0
| 本文作者： 鄭佳美 | 2026-05-21 11:36 |
作者丨鄭佳美
編輯丨馬曉寧
今天的 AI 已經(jīng)足夠耀眼。它能在幾秒鐘內(nèi)寫出文章、生成代碼、繪制圖像，也能像助手一樣拆解任務(wù)、調(diào)用工具、給出方案。對(duì)很多人來說，AI 的未來似乎已經(jīng)清晰可見：更高效率、更低成本、更少人力，以及越來越自動(dòng)化的生產(chǎn)流程。
但同濟(jì)大學(xué)工程智能研究院的華先勝院長看到的則是另一面。
在他看來，AI 真正的挑戰(zhàn)不在于能不能“說得像人”，而在于能不能進(jìn)入那些不能靠語言流暢度解決的真實(shí)系統(tǒng)。工程世界就是這樣的系統(tǒng)，它關(guān)乎樓宇是否安全、橋梁是否可靠、交通是否順暢、能源能否穩(wěn)定調(diào)度、城市能否持續(xù)運(yùn)行。
這里沒有簡單的標(biāo)準(zhǔn)答案，也不能用幻覺冒充創(chuàng)造力。一個(gè) AI 模型即使能寫出完美方案，也不意味著它理解了工程現(xiàn)場。
所以，工程智能要回答的第一個(gè)問題是：AI 如何從數(shù)字世界走向物理世界？
華院長認(rèn)為，工程智能不是 AI 與工程的簡單相加，它既要用已有 AI 技術(shù)解決工程問題，也要從復(fù)雜工程系統(tǒng)中倒逼新的 AI 理論和方法，更要把這些能力沉淀為平臺(tái)、模型、智能體和操作系統(tǒng)，讓工程智能從單點(diǎn)突破走向規(guī)?；瘡?fù)制。
這也是他從微軟、阿里、城市大腦一路走到同濟(jì)工程智能研究院后形成的判斷：AI 落地不能只靠“拿著錘子找釘子”，也不能只靠一個(gè)個(gè)項(xiàng)目堆起來。真正的工程智能，必須長在產(chǎn)業(yè)現(xiàn)場，也必須長成一套體系。
而更深層的是，華先勝并沒有把工程智能僅僅看成產(chǎn)業(yè)效率工具。他同時(shí)追問了另一個(gè)更難的問題：當(dāng) AI 越來越強(qiáng)，人會(huì)不會(huì)被系統(tǒng)邊緣化？
如果 AI 只沿著替代人的方向發(fā)展，它可能帶來崗位替代、認(rèn)知退化和精神操控。但如果換一條路，讓 AI 成為人的共創(chuàng)伙伴，讓模型/智能體的能力和人類的非邏輯創(chuàng)造力彼此激發(fā)，AI 就不再只是“完美機(jī)器”，而可能成為一種共生智能。
于是，工程智能在這里獲得了雙重含義：一方面，它是 AI 進(jìn)入復(fù)雜工程系統(tǒng)的技術(shù)路徑；另一方面，它也是重新設(shè)計(jì)人機(jī)關(guān)系的一次嘗試。
基于這些判斷，雷峰網(wǎng)·AI科技評(píng)論與華院長進(jìn)行了一次系統(tǒng)對(duì)話。對(duì)話從“工程智能究竟是什么”開始，一路延伸到復(fù)雜工程系統(tǒng)、產(chǎn)業(yè)規(guī)模化落地、工程智能操作系統(tǒng)、靈感計(jì)算、人機(jī)互信，以及 AI 時(shí)代人的位置。
某種意義上，這不僅是一場關(guān)于工程智能的訪談，也是一場關(guān)于 AI 未來路徑的再追問。
01
▎AI科技評(píng)論：工程智能對(duì)很多人來說還是一個(gè)比較新的詞。您能否先解釋一下，它到底在解決什么問題？
華先勝：要解釋工程智能，首先要講清楚“工程”在這里指什么。今天很多人講工程，尤其是做計(jì)算機(jī)的人講工程，更多想到的是 software engineering，也就是軟件工程。但我們講工程智能時(shí)，“工程”至少有兩層含義。
第一層是傳統(tǒng)工程，也就是推動(dòng)人類社會(huì)進(jìn)步和發(fā)展的那些基礎(chǔ)設(shè)施與產(chǎn)業(yè)系統(tǒng)。比如建造房子、樓宇、橋梁，屬于建造；制造本身也是非常大的范圍；交通是交通工程，能源有能源工程，材料、醫(yī)學(xué)、海洋等領(lǐng)域里也都有工程問題。
如果稍微收窄一點(diǎn)，可以理解為傳統(tǒng)工科所關(guān)注的工程問題，包括建造、制造、能源、汽車、交通、海洋等。很多時(shí)候，科學(xué)和工程之間的邊界并不只是看題目本身，而是看推動(dòng)這個(gè)領(lǐng)域發(fā)展的方式。比較偏工程方法的，都可以歸入工程范疇。
第二層則更接近過去講的軟件工程，但我們不簡單稱之為軟件工程，而是稱為“硅基工程”。人工智能要真正實(shí)現(xiàn)產(chǎn)業(yè)規(guī)模化落地，也需要工程能力。
也就是說，當(dāng)我們用 AI 方法解決了傳統(tǒng)工程中的難點(diǎn)問題之后，怎樣讓它走向規(guī)?；?？這就需要構(gòu)建系統(tǒng)、平臺(tái)和工具，讓更多人能夠使用，而不是每一個(gè)工程問題都必須由頂尖 AI 專家和頂尖工程專家坐在一起才能解決。這個(gè)世界上的工程問題太多了，如果都只能依靠少數(shù)頂尖專家一對(duì)一解決，就很難形成規(guī)模化。
所以，工程智能可以有一個(gè)比較正式的定義：人工智能與工程實(shí)踐的深度融合，利用人工智能技術(shù)深入解決工程領(lǐng)域的核心問題，實(shí)現(xiàn)對(duì)工程實(shí)踐規(guī)模化賦能的變革性技術(shù)范式。
不過這個(gè)定義比較書面，我更愿意從三個(gè)層次來解釋。
第一層叫“工程 + 智能”。也就是用今天相對(duì)成熟的人工智能技術(shù)去解決傳統(tǒng)工程中的具體問題。例如，在建造領(lǐng)域，設(shè)計(jì)一棟樓、一座橋時(shí)，能不能用 AI 輔助設(shè)計(jì)，讓設(shè)計(jì)速度更快、方案更合理、更有創(chuàng)意？一棟樓已經(jīng)建成之后，能不能用 AI 對(duì)樓宇健康狀況進(jìn)行預(yù)測？在交通領(lǐng)域，能不能用 AI 提升城市交通效率和交通安全？這些都屬于工程 + 智能。
它當(dāng)然也是工程智能的一部分，但還不是最核心的部分。因?yàn)檫@一層往往不一定會(huì)對(duì)人工智能本身提出非常高的新要求，更多是在已有技術(shù)基礎(chǔ)上做一些增量創(chuàng)新，解決某個(gè)具體領(lǐng)域問題。
