“他们过于乐观。”谭铁牛认为，人(ren)工智能才刚(gang)刚(gang)起步(bu)，任重道远。“即便最先进(jin)的人(ren)工智能系统跟人(ren)类智能相比，还有(you)很(hen)大差距，人(ren)工智能还有(you)很(hen)多不能。”

而在4月初，OpenAI CEO 萨姆·阿尔特曼(man)在社交(jiao)平(ping)台公开(kai)表(biao)示(shi)，GPT-5发布(bu)暂缓(huan)，可(ke)能在几个月之后才发布(bu)。

谭铁牛分析认为，堆算力、堆数据的蛮力AI发展模式是不可(ke)持续的。

首先，其性能提升不可(ke)持续，也就是说投入同样的数据，同样的算力，性能的提升没有(you)以(yi)前(qian)那么大了，所以(yi)性能提升不可(ke)持续；其次，能耗不可(ke)持续，要多少(shao)“智”，就得消耗多少(shao)“能”，这显然与节能减排双碳目标、可(ke)持续发展背道路而驰背道而驰；最后，数据支撑不可(ke)持续，生成式数据有(you)幻觉(jue)，有(you)错误的信息，带来的不是额外的常识，而是噪声(sheng)。

“所以(yi)我觉(jue)得，发展路径要从‘蛮力’人(ren)工智能向‘灵(ling)巧’人(ren)工智能转移。要发展高效、轻量级的人(ren)工智能至关重要。”谭铁牛分析道，“通过算法创新、理论创新、工程创新等等实(shi)现这一路径。”

同时，谭铁牛认为，推进(jin)人(ren)工智能的发展不能一叶障目，基本大模型的生成式人(ren)工智能不是AI的全部，AI赋能不限于大模型赋能，他认为人(ren)工智能研究应该回归本源(yuan)。

演讲(jiang)最后，谭铁牛提到，人(ren)工智能不是万能的、还有(you)很(hen)多不能，但在人(ren)工智能广泛滲透、智能时代扑面(mian)而来的今天，不去了解、拥(yong)抱(bao)人(ren)工智能则是万万不能的。

演讲(jiang)全文如下：

大家知道，人(ren)工智能概念是1956年提出来的，过去近70年来中，人(ren)工智能大体上经历了三起两落三个阶段。

人(ren)工智能起步(bu)之时，通过逻辑(ji)推理来证明了一大批数学定理，非常激动人(ren)心，让不少(shao)人(ren)对人(ren)类的未来发展充(chong)满憧憬，也充(chong)满乐观。以(yi)至于这两位对人(ren)工智能的发展提出了现在看来不切实(shi)际的预测（见下图），这两个预测到现在也没有(you)完全实(shi)现。

因为这样一个过高的希望(wang)和人(ren)工智能实(shi)际能力的巨大反差，使(shi)得人(ren)工智能进(jin)入一个发展的低(di)谷。所以(yi)痛定思痛，觉(jue)得应该加强人(ren)工智能和应用的对接。

在第二个阶段，应用上又取(qu)得突破，同样又让一批人(ren)充(chong)满憧憬和过于乐观。以(yi)至于日本举全国之力发展所谓的第五代计算机，最终90年代初以(yi)失败告终，让人(ren)工智能的研究进(jin)入到第二个寒(han)冬。现在进(jin)入了数据驱动的发展新阶段。同样的，大家也是充(chong)满憧憬与乐观。

我觉(jue)得人(ren)工智能发展将近70年的历程留给大家很(hen)多启示(shi)。我最想跟大家报告的就是最后一点，一定要坚持理性、务实(shi)。

人(ren)工智能发展到今天，确(que)实(shi)在理论技术应用方面(mian)都取(qu)得了突破性的进(jin)展，也在深刻的影响人(ren)类的文明进(jin)程，也深刻影响着世(shi)界格(ge)局。我试图用九句话来概括人(ren)工智能的基本发展态势。

第一，专(zhuan)用人(ren)工智能日趋成熟。第二，大模型技术取(qu)得重要突破。第三，生成式人(ren)才焕发生机。第四，具身(shen)智能与人(ren)形机器人(ren)备受关注。第五，人(ren)工智能驱动的科学研究快速发展。第六(liu)，人(ren)工智能加速赋能千行百业。第七，人(ren)工智能领域的国际竞争日趋激烈。第八(ba)，人(ren)工智能的社会影响日益凸(tu)显。

第九句话可(ke)能跟很(hen)多同行的观点不完全一样，也许我过于悲观。在我看来，通用人(ren)工智能还任重道远。通用人(ren)工智能目前(qian)到底处于一个什么发展状态没有(you)共识，我引用了三个大佬级人(ren)物的观点。

