每經(jīng)記者 鄭雨航    每經(jīng)實(shí)習(xí)記者 宋欣悅    每經(jīng)編輯 蘭素英    

圖片來源：AI生成

當(dāng)下，大模型的進(jìn)化似乎遇上了瓶頸。據(jù)報(bào)道，OpenAI的GPT-5項(xiàng)目開發(fā)已持續(xù)超過18個月，但面臨著數(shù)據(jù)短缺、算力有限、人才流失的問題。

在基礎(chǔ)模型發(fā)展可能放緩的背景下，AI企業(yè)也逐漸意識到，AI的價值必須通過具體應(yīng)用才能實(shí)現(xiàn)。

12月，谷歌在AI應(yīng)用層發(fā)布了“為新智能體時代構(gòu)建的下一代模型”Gemini 2.0 Flash，還推出了多款A(yù)I智能體。OpenAI也計(jì)劃在2025年1月推出代號為“Operator”的AI智能體產(chǎn)品。

未來，AI應(yīng)用將迎來哪些機(jī)會？中國的AI應(yīng)用發(fā)展處于什么樣的水平？近日，《每日經(jīng)濟(jì)新聞》記者專訪了清華大學(xué)計(jì)算機(jī)系長聘副教授、博士生導(dǎo)師喻純。

喻純表示，盡管AI賽道聚集了大量企業(yè)，但目前缺乏真正打動人的產(chǎn)品，主要問題在于，AI技術(shù)與人的實(shí)際需求之間存在一定的脫節(jié)。他認(rèn)為，中國在AI應(yīng)用層有很大的優(yōu)勢，擅長“從1到10”，但原始創(chuàng)新能力（“從0到1”）還有待提高。

他認(rèn)為，AI在教育領(lǐng)域有廣泛的應(yīng)用場景，因?yàn)榻逃旧砭头浅€性化，而AI有潛力對被教育者因材施教。往后每個人都有機(jī)會在自己最感興趣、最擅長的領(lǐng)域成為“馬斯克”。

喻純的研究方向是人機(jī)交互，已在人機(jī)交互領(lǐng)域高水平期刊和會議上發(fā)表論文100余篇，包括12篇CCF（中國計(jì)算機(jī)學(xué)會）A類會議的最佳論文（或提名），并先后獲得電子學(xué)會科技進(jìn)步一等獎，阿里大模型青橙獎等。喻純的研究還受到華為、騰訊和阿里等企業(yè)的支持和認(rèn)可。目前，多項(xiàng)研究成果正在轉(zhuǎn)化過程中。

喻純 圖片來源：受訪者供圖

“現(xiàn)在缺的是真正打動人的產(chǎn)品”

NBD：目前國內(nèi)有大量企業(yè)加入AI賽道，但為什么鮮有實(shí)現(xiàn)盈利的商業(yè)模式？

喻純：我覺得現(xiàn)在缺的是真正打動人的產(chǎn)品，而不是說消費(fèi)者沒有需求。當(dāng)前在應(yīng)用層面，大家似乎普遍遭遇到瓶頸，關(guān)鍵問題在于AI技術(shù)與人的實(shí)際需求之間存在一定的脫節(jié)。許多產(chǎn)品的研發(fā)都是從技術(shù)出發(fā)的。然而，技術(shù)在一頭，人的需求在另一頭，很難對齊。這種情況下，做出來的東西就離一款真正對人有價值的產(chǎn)品還存在距離。

AI應(yīng)用最后到底扮演會什么樣的角色，或者落地的路徑是什么，不是只靠訓(xùn)練大模型就能解決的。如果不從人的需求出發(fā)，我覺得是很難做到的。

真正的應(yīng)用是什么呢？是技術(shù)能夠融入人的生活里面，真真切切產(chǎn)生價值的應(yīng)用。比如，移動互聯(lián)網(wǎng)的興起，就很大程度上改變了人們的生活方式，它的整個方法論是從人的需求出發(fā)的。

但現(xiàn)在既懂AI又懂產(chǎn)品的人不算多。這需要企業(yè)去組建交叉背景的研究團(tuán)隊(duì)，確保既能充分理解人的需求，又能在機(jī)器技術(shù)層面做好。以計(jì)算機(jī)的誕生為例，當(dāng)時的科學(xué)家團(tuán)隊(duì)就是典型的交叉團(tuán)隊(duì)，里面既有數(shù)學(xué)家，也有心理學(xué)家。

另外，我們的原始創(chuàng)新能力也有待提升。大家都顯得頗為急躁，更傾向于追求短期成效。這也就導(dǎo)致了“國外有什么，我就跟什么”現(xiàn)象的出現(xiàn)。

如果說在應(yīng)用層面比拼的話，中國有很強(qiáng)的優(yōu)勢。但如果OpenAI等國外企業(yè)在底層實(shí)現(xiàn)突破，做到其他人完全做不了的東西，而我們不能快速跟上，那將造成很大的困境。

美國在“從0到1”（即突破性創(chuàng)新）上比我們做得更好，但國內(nèi)很擅長“從1到10”。那么，是從0到1的突破重要，還是從1到10的擴(kuò)展重要呢？這也很難說。

“或許未來人人都能成為馬斯克”

NBD：隨著AI在垂直領(lǐng)域的深化應(yīng)用，您認(rèn)為哪些行業(yè)會最先受益于個性化智能服務(wù)的提升？

喻純：我認(rèn)為，教育行業(yè)會是最先受益于個性化智能服務(wù)提升的行業(yè)之一。教育本身就非常個性化，每個學(xué)生都有不同的興趣和思維習(xí)慣。