第二層才是真正作為一個(gè)詞的“工程智能”。它不是工程和智能的簡單相加，而是因?yàn)閭鹘y(tǒng)工程領(lǐng)域中存在大量今天技術(shù)難以直接解決的問題。
工程系統(tǒng)往往非常復(fù)雜，比如建一座橋、優(yōu)化一座城市的交通、調(diào)度一個(gè)城市的能源或電力系統(tǒng)，這些都是復(fù)雜系統(tǒng)。今天的 AI 技術(shù)還不能直接解決這些核心問題，于是它反過來會(huì)給人工智能提出新的理論和方法要求。
我們發(fā)展新的 AI 理論與方法去解決這些工程問題，一方面推動(dòng)工程學(xué)科和工程技術(shù)的發(fā)展，另一方面也推動(dòng)人工智能技術(shù)本身的發(fā)展。到這個(gè)階段，它就成為一個(gè)新的領(lǐng)域，放在學(xué)校里講，也可以說是一個(gè)新的學(xué)科。
第三層是工程智能操作系統(tǒng)。我們希望把那些看起來高大上的技術(shù)，變成大家都能使用的工具。就像今天我們用 Windows、Office、PowerPoint，不需要微軟工程師和我們一起寫文檔、做幻燈片；醫(yī)生用 CT 做診斷，也不需要理解 CT 機(jī)內(nèi)部如何成像、如何重建，只要會(huì)使用設(shè)備，就能做診斷、制定治療方案。工程智能也要走到這個(gè)階段，才能真正被規(guī)?；褂?。
這三個(gè)層次不是先后割裂的。我們現(xiàn)在同時(shí)在做三件事：第一，用現(xiàn)有技術(shù)去看工程問題；第二，針對(duì)工程里的難點(diǎn)問題發(fā)展新的方法；第三，從現(xiàn)在開始構(gòu)建平臺(tái)系統(tǒng)，今天能解決多少問題，就把多少能力放進(jìn)系統(tǒng)里。系統(tǒng)變成開放系統(tǒng)之后，更多人也可以一起貢獻(xiàn)。
我還經(jīng)常用“點(diǎn)、線、面”來解釋工程智能。點(diǎn)，是解決某一個(gè)具體問題。比如某一個(gè)蛋白質(zhì)結(jié)構(gòu)預(yù)測，或者某一個(gè)作物的育種問題，都是點(diǎn)。線，是能解決一類問題，例如不僅能做大豆育種，也能做水稻、玉米等作物育種，形成一個(gè)加速育種的平臺(tái)。面，或者體，是在一個(gè)領(lǐng)域里能解決一組相互關(guān)聯(lián)的問題，比如農(nóng)業(yè)里不僅做育種，還能做精準(zhǔn)種植、農(nóng)業(yè)機(jī)械化、加工等。
如果只做點(diǎn)，很難形成一個(gè)領(lǐng)域或?qū)W科；至少做到線，才可能成為一個(gè)領(lǐng)域，成為一個(gè)平臺(tái)，成為一種賦能工具。我們的目標(biāo)是從點(diǎn)到線，再到面。當(dāng)然，從點(diǎn)到線相對(duì)容易，走到面需要很多年的積累。
（2025年5月20日同濟(jì)大學(xué)工程智能研究院成立）
▎AI科技評(píng)論：您過去做過城市大腦、視覺智能，也做過 AI 的平臺(tái)化和系統(tǒng)化?，F(xiàn)在推動(dòng)工程智能，背后的判斷是什么？為什么是現(xiàn)在？
華先勝：過去其實(shí)也在做，只是還沒有那么成體系。今天把工程智能這件事提出來，是因?yàn)榧夹g(shù)和產(chǎn)業(yè)發(fā)展到了一個(gè)可以更深入、更大規(guī)模推進(jìn)的階段。
第一個(gè)維度是工程本身的需要。工程非常重要，真正改變世界的很多東西其實(shí)是工程。當(dāng)然，工程很多時(shí)候來自科學(xué)突破，科學(xué)理論再進(jìn)入工程應(yīng)用，推動(dòng)人類改造和適應(yīng)世界。
城市建設(shè)、大陸橋梁、飛機(jī)、大型水電站、大型建筑，本質(zhì)上都是工程。中國本身也是工程大國，但今天的工程系統(tǒng)越來越復(fù)雜。大型水電站、飛機(jī)制造、大型建筑等系統(tǒng)一旦出問題，很多時(shí)候是災(zāi)難性的，因此迫切需要新的方法來保證可靠性和安全性。
我們過去一段時(shí)間做了很多探索，后來發(fā)現(xiàn)這和錢學(xué)森先生當(dāng)年講的“開放復(fù)雜巨系統(tǒng)”非常相關(guān)。
工程里的很多系統(tǒng)本質(zhì)上就是開放復(fù)雜巨系統(tǒng)：組件非常多，耦合度非常高，相互依賴非常強(qiáng)；同時(shí)它不是封閉系統(tǒng)，而是在不斷演進(jìn)，并且與外部環(huán)境持續(xù)交互。比如電站會(huì)受到環(huán)境變化、水流變化、能量輸入輸出的影響；城市交通更是一個(gè)不斷變化的開放系統(tǒng)。
這類系統(tǒng)還有涌現(xiàn)性。涌現(xiàn)就是從量變到質(zhì)變，很多規(guī)律不是用以往方法能輕易計(jì)算出來的。今天大模型也有涌現(xiàn)，但老實(shí)說，背后的機(jī)制也還沒有真正弄明白。
復(fù)雜工程系統(tǒng)也是這樣：難以建模，模型建不好，就更談不上推演、預(yù)測和優(yōu)化。因此，工程需要人工智能去輔助、去賦能。雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))
第二個(gè)維度是人工智能本身的需要。人工智能從深度學(xué)習(xí)時(shí)代發(fā)展到 2022 年底之后的大模型、智能體時(shí)代，速度非常快，威力也非常強(qiáng)。但它在數(shù)字世界里很強(qiáng)，在物理世界里仍然步履維艱。
今天機(jī)器人可以打拳、扭秧歌、跳舞，甚至可以跑馬拉松，但你讓它真正完成一個(gè)任務(wù)，哪怕不是特別復(fù)雜的任務(wù)，也并不容易。讓它照顧老人、照顧小孩，或者到大街上幫你取一個(gè)東西回來，這些都沒有那么容易。更不用說真正的工程場景。
如果人工智能要真正成為改變產(chǎn)業(yè)的生產(chǎn)力，就不能只成為數(shù)字世界的生產(chǎn)力，還要進(jìn)入物理世界。我們說人工智能是新質(zhì)生產(chǎn)力，但它只有被規(guī)?；褂?，才會(huì)真正成為現(xiàn)實(shí)的生產(chǎn)力。
