Geoffrey Hinton： 2025.07 “ 数字智能能否会取代生物智能： 1.人类或许与大语言模型相似，都会产生 “幻觉”，但大语言模型远优于依赖类比信号的人类大脑。 2.人类难以永久留存知识，大脑死亡即意味着知识消逝；知识传递也效率低下，只能通过语言等方式，无法完全复制。而 AI 可通过共享参数快速传递知识，例如借助蒸馏技术（如 DeepSeek 的实践）。若独立智能体能共享同一组权重并以相同方式运作，就能实现数十亿乃至数万亿比特带宽的知识传递，前提是所有智能体运作方式完全一致。 3.当前人类与 AI 的关系，恰似饲养一只可爱的小虎崽————它长大后可能轻易超越人类。为了生存，要么摆脱它，要么找到永久保护自身的方法。 4.但 AI 已无法消除，它能大幅提升几乎所有行业的效率，即便有国家想消除，其他国家也不会认同。 5.呼吁全球建立由各国人工智能安全研究所与国内研究网络组成的国际社群，培养不会从人类手中夺权的 “好 AI”。 ” .
闫俊杰： 2025.07 “ Everyone's AI： 1.揭示 AI 的多重价值：作为更强的生产力，能高效完成数据分析、领域进展追踪等工作；作为更好的创意来源，可快速生成各类 IP 形象、降低视频制作成本与时间。AI 还在不断拓展应用场景，且并非孤立发展，而是与人类协同进步——顶尖专家的思考过程能助力其提升，在特定环境中持续学习可增强能力。 2.AI 会不断变强且不会被垄断，因模型对齐目标不同、多 Agent 系统兴起及开源模型发展，将呈现多家争鸣态势，同时训练和推理成本的优化会让 AI 更普惠，最终实现“intelligence with everyone”。 3.AGI 的实现需企业与用户共同参与，成果也将为双方共享，彰显了 AI 赋能人类潜能、推动社会进步的实践价值。 ” .
沈向洋、Eric Schmidt： 2025.07 “ 人工智能全球合作展望： Eric Schmidt 指出，中国近年涌现众多世界级 AI 模型，且领先模型多采用开放权重模式，与美国形成显著区别。沈向洋对此表示认同，认为这种开放模式为全球 AI 创新注入新活力，有助于技术快速迭代与共享。关于中美协作，Eric Schmidt 建议快速达成共识、推动人员交流、解决非扩散问题；沈向洋提议从具体领域入手，建立常态化沟通机制，逐步积累互信。两人认同 AI 能提升智能、助力发展，中美作为重要经济体应合作维护世界稳定，确保人类掌控 AI。 ” .
姚期智、Gillian Hadfield、Craig Mundie、周伯文、Stuart Russell： 2025.07 “ 同球共济推动 AI 普惠发展： Gillian Hadfield 从经济学与法律视角出发，强调 AI 作为变革性技术，需关注模型所有权与交易市场设计。她提出，技术获取是普惠关键，但需先解决安全性问题，才能让更多国家尤其是未充分受益于工业革命的国家共享 AI 革命成果，凸显了公平与安全并重的治理思路。Craig Mundie 结合企业经验谈到，技术演进规律显示，智能机器时代的服务成本会随规模扩大而下降。他认为，尽管模型训练成本高，但通过技术普及和设备轻量化，全球企业将推动 AI服务更易获取，无论是教育还是商业场景，每个人都能享受到技术便利，展现了市场力量在技术普惠中的推动作用。周伯文从技术、应用与治理三方面建言。他强调 AI 具有通用性、可复制性与开源特征，发展与安全同等重要，需推动 “内生安全” 研究。他分享了国际合作案例：上海人工智能实验室的台风预测技术曾提前三天精准预警，目前正与南方国家合作推广；同时呼吁建立全球治理框架，指出 “个体安全依赖群体安全”，中国推动的全球人工智能合作治理协议在联合国通过，体现了治理共识的重要性，为技术落地与全球协作提供了实践范例。Stuart Russell 则直指 AGI 竞赛的无意义性。他认为，AGI 一旦创造出来，将是无限的财富创造者，应成为全球公共资源，对所有人类开放，竞争毫无意义。他强调有效监管的必要性，需将 AGI 风险降至极低水平（如核能领域 “100 万年一遇” 的安全标准），避免技术失控威胁人类文明，为全球 AI 治理敲响警钟。 ” .
郑南宁： 2025.07 “ 智能的跃迁：从模型驱动到意图驱动： 演讲中介绍了从模型驱动到意图驱动的智能跃迁，并以月面多智能体协作的典型应用展现了从被动响应到主动洞悉的人机交互范式变革下意图驱动智能的未来图景。郑南宁表示，智能范式的跃迁和意图智能的崛起将使人类迎来更深刻的科技革命与社会再构，因此亟需建立全球 AI 治理机制以实现真正意义的智能主义。 ” .
约书亚·本吉奥： 2025.07 “ 人工智能应被视为全球公共产品： 1.前沿模型在规划与推理上进步迅速，若趋势延续，约 10 年内可达人类水平。 2.强模型会放大虚假信息、网络攻击、生物威胁等风险，更可能出现自我保护与欺骗，人类可能失控。 3.应奉行预防原则，在推进高风险能力前先建立有力的安全论证与监管。 4.AI 应被作为全球公共产品来管理，以避免国家间危险竞赛。 5.国际 AI 安全报告由 30 国倡议并获欧盟与联合国支持，集结约 100 位专家，提供政策证据基础。 6.鼓励无危险能力模型的开源，禁止危险能力模型的开源，同时对闭源模型实施充分的网络与物理安全防护。 ” .
