浦江AI学术年会现场 本文图均为 主办方 供图

12月13日上午，由上海人工智能实验室发起并主办的首届“浦江AI学术年会”召开。年会为期两天，全球150余名人工智能领域专家学者在大会论坛和10场专题论坛中，就AI的前沿发展趋势、关键技术挑战、创新协作机制、产业应用实践等重要议题展开深入探讨。

据悉，“浦江AI学术年会”旨在推动“以问题为导向”的学术讨论深入开展，通过高质量问题激发更多创新灵感，“互相出好题、互相协同”，在更高层面实现产业合作、协同创新。上海AI实验室主任、首席科学家，清华大学惠妍讲席教授周伯文介绍，上海人工智能实验室一直在思考前沿发展趋势、关键技术挑战、创新合作机制这三大问题，分别体现在三项核心能力的建设与发展上：先进AI技术、安全可信保障、产业生态协作。

周伯文表示，人工智能的进步不仅依赖于个体的努力，更需要集体力量的汇聚。上海人工智能实验室愿意以开放、主动拥抱的态势，不与高校争名、不与企业争利，与各位同仁开展协作。实验室愿意作为平台，成为大家的连接器、放大器和加速器，将这些能力通过创新的协作机制更好地发挥出来，实现共赢。

“探索智能的本质”圆桌对话

在大会报告和圆桌讨论环节，多位专家学者围绕AGI发展方向、世界模型的演进、“白盒”模型与性能平衡等话题进行了深入探讨，并对未来AI技术的发展进行了展望。

香港大学计算与数据科学学院院长、AI讲座教授马毅在报告中指出，在过去的十年，人工智能技术取得了飞速发展，但从方法论的角度来看，仍然存在许多未解之谜。智能不仅仅是技术的积累，更是理解生命和智慧的本质。智能的核心是学习和预测外部世界的规律，要实现真正的自主学习和智能化系统，必须构建闭环系统，通过自我纠错与知识的不断更新来推动智能的进化。

北京大学智能学院副院长、教授陈宝权则表示，深度学习和大模型提供了新的工具来“逼近”现实世界，这种结合有望推动科研和技术的进一步发展。展望2025年，他期待看到更多在物理和推理领域的突破，尤其是如何将已有的物理知识与AI结合，通过反向传递人类积累的知识，构建更有效的AI系统，从而推动更加精确的模型发展。阶跃星辰首席科学家张祥雨提出，理解方法原理非常重要，但业界应避免盲目跟风，利用白盒模型指导实践，避免资源浪费。当前，距离AGI的实现仍有很长的路要走，未来需要更智能的目标导向和试错机制。期待Scaling Law（尺度定律）能解决现有问题，实现智能程度与模型规模的正比关系，推动更智能的AI系统。

上海人工智能实验室主任助理、领军科学家乔宇认为，通往AGI的道路仍面临技术挑战，在模型架构、数据和学习算法等方面仍有创新空间。期待多模态大模型能够像语言模型一样实现突破强泛化的涌现能力，并基于更多样的Scaling Law维度实现原创创新。此外，具身智能和科学智能的前景广阔，期待技术和应用的进一步突破。