工業(yè)革命也是一樣，如果一項(xiàng)技術(shù)只停留在少數(shù)領(lǐng)域、樣板領(lǐng)域，就不會(huì)推動(dòng)產(chǎn)業(yè)革命。人工智能接下來除了數(shù)字世界，還要進(jìn)入物理世界；除了樣板，還要走向真正的規(guī)?；?。
第三個(gè)維度是技術(shù)已經(jīng)具備了基礎(chǔ)。大模型、智能體、物聯(lián)網(wǎng)、算力，以及過去十幾年產(chǎn)業(yè)數(shù)據(jù)化的實(shí)踐，雖然有成功也有教訓(xùn)，但都為規(guī)?；こ讨悄芴峁┝吮匾A(chǔ)。
產(chǎn)業(yè)界、政府和社會(huì)對(duì)人工智能的接受度也比過去高，尤其在中國，大家更愿意嘗試。過去十幾年，AI 落地往往只解決了一部分核心問題，很多產(chǎn)業(yè)核心問題其實(shí)沒有真正解決，這也是難以規(guī)?；闹匾颉?/span>
此外還有國際競爭格局。很多人把一些國際計(jì)劃理解為偏科學(xué)智能，但仔細(xì)看，其中也包含制造等工程內(nèi)容。貝索斯較早提出 Physical AI，要投入巨額資金做這件事。
本質(zhì)上，這也是工程智能的一部分，只是他更多講制造，我們講的范圍更廣。他的做法可能是把傳統(tǒng)產(chǎn)業(yè)買下來直接改造，而我們更希望提供平臺(tái)和工具，讓產(chǎn)業(yè)自己在工具上完成改變。
▎AI科技評(píng)論：您剛才提到，人工智能要從數(shù)字世界進(jìn)入物理世界，真正成為現(xiàn)實(shí)生產(chǎn)力。但如果 AI 越來越強(qiáng)，會(huì)不會(huì)也帶來新的風(fēng)險(xiǎn)？比如工作被替代、人的能力退化，甚至被算法操控？
華先勝：這是一個(gè)必須正視的問題。我們?cè)谌贀肀?AI 的同時(shí)，也要看到它發(fā)展路徑里存在幾重暗礁。
第一重是生存的替代。大模型和智能體已經(jīng)開始改變崗位結(jié)構(gòu)，特別是初級(jí)崗位、重復(fù)性崗位，受到的沖擊會(huì)更明顯。第二重是認(rèn)知的退化。如果一個(gè)人習(xí)慣把思考、寫作、判斷都外包給 AI，大腦就會(huì)越來越少經(jīng)歷真正的訓(xùn)練。第三重是精神層面的操控。算法比你更了解你的喜好和弱點(diǎn)，它可以不斷投喂你想看的東西，讓人困在信息繭房里。
所以，問題不只是 AI 技術(shù)本身有多強(qiáng)，而是我們到底沿著什么路線發(fā)展 AI。如果我們追求的是一個(gè)“完美機(jī)器”，讓它在越來越多場景中 100% 替代人，人就會(huì)被逐漸邊緣化。它看起來提高了效率，但也可能帶來崗位、認(rèn)知和精神層面的長期風(fēng)險(xiǎn)。
我更關(guān)心的，是能不能用技術(shù)去解決技術(shù)帶來的問題。也就是說，不只是靠倫理提醒、靠使用者自律，而是在系統(tǒng)設(shè)計(jì)之初就避免走向單純替代人的路徑。工程智能要進(jìn)入物理世界、進(jìn)入產(chǎn)業(yè)核心，就更不能只是做一個(gè)替代人的機(jī)器，而應(yīng)該成為激發(fā)人類智慧和能力的合作伙伴。
02
▎AI科技評(píng)論：您經(jīng)歷過淘寶以圖搜圖這類超大規(guī)模 to C 場景，也經(jīng)歷過城市大腦這類 to B、to G 的復(fù)雜系統(tǒng)級(jí) AI 工程。站在今天回看，這些經(jīng)歷讓您對(duì) AI 進(jìn)入工程世界有了哪些不同判斷？
華先勝：人工智能領(lǐng)域有很多了不起的團(tuán)隊(duì)和人才，他們推動(dòng)了技術(shù)和應(yīng)用的發(fā)展。但如果要把“從技術(shù)到產(chǎn)業(yè)”這條路真正走通，需要一種綜合能力：既要有算法研究能力，對(duì)算法原理有深入理解；也要有工程化能力，能夠把技術(shù)轉(zhuǎn)化為穩(wěn)定可靠的系統(tǒng)和產(chǎn)品；同時(shí)還需要圍繞真實(shí)業(yè)務(wù)和應(yīng)用場景，持續(xù)打磨系統(tǒng)架構(gòu)、產(chǎn)品體驗(yàn)和商業(yè)落地路徑。
算法、系統(tǒng)、產(chǎn)品、產(chǎn)業(yè)落地之間不是一條簡單的線，而是高度耦合的關(guān)系。過去很多討論是在說，到底是錘子找釘子，還是釘子找錘子：是先有算法再找場景，還是先有需求再找算法。
經(jīng)過這些年的經(jīng)歷，我現(xiàn)在想做的事情不是判斷到底誰找誰，而是讓所有釘子都能有合適的錘子，所有錘子都能找到合適的釘子。更準(zhǔn)確地說，是構(gòu)建一個(gè)更大范圍的架構(gòu)，讓“找”的問題不再成為問題。
如果總在糾結(jié)先做技術(shù)還是先找需求，就會(huì)一直停留在原來的問題里。我的想法是，把大的構(gòu)想和系統(tǒng)架構(gòu)設(shè)計(jì)出來，錘子和釘子都在里面，就可以直接用。
工程智能之所以強(qiáng)調(diào)認(rèn)知，是因?yàn)檎J(rèn)知會(huì)決定做法。為什么要區(qū)分“工程 + 智能”和“工程智能”？為什么要強(qiáng)調(diào)點(diǎn)、線、面？為什么要構(gòu)建工程智能操作系統(tǒng)？這些都是過去二十多年經(jīng)歷逐漸沉淀出來的。
從微軟搜索、必應(yīng)搜索相關(guān)技術(shù)，到阿里拍立淘、城市大腦、醫(yī)療健康，再到今天做工程智能，很多理念是一脈相承的。只是今天技術(shù)和產(chǎn)業(yè)發(fā)展到了新的階段，我想布一個(gè)更大的局，讓人工智能技術(shù)和產(chǎn)業(yè)之間的 gap 在設(shè)計(jì)之初就被縮小，甚至不再成為最難的問題。
▎AI科技評(píng)論：這是否也可以理解為同濟(jì)大學(xué)工程智能研究院的核心定位和出發(fā)點(diǎn)？
華先勝：可以這么理解。從學(xué)校層面看，最早的初衷是新的工程學(xué)科建設(shè)需要人工智能介入。做工程智能其實(shí)有兩撥人：一撥是做工程的人往人工智能方向走，另一撥是做人工智能的人往工程方向走。
這兩撥人各有優(yōu)勢和短板。工程領(lǐng)域的人對(duì)工程本身的認(rèn)知非常深，這是他們的專業(yè)，也是非常重要的優(yōu)勢，否則你甚至不知道真正應(yīng)該做什么問題。但他們不一定擅長 AI。做 AI 的人 AI 能力強(qiáng)，但對(duì)工程本身問題的認(rèn)知不夠。
