夜雨聆风
他表示，强化学习在某种程度上是在“缓存搜索结果”，让智能体不必每一次都从零开始，这也是强化学习区别于监督学习和无监督学习的地方。
强化学习面对的是序列决策问题。智能体在每一个时间步观察状态，采取行动，得到奖励，并进入下一个状态。这里的难点在于，行动的后果并不总是立刻显现。一次看似有利的选择，可能会把系统带入长期不利的状态；一次眼前收益不高的探索，却可能打开未来更大的可能性。强化学习要处理的，正是这种跨时间的因果关系。
眼前的收益并不总是最重要的，真正关键的是长期奖励。一个好的智能体必须学会为了更大的未来收益牺牲短期利益，也必须在探索未知与利用已知之间取得平衡。
强化学习在今天的价值，并不只是让AI更强，它还迫使我们更严肃地思考：什么是目标？什么是奖励？什么是长期价值？什么是安全行为？
未来的强化学习研究不仅要追求更高分数、更快收敛和更强泛化，也要追求更可解释、更可控、更符合人类意图的学习过程。
当前，深度强化学习的计算能力与我们对大脑奖励系统的新理解正在汇合，也许下一轮人工智能的重要进展，就会从这条交汇处再次生长出来。
此外，智源目前正在研发中的模型为悟界·RoboBrain Orca，以预测下一个物理状态为核心来构建具身大脑。
王仲远在分享中表示，现有“世界模型”存在一些局限与误区。
当下主流模型分为四类范式，一是以语言为中心，依托Next-Token-Prediction在文本空间预测下一词，代表为LLM、VLM、VLA，这类模型能描述常识，却无法精准预判连续物理状态、冲击强度与裂纹拓展等真实物理后果；
二是以像素为中心，依靠Next-Pixel/Frame-Prediction在视觉空间学习画面，代表有Sora、Seedance，只会生成画面视频，并不理解背后物理逻辑；
三是以视觉表征为中心，采用Next-Embedding-Prediction做视觉表征压缩预测，代表是JEPA系列，其表征未必对应真实物理状态，缺少可解释、可验证的物理语义；
四是以三维结构为中心，通过Next-3D-Structure-Prediction重建3D空间，代表包含3D重建、World Labs、Marble，几何结构不等于真实物理状态，静态三维建模也无法等同于理解动态交互的物理世界。
语言模型、视频动作生成、三维重建、视觉表征均不等于真正的世界模型，真正的世界模型要以物理状态为核心，遵循Next Physical State Prediction逻辑，受物理规律与常识约束，核心能力是预判下一物理状态、推演世界演化，学习编码物理状态与因果关系。
他还提到，当前具身智能存在四大瓶颈“循环悖论”：数据短缺、硬件不成熟、模型能力弱、落地应用难。
针对困局，需要以解决模型能力作为突破口：数据层面由多方协作共建，搭建开放共享的数据生态；模型层面依靠科研机构发力，研发具身大模型，推动迭代能力代际跃迁；应用层面由企业主导推进，打造场景驱动的产业共同体，逐步化解落地难题；硬件层面依托本体公司发力，重构自主可控硬件生态，打破成本桎梏、提升硬件性能。
关于有没有超前洞察未来的底层思维模型，王坚提到，很多时候今天已经很难讲有一个想法，是你先想过还是说另外一个人先想过。关键在于另一个问题：你想了之后有没有告诉大家，更困难的是你有没有勇气去尝试一下，到最后就是当觉得没有希望的时候，你能不能非常有毅力地再往前多走一步。
此外，不要被“AI”这类名词框住思考边界，很多时候概念本身会局限思考框架，固定三层思考框架：动物智能、人类智能、机器智能，依托这套框架判断，机器智能不可能替代人类；举例狗的嗅觉远超人类，但不会对人类形成威胁，每个人都需要搭建属于自己的独立思考框架。