從需求層面看，每個孩子實(shí)際上都需要多位老師的關(guān)注和指導(dǎo)。這些老師不僅要具備豐富的知識，還需要深入理解孩子當(dāng)前的能力水平和情緒狀態(tài)，從而真正激發(fā)孩子的全部潛能。然而，在現(xiàn)實(shí)中，由于資源有限，一位老師往往需要面對多名學(xué)生，孩子們的個性化需求很難被滿足。因此，我認(rèn)為當(dāng)前教育領(lǐng)域?qū)€性化的需求非常迫切。

此外，教育本身是關(guān)于知識的，知識基本又是通過語言就可以表征，而這正是大模型所擅長的。如果能夠利用AI為每個學(xué)生量身定制學(xué)習(xí)路徑曲線，并結(jié)合項(xiàng)目式學(xué)習(xí)（PBL，一種通過實(shí)踐解決問題來學(xué)習(xí)知識的方法），將是教育領(lǐng)域個性化應(yīng)用的一個好方向。

在AI時代，教育依然是國家的根本。如果每個人都能借助AI去學(xué)習(xí)、去成長，培養(yǎng)更強(qiáng)的獨(dú)立思考能力，或許未來人人都能成為馬斯克。

馬斯克的成長之路，既受內(nèi)在因素的影響，也離不開外在條件的助力，比如他的家庭背景以及外部環(huán)境的激勵，這些因素共同塑造了這個人。AI能以更低成本為人們打造這樣的成長環(huán)境。如此一來，每個人都有機(jī)會在自己最感興趣、最擅長的領(lǐng)域發(fā)光發(fā)熱，成為各自領(lǐng)域的“馬斯克”。

圖片來源：AI生成

NBD：具體來看，“AI+教育”將會有哪些應(yīng)用場景？

喻純：AI在教育中的應(yīng)用場景有很多。在學(xué)前教育階段，也就是孩子在3~6歲的時候，會面臨著語言啟蒙、情緒管理等多方面的教育需求。這些其實(shí)都是需要有更高級的智能參與進(jìn)來的。不過，這種智能的參與，并不意味著它可以完全取代父母的角色，我們希望能夠把家庭教育專家的能力AI化，其形態(tài)可能是平板電腦或者其他新型設(shè)備。這樣，AI能夠協(xié)助父母更好地理解孩子的行為，并提供個性化的教育指導(dǎo)。

在K12階段，僅僅通過考試成績?nèi)ピu估學(xué)生的能力顯然是不夠的。即使在考試結(jié)束，學(xué)生知道哪些題目答錯，但也并不能確保下次就能答對。這主要是因?yàn)?，每個人的知識建構(gòu)過程都是獨(dú)一無二的，而我們對個體的思維過程缺乏深入建模和分析。然而，如果我們引入AI技術(shù)，比如通過AI與學(xué)生的對話和提問互動，我們就能更清晰地洞察學(xué)生對知識的掌握程度?；谶@些信息，我們可以為學(xué)生構(gòu)建更加精確的學(xué)習(xí)模型，從而在進(jìn)行輔導(dǎo)時更加有的放矢。這樣一來，學(xué)校就能提供更加個性化、高質(zhì)量的教學(xué)服務(wù)。

而在高等教育階段，即使是學(xué)習(xí)同一事物，不同學(xué)生學(xué)習(xí)的興趣和目標(biāo)也可能各異，AI可以通過項(xiàng)目導(dǎo)向?qū)W習(xí)和個性化學(xué)習(xí)路徑，提升學(xué)生的學(xué)習(xí)體驗(yàn)和效果。

“AI要真正服務(wù)好個體，單純依靠網(wǎng)絡(luò)數(shù)據(jù)是遠(yuǎn)遠(yuǎn)不夠的”

NBD：您認(rèn)為未來AI的能力將如何進(jìn)化？有哪些發(fā)展方向是需要特別關(guān)注的？

喻純：今后，大模型的邊界感會越來越弱。這意味著，AI助手將不再局限于特定的A設(shè)備或B設(shè)備，而是成為一個無處不在的伙伴，它能伴隨我們穿梭于各種場景，實(shí)現(xiàn)全場景的無縫連接與交互。

另外，若AI要真正服務(wù)好個體，就必須對每個人進(jìn)行深度個性化理解。那么，如何實(shí)現(xiàn)這種個性化構(gòu)建呢？單純依靠網(wǎng)絡(luò)上的數(shù)據(jù)是遠(yuǎn)遠(yuǎn)不夠的。關(guān)鍵在于AI在與人的互動過程中，逐步建立起對個體的理解，從而更好地服務(wù)于人類。

關(guān)于個性化，我覺得目前討論得還不夠多，大部分工作是基于公開數(shù)據(jù)集。最后真正要解決從通用性AI到個性化AI，就需要解決最后一公里的問題。這非常重要，也是很有挑戰(zhàn)的事情。

如何實(shí)現(xiàn)人與智能體之間自然且低成本的互動，同時構(gòu)建起智能體個性化的能力，是未來終端設(shè)備中極為重要的一環(huán)。我們稱之為“交互式學(xué)習(xí)”，讓機(jī)器在與人的交互過程中學(xué)習(xí)，將其廣泛的能力細(xì)化為個性化的涓涓細(xì)流，最終匯聚并服務(wù)于每個個體。