兩邊甚至可能互相覺得對(duì)方做得不夠好：AI 人可能覺得工程方法太簡單，工程人可能覺得 AI 人沒有做到正確的問題上。工程智能研究院要解決的一個(gè)問題，就是讓這兩撥人不要割裂開做，而是在一起做。
同濟(jì)的工程學(xué)科是優(yōu)勢，我來到同濟(jì)做工程智能，也是希望發(fā)揮同濟(jì)工程學(xué)科的底座，把工程智能真正變成一個(gè)詞，而不是兩個(gè)領(lǐng)域的松散拼接。更大的層面上，就是讓人工智能從數(shù)字世界走向物理世界，真正成為生產(chǎn)力。
（發(fā)布《工程智能白皮書》）
▎AI科技評(píng)論：研究院最終希望形成什么能力？是做一批項(xiàng)目，還是建立一套能夠持續(xù)培養(yǎng)人才、沉淀方法、服務(wù)產(chǎn)業(yè)的工程智能體系？
華先勝：在回答這個(gè)問題之前，我想先補(bǔ)充一點(diǎn)。我過去做人工智能，落地性比較強(qiáng)，不只是寫論文、做 demo，而是做真正有幾千萬、上億人使用、被現(xiàn)實(shí)檢驗(yàn)的系統(tǒng)。因此我對(duì)行業(yè)和領(lǐng)域本身一直有敬畏之心。
現(xiàn)在有一個(gè)趨勢：誰都想去搞人工智能。這一方面是好事，但如果一個(gè)學(xué)科的人放棄自身領(lǐng)域，轉(zhuǎn)而去做人工智能本身，不見得是好事。比如醫(yī)學(xué)，如果醫(yī)學(xué)生和醫(yī)學(xué)研究者都去做人工智能，醫(yī)學(xué)本身怎么辦？你的優(yōu)勢可能不是人工智能本身，而是你的學(xué)科與人工智能的結(jié)合。
對(duì)于工程、醫(yī)學(xué)等領(lǐng)域的人來說，目標(biāo)應(yīng)該是用人工智能推動(dòng)本學(xué)科發(fā)展；對(duì)于我們做人工智能的人來說，目標(biāo)則是推動(dòng)這些學(xué)科發(fā)展，同時(shí)也推動(dòng)人工智能發(fā)展。
我以前做醫(yī)學(xué)人工智能時(shí)也有過困惑。我們做醫(yī)學(xué)影像，效果也不錯(cuò)，但好像總是不溫不火。后來我想明白了：醫(yī)學(xué)人工智能的目標(biāo)應(yīng)該是推動(dòng)醫(yī)學(xué)的發(fā)展。不是說沒有 AI 醫(yī)學(xué)就不能發(fā)展，而是 AI 帶來的技術(shù)進(jìn)步要真正推動(dòng)醫(yī)學(xué)進(jìn)步。
就像 CT、MRI 這類技術(shù)，它們?cè)卺t(yī)學(xué)里有生命力，因?yàn)樗鼈兏淖兞酸t(yī)學(xué)。如果 AI 只是提升效率，當(dāng)然也有價(jià)值，但生命力不夠強(qiáng)。只有推動(dòng)學(xué)科發(fā)展，它才會(huì)有更強(qiáng)的生命力。
回到研究院的目標(biāo)，我們不是做項(xiàng)目制，而是要構(gòu)建一套體系。從可見的結(jié)構(gòu)上講，我們按照平臺(tái)、模型、智能體、應(yīng)用四層來構(gòu)建。
研究院不是公司，但它也不是一個(gè)只做學(xué)術(shù)的學(xué)院，而是一個(gè)產(chǎn)學(xué)研融合的設(shè)計(jì)。我們要做學(xué)術(shù)前沿，也要培養(yǎng)人才，但還要把成果變成可以產(chǎn)業(yè)化落地的東西。
不過，真正的產(chǎn)業(yè)化落地不一定由研究院本身完成。研究院更像是預(yù)研和孵化平臺(tái)，把技術(shù)做到一定程度之后，再通過孵化企業(yè)或賦能企業(yè)完成產(chǎn)業(yè)化。研究院本身不是商業(yè)載體，但它承擔(dān)產(chǎn)學(xué)研融合和產(chǎn)業(yè)孵化的重要責(zé)任。
這也反映在團(tuán)隊(duì)構(gòu)成上。一般學(xué)院以學(xué)術(shù)人才為主，而我們既有學(xué)術(shù)人才，也有來自產(chǎn)業(yè)研究院的人才。他們既有前沿學(xué)術(shù)研究能力，又有系統(tǒng)設(shè)計(jì)、系統(tǒng)實(shí)現(xiàn)和產(chǎn)品化能力。我們講產(chǎn)學(xué)研融合，不是表面上的融合，而是真正的產(chǎn)研融合。
在架構(gòu)上，我們還設(shè)計(jì)了一個(gè)三級(jí)結(jié)構(gòu)：學(xué)校層面的研究院、面向上海的新型研發(fā)機(jī)構(gòu)，以及后續(xù)孵化或賦能的企業(yè)。最終，我們希望從研究院走向產(chǎn)業(yè)，從基礎(chǔ)能力走向平臺(tái)化系統(tǒng)，再走向真正的企業(yè)和產(chǎn)業(yè)生態(tài)。
▎AI科技評(píng)論：您提到研究院要做的不是項(xiàng)目制，而是一套體系。放在更大的 AI 發(fā)展路徑里，這套體系和您提出的“共生智能”之間是什么關(guān)系？
華先勝：我覺得可以這樣理解：如果說傳統(tǒng) AI 落地更多強(qiáng)調(diào)“降本增效”，那么共生智能更強(qiáng)調(diào)“開智增能”。它不是簡單用 AI 替代人工，而是讓人與 AI 深度結(jié)合，用相同甚至更少的人力，完成更深入、更強(qiáng)大的創(chuàng)造。
我們要做的不是一個(gè)個(gè)孤立項(xiàng)目，而是把平臺(tái)、模型、智能體、應(yīng)用，以及未來的人機(jī)協(xié)同機(jī)制放在同一個(gè)體系里，讓 AI 的能力和人的能力共同演進(jìn)。
▎AI科技評(píng)論：如果更具體地看，研究院目前已經(jīng)在做哪些方向和成果？
華先勝：如果從應(yīng)用領(lǐng)域看，我們目前有土木建造、交通、海洋等方向。比如在建造領(lǐng)域，我們做的是從設(shè)計(jì)到設(shè)計(jì)評(píng)估，再到建成建筑的狀態(tài)預(yù)測。
