朱松纯：AI热潮的回望与反思、思想自主、未来展望

02  思想自主：构建AGI的战略主动与中国叙事

总的来看，问题不在于热点轮换本身。技术发展过程中必然经历技术路径的多元探索与持续迭代，关键在于我们是否掌握了对技术发展叙事的定义权和解释权。

回顾前文所述的几轮技术热潮和泡沫，中美人工智能发展存在差距的根本原因在于原创性与自主性的缺失。美国提出概念，我们解释概念；美国形成趋势，我们论证趋势。早在2021年，我就提出了“下围棋VS打篮球”的隐喻，指出中美AI竞争的根本问题在于原创性与自主性的缺失，呼吁要加强战略主动、原创引领性。

时至今日，跟风逐热的“打篮球”式技术研发和投融资在中国仍是普遍做法。在学术界，大量研究者追逐热点、在已有框架下做增量改进，传播已有知识，却缺乏探索新路径的魄力与产出原创性成果的创造力——我们的论文发表量位居世界前列，但定义问题、开辟范式的能力远远不足。在资本端，投资者倾向于跟随已被验证的成功范式，按照西方的估值模型与叙事逻辑配置资源，缺乏对技术发展底层逻辑的自主判断和对长期基础研究的耐心投入。这种双重主体性缺失，导致我们在每一轮技术浪潮中都扮演“追赶者”而非“引领者”的角色。

技术浪潮：下围棋VS 打篮球

科技竞争的真正制高点是思想和叙事的自主性——谁能够定义技术趋势，谁能组织资本、政策、人才和产业，这本质上是一场文化竞争，而不仅仅是技术竞争。中国需要摆脱"跟随者"心态，不再照搬美国的叙事框架。我们现在常说的"卡脖子"问题，说白了卡住的不是脖子，而是脖子以上的思想与认知。

我们需要回到AGI的源头，重新思考什么才是真正的AGI、通往它的正确路径在哪里。只有在这些根本问题上建立独立自主的思考和判断，才能构建起属于中国自己的AGI战略主动与叙事体系——而这正是我们团队过去二十余年始终坚持的方向。

四、正本清源：AGI的本质、架构与技术路线

在资本叙事与媒体炒作的重重包装之下，"AGI"一词已被严重泛化和滥用。一个根本性的追问浮出水面：产业界、资本界乃至学术界所追逐的，究竟是真正的通用人工智能，还是一场被叙事与营销包装起来的幻象？要回答这个问题，我们必须从第一性原理出发，回到AGI的本质与源头，重新审视什么是通用人工智能、它的竞争核心是什么、以及通往它的正确技术路径是什么。

什么是AGI：回归智能的本质

严格来说，通用人工智能是具备物理常识与社会认知能力、能够自主生成任务并完成无限任务、行为由价值驱动且与人类价值对齐的通用智能体。相较于传统依赖海量数据训练的大模型，AGI应具备三个基本特征：无限任务泛化、自主任务生成与价值驱动。

具体而言，一是具备高度通用性与自主性，能够突破传统任务预设限制，实现目标自主生成与动态规划；二是具备较强的具身感知与泛化能力，能够在开放环境中通过自主学习和灵活迁移完成多模态、多场景复杂任务；三是行为决策由价值驱动，确保智能体行为符合人类伦理准则与社会规范。AGI的发展与突破，标志着人工智能从“专用化”迈向“通用化”的历史性飞跃，必将重构科技发展范式、推动生产力整体跃升。

当前的大模型发展的一个根本性瓶颈在于，它没有"心"。这里的"心"，不是生物学意义上的心脏，而是智能体的认知架构与价值体系。它决定了智能体为何而行动、如何理解世界、怎样在复杂情境中做出价值判断。大语言模型本质上是对海量文本数据的统计拟合，它没有内在的价值驱动力，无法回答"我为什么要做这件事"的问题，更不具备自我反思与价值选择的能力。构建AGI的关键，正在于为机器“立心”——让智能体拥有完备的认知架构与价值体系，使其思想与行为由内在的价值驱动，而非外部数据的机械映射。关于"心"的详细论述，可参见我的著作《为机器立心》，在此就不展开了。

