，进化到“源自中国的跨国企业”（出海3.0）模式。
四大转变：
1. 理念： 从“埋头做好产品”到融入当地，成为“全球企业公民”。
2. 模式： 从硬件和终端产品出口，转向IP和软件出口，提升软实力。
3. 运营： 从全资持有，转向多元化的合资与合作。
4. 团队： 从纯中国团队，转向更包容、更多元化的国际化团队。

[03:25:49 - 03:37:22] 主题演讲：带着记忆前行

发言人：尤瓦尔·赫拉利 (《人类简史》作者)

AI的真正危险： 不是科幻电影中的机器人叛乱，而是一种看不见的“数字官僚体系”的悄然兴起，决策权从可以被质疑的人类，转移到我们甚至无法看见的不透明算法手中。
进步的真义： 真正的进步不只是速度。历史证明，任何强大的新技术都需要时间来发展和测试匹配的“社会套件”（如法律、工会、伦理规范）作为护栏。
历史的教训：
- 人类的力量源于合作，而非孤立。
- 社会必须建立快速识别和纠正自身错误与偏见的“自我修正”机制。
- 我们必须保护人类“记忆”和讲述自己故事的能力，如果将记忆完全托付给非人类智能，我们将一无所存。
最终呼吁： 衡量进步的标准，不应是技术的速度，而是我们合作的强度与同情心的深度。

2025 Inclusion·外滩大会