一個(gè)具體技術(shù)叫 BIM to FEA。BIM 是建筑信息模型，主要描述建筑的物理和幾何結(jié)構(gòu)。過去很多年，行業(yè)一直在使用 BIM；它比平面圖更形象，有三維信息，可以看到建筑長什么樣。但是，如果要拿 BIM 去評(píng)估建筑健康狀況、風(fēng)險(xiǎn)，或者分析極端天氣、地震對(duì)建筑的影響，它還不夠，因?yàn)檫@些問題需要進(jìn)入力學(xué)層面。
進(jìn)入力學(xué)層面，就要分析建筑結(jié)構(gòu)中的應(yīng)力，還要考慮材料等因素。工程上通常通過有限元仿真完成。過去這件事基本靠手工：先有 BIM 模型，再手工構(gòu)建 FEA 有限元模型，畫網(wǎng)格，進(jìn)行仿真，分析應(yīng)力。只有把這些分析清楚，才能判斷房子會(huì)不會(huì)有風(fēng)險(xiǎn)。
我們現(xiàn)在希望把這個(gè)過程自動(dòng)化：從 BIM 直接生成力學(xué)仿真模型，自動(dòng)完成網(wǎng)格劃分，甚至在某些情況下不經(jīng)過反復(fù)迭代就得到滿足條件的仿真結(jié)果，并且自動(dòng)生成分析報(bào)告。報(bào)告可以告訴設(shè)計(jì)方案是否存在問題，也可以用于運(yùn)維階段，判斷一棟建筑應(yīng)該如何修理、如何保護(hù)。
交通領(lǐng)域，我們?cè)诮煌ò踩矫嬗斜容^好的進(jìn)展。我們對(duì)城市全量交通事故進(jìn)行深入分析，分析事故成因、責(zé)任歸屬、車輛行為、碰撞位置和各種細(xì)節(jié)。過去這些都需要人來分析。一個(gè)直接應(yīng)用是幫助交警做事故定責(zé)，并且把分析結(jié)果與法律法規(guī)結(jié)合，輔助判斷責(zé)任。
更大的應(yīng)用在于，當(dāng)我們掌握了城市歷史交通事故的發(fā)生機(jī)理，就可以知道事故到底由哪些因素造成：哪些是人的原因，哪些是道路原因，哪些是交通規(guī)則原因。這樣就可以對(duì)城市交通基礎(chǔ)設(shè)施提出建議，比如哪些地方應(yīng)該改造，哪些通行規(guī)則應(yīng)該調(diào)整，從而降低事故發(fā)生概率。
我覺得更有意思的是從司機(jī)角度入手。交通事故往往是多種因素疊加造成的。即使道路擁堵、路況不好，如果一個(gè)人足夠仔細(xì)，也可能避免事故。很多時(shí)候，是多個(gè)條件湊在一起才發(fā)生事故。因此我們可以從司機(jī)層面去破壞促成事故的因素。
人的駕駛習(xí)慣、當(dāng)天心情、天氣狀況、交通狀況、實(shí)時(shí)駕駛行為都會(huì)影響事故風(fēng)險(xiǎn)。在某種條件下，我們可以提前預(yù)測：某位司機(jī)今天走到某個(gè)地方時(shí)，發(fā)生事故的概率可能比平時(shí)高好幾倍。這時(shí)就可以提醒他注意駕駛行為，甚至調(diào)整路線。過去沒有大模型技術(shù)，這件事不太好做，但時(shí)至今日，這件事已經(jīng)變得相對(duì)更容易了一些。
海洋方向，我們綜合多源海洋數(shù)據(jù)和預(yù)測模型，對(duì)海洋情況進(jìn)行分析和預(yù)測，例如海面溫度變化趨勢等，并構(gòu)建相應(yīng)的智能體。
還有一個(gè)很重要的點(diǎn)是：我們做的東西不是論文，也不是博士論文，而是一個(gè)可用系統(tǒng)。當(dāng)然，今天說它已經(jīng)是成熟產(chǎn)品還為時(shí)過早，但至少它是真正在跑的東西。有些能力要真正落地，還需要和外部系統(tǒng)連接。比如交通中對(duì)個(gè)人進(jìn)行提醒，就需要和高德或其他 GPS 系統(tǒng)連接；要做全城市全量事故分析，則需要和城市大腦這類系統(tǒng)連接等等。
除了這些具體領(lǐng)域，我們還做了兩個(gè)偏通用的能力。第一個(gè)是傳統(tǒng)工程的全科工程智能體。它不是只面向土木、交通、能源或制造，而是把工程學(xué)科里的知識(shí)和能力放在一起。我們不是簡單做一個(gè)大模型，而是做智能體，同時(shí)嵌入我們自己調(diào)優(yōu)的模型、知識(shí)圖譜，以及一些物理約束。
這個(gè)智能體主要用于交互式工程教學(xué)和研究探索。我們不希望它變成學(xué)生直接拿答案的工具，因此設(shè)計(jì)了啟發(fā)式模式：學(xué)生不知道怎么做時(shí)，系統(tǒng)會(huì)一步步提醒他從哪里思考，避免直接抄答案。它也針對(duì)工程領(lǐng)域做了優(yōu)化，能夠處理全科問題，包括讀圖、圖紙理解、計(jì)算、建模等。
第二個(gè)是偏科研場景的工具，用來輔助工程智能或人工智能科研。它可以自動(dòng)追蹤全球前沿研究進(jìn)展和資訊，幫助研究者把握趨勢。我們每天做分析，每個(gè)人可以有自己的訂閱。訂閱不是簡單推送一條信息，而是拿到信息之后還可以繼續(xù)和系統(tǒng)溝通：讓它進(jìn)一步總結(jié)，與其他論文或資訊關(guān)聯(lián)，或者用不同文風(fēng)解釋。
對(duì)于管理者，它可以用通俗語言解釋艱深論文；對(duì)于技術(shù)人員，它可以深入到技術(shù)細(xì)節(jié)。更重要的是，我們希望它不僅是信息工具，還能把人、模型和智能體的能力融合起來，實(shí)現(xiàn)互相激發(fā)：人激發(fā)智能體產(chǎn)生更多有創(chuàng)意的想法，智能體也反過來激發(fā)人的想法。
這里面有一個(gè)我們正在做的新東西，叫“靈感計(jì)算”。
（研究院展覽體驗(yàn)中心）
03
▎AI科技評(píng)論：靈感計(jì)算聽起來很特別，我們?cè)撊绾稳ダ斫膺@個(gè)概念？
華先勝：靈感本來看起來是不可計(jì)算的。如果能計(jì)算，為什么還叫靈感？但我們不是說所有靈感都能計(jì)算，而是想解決其中能夠被計(jì)算的一部分。
比如，一個(gè)研究者要產(chǎn)生一個(gè)新方法來解決問題，首先會(huì)有上下文：可能是一篇論文、一條資訊，或者一個(gè)很粗淺的想法。其次，可以放入當(dāng)前領(lǐng)域最前沿技術(shù)的一些關(guān)鍵詞；再次，可以放入這個(gè)領(lǐng)域存在的各種問題。這些都可以成為不同維度。當(dāng)然維度可以不止三個(gè)，理論上可以有很多維度。
