每經(jīng)記者｜張蕊    每經(jīng)編輯｜魏官紅    

在2026年政府工作報告中，“人工智能”被多次提及。

報告明確提出，打造智能經(jīng)濟新形態(tài)。深化拓展“人工智能＋”，促進新一代智能終端和智能體加快推廣，推動重點行業(yè)領域人工智能商業(yè)化規(guī)?；瘧?，培育智能原生新業(yè)態(tài)新模式。

今年春節(jié)前后，各大廠商集中更新大模型，為何選擇這個時間點？AI賦能千行百業(yè)，還需要突破哪些瓶頸？如何平衡算力爆發(fā)增長與能耗約束的矛盾？AI時代高等教育需要怎樣的變革？

全國兩會召開期間，《每日經(jīng)濟新聞》記者（以下簡稱NBD）圍繞上述問題專訪了中國新一代人工智能發(fā)展戰(zhàn)略研究院執(zhí)行院長龔克。

龔克曾長期任教于清華大學，在清華大學副校長任上歷練7年后，先后作為天津大學、南開大學的校長長達12年。他也是世界工程組織聯(lián)合會成立50年以來首位中國籍主席。龔克曾連任第十一屆、十二屆全國人大代表。

在采訪中，龔克提到：“今天談現(xiàn)代化離不開智能化，沒有智能化就沒有這個時代的現(xiàn)代化。智能經(jīng)濟、智能社會是2035年基本實現(xiàn)社會主義現(xiàn)代化的重要標志。”

談及AI技術趨勢，龔克特別希望具身智能或物理智能有更大突破，這對AI進入產(chǎn)業(yè)融合階段非常重要?！耙獜钠聊蛔叱鰜恚M入物理系統(tǒng)包括生產(chǎn)系統(tǒng)和服務系統(tǒng)；從優(yōu)化生成內(nèi)容到優(yōu)化生產(chǎn)和服務過程，使AI先進生產(chǎn)力真正能在‘十五五’期間助力產(chǎn)業(yè)高質(zhì)量發(fā)展?！?/p>

生成式人工智能技術正處于快速上升期

NBD：春節(jié)前后，國內(nèi)外各大廠商集中推出新一代大模型，你怎么看待這種迭代速度？這背后有哪些原因？為什么他們選擇在這個時間點進行更新迭代？

龔克：我認為他們并非刻意選擇春節(jié)這個時間節(jié)點。技術如果不成熟，即便等到春節(jié)也發(fā)布不出來；技術一旦成熟，也不必刻意等到春節(jié)。在當前你追我趕的競爭態(tài)勢下，發(fā)布延遲就意味著被他人搶先。真正的驅(qū)動力在于技術進入快速迭代期。

任何技術發(fā)展都有起步期、快速迭代期，進而進入相對穩(wěn)定的飽和期，類似移動通信和互聯(lián)網(wǎng)的發(fā)展。當前人工智能技術，特別是生成式人工智能技術正處于快速上升期，這是一個大的技術趨勢，國內(nèi)外模型均體現(xiàn)出這一特點。

以DeepSeek為例，雖然總體上大家尚未脫離Transformer的基本框架，但其在底層代碼優(yōu)化、模型訓練上采取了諸多有效工程化措施，顯著降低了訓練成本，并實現(xiàn)了開源，而開源模式又加速了技術迭代。作為中國開源模型的代表之一，2023年千問開源以來，成千上萬甚至上百萬的開發(fā)者在開源平臺上進行創(chuàng)新，開源模型進展十分迅速，與GPT-5閉源模型的性能差距正在縮小，有報道說它已超過LLaMA，成為全世界下載次數(shù)最多的開源模型。

NBD：此輪發(fā)布呈現(xiàn)鮮明的技術路線分化，從視頻生成到代碼工程，從多模態(tài)創(chuàng)作到長文本推理，以及企業(yè)級Agent平臺等。你如何看待這種差異化？

龔克：人工智能要感知的模態(tài)不僅限于文字，還包括語音、視頻、音頻、靜態(tài)圖像、代碼、手勢等。在我看來，長文本、多模態(tài)并非某一家獨有的特點，而是大家的共同追求。不同公司基于自身技術儲備、人才積累，各有側(cè)重是正常的。但從大的趨勢來看，多模態(tài)、長文本、具身化、代理化是共同的技術趨勢。目前尚難判斷哪一家在某個方面具有絕對優(yōu)勢。

