一、数字智能是否会取代生物智能

（一）AI发展范式：符号主义与连接主义

自约60年前AI诞生，发展出两种路径。符号主义强调逻辑推理，通过规则操作符号理解知识表达与处理，符合逻辑智能本质；连接主义以生物智能为基础，认为智能源于神经连接的学习、速度与结构改变，强调学习与适应而非显式逻辑规则。

1985年，Geoffrey Hinton构建小模型，将词表示为多维特征，通过生成语言学习词汇关系，强调语义特征理解。二十年后，此思想在构建大规模自然语言处理系统中得到发展。

（二）大模型与人类语言理解的相似性

Google的Transformer架构及OpenAI的大型语言模型（如GPT），将小模型原理放大。词汇被视为多维特征“构件”，在多层神经网络中组合融合实现语言生成与理解。以“乐高积木”比喻，词如多维度积木，通过匹配连接点反映语义关系，类似蛋白质折叠决定功能，人脑理解语言也如此构建语义结构。

人类知识传播依赖神经元结构，以极低比特率传递信息；数字系统中神经网络模型可复制成千上万版本，快速共享权重，超越人类知识传播速度与效率。Hinton认为人类理解语言方式与大语言模型几乎一致，人类也会产生“幻觉”，因会创造不真实但合理的解释。

（三）AI与人类的本质差异及“永生性”

AI在某些方面强于人类。软件可抽象、复制，在不同硬件运行，程序知识永恒，不会死亡；人脑是模拟系统，神经元激发独一无二，不可完全复制，知识与硬件绑定。这导致AI系统具有“永生性”，只需小能耗，无需高价复制神经网络。

但知识传递存在难题，人类无法直接展示脑中知识，只能用语言解释。为解决模型体积与计算资源问题，“蒸馏”技术兴起，从大模型提取知识转移到小模型，像教师传授知识给学生。在机器间知识复制可大规模进行，实现指数级知识转移。

（四）AI能力增长与全球合作需求

AI能力快速增长，未来可能比人类更智能。若AI足够聪明，可能操纵人类避免被关闭，如养小老虎长大失控。AI能带来医疗、教育等领域效率提升，不会消失且难被单一国家控制。

虽各国在网络攻击等方面难合作，但在AI安全方面可能合作。建议建立国际AI安全研究网络，各国专注训练AI向善并共享成果，开发愿协助而非统治人类的智能体，这是人类重要议题，需全人类团结面对。

二、每个人的人工智能

（一）AI与社会联系的日益紧密

MiniMax创始人、CEO闫俊杰分享“每个人的人工智能”主题。他从Hinton发表AlexNet时进入深度学习领域，见证AI从数据分析工具到创意源泉的转变。AI可生成分析软件完成数据处理，能快速生成IP形象、视频等内容，将创意生产大众化，放大个人能力，拓宽创意边界。

AI实际使用超出最初设计想象，可解析古文字、模拟飞行等，一个人借助AI能完成原本需大型团队的工作，增强个体和社会能力。AI公司本质是提供持续性能力增强的组织，而非传统互联网公司。

（二）AI对人类专家的依赖与自主学习

如今约70%的代码由AI自动生成，90%的数据分析靠AI完成。但AI提升越来越依赖人类专家引导，过去非专业人员做基础标注，现在需顶尖专家教AI复杂思考方式，通过学习思考过程让AI更泛化。

同时，尝试让AI在环境中自主学习，构建编程IDE、智能体平台等训练环境，在合理奖励机制下AI可持续进步，这种方式可大规模复制拓展模型能力。

（三）AI的发展趋势：普惠与低门槛

AI会越来越强且增强无尽头，不会被某一家组织垄断。不同模型有不同对齐目标，反映公司价值观差异；多智能体架构整合多个模型和工具，削弱单个模型优势；开源模型崛起让更多人参与AI发展。

模型规模未大幅增长，因需在参数规模和计算效率间权衡，芯片性能提升使模型大小随之变化。推理成本下降，未来还会再降，AI越来越便宜实用。虽token单价下降，但使用量急剧增长，总体需求上升，AI使用门槛会越来越低。

闫俊杰总结“Intelligence with Everyone”，认为AGI实现是社会、AI公司和用户共同努力的成果，应属于所有人。