這個(gè)想法其實(shí)來自我很多年前在北大聽過的一堂課。那位老師講了兩個(gè)概念，一個(gè)叫“維論”，另一個(gè)叫“尋找新的自由度”。很多時(shí)候我們覺得沒有路，是因?yàn)榘炎约合拗圃诙S或三維空間里。換到另一個(gè)空間，增加一個(gè)維度，問題可能就很簡單。
我以前在團(tuán)隊(duì)里講研究方法時(shí)，也常說要尋找新的自由度。而靈感的產(chǎn)生，在某種意義上就是升維，或者是在已有維度中尋找沒有被挖掘過的地方。
關(guān)鍵在于，如何創(chuàng)造這些維度，而一旦維度創(chuàng)造出來，空間就會(huì)變得很廣闊。
這也和大模型的創(chuàng)新能力相關(guān)。今天大模型能畫畫、做視頻、寫詩，看起來有創(chuàng)新能力。但它為什么能創(chuàng)新？創(chuàng)新天花板在哪里？
我用文字來打個(gè)比方：第一類是已經(jīng)存在的有意義文字，也就是人類已經(jīng)寫出來的文本；第二類是所有可能的、有意義的文字組合，它們現(xiàn)實(shí)中未必已經(jīng)存在，但大模型可能生成出來；第三類是任意文字組合，其中很多并沒有意義。
大模型今天能夠創(chuàng)新的地方，主要是在第二類空間里：現(xiàn)實(shí)世界還不存在，但它確實(shí)是有意義的組合。它的天花板也在這里，因?yàn)樗菑囊阎獌?nèi)容中學(xué)出來的。
如果存在一種文字組合，人類現(xiàn)在還不知道它是否有意義，大模型也很難真正判斷。它可以隨機(jī)產(chǎn)生，但無法保證體系性，也無法判斷對(duì)錯(cuò)。它也無法從文言文直接創(chuàng)造出現(xiàn)代漢語這種語言演化。人類不同的地方在于，人類可以創(chuàng)造逐漸演變的新狀態(tài)。
所以，靈感計(jì)算的思路是構(gòu)建不同維度，在維度形成的空間里尋找還沒有被探索的可能性。這只能解決一部分問題，但已經(jīng)能大幅提升人的能力。
比如構(gòu)建一個(gè)三維空間，每一維有 10 個(gè)向量，就可能產(chǎn)生 1000 個(gè) idea。其中可能 100 個(gè)已經(jīng)被人做過，800 個(gè)不靠譜，但剩下 100 個(gè)也許有價(jià)值。系統(tǒng)可以自動(dòng)判斷哪些已經(jīng)被做過，哪些不太靠譜，剩下的就可能成為有意義的啟發(fā)。
難點(diǎn)在于如何“造維”，也就是如何描述創(chuàng)新空間。我們不求完整描述，只要能描述其中一部分空間，就有價(jià)值。
▎AI科技評(píng)論：這樣看，靈感計(jì)算其實(shí)不是為了讓 AI 獨(dú)自完成創(chuàng)新，而是為了讓人和 AI 互相激發(fā)？
華先勝：是的。AI 的超強(qiáng)能力需要和人類獨(dú)特的非邏輯創(chuàng)造力結(jié)合，才能突破自身能力的天花板。一個(gè)好的共生智能系統(tǒng)，不是把答案直接交給人，而是把人推到更高價(jià)值的創(chuàng)造環(huán)節(jié)上。它可以完成大量繁重的信息搜集、比對(duì)、推理和生成工作，讓人把精力集中在決定性、創(chuàng)造性的部分。
比如教育場景里，如果一個(gè) AI 只是幫助孩子更快刷題、拿到標(biāo)準(zhǔn)答案，它可能把孩子訓(xùn)練成應(yīng)試高手，卻未必能讓孩子愛上學(xué)習(xí)，更難讓他成為提出問題的人。但如果 AI 像一位特級(jí)教師，引導(dǎo)孩子在學(xué)習(xí)引力時(shí)親手拖動(dòng)虛擬行星，再追問“如果引力規(guī)則完全不同，會(huì)發(fā)生什么”，它就可能點(diǎn)燃孩子的好奇心。
科研也是如此。前幾年，DeepMind 和牛津大學(xué)數(shù)學(xué)家合作，把 AI 引入拓?fù)鋵W(xué)研究。AI 分析大量被稱為“紐結(jié)”的復(fù)雜拓?fù)鋵?duì)象，在代數(shù)和幾何表征之間發(fā)現(xiàn)了新的關(guān)聯(lián)模式；人類數(shù)學(xué)家再把這個(gè)模式提煉、理解并完成證明。這個(gè)例子說明，AI 可以發(fā)現(xiàn)人類難以窮盡搜索的模式，但最終的理解、判斷和理論化，仍然需要人的智慧。
靈感計(jì)算想做的，就是把這種“互相激發(fā)”變得更系統(tǒng)、更可規(guī)模化。通過構(gòu)建不同維度、探索沒有被走過的組合空間，智能體可以不斷向人提出可能性，而人則用自己的經(jīng)驗(yàn)、直覺和非邏輯創(chuàng)造力，去判斷哪些可能性真正有價(jià)值。
（華先勝院長講共生智能）
04
▎AI科技評(píng)論：工程項(xiàng)目往往很碎片化，不同城市、不同場景差異很大，那么工程智能如何提煉共性，實(shí)現(xiàn)規(guī)?；瘡?fù)制？
華先勝：這正是為什么要打造工程智能操作系統(tǒng)。我們把工程智能中的核心問題總結(jié)為幾個(gè)層面。第一個(gè)問題是建模：怎樣用相對(duì)統(tǒng)一的方式把一個(gè)工程問題建模？工程問題非常復(fù)雜，數(shù)據(jù)量和數(shù)據(jù)模態(tài)都很多，有時(shí)間數(shù)據(jù)、空間數(shù)據(jù)、圖紙、文本、視覺信息、時(shí)間序列等。工程領(lǐng)域首先需要一套相對(duì)統(tǒng)一的建模機(jī)制，能夠處理這些異構(gòu)數(shù)據(jù)。
這里有兩類問題。一類是能夠建模的數(shù)據(jù)，我們盡量通過統(tǒng)一方法建模；另一類是很難放進(jìn)統(tǒng)一模型的數(shù)據(jù)，就作為外部數(shù)據(jù)來使用。有些數(shù)據(jù)語義不強(qiáng)，數(shù)據(jù)量又不多，很難 token 化，硬放進(jìn)統(tǒng)一模型反而沒有用。這類數(shù)據(jù)可以作為上下文，或者作為外部數(shù)據(jù)，由模型通過另一層能力讀取和操作。
工程領(lǐng)域還會(huì)涉及物理規(guī)律和各種約束，比如成本約束、時(shí)間約束、安全性約束等。這些都會(huì)比較復(fù)雜。我們會(huì)把它們抽象成基礎(chǔ)能力，但進(jìn)入具體領(lǐng)域時(shí)，還要針對(duì)該領(lǐng)域優(yōu)化和調(diào)優(yōu)。