需要重視代理式AI的發(fā)展，代理或智能體（Agent）和模型是兩個有關但不同的概念。智能體是人工智能發(fā)展的重要方向，它不僅是人與AI的便捷的接口，它還有工具調(diào)用能力——可以調(diào)用AI模型和應用軟件如Word、Excel、計算器、天氣預報軟件等。

NBD：2月份中國AI模型調(diào)用量爆發(fā)式增長，以4.12萬億Token的調(diào)用量，首次超過同期美國模型的2.94萬億Token。這是否具有標志性意義？

龔克：這反映模型使用量增加。將來如果達到70%至90%普及率，使用量還會增加。我們目前使用模型時，有時會覺得不好用，這一方面取決于用戶是否善于使用，一方面是模型能力本身不夠。隨著模型性能提升，token使用量也會隨之增加。AI模型的調(diào)用量增長，一方面是中國的應用在增加，也包括國外的調(diào)用在增加，說明中國開源模型不僅能適配中國的場景，也能以低門檻服務海外用戶。

同時要看到，智能體的發(fā)展非常重要?，F(xiàn)在人只需要給智能體布置任務，智能體可自主規(guī)劃如何完成，同時多智能體之間還可互相通信協(xié)作。智能體改變了人與智能工具的界面，會大大降低AI使用門檻，大量的AI普及率會通過智能體的形式實現(xiàn)。

NBD：最近AI“養(yǎng)龍蝦”爆火，你怎么看？是不是剛好印證了“智能體會大大降低AI使用門檻”？

龔克：最近火起來的“養(yǎng)龍蝦”（OpenClaw）是一款頗具代表性的智能體應用。claw是“爪子”，說明其具有手足的“干活兒”能力，open則代表開源。

圖片來源：每經(jīng)媒資庫

與那些綁定特定大模型的內(nèi)置智能體不同，盡管它的部署要稍微“專業(yè)”一些，但它有四個突出的吸引力：一是跨模型調(diào)用，不依賴單一模型，可靈活切換；二是能動手干活，比如像手指操作鍵盤那樣直接處理本地文件，完成匯集、整理、刪除等操作；三是本地化，數(shù)據(jù)無需上傳云端，具備本地記憶能力；四是開源，代碼透明、便于二次開發(fā)。它其實是智能體的框架，可調(diào)用其他智能體，有專家甚至認為它具備某種“操作系統(tǒng)級”的潛力。

“養(yǎng)龍蝦”的走紅，恰恰印證了用戶對智能體的強烈需求——這不僅是單個產(chǎn)品的成功，更預示著Agentic AI（代理式人工智能）正在從特定任務能力走向多任務能力，代表了需求驅(qū)動的AI發(fā)展方向。

突破可解釋性可提升AI整體可靠性和可信度

NBD：你曾強調(diào)大模型“可解釋性”是AI的下一個里程碑，但當前各廠商仍聚焦性能指標而非理論突破。在你看來，追求可解釋性與追求性能提升之間是否存在矛盾？

龔克：二者并非矛盾關系?？山忉屝躁P注的是性能表現(xiàn)背后的原理，其本質(zhì)是對模型工作原理的深入理解，它不但不會制約性能的提升，反而可以通過對原理的理解，進而更自覺地朝著高性能方向優(yōu)化模型。

但突破模型可解釋性確實面臨很大困難，因為模型的規(guī)模巨大，參數(shù)量達到千億甚至萬億量級，了解各參數(shù)及參數(shù)間的相互作用非常復雜?，F(xiàn)在，不斷用更多、更高質(zhì)量的數(shù)據(jù)來訓練更多參數(shù)模型，這是一種通用逼近，即利用大量網(wǎng)絡連接參數(shù)逼近任意復雜的系統(tǒng)功能。但具體到模型形式、層數(shù)、每層神經(jīng)元數(shù)量、激勵函數(shù)選擇等如何進行優(yōu)化，以及價值對齊時如何設置有效的護欄，如何有效地將知識、規(guī)則與數(shù)據(jù)結(jié)合起來，都需要可解釋性方面的突破。

