马斯克狂言“2028年AI征服全人类学科”,AI泰斗当场打脸:连通下水道都不会!

硅谷最不缺的就是狂言，但这一回，连深度学习的鼻祖都坐不住了。

2026年9月下旬，X（原推特）上爆发了一场火药味极浓的顶级学术交锋。

导火索是一场关于“AI何时彻底超越人类”的时间表之争。Keras之父、知名AI学者弗朗索瓦·肖莱（François Chollet）翻出了自己五年前的预言：未来10到20年内，所有科学学科本质上都会变成计算机科学的分支。

▲ François Chollet 重提旧帖：科学被计算化正在成为现实

就在大家围观讨论时，埃隆·马斯克（Elon Musk）突然在评论区发声：

“你的预测太保守了。AI将在明年年底，或者最迟2028年，在所有领域彻底击败（beat）人类。”

▲ 马斯克将时间线暴力压缩至“最迟2028年”

从“被计算工具重塑”到“全领域击败人类”，马斯克直接把预言调成了地狱级难度的狂飙模式。

全网瞬间沸腾

然而，仅仅几个小时后，现代深度学习奠基人之一、LSTM之父于尔根·施密德胡伯（Jürgen Schmidhuber）实名下场，甩出了一盆透心凉的冰水：

“2028年AI征服所有科学领域？几乎不可能（Hardly）。”

施密德胡伯直接指出核心症结：“今天所有好用的AI，都只是缩在屏幕背后的虚拟产物。直到今天，世界上还没有任何一台AI机器人，能干好一个水管工的活，甚至比不过一只卷尾猴！”

01屏幕背后的“虚假繁荣”：下棋能赢，通马桶必跪

施密德胡伯的反驳，瞬间戳破了当前大模型繁荣背后的“皇帝新衣”。

▲ 施密德胡伯长文硬刚马斯克：没有物理世界的掌控，就谈不上AGI

他毫不客气地指出：今天人们看到的AI突破，全都是“屏幕背后的AI（Behind-the-screen AI）”。

写代码、做PPT、下国际象棋、画二次元插画、自动总结上万字的长文、甚至证明高难度数学定理……这些任务看似高大上，但在计算机眼里，它们拥有一个共同的温室环境：完全确定、可无限试错、数据纯净、毫无物理摩擦的虚拟世界。

但在真实的物理世界里呢？

想象一个最普通的水管工工作场景：钻进逼仄潮湿、布满铁锈的橱柜下方，单手盲操一把扳手，感受螺纹咬合的微小阻力，避开随时可能老化的电线，根据水流的喷溅压力瞬间调整手腕扭矩……

在这个充满非标准零件、摩擦力、液体流动和空间干涉的物理世界里，目前最顶尖的具身智能机器人，笨拙得就像刚出生几天的蹒跚幼崽。

施密德胡伯总结道：通过图灵测试（文字对话骗过人类），远比在物理世界里打造切实可用的“物理AI（Real AI）”容易得多！

科学探索依赖现实世界的实体反馈物理实验、化学试剂配比、生物组织切片，都需要在充满不确定性的自然环境中亲自动手验证。

“连真实世界都无法掌控，谈什么通用人工智能（AGI）？”

02被抬出的特斯拉FSD，被“两自由度”无情秒杀

施密德胡伯的帖子发出后，评论区立刻有特斯拉粉丝坐不住了。

网友Silver当场反驳：“那特斯拉的全自动驾驶（FSD）和Robotaxi怎么算？轮子上的物理AI已经非常强悍了，把这些能力搬到Optimus人形机器人上不就行了吗？”

▲ 网友搬出特斯拉FSD作为反例

面对这个看似强力的反击，施密德胡伯的回答极其简短，却犹如手术刀般精准致命：

“自动驾驶汽车是非常简单的机器人，只有两个自由度（方向盘转向与油门刹车）。恩斯特·迪克曼斯（Ernst Dickmanns）早在1994年就造出了能在真实交通中自动驾驶的汽车；32年过去了，自动驾驶依然面临无数问题。物理AI是一场慢游戏（Physical AI is a slow game）。”

▲ 施密德胡伯犀利回击：自动驾驶只有2个自由度，搞了32年依然没彻底解决

这番回应揭开了一段被大众遗忘的30年科技往事。

什么是自由度（Degrees of freedom）？普通汽车在地面行驶，本质上被死死按在一个二维平面上。算法最终输出的控制变量，翻来覆去就只有两个数字：方向盘转多少度（横向控制），油门或刹车踩多深（纵向控制）。