实现AGI架构的关键是：让机器有一颗“心”

我在2024年底出版的《为机器立心》《为人文赋理》两本著作，经过全面修订与内容更新，第二版已于近日正式发布。两本书系统阐述了我们团队在AGI认知架构、价值驱动范式以及中国思想数理体系化方面的核心思考——前者聚焦“为机器立心”，回答如何让智能体拥有内在的价值体系与认知架构；后者致力于“为人文赋理”，探索如何为中国优秀哲学思想构建严格的数理体系，使之转化为智能时代的强大生产力。这次修订融入了通通从1.0到3.0的迭代突破、CUV框架的系统完善以及大型社会模拟器等最新研究成果，希望对关心通用人工智能发展的朋友有所启发。

《为机器立心》《为人文赋理》重磅更新

架构之争：CUV框架的原创突破

实现AGI的关键，在于架构之争。这不仅仅是模型层面的竞争，而是涵盖了数学层面的认知架构、系统层面的软硬件架构，最终将延伸至芯片层面的架构创新。

从这一根本问题出发，我们团队提出了CUV（认知—能力—价值）数理框架，首次在统一的数学空间中刻画智能体的认知架构、技能系统与价值系统。这一成果发表于中国工程院院刊Engineering，是全球首个定义和描述AGI的数学框架。

通用人工智能的数理定义：CUV架构（认知-能力-价值）

CUV框架将任意一个智能体形式化地定义为（C, U, V）空间中的一个点，其智能行为与演化过程通过三个核心要素的相互作用来刻画：认知架构（Cognitive Architecture, C）代表智能体的认知模块及其相互连接的通信协议，包含"心智理论"等高阶认知机制，决定了智能体的信息处理方式与内部逻辑结构；势能函数（Potential Functions, U）代表智能体所掌握的技能集合，覆盖感知、语言、认知、运动和学习等多个维度，具有从个体基本技能（U0）、社会性技能（U+）到群体高阶技能（U++）的层次结构；价值函数（Value Functions, V）是驱动智能体决策与行动的内在动机系统，同样呈现从个体生理与情感需求（V0）、社交价值（V+）到集体与社会价值（V++）的层级升维。

这三个要素并非孤立存在，而是构成了一个协同演化的动态循环：认知架构（C）根据智能体当前状态，从价值空间（V）中选择目标，随后依据该目标从技能空间（U）中调用相关技能来理解环境并规划任务。随着智能体执行任务并获得反馈，U空间中的技能不断学习与优化，V空间随之扩展，C的结构与决策能力亦同步演进。智能体的进化，本质上体现为认知架构、能力与价值的不断升维。

CUV框架的提出，标志着通用人工智能研究实现了从"任务驱动"走向"价值驱动"的范式转变，从哲学思辨走向数理表述，将关于智能本质的概念构想转化为可计算、可评测、可实现的系统架构，为AGI研究奠定了数理基础。AGI技术创新的核心在于底层架构的颠覆性创新，而非简单的算法优化与工程实现。当原创认知架构进一步转化为全新的芯片架构，才会迎来AGI竞争的终局。

从架构到实践：“通通”的诞生与进化

基于CUV架构，我们研发出了全球首个通用智能体“通通”，实现了通用人工智能从0到1的突破。通通能够在物理仿真的复杂动态场景中自主定义、规划并完成任务，她的行为由内在价值系统驱动，而非简单的数据拟合。

近两年间，"通通"历经三轮迭代，从3至4岁的婴童成长为5至6岁的学龄前儿童，成长环境从一个小房间逐步扩展至六口之家、幼儿园，直至完整的"AI小镇"。每一次迭代，都是通用人工智能从理论构想到系统验证的实质性突破。 