可解釋性突破意味著模型開發(fā)者對模型的基本架構(gòu)和運行原理有根本性認識。事實上，業(yè)界一直在向這個方向努力，不斷有所進展，但目前尚未突破。這帶來的問題并非直接影響模型完成物理題或數(shù)學題的功能，而是涉及安全性和可信性的根基問題。在我看來，現(xiàn)在對模型準確性的驗證，還沒有達到嚴格的數(shù)學證明。比如圖像識別的正確率，是用在N張圖片中發(fā)生錯誤的比例來表征的，這不是嚴格的數(shù)學上的出錯概率，更談不上掌握概率的分布及其影響因素。即使10000張圖片都識別正確，也無法保證第10001張一定正確。

我認為應該努力向這個方向突破，因為一旦突破，就能控制甚至預見錯誤發(fā)生的概率。發(fā)生錯誤本身不是問題，人也會犯錯，但我們可以像控制自動化機械那樣，將可靠性控制在一定的范圍內(nèi)，這個范圍可以根據(jù)使用要求設定，比如99.9%或99.9999%等不同精度水平。目前我們對人工智能錯誤的控制還做不到這一點。突破可解釋性不僅可以幫助提升某項任務性能，更重要的是整體可靠性和可信程度的提升。

可解釋性也不是絕對的，從不可解釋到逐步深化解釋，是一個發(fā)展過程?？尚判耘c可解釋性相關，但不一樣?？尚判砸竽Ｐ驮谖粗獔鼍跋卤３址€(wěn)定（魯棒性）、不因偏見歧視特定群體（公平性）、保護用戶數(shù)據(jù)隱私（隱私保護）、符合社會倫理規(guī)范（倫理合規(guī)）等。可解釋性與可信性是AI“有益、安全、公平”的基石。隨著AI在關鍵領域（如工業(yè)、醫(yī)療、金融、司法）的深入應用，二者將越來越成為技術發(fā)展的重要驅(qū)動力。

加速AI在生產(chǎn)中應用的重要趨勢是向物理智能發(fā)展

NBD：你提出中國發(fā)展AI要抓住“與實體經(jīng)濟融合”這條主線，當前市場呈現(xiàn)“大模型熱、制造業(yè)冷”的態(tài)勢，大量資本涌向聊天機器人、文生視頻等消費級應用。你怎么看待這種態(tài)勢？背后的原因是什么？

龔克：AI作為先進生產(chǎn)力，必然要在生產(chǎn)中發(fā)揮作用。歷史上，任何先進生產(chǎn)力的引入都是為了提高生產(chǎn)水平，AI也不例外。如何加速AI在生產(chǎn)中應用？目前業(yè)界看到一個重要趨勢——向物理智能發(fā)展。AI不僅要能聽、能看、能說、能思考，還需要“手和足”，即行動能力，實現(xiàn)知行合一。這是非常重要的發(fā)展方向。

要進入生產(chǎn)領域，必須與行業(yè)生產(chǎn)知識深度融合，這是跨越門檻的關鍵。目前這方面并非不熱，國內(nèi)外大量公司都在做。麥肯錫最新的全球AI現(xiàn)狀調(diào)研顯示，至少在一個職能中常態(tài)化使用AI的企業(yè)比例，從2024年的78%上升至2025年的88%。

世界各國都非常重視人工智能的產(chǎn)業(yè)應用。中國的“人工智能+”行動就是要加快產(chǎn)業(yè)應用，包括改造傳統(tǒng)產(chǎn)業(yè)實現(xiàn)智能化升級和創(chuàng)造AI原生新產(chǎn)品新產(chǎn)業(yè)新業(yè)態(tài)兩大方面，目的是在整個生產(chǎn)流程中提高質(zhì)量、提高效益，降低能耗和物耗、減少碳排放，真正實現(xiàn)高質(zhì)量發(fā)展。中國制造業(yè)規(guī)模全球最大，但在一些消費者的心目中并非高質(zhì)量制造的典型代表，“瑞士制造”“德國制造”“日本制造”在國際市場仍有更高的認可度。我們希望通過智能化改變這一局面，讓“中國制造”成為高質(zhì)量的象征。