不能指望一個(gè)大一統(tǒng)模型解決所有工程問題，語言模型也許可以某種程度上統(tǒng)一很多語言任務(wù)，但工程世界很難這樣。因此，我們會(huì)有基礎(chǔ)框架、基礎(chǔ)模型，也會(huì)在每個(gè)領(lǐng)域進(jìn)行針對(duì)性優(yōu)化。
這就是工程世界模型，它不是通常意義上只關(guān)注三維空間的世界模型，而是要刻畫工程場景中的復(fù)雜問題，包括設(shè)備數(shù)據(jù)、建筑、機(jī)械以及它們之間的關(guān)系?？坍嬛螅€要進(jìn)行推理，包括優(yōu)化、預(yù)測、仿真等。這個(gè)過程不容易，但我們要用相對(duì)統(tǒng)一的方法逐步往前走。
▎AI科技評(píng)論：如果把這些能力合在一起，工程智能操作系統(tǒng)的技術(shù)架構(gòu)是什么？
華先勝：我們可以把它概括為三層，或者說三個(gè)基礎(chǔ)研究維度。第一層是工程世界模型。它解決的是可信建模和可信推理：如何準(zhǔn)確刻畫工程世界，如何在模型之上進(jìn)行優(yōu)化、預(yù)測、仿真。
第二層是多人多智能體協(xié)同系統(tǒng)，也可以叫工程共創(chuàng)的多人多智能體體系。到了這一層，問題不只是模型能不能刻畫世界，還包括任務(wù)能不能被可靠執(zhí)行，智能體之間能不能協(xié)作，智能體和人之間能不能協(xié)同。我們提出四個(gè)關(guān)鍵詞：可信建模、可信推理、可信執(zhí)行、可信協(xié)同。前兩個(gè)偏模型層，后兩個(gè)偏任務(wù)執(zhí)行和協(xié)同層。
現(xiàn)在業(yè)界非常關(guān)注智能體執(zhí)行框架和 harness，本質(zhì)上是因?yàn)榇竽Ｐ筒豢煽?。怎樣在真正完成任?wù)時(shí)，讓它安全、可靠、可控？工程智能對(duì)這一點(diǎn)要求更高，因?yàn)楣こ虉鼍安荒芎唵卧囧e(cuò)重來，它有更多約束，對(duì)可靠性、可解釋性和安全性的要求也更高。
第三層是人機(jī)互信，這是我們很重要的創(chuàng)新。早期它還是一個(gè)概念，后來我們希望把它變成可計(jì)算的東西。未來社會(huì)生產(chǎn)和生活可能是人機(jī)融合的：你的同事、同伴可能是人，也可能是智能體。人和人之間、人和機(jī)器之間、機(jī)器和機(jī)器之間，都需要信任。只有互相信任，協(xié)同效率才會(huì)高。
但這件事不能停留在理念層面，我們要把信任變成系統(tǒng)中可以計(jì)算、可以演化的變量。系統(tǒng)運(yùn)行的目標(biāo)之一，是讓信任度隨著協(xié)同不斷提升。信任度提升后，工程世界模型對(duì)世界的刻畫能力會(huì)更強(qiáng)，多人多智能體系統(tǒng)完成任務(wù)的質(zhì)量和效率也會(huì)更高。
也就是說，人機(jī)互信成為系統(tǒng)演進(jìn)中的一個(gè)約束和優(yōu)化目標(biāo)。我們也定義了信任如何度量、如何演化，并把它稱為信任的動(dòng)力學(xué)方程。
過去，信任更多是管理學(xué)或心理學(xué)概念。我們希望把它變成可計(jì)算概念，與模型精度優(yōu)化、任務(wù)完成能力優(yōu)化并列，成為系統(tǒng)優(yōu)化的一部分。這樣，模型與模型之間、人和模型之間、人和人之間協(xié)同更可信，整個(gè)系統(tǒng)運(yùn)行的效率和可靠性也更高。
這也和我提出的“共生智能”有關(guān)。我去年在一個(gè)報(bào)告里提出這個(gè)概念，并在此基礎(chǔ)上寫了一本書，暫名叫《共生智能：人工智能的下一代》。它有技術(shù)哲學(xué)，也有系統(tǒng)架構(gòu)。它不是只講理念，因?yàn)槔锩娴暮芏鄸|西可以一行一行寫成代碼，落成系統(tǒng)。
對(duì)此我的一個(gè)觀點(diǎn)是：要讓最好的選擇成為唯一的選擇。也就是說，當(dāng)我們?cè)O(shè)計(jì)出一個(gè)足夠好的、人機(jī)協(xié)同、共生共創(chuàng)的系統(tǒng)，大家自然會(huì)選擇它。
所以，工程智能操作系統(tǒng)可以由三個(gè)基礎(chǔ)部分構(gòu)成：工程世界模型、工程共創(chuàng)的多人多智能體體系，以及人機(jī)互信優(yōu)化。三者合在一起，才構(gòu)成真正意義上的工程智能操作系統(tǒng)。
而從實(shí)現(xiàn)工程智能的技術(shù)路徑上講的，共生智能并不是一個(gè)抽象口號(hào)。未來可以有“共生智能大模型”：它不只是知識(shí)問答機(jī)，而是在模型和智能體的設(shè)計(jì)中融入人類長期積累的創(chuàng)新理論和方法，使模型具備一定的“靈感激活能力”。
智能體則像總指揮，負(fù)責(zé)規(guī)劃和執(zhí)行復(fù)雜任務(wù)。更重要的是，它要能識(shí)別邏輯和計(jì)算的盡頭：當(dāng)模型靠自身計(jì)算無法繼續(xù)突破時(shí)，它就應(yīng)該主動(dòng)轉(zhuǎn)向人類伙伴，開啟高質(zhì)量的創(chuàng)造性對(duì)話。
如果這個(gè)智能體還有長期記憶，能夠記住與人的每一次互動(dòng)，理解人的能力結(jié)構(gòu)、興趣、偏好和思考方式，那么它就不再只是一次性工具，而會(huì)逐漸成為與人共同進(jìn)化的伙伴。人、模型和系統(tǒng)之間的能力，也會(huì)形成螺旋式上升的閉環(huán)。
（研究院回廊展廳）
05
▎AI科技評(píng)論：如果工程智能既有技術(shù)、又有信任、還能協(xié)同，它會(huì)不會(huì)取代工程師？
華先勝：我覺得更大的可能不是取代這個(gè)職業(yè)，而是取代這個(gè)職業(yè)中的大量人力。可以用一個(gè)非常簡化的例子來講：如果工作量是 100，過去可能需要 100 個(gè)工程師完成，未來可能 10 個(gè)工程師加一批智能體就可以完成，甚至 5 個(gè)工程師加一批智能體就可以完成。這是工作量固定時(shí)的情況。
換一個(gè)角度，如果仍然有 100 個(gè)工程師，但他們帶著 1000 個(gè)智能體，就不是完成 100 的工作量，而可能完成 1000 甚至 10000 的工作量。所以，它不一定取代工程師這個(gè)職業(yè)，但會(huì)改變這個(gè)職業(yè)中的人力結(jié)構(gòu)和工作方式。