通通：全球首个通用智能体，具有完备的认知架构

通通1.0作为全球首个由价值与因果驱动的AGI系统原型，入选2024中关村论坛十项重大科技成果，被写入2025年北京市政府工作报告，被美国智库报道。通通2.0在语言与价值的深度结合、动态规划与反思能力、持续学习与成长等方面实现全面升级，从"眼里有活"走向"心里有人"——她能在理解对话意图的基础上，遵循自身价值和人格引导对话走向，在多智能体场景中识别他人身份与意图，主动发起协作或寻求帮助。通通3.0则在空间智能、认知智能与社交智能三大核心维度实现突破：能够清晰区分3D虚拟具身空间与2D现实视频流，具备复杂任务的自主规划与并行任务管理能力，不仅能识别他人的情绪与意图，还可进入多智能体共存的"AI小镇"开展拟人化互动。

在通通与大模型、智能体对比测试中，通通获总排名第一，表现与5-6岁儿童相当

在通智测试GSA评估体系的最新测试中，"通通"在涵盖物体理解、空间智能与社会活动三大核心领域的八类通用能力测试中全部达标，总排名第一，在拼图、搭建积木、理解按钮功能等六项细分项目中排名第一，超越了GPT-5、o3、Gemini-2.5-Pro等当前主流大模型智能体。这一结果不仅验证了CUV架构的技术有效性，更揭示了一个深层事实：真正的通用智能，不是靠更大规模的文本预训练就能涌现的。

早在2017年，我就对人工智能的技术范式进行了深刻反思，提出了“乌鸦范式”与“鹦鹉范式”的根本分野——鹦鹉能模仿人类说话，但并不理解含义；乌鸦能观察环境、理解因果、制定计划，其智能建立在物理世界的真实理解之上。近十年来，这一判断不断被验证。

当前主流大模型遵循"大数据、小任务"的鹦鹉范式——鹦鹉能模仿人类说话，经过海量数据训练后可以复述成千上万个句子，但它并不理解这些句子的含义，也无法根据情境自主创造有价值的语言。而"通通"走的是"小数据、大任务"的乌鸦范式——乌鸦能够观察环境、理解因果、使用工具、制定多步计划来解决问题，其智能建立在物理世界的因果理解和价值驱动的任务判断之上

颠覆性的原创技术范式：小数据，大任务

前面的一位演讲者，强化学习之父Richard Sutton近期公开批评大语言模型"非常擅长模仿人类，但无法评估自身的输出结果，也不具备真正探索和发现的能力"，并提出了基于“选项与知识”（OaK）的新架构，主张AI应该像生物一样，在与环境交互的运行过程中实时试错、进化并自我完善。Sutton的技术理念与我们长期坚持的路线并不矛盾——让智能体通过自身经验与体验持续学习、由内在价值驱动成长，这正是"通通"从1.0到3.0所践行的核心理念，我们已经将这一思想落到了实践中。

何以为人：AGI研究的本质

当我们追问AGI的本质时，本质上是在追问一个更深层的问题：什么是“人”？

AGI研究的目标是造出全面达到人类水平的通用智能体。其哲学前提是：生物人、机器人、数字人三类通用智能体是同一个数理空间中不同的"解"——三者拥有相同的数理框架，仅在算法与硬件实现上有所差异。因此，AGI研究的本质，就是研究"何以为人"。

过去，“何以为人”属于人类学的研究范畴，核心是比较人与动物的区别。如今，我们需要通过比较生物人与智能体、机器人之间的区别，重新明确人的本质与定位。

什么是通用人工智能？=什么是“人”？

在我看来，AI与人类之间存在三个根本性差异。第一，AI缺乏真正的创造力。它可以证明定理、生成文本，但不会创造新的概念和理论体系，它不知道什么有价值、什么没有价值。第二，AI缺少自身的价值体系。它没有内在的价值驱动力，无法回答"我为什么要做这件事"的问题——它的行为是被外部指令和训练数据驱动的，而非源自对意义的自主追寻。第三，AI不具备社会智能。它缺乏自我意识，更谈不上形成共同体意识，无法理解责、权、利等社会关系的基本范畴。

这三方面差异，构成了人类在智能时代不可替代的根基。而其中最具挑战性、也最关键的维度，是社会智能。