資料來源：Wind，中國銀河證券研究院 圖片來源：中國銀河證券研報截圖

事實上，目前已經(jīng)看到成效。例如，新能源汽車動力電池的價格、性能、續(xù)航能力、安全性與電池技術密切相關。中國動力電池國際市場占有率越來越高，這并非僅靠技術補貼，而是通過AI賦能帶來的技術競爭力。

圖片來源：東興證券研報截圖

比如，深圳計算科學研究院與產(chǎn)業(yè)合作，引入大數(shù)據(jù)和AI技術，通過機器學習對電池數(shù)據(jù)建模，有效解決新能源汽車動力電池在生產(chǎn)的化成與分容、自放電率檢測等程序高耗能、長耗時和低精度的難題，實現(xiàn)核心工藝周期縮短80%，能耗下降60%，預計每10億瓦時產(chǎn)能可節(jié)省上百萬元的電費，而且精度比行業(yè)標準提升一個數(shù)量級。這樣的例子還有很多，比如將機器視覺引入產(chǎn)線上的瑕疵檢測，不僅顯著地減少漏檢率和縮短檢測用時，還可以進一步追溯瑕疵產(chǎn)生點，改進生產(chǎn)工藝，降低次品率。

此外，AI還催生了新產(chǎn)業(yè)。最典型的是智能網(wǎng)聯(lián)車，目前中國智能網(wǎng)聯(lián)車試驗正快速推進；智能眼鏡等新終端產(chǎn)品也在發(fā)展；家用智能掃地機能根據(jù)家庭環(huán)境自動規(guī)劃路線、識別環(huán)境變化完成清掃；自動剪草機可精確定位，能識別草與菜的區(qū)別。這些全新產(chǎn)品也帶來了新消費。

同時，新職業(yè)正在涌現(xiàn)。智能網(wǎng)聯(lián)車在云端有車輛監(jiān)管員，還有數(shù)據(jù)清洗師、標注師、算法審計師等職業(yè)隨著AI的推廣使用逐漸出現(xiàn)。

“人工智能+”行動的目標是到2027年底，新一代智能終端、智能體等應用普及率超70%；到2030年超90%，為2035年全面步入智能經(jīng)濟和智能社會奠定基礎。

AI作為通用技術會打破原有的產(chǎn)業(yè)分工和管理模式

NBD：如果AI要更全方位賦能千行百業(yè)，在算力、數(shù)據(jù)或治理體系方面，還有哪些需要突破？

龔克：新的生產(chǎn)力導入需要系統(tǒng)性變革。國際上用詞有區(qū)分，中文都叫“應用”，但英文有“application”（應用）和“adoption”（采用）之分，現(xiàn)在國外談AI產(chǎn)業(yè)更多會使用adoption。應用強調(diào)技術如何使用，而采用包括技術、流程、組織的整體改變。任何工業(yè)革命都會帶來產(chǎn)業(yè)結(jié)構(gòu)變化。有電和沒電前的產(chǎn)業(yè)結(jié)構(gòu)、工廠生產(chǎn)流程不同；有網(wǎng)絡和沒網(wǎng)絡，公司組織結(jié)構(gòu)也不同?，F(xiàn)在向智能化發(fā)展一定會帶來類似改變。

具體而言，算力方面，算力不僅需要芯片和云架構(gòu)，還需要強大、穩(wěn)定、高效的能源支持，這就落到了基礎設施層面，對整個工業(yè)體系的改變是巨大的。

目前，我國國產(chǎn)GPU與英偉達相比，盡管性能有差異，但進步很快，相對于芯片的性能來說，生態(tài)是更為突出的問題。在芯片加工工藝方面，先進制程還存在短板，但經(jīng)過一定時間我們完全有可能趕上世界先進水平，而且這期間還可能突破傳統(tǒng)工藝技術。目前需要在現(xiàn)有工藝水平上，通過更高效的網(wǎng)絡連接、更快速的存取吞吐、更優(yōu)化的訓練方法等，彌補先進制造工藝和芯片水平的不足，這方面已經(jīng)有很多進展。另外還要加快開源生態(tài)的構(gòu)建。

數(shù)據(jù)方面，目前AI主要靠大量數(shù)據(jù)訓練。今后相當長的時間內(nèi)，數(shù)據(jù)質(zhì)量仍然決定模型能力，而數(shù)據(jù)質(zhì)量取決于標注，高質(zhì)量標注需具有專業(yè)知識的人。數(shù)據(jù)標注目前已成為快速發(fā)展的行業(yè)，正在吸納大量就業(yè)。