做事摒弃机会主义，不能把外界支持当成行动的先决条件；没人支持就不行动的人，往往很难等来支持，要去做自己真心相信、并且愿意亲身践行的事，自身信念足够坚定，自然会吸引支持者。
如今中美AI处在同等发展大盘里，不再是早年“泳池对比大海”的差距，进度快慢只是技术性差异，行业还有极漫长发展路程，不能用“差距大小”简单定义中美AI的关系。
王坚对Agent智能体的危机管控、安全边界持乐观态度，认为人类亲手创造的问题，最终一定能由人类自行解决，并提到长远技术目标：大幅压低token成本，让算力、文本调用像纸张一样廉价普及。
黄铁军在对话中提到，中国AI发展两大核心要点：要有自主原创思考方向、关键节点敢于果断下注投入；要接纳科技创新与生俱来的不确定性，不能抱着“交作业式”的心态。
AGI、智能进化属于全人类共同宏大叙事，并非单一国家赛道，智能发展长期只围绕两大核心主线：①数据/功能驱动（收集样本训练，模仿生物、人类智能）；②生理物理结构基础（人类大脑躯体、机器 Transformer 及迭代新架构）。
人与AI的关系理想状态是深度融合共存，类比父母与孩子，存在矛盾冲突，但彼此无法分割，AI能抵达人类难以触及的边界，依靠智能作为纽带，将大幅延伸人类的探索范围。
对话中，Anthropic的“神话级”模型Claude Fable 5、AI自进化、Auto Research等成为讨论的焦点。
罗福莉认为，Fable 5能力提升是预训练规模、Test-Time缩放、强化学习、合成数据多维度持续Scaling带来的阶段性量变成果，并非质变终点，缩放路线仍可继续推进。
关于AI自进化现状，模型已能完成科研全流程里的实验规划、指标验证、结果校验环节，短板在于提出优质原创科研假设、精准判断终止无效研究，差距或可依靠更强基座+RSI递归自进化系统逐步缩小。
目前，数字端语言模型路径进度更快，依托Agent系统、奖励体系可高效缩放迭代；物理端世界模型尚处早期，最大瓶颈是缺少长上下文高效视频世界模拟器，未来二者会互通：成熟世界模拟器同样可叠加Agent脚手架放大能力。
朱军提到，大模型、视频/世界模型的Scaling路径都远未到边界，更大模型、更高质量数据、架构优化仍能稳定抬升性能，Fable 5大幅降低复杂任务Token消耗是正确进化方向。
长远一定会诞生通用世界模型，前期基础模型先掌握60%通用物理能力，再依托物理实体、真实交互反馈持续迭代至更高水准，视频是搭建世界模型最核心数据载体，天然承载海量物理世界信息，是世界模型落地第一抓手。
刘知远认为Anthropic成功反超OpenAI的原因，是因为找到了代码这个非常垂直聚焦的方向，在专业领域里形成了数据闭环，这个模式可复制到各行各业垂直专业领域，多领域数据闭环将全面加速AI产业落地。此外，他还提到智能革命其实就是要用AI来替代人的机械的、重复的脑力劳动，AI制造AI是一定会发生的事情，是人工智能发展到高级状态的标志。
但社会需要同步定义“AI制造AI”对应的全新研究课题，更有针对性开展技术探索突破，RSI递归自我改进的顶层主导者永远是人，人类要掌握AI发展方向、服务社会的核心决策权。
AI时代，整个世界变化得太快了，嘉宾们给到年轻人的建议大概有以下几点：
守住自己的好奇心与探索欲；夯实底层基本功是核心竞争力；敢为人先，真正创新来自无人涉足的方向，要敢于做出差异化选择；学位含金量下降，实战创造能力才是硬功夫。
-END-
如果您有什么想说的，欢迎在评论区留言讨论！
投稿或寻求报道，欢迎私信“投稿”，添加编辑微信。
