AI下半场将走向何方？

近日，在北京中关村学院院长刘铁岩看来，当前AI正处在由大模型、具身智能与科学智能三者深度融合构成的"知识飞轮"加速进化阶段。然而，AI发展仍面临算力瓶颈、数据枯竭、评测滞后等一系列结构性挑战。面临的多重挑战* 数据瓶颈：刘铁岩指出，大模型发展受制于数据短缺，尽管业界尝试拓展多模态输入、合成数据等方式，但仍面临质量、成本和验证机制的挑战。* 能效矛盾：清华大学电子工程系主任汪玉表示，AI系统智能水平提升的同时，推理能效却不断下降。未来需关注单位能耗下可生成的有效Token数量。* 评测滞后：现有评测体系易被“刷榜”，急需引入任务导向、动态更新与专家混合评估机制。关于原创能力与新范式* 美国纽约州立大学石溪分校教授顾险峰认为，AI缺乏因果建模能力，限制了其在科学领域的应用。* 曦智科技创始人沈亦晨表示，AI在解决原创性突破问题上仍力有不逮。* 专家们探讨了从token预测转向“世界模型”的可能性，并强调了软硬件协同优化对提升系统能效的重要性。未来的突破方向* 能效瓶颈：汪玉强调，AI大规模应用必须突破能效瓶颈，实现算法与芯片协同优化。曦智科技的沈亦晨则提出，光计算有望通过高能效和高带宽优势解决算力天花板问题。* 经验驱动的AI：刘铁岩设想了一个由百万量级机器人在物理世界中协同进化的全新范式。* 理论与系统：清华大学人工智能研究院常务副院长孙茂松总结，真正的突破有赖于理论与系统两端的共同进步。