另外，更重要的問題是數(shù)據(jù)打不通、不能共享。原因包括對隱私、企業(yè)秘密、知識產(chǎn)權(quán)的擔憂以及長期條塊分割下形成的種種壁壘等。要創(chuàng)新數(shù)據(jù)共享機制，在安全的前提下實現(xiàn)共享。技術上可采取很多辦法，如通過可信數(shù)據(jù)空間實現(xiàn)數(shù)據(jù)“可用不可見”。

治理體系方面，一是AI作為通用技術會打破原有產(chǎn)業(yè)分工。比如小米跨界造車，實際上是突破了傳統(tǒng)行業(yè)管理界限和分工。新質(zhì)生產(chǎn)力必然會突破舊有的生產(chǎn)關系。

二是安全性治理。在大模型不能完全解釋、錯誤概率不能精確控制的情況下，必須進行安全審查，防止安全事故。比如在工業(yè)領域，易燃、易爆的生產(chǎn)環(huán)節(jié)等不能出事故；在倫理和法律上，要防止用大模型造謠生事以及制造危害品等。治理是要讓先進生產(chǎn)力健康發(fā)展和安全應用，而非阻礙其發(fā)展。治理與創(chuàng)新不是對立的，好的治理會提升公眾對AI的信任，進而促進創(chuàng)新發(fā)展；治理也需要技術創(chuàng)新的支撐，離開必要技術手段，治理就只能是空談。

圖片來源：每經(jīng)媒資庫

NBD：數(shù)據(jù)顯示，AI算力需求正以每年300%的速度增長。你曾提出AI應服務于“聯(lián)合國可持續(xù)發(fā)展目標”，當技術演進本身成為能源消耗巨獸時，如何平衡這種算力爆發(fā)式增長與能耗約束的矛盾？大廠“各自為戰(zhàn)”是否造成算力資源浪費？

龔克：目前還不能簡單說是“浪費”，因為是由需求拉動，整體算力仍然不足。國家也在部署大訓練場等新型基礎設施，但能耗巨大且增長快，這是個全球性問題，所以現(xiàn)在提出發(fā)展太空算力。

解決能源問題有兩條路：一是提高能效，讓每token訓練和推理的能耗盡可能少，但token總量大量增加，能效提高不等于總能耗減少；二是能源供應要綠色化，靠煤、石油、天然氣等有限的化石能源不可能支撐經(jīng)濟社會的智能化。必須轉(zhuǎn)向可再生能源，國家統(tǒng)籌算力基礎設施建設，提出“東數(shù)西算”，就是因為西部可再生能源豐富，推動能源供給結(jié)構(gòu)的轉(zhuǎn)變。

AI時代對教育系統(tǒng)提出更高要求

NBD：到“十五五”末，新一代智能終端與智能體等應用普及率將超過90%，這是否意味著大量知識工作者可能面臨“技術性失業(yè)”。當AI從“工具”進化為“同事”時，教育體系是否應該前置性地培養(yǎng)AI無法替代的能力，還是需要進行更深層次的制度設計來加以應對？

龔克：關于就業(yè)問題，世界經(jīng)濟論壇《2025年未來就業(yè)報告》預測，到2030年期間，全球?qū)⒂?200萬個工作崗位被替代，同時預計催生1.7億個新崗位。新增方向主要是數(shù)字化和綠色化：與數(shù)據(jù)、智能體相關的數(shù)據(jù)清洗、模型審計、模型訓練調(diào)推服務等；與環(huán)境優(yōu)化治理、新能源導入、可再生能源利用等相關的崗位。新生產(chǎn)力會帶來想象不到的新崗位。

