“我们现在倒霉的一点就是身体演化太慢，但是世界又进化太快。”
9月4日，在深圳市龙岗区举办的2026有意思生活方式大会特别节目现场，北京大学汇丰商学院副院长欧阳良宜以寒武纪生命大爆发为喻，追溯AI的底层逻辑：你是经过40亿年进化严选的生物智能，你经历过五次生命大灭绝都活下来了，这一次挑战对你来说不算什么。以下为演讲实录，内容有删减：
很多人问我为什么AI这么能耐，能做PPT、写论文，还能作为工具帮你完成很多任务。2017年谷歌发表一篇论文《Attention is all you need》，建立一个注意力机制，我们动用大量加密货币时代堆积起来的大算力，量变产生质变，最后涌现出智能。但其实，这个答案不够底层。
我们如果去深究AI的第一性原理，其实是根据上下文预测下一个Token。讲白话，就是不让你把话掉下去，你不给它休止，它就一直接下去。这样迭代十几万亿次以后，会完成很多复杂的工作。我们的问题是，为什么这么简单的规则，这么简单的功能，经过多次迭代之后会涌现出智能？
这里我要跟大家说一个新名词——计算的压缩。现在AI的不同技术路线本质上都是机器学习。什么是学习的第一性原理，就是发现这个世界中可以被压缩的规律。这个世界大多数东西是没办法用更短的形式来表达、或者计算压缩的，但是语言可以。
汉语博大精深，汉字大概有5万到6万个。你最经常看到的汉字是“的”，出现的词频是4%，第二是“一”，第三是“呢”，且都没有任何意义，所以语言是最容易压缩的。当然，很罕见的字，比如“biangbiang面”的“biang”，不好压缩。我可以给大家举一个例子，著名的“语言压缩大师”李白曾经这么写，君不见黄河之水天上来，奔流到海不复还。一幅宏伟的画面展现在你面前。如果我没有文化，第一次看到壶口瀑布壮观的场面时我脱口而出的是两个字的国粹，这是无效压缩，也不会进入数据集。
可以想象这样一条链条：语言是人类对世界信息的压缩，AI利用参数对语言又进行了压缩。两次压缩都是有损的。所以，AI学习的不是这个世界的本体，而是我们人类对世界的语言投影。看起来还是很虚的，实际上是虚拟空间的东西。这是发明了AlphaGo，获诺贝尔化学奖的Google DeepMind的前CEO哈萨比斯对语言模型的批判，他认为不接地气，因为它没办法跟这个世界互动，跟这个世界反馈。
大语言模型是基于概率的模型，你问它一个问题，它给你一个概率最高的下一个Token是什么。比如，我想让Agent转1万块钱出去，它不能告诉我：老板，你95%概率转对人了。以后男女谈恋爱，赛博朋克时代，小伙子的Agent跟小姑娘的Agent表白，她不能说，我有60%概率接受，40%概率不接受。这样薛定谔式的恋爱你肯定是不接受的，物理学也不接受。当时我们就认为，大语言模型应该就是小打小闹。
万万没想到，大语言模型在编程方面找到了出路。编程很不一样，尽管程序作为一种语言，可以由概率模型生成，但是程序能不能通过，能不能运行，Yes or No，是确定性答案。可以想象一下你自己的Agent平时都在忙什么：你给他下一个指令，它就疯狂地转转转，中间生成几百万个Token，最后才给你输出几十个Token。本质上是它先写了一段代码，测试通过了，继续往下走；不通过，试错、再改，反复调整。实际上进入了“预测-行动-反馈-修正-再预测”的回环。在这样的回环下，就看到了智能的涌现。
从去年的Manus、Codex、Claude Code到今年年初的“龙虾热”，各种各样的Agent开始爆发。我给各位上一碗鸡汤：所谓成功，就是比失败多尝试了一次。所以不要害怕失败，AI为什么那么能耐，因为AI根本不知道什么叫害怕，他只知道再一次。
试错这件事非常重要。这个事情曾经在5亿年前也发生过一次。5亿年前生物还没有登陆，生活在漆黑的海底。大家没有眼睛，都在海底摸黑，遇到谁就吃谁、或者被谁吃。突然有一种动物“不讲武德”，演化出了眼睛，就是三叶虫，相信大家在生物书上看过。
这时，我们对世界的感知突然从非常低带宽的化学感知，即依靠味道感知，突然切换到每秒30万公里的光学感知。一方面，咱们的神经网络一时间承接不住这么大的带宽，一台286电脑怎么跑得动几十GB的数据呢？所以大脑作为GPU就被发明出来了。另一方面，由于猎食者能够看到猎物，猎物必须跑得更快，猎食者也必须更好地预测这个世界。所以当时整个生物链就乱套了，我们叫寒武纪生命大爆发。
寒武纪出现了大量“狂野的设计”，比如5个眼睛行不行？眼睛一定要长在脑门上吗，可不可以奇形怪状？寒武纪绝大多数的尝试都失败了，每一次技术革命也都是如此。寒武纪给我们留下了深刻的教训，这句话在世界政治舞台上经常被引用——在大爆发时代，要么坐在餐桌边，要么在菜单上成为食物。
寒武纪的生命测试和我们这次大语言模型测试有何不同？在5亿年前，生命依靠我的感知、视觉、声音、味道，代价反馈是严重的，你看错了，那再见；成功了，就能繁衍、子孙万代。现在大语言模型的试错完全不同，输入是上下文，输出是下一个Token，错了就再试一次，迭代非常快。我们现在倒霉的一点就是身体演化太慢，但是世界又进化太快。
这或许可以回答我刚才的提问：智能在哪里？过去我们总是追问智能究竟是在860亿个神经元当中的具体哪个神经元？或者在Transformer架构中的具体哪一层？也许问题本身就错了。可能智能不在具体某一个地方，它是预测系统跟这个世界之间，一个不断闭合的反馈回路。
欢迎来到新的寒武纪。最早的Transformer架构是谷歌提出的，OpenAI四年前推出了ChatGPT，开启了这场新的寒武纪。大家现在遇到问题喜欢问豆包。站在谷歌的视角，当所有的竞争对手都AllinAI，你来不来？你要不来，就可能出现在菜单上。
我们算了一下，今年上半年美国AI基础设施的投资大概超过8000亿美元，国内则卡在GPU的瓶颈，很多企业都在这方面努力，新一轮泡沫正在到来。对我而言，泡沫是中性词，因为每一次科技革命都是以泡沫的形式来发现的。
那回到这个问题：AI会不会取代我们的工作？老实讲，我也不知道。我不知道像我这样以传授知识为职业的人，十年之后，当AI比我还厉害的时候，还需不需要我工作。但大家记住：你是经过40亿年进化严选的生物智能，你经历过五次生命大灭绝都活下来了，这一次挑战对你来说不算什么。
最重要的是，当这个世界改变，你还能不能继续学习。AI和我们都是在一个不确定的世界里，反馈、再预测，这就是AI的第一性原理。
九八策略提示：文章来自网络，不代表本站观点。
相关文章
沪深京行情 实时轮播
热点资讯
推荐资讯