AI 完全取代一個(gè)職業(yè)，我認(rèn)為很難，因?yàn)榇竽Ｐ偷谋举|(zhì)是概率預(yù)測。我們說它在生成，其實(shí)它是在預(yù)測。為什么有幻覺？為什么有時(shí)候不聽話，甚至違反人的某些指令？因?yàn)樗歉怕誓Ｐ?，它根?jù)上下文認(rèn)為那是最好的結(jié)果。它不像人一樣有 common sense，它不是不想聽話，而是它并不知道自己是否違反了什么。
完全替代人是不現(xiàn)實(shí)的。人可以在系統(tǒng)里發(fā)揮重要作用，尤其是創(chuàng)新部分。剛才講靈感計(jì)算時(shí)也提到，大模型創(chuàng)新有天花板。即使它通過隨機(jī)方式跳過某些限制，也很難判斷那個(gè)東西到底對(duì)還是錯(cuò)。人有很大的靈活性，也有非邏輯的部分。今天所有 AI 都基于計(jì)算，本質(zhì)上基于邏輯，而人可以超越這部分。
因此，我們?cè)O(shè)計(jì)系統(tǒng)時(shí)，會(huì)考慮如何充分發(fā)揮人的能力，讓人在未來有位置。工程智能不是簡單取代人，而是讓人機(jī)共創(chuàng)成為一種新的范式。它會(huì)讓會(huì)使用 AI 的工程師擁有更強(qiáng)能力，也會(huì)讓不會(huì)使用 AI、不能用 AI 賦能自己的人被淘汰。
所以，我更愿意說：AI 不只是幫你完成任務(wù)的工具，也應(yīng)該成為讓你自己進(jìn)步的工具。
從這個(gè)意義上說，工程智能真正要避免的是把人擠出系統(tǒng)。一個(gè)共生智能系統(tǒng)的目標(biāo)，不是讓人不再思考，而是讓人的思考進(jìn)入更高層次。它會(huì)讓 AI 承擔(dān)大量低價(jià)值、重復(fù)性、計(jì)算性的工作，同時(shí)不斷把人拉回到判斷、創(chuàng)造、責(zé)任和價(jià)值選擇的位置。
我覺得，未來最好的 AI 系統(tǒng)，不是讓人越來越依賴它，而是讓人因?yàn)槭褂盟兊酶鼜?qiáng)。它不是只給你一個(gè)答案，而是讓你在和它共同完成任務(wù)的過程中，逐漸擁有更強(qiáng)的洞察力、判斷力和創(chuàng)造力。
▎AI科技評(píng)論：展望 5 年后，您認(rèn)為中國工程智能會(huì)達(dá)到什么水平？
華先勝：前面描繪的很多東西，可能到那時(shí)會(huì)逐步成為現(xiàn)實(shí)。首先，工程領(lǐng)域里一些核心難點(diǎn)問題，會(huì)通過與人工智能的深度融合得到相當(dāng)程度的解決。比如開放復(fù)雜巨系統(tǒng)中的很多問題，今天還沒有解，這也是人工智能難以規(guī)?；涞氐闹匾蛑?。過去很多 AI 落地沒有進(jìn)入產(chǎn)業(yè)核心，只是在外圍做了一些事情。
我經(jīng)常舉一個(gè)例子：智慧校園如果只是做通行、安防、消防，重要嗎？當(dāng)然重要，但它并沒有進(jìn)入學(xué)校的核心。中小學(xué)的核心是教育和教學(xué)，大學(xué)還有科研。只有 AI 進(jìn)入教學(xué)和科研，才真正進(jìn)入學(xué)校核心。
工廠也是一樣，如果只做通行、安全檢查、有沒有人違反安全規(guī)定，也不能說不重要，但如果沒有進(jìn)入生產(chǎn)、設(shè)計(jì)、營銷等環(huán)節(jié)，就沒有進(jìn)入核心。工程智能必須進(jìn)入工程和產(chǎn)業(yè)的核心問題。未來幾年，這件事會(huì)得到比較好的解決。
第二，工程智能體會(huì)全面滲透。當(dāng)然，“全面”怎么定義還需要討論，但滲透面一定會(huì)很廣。工程全生命周期中的策劃、設(shè)計(jì)、施工、運(yùn)維、運(yùn)營等階段，都會(huì)出現(xiàn)專業(yè)智能體。智能體和人類工程師一起工作，會(huì)成為司空見慣的事情。
這背后是人機(jī)協(xié)同范式的常態(tài)化。在大型工程、大城市治理、制造等領(lǐng)域，專業(yè)智能體會(huì)和專業(yè)工程師一起完成任務(wù)。我們正在做的人機(jī)共創(chuàng)協(xié)同平臺(tái)，或者人機(jī)共生共創(chuàng)平臺(tái)，本質(zhì)上就是為了這個(gè)場景。
智能體和人有不同特點(diǎn)。智能體可以 24 小時(shí)工作，只要有 token budget，就可以持續(xù)做調(diào)研、實(shí)驗(yàn)、各種可能性探索。人類則更多貢獻(xiàn) out of the box 的想法，或者非邏輯的創(chuàng)新。
不同智能體也可以扮演不同角色，有的偏創(chuàng)新，有的偏質(zhì)疑，總是提出不同意見。未來，人還可以把自己的經(jīng)驗(yàn)和思維習(xí)慣培養(yǎng)進(jìn)智能體，甚至培養(yǎng)自己的 N 個(gè)分身。
不過，工程領(lǐng)域有很多核心能力不是今天一個(gè)模型就能解決的。體系本身可能很快跑起來，但真正面向工程核心問題的能力，需要深入到具體領(lǐng)域里，一點(diǎn)點(diǎn)構(gòu)建。
我也希望，通過基礎(chǔ)能力、平臺(tái)化方式和系統(tǒng)構(gòu)件，中國能夠在工程智能技術(shù)方面走在世界前沿，甚至形成引領(lǐng)。
更長遠(yuǎn)地看，AI 帶來的挑戰(zhàn)不只是效率問題，也不只是生產(chǎn)力問題，而是人在智能系統(tǒng)中的位置問題。如果技術(shù)只制造一個(gè)無挑戰(zhàn)、無摩擦的舒適區(qū)，人可能會(huì)在極度便利中失去目標(biāo)。共生智能的意義，是為人類提供持續(xù)探索的前沿，以及值得尊敬、能夠共同成長的智能伙伴。
我希望未來的 AI，不只是機(jī)器越來越像人，而是人與機(jī)器能夠一起持續(xù)成長。工程智能，以及作為工程智能規(guī)模化實(shí)現(xiàn)形式的共生智能，最終要回答的，都是同一個(gè)問題：如何讓技術(shù)真正以人為本，不是靠說教，而是靠更好的系統(tǒng)設(shè)計(jì)，讓最好的選擇成為唯一的選擇。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