而一个人形机器人呢？全身通常有30到50个主动关节，光是一只灵巧手就有近20个自由度。在三维空间中协同发力、维持动态重心平衡、处理接触形变，其状态搜索空间的复杂度，直接呈指数级爆炸！

早在1994年，德国慕尼黑联邦国防军大学的迪克曼斯教授，就用奔驰改装车在巴黎公路上，以高达130公里/小时的时速完成了公开自动驾驶演示；1995年更创下了从慕尼黑到丹麦哥本哈根1600多公里的跨国长途测试。

▲ 1994年，迪克曼斯就已经实现了高速公路自主跟车与变道

三十多年过去了，芯片算力翻了上百万倍，雷达与高清相机全面上车，但在脱离安全员与远程人工兜底、遭遇极端雨雪天气时，全场景无人驾驶依然在与长尾极端情况苦苦纠缠。

一个只有“两个自由度”的平面运载工具，用了32年都没能完全攻克物理世界；马斯克凭什么断言，拥有几十个自由度的人形机器人与复杂物理科学，能在短短两年内被AI全盘征服？

03致命缺陷：AI靠“吞网线”，人类靠“做实验”

很多人产生“AI无所不能”的错觉，是因为大语言模型吞下了全人类几十年来沉淀在互联网上的全部文本和代码。

但面对物理世界，这一套彻底失灵了

施密德胡伯在随后的讨论中一针见血地指出：人类婴儿或一只卷尾猴，从来不需要把整个互联网下载到脑子里。它们是通过在真实世界中推倒积木、把手伸进水里、自己发明小实验，在主动交互中学会物理定律的。

▲ 施密德胡伯指出：人类与动物靠在物理世界中主动做实验来学习

现有的AI驱动机器人，最致命的弱点就是极其脆弱、惧怕损伤、无法在现实中大规模主动试错。

在屏幕里，代码写崩了可以一毫秒重启；但在物理世界里，机械臂撞毁一次就是几十万的维修成本，化学试剂倒错一次就可能引发火灾。缺少扎实可靠的物理交互数据，仅靠从文本中推测物理规律，AI难以构建起理解现实的世界模型。

为了解决这一难题，施密德胡伯团队目前正在推进软体婴儿机器人（Soft Baby Robot）的研究（arXiv:2404.08093），通过模仿婴儿柔软抗摔的身体，让机器人能够在物理世界中“无痛试错”，自主探索。

但这恰恰证明：通往物理智能的道路才刚刚起步，远未到摘取果实的季节。

04科技界的集体清醒：不要用PPT的狂欢，代替螺丝钉的阻力

这场顶级论战在技术圈引发了极大的共鸣。

软件工程界的泰斗级学者格雷迪·布奇（Grady Booch）直接开启了毒舌嘲讽模式：

“典型的差一错误（Off-by-one error）。埃隆这次大概是用十一进制在数数吧。”

▲ Grady Booch 嘲讽马斯克的时间表又犯了程序员经典错误

机器人感知领域研究者佐哈尔·里蒙（Zohar Rimon）也公开声援施密德胡伯：

“一针见血。物理、生物、化学……这些学科依然远未被传统AI征服。物理世界必须依靠物理交互！”

▲ 业内学者强调物理科学需要物理交互

面对外界关于“是否忽视了指数级增长”的质疑，施密德胡伯直接展示了一张跨越宇宙尺度的“非线性时间线（Omega Point）”全景图。

▲ 施密德胡伯展示对数时间线：从宇宙大爆炸到AI诞生，历史在加速，但这绝不等于工程能在两年内速成

作为从上世纪70年代就坚信“自我改进的超人类AI终将降临”的元老，施密德胡伯本身深信技术奇点的演进，但他拒绝把对数轴上的宏观趋势，包装成未来24个月内就能兑现的商业噱头。

05先修好漏水的水管，再谈拯救宇宙

在过去几年里，我们见证了算力奇迹，见证了语言模型在各大刷榜榜单上的狂飙突进，以至于让人产生了一种“全知全能的超级智能下周就要诞生”的虚幻眩晕。

但马斯克与施密德胡伯的这场交锋，给整个喧嚣的科技行业敲响了警钟：

• 代码和文字的尽头，是物理规律的高墙。
• 生成一段流畅的文献综述，不等于在实验室里合成出室温超导材料。
• 在模拟器里跑出100分，不等于能把一颗生锈的螺丝拧紧在正确的位置。

通用人工智能不可能永远寄生在机房服务器和发光的显示屏背后。

正如施密德胡伯所言：什么时候AI能走出机房，像水管工一样在泥泞与管道间熟练自如地解决问题，人类才算推开了新世界的大门。

在此之前，别急着宣布“胜过全人类”物理定律，从来不相信硅谷的倒计时