11月8日，一场堪称AI领域“世纪峰会”的对话在硅谷科技中心拉开帷幕。英伟达创始人兼CEO黄仁勋、斯坦福大学AI实验室负责人李飞飞、“深度学习三巨头”杰弗里・辛顿、扬・勒丘恩（杨立昆）、约书亚・本吉奥，以及OpenAI联合创始人伊利亚・萨茨凯弗（戴利）六位顶尖专家罕见齐聚，围绕AI发展现状与未来方向展开深度交锋。这场对话吸引了全球科技界、产业界及学术界的目光，直播在线观看人数突破千万，成为近年来AI领域最受关注的行业事件之一。
对话开场，六位专家便在AI发展的核心判断上达成共识——当前AI技术正逐步逼近人类智能的“临界点”。李飞飞以计算机视觉领域的突破为例，指出最新的多模态模型已能像人类一样理解图像中的场景逻辑与情感表达，“去年我们测试的AI系统，在识别‘老人与孩子在公园分享冰淇淋’这类包含复杂人际互动的图像时，准确率已达到人类水平的92%，这在五年前是不可想象的”。她进一步补充，AI在医疗诊断、气候预测等专业领域的表现也持续突破，斯坦福医学院的实验显示，AI辅助诊断早期肺癌的漏诊率比人类医生低18%，“这些进步证明，AI正在从‘感知智能’向‘认知智能’跨越”。
黄仁勋则从产业落地角度印证了这一趋势。他透露，英伟达最新推出的GPU集群已能支持万亿参数模型实现“实时推理”，“过去训练一个千亿参数模型需要数月，现在只需72小时；更重要的是，这些模型能在工业生产中自主优化流程——比如特斯拉上海工厂的AI系统，可根据零部件供应情况调整生产线，效率比人工调度提升30%”。在他看来，AI与实体经济的深度融合，正是其智能水平逼近人类的重要体现。
尽管在AI发展方向上达成共识，但六位专家在“发展节奏”上却出现明显分歧，形成“激进派”与“稳健派”两大阵营。
辛顿与戴利组成的“激进派”认为，AI将在10年内实现“通用人工智能（AGI）”，甚至可能超越人类智能。辛顿直言，当前大模型的“涌现能力”已超出预期，“我们发现，当模型参数超过1万亿时，会突然具备自主学习新任务的能力——比如一个仅训练过文本生成的模型，能自主学会编写代码，且准确率与专业程序员相当。按照这个速度，2035年前实现AGI完全有可能”。戴利则从技术迭代角度补充，OpenAI正在研发的“自进化模型”，可通过自我反馈持续优化算法，“过去模型升级需要依赖人类工程师调整参数，现在模型能自主分析错误并修正，迭代速度比之前快5倍。这种‘自我进化’能力，将加速AI向更高智能水平突破”。
而杨立昆与李飞飞则属于“稳健派”，他们对AI发展节奏持谨慎态度，认为AGI的实现至少需要30年，且需警惕技术风险。杨立昆指出，当前AI仍存在“常识缺失”的致命短板，“比如AI能准确识别‘猫坐在桌子上’，但无法理解‘猫为什么不会穿过桌子’——这种基于物理规律的常识，对人类而言是本能，对AI却需要海量数据训练，且难以迁移到其他场景。要解决这个问题，可能需要全新的算法架构，而非单纯增加参数”。李飞飞则更关注伦理与安全问题，“AI在医疗、教育等领域的应用，涉及隐私保护、公平性等诸多伦理挑战。比如医疗AI若因训练数据偏向某一人群，可能导致对其他人群的诊断准确率降低，这种‘算法歧视’若不解决，会引发严重社会问题。因此，AI发展不能只追求速度，更要注重‘稳健性’，建立完善的伦理规范与安全机制”。
黄仁勋则处于“中间立场”，他认为AI发展节奏将呈现“阶梯式推进”，既不会如激进派预期般快速突破，也不会如稳健派担忧般缓慢。“AI发展会经历‘技术突破—产业落地—问题暴露—优化调整’的循环，每个循环都会推动智能水平提升，但也会遇到新的挑战。比如当前大模型的能耗问题——训练一个千亿参数模型需要消耗1.2亿度电，相当于10万户家庭一年的用电量，若不解决能耗问题，大规模推广会面临能源瓶颈。因此，AI发展节奏会受技术、产业、社会等多方面因素影响，是一个‘动态平衡’的过程”。