第一个埃(ai)隆·马斯克：通用人(ren)工智能就在两年内实(shi)现，是他去年讲(jiang)的。

通用人(ren)工智能尽管定义没有(you)共识，但是大体上认为，能够媲美甚至超越人(ren)类智能的人(ren)工智能叫通用人(ren)工智能。就按照这样的定义，他认为两年之内就能实(shi)现。

阿尔特曼(man)似乎也比较乐观，他说通用人(ren)工智能将在1000多天内实(shi)现，也就是几年时间(jian)。第三个人(ren)哈萨比斯，在去年获(huo)得诺贝尔奖(jiang)。他说，大家距离通用人(ren)工智能大约还有(you)十年时间(jian)。这是他们三个人(ren)的观点。

他们的预测观点不禁我想起前(qian)面(mian)我讲(jiang)的60年代、70年代的预测观点。在我看来，他们过于乐观。通用人(ren)工智能还刚(gang)刚(gang)起步(bu)，任重道远。因为即便最先进(jin)的人(ren)工智能系统跟人(ren)类智能相比，还有(you)很(hen)大差距，人(ren)工智能还有(you)很(hen)多不能。我可(ke)以(yi)举很(hen)多这样的例子。

全面(mian)媲美人(ren)类智能的人(ren)工智能还遥遥不可(ke)及。也许我过于悲观，但是我的确(que)是这么想的。

大家到底应该发展通用、专(zhuan)用，还是多用人(ren)工智能？在我看来，我觉(jue)得实(shi)际应用更多需要的是多用人(ren)工智能。因为术业有(you)专(zhuan)攻，但丝毫不是不要大模型。

我认为，在做精专(zhuan)用人(ren)工智能基础上，面(mian)向实(shi)际应用，推进(jin)多用人(ren)工智能的研究是可(ke)取(qu)之道。另外，堆算力、堆数据的蛮力AI发展模式不可(ke)持续。原因很(hen)简单，性能提升不可(ke)持续。GPT5迟迟出不来，也就是说投入同样的数据，同样的算力，性能的提升没有(you)以(yi)前(qian)那么大了，所以(yi)性能提升不可(ke)持续。

此外，能耗不可(ke)持续。“智能”让我感觉(jue)要多少(shao)“智”，就得消耗多少(shao)“能”。这显然与节能减排双碳目标、可(ke)持续发展背道路而驰背道而驰。

第三是因为数据支撑不可(ke)持续。数据用完了怎么办？拿生成式数据。大家知道生成式数据有(you)幻觉(jue)，有(you)错误的信息，带来的不是额外的常识，而是噪声(sheng)。大家可(ke)以(yi)想想，用这样的数据来训练大模型会是一个什么结果。

所以(yi)我觉(jue)得，发展路径要从“蛮力”人(ren)工智能向“灵(ling)巧”人(ren)工智能转移。要发展高效、轻量级的人(ren)工智能至关重要。那么怎么发展？生物启发，通过算法创新、理论创新、工程创新等等实(shi)现这一路径。DeepSeek就是一个很(hen)好的例子。

当然，推进(jin)人(ren)工智能的发展也不能一叶障目，基本大模型的生成式人(ren)工智能不是AI的全部，AI赋能不限于大模型赋能。所以(yi)我觉(jue)得人(ren)工智能研究，应该回归本源(yuan)。

所以(yi)对于下一步(bu)的发展，个人(ren)有(you)几个观点供大家批评。

第一个我觉(jue)得毫无(wu)疑问，人(ren)工智能是方兴未艾(ai)。大家一定要牢牢抓住这一轮的契机。首先应该要牢牢树立(li)理性务实(shi)的发展理念。一定不能过于乐观。在热潮的时候(hou)，一定要沉着下来，看一看到底应该怎么发展。

第二，还是要打造生态。

第三，要加强与产业应用的深度融(rong)合。现在人(ren)形机器人(ren)非常火爆(bao)，在我看来，如果人(ren)形机器人(ren)只是跳舞，挥挥手，翻几个跟头，没有(you)找到应用切入点，我认为不可(ke)持续。

第四，要大力推进(jin)人(ren)工智能赋能科学研究。第五是基础研究人(ren)才培养。第六(liu)，一定要坚定不移推进(jin)开(kai)放合作。

最后我要讲(jiang)的是，人(ren)工智能不是万能的，还有(you)很(hen)多不能。当然，在人(ren)工智能广泛渗透，智能时代扑面(mian)而来的今天，你不去学习、不去了解、不去拥(yong)抱(bao)、不去应用人(ren)工智能，这是万万不能的。