圖片來源：世界經(jīng)濟論壇

歷史上，從宏觀上來看，沒有證據(jù)證明新生產(chǎn)力會導致社會就業(yè)減少，機械化、電氣化、信息化非但沒有在整體上減少就業(yè)，反而大大增加了就業(yè)，但中間會有結(jié)構(gòu)轉(zhuǎn)換期。廣東的數(shù)據(jù)顯示，過去十年隨著廣東的智能化升級，制造業(yè)就業(yè)是增加的，因為產(chǎn)業(yè)規(guī)模在發(fā)展。有加工制造企業(yè)在數(shù)字化轉(zhuǎn)型中實現(xiàn)了產(chǎn)能、質(zhì)量、品種的顯著提升，在自動化、智能化程度大幅提升后，用工總量并沒有減少，但是發(fā)生了結(jié)構(gòu)變化，即辭退3000多人又新聘了3000多人，因為崗位上干的活不一樣了，崗位能力要求也不一樣，這就是結(jié)構(gòu)性變化。實際上，目前中國就業(yè)市場對具備機器學習等使用AI能力的用工需求不少于500萬，同時存在就業(yè)難的問題，這就是結(jié)構(gòu)上的“錯位”。因此，對于被替代崗位的人員需要良好的社會培訓系統(tǒng)來幫助其轉(zhuǎn)型，因為新崗位一定需要能夠駕馭人工智能能力的人。

圖片來源：世界經(jīng)濟論壇

NBD：AI時代高等教育需要改革嗎？需要改什么、怎么改？

龔克：需要非常深刻的改革。當然首先要看到，AI給教育系統(tǒng)帶來了積極變化。

具體而言，教育系統(tǒng)應該是以學習為中心的，但長期以來我們一直難以解決在“老師講、學生聽”的模式下學生主動學習的問題，現(xiàn)在學生使用AI工具后，不再簡單靠課堂聽講、記筆記，可隨時向AI提各種問題，得到專業(yè)回答，實現(xiàn)學習主動性，這是以前很難做到的。其次，AI的回答往往不限于既有學科邊界，可以跨學科提供相關知識。第三，AI學習是完全個性化的，可以匹配不同的學習進度和學習習慣。第四，使用AI工具學習本身就是使用工具的實踐性，學生需要練習如何一層層地提示才能得到滿意的回答，這就是“提示工程”實踐?？傊珹I帶來了學習的主動性、跨域性、實踐性和個性化，這些都是非常好的。

圖片來源：每經(jīng)媒資庫

但AI也對教育帶來新的挑戰(zhàn)。

一是“即時滿足”代替了深度思考。如何把AI變成學生的深度思考工具而非膚淺獲取答案的工具？另一個挑戰(zhàn)是知識體系構(gòu)建。原來大學傳授體系化知識，從教學計劃到每個課程的章節(jié)結(jié)構(gòu)，是一個精心設計、久經(jīng)磨煉的知識體系，現(xiàn)在AI學習往往是基于問題的碎片化的學習，而非基于原理的體系化的學習。這就帶來一個問題，即如何在AI時代幫助學生構(gòu)建知識體系和培養(yǎng)學習進行知識體系構(gòu)建的能力？這些都是教育界需要思考的。

實際上，上述挑戰(zhàn)對教師乃至整個教育系統(tǒng)提出了更高的要求。學校要改革教學管理以適應新的學習方式、師生關系，同樣要幫助學生構(gòu)建堅實寬廣的知識體系和強大的學習能力；幫助學生使用工具、駕馭工具而非依賴工具。特別是要提高提出問題的能力和判斷能力，過去老師出題、檢驗答案是老師的事，現(xiàn)在使用AI時，問題要學生提、答案要學生判斷，這就需要具備發(fā)現(xiàn)和提煉、分析和解構(gòu)、歸納和綜合問題的能力，需要進行事實性、科學性、邏輯性和倫理法規(guī)的審視和判斷能力，以及價值和審美的判斷能力。

由此，教學體系、教學方案甚至學科設置都要改變，絕不是增設幾門課程，也不是設一個人工智能學科或若干相關學科就行了。所有學生都要學人工智能，就像當年都要學計算機一樣。40多年前我們說計算機“從娃娃抓起”，這實際上是保證今天我們能跟上信息革命的重要一步?，F(xiàn)在，對于人工智能的學習也必須從小抓起，一直到大學，到繼續(xù)教育，要構(gòu)建適應智能化時代的包括各級各類學校但不限于學校教育的全社會終身學習體系。我覺得，抓教育，應該是中央提出要“投資于人”的重要內(nèi)涵之一。

記者|張蕊

編輯|魏官紅

視覺|陳冠宇

排版|魏官紅

統(tǒng)籌|易啟江