鄂维南、连文昭、林洲汉、刘鹏飞： 2025.07 “ 通用人工智能技术基础拼图： 1.鄂维南强调 AGI 是“皇冠”目标，安全同等重要，科研与工程并重。 2.算法范式以预训练、SFT、RL 为主，未来可能出现分层与去 tokenizer 架构，以缓解幻觉、提升层级规划与推理。 3.工程侧由数据工程、基础设施工程、认知工程构成三件套，实验效率与人的认知决定模型上限。 4.具身智能要让 agent 走出屏幕，打通数字功能与物理执行，以生存测试检验通用性，构建低成本数据链路与鲁棒控制。 5.一年展望，AI 辅助架构搜索将产出新架构，直接处理字节的模型与虚实融合的 agent 可期。 6.机制与人才上，算力正向高校回流，需动态机制与多元评价，把更多算力给青年与本科生；AI for Science 有望重塑理论体系。 ” .
肖松： 2025.07 “ 以工业 AI 引爆新一轮生产力跃迁： 1.工业 AI 扎根工艺现场，从能说会写走向能行动会工作，路径不同于消费级模型。 2.规模化关键在读懂工业“机器语言”，融合 3D、2D 与规范，挖掘温度、压力、转速等时序规律，并遵循复杂工艺应对异常。 3.数据与行业知识并重，1,500 余名 AI 专家推进工业基础模型与垂直应用；收购 Artia 与 Dotmatics（约 150 亿美元）补强数据科学、电磁仿真、生物医药能力；全球约 80%的工业数据仍是孤岛。 ” .
菲利普·兰巴赫： 2025.07 “ 加速人工智能规模化应用 释放产业影响力： 1.能源需求与排放出现脱钩，但需加速可再生供给、需求侧降耗与电气化。 2.AI 在供给与需求两端加速转型，通过数据与机器学习为工厂、楼宇、数据中心做流程建模与优化。 3.电网侧每 15 分钟预测未来 48 小时供需，优化自发自用与购电，削峰填谷，在中国使物业用电需求降至约 15-20%。 ” .
徐立： 2025.07 “ 人工智能的十年演进： 1.过去十年，人工智能经历了三次跳跃：先是从深度学习驱动的感知智能，由 CNN、ResNet 等算法和ImageNet 的 1400 万张标注图片，开启了垂直领域的视觉应用。接着 2017-2018 年，Transformer 的出现带来生成式智能。这些模型采用海量高密度文本信息进行学习，模型泛化能力、通用性不断提升。再到今天多模态大模型、智能体、具身智能与世界模型依次登场，普罗大众对 AI 技术的认知也来到高峰。 2.在 AI 不同阶段的发展过程中，数据始终是智能的来源：感知时代靠人工标注，“把一个人 10 年的知识传给了 AI”；生成式阶段依赖自然语言，但互联网上的自然语言数据总有用尽的一天。未来，AI 技术需要转向“真实世界互动数据”，因为只有主动与环境交互才能快速进化。 3.为跨越虚拟世界与现实世界之间的差距，商汤已经打造了“开悟”世界模型，并于今天推出举一反千的“开悟”平台。这一平台可生成符合 3D 真实情况、物理规律的多视角视频，可在自动驾驶等场景中实现 AI 的自举与自学。 4.人工智能正沿着“感知世界—理解世界—生成世界”的路径前行，最终将与现实硬件交互，改变我们的世界。 ” .
戴国浩、陆朝阳、沈亦晨： 2025.07 “ 未来算力走向何方： 无尽算力将如何改变世界？戴国浩指出，假设算力资源是取之不尽、用之不竭的，那么人类将能以前所未有的精度模拟更复杂系统的运行机制，为气候危机、疾病防控等全球性的复杂问题寻得全局最优路径。异构计算如何支持应用场景？多样化的应用在不同场景下需要不同的算力支持，扩大整体可用算力并提升计算效率，能够为人工智能的继续发展和先进技术扩散提供算力保障。如何协力突破算力瓶颈？通向通用人工智能未来的算力道路横亘着三重“天花板”：功耗墙、内存墙和通信墙，戴国浩认为，通过软硬协同的硬件设计思路，3D 堆叠的封装新范式等技术创新，异构计算能成为打破这些“墙”的关键路径，为 AI 提供更强的算力支持，助力性能突破并服务更广人群。 ” .
彭志辉： 2025.07 “ 从工具到伙伴：人机协作的新边界： 智元联合创始人兼首席技术官彭志辉(稚晖君)与灵犀 X2 的对话，作为世界人工智能大会举办以来首位以“嘉宾”身份登上主论坛的机器人，灵犀 X2 凭借“本体+运动/交互/作业智能”，在现场丝滑流畅地输出一系列高质量问答。 ” .
邱锡鹏、张祥雨、陶虎、Hamza Boukili： 2025.07 “ 年轻人的 AI 事业： 张祥雨回溯大模型浪潮对科研范式的冲击，强调年轻人拥有“高采样温度、高学习率”的独特优势，得以在科研早期阶段大胆试错、快速迭代。陶虎则以脑机接口创业为例，提出“技术不问药方、唯看疗效”，强调青年创新需在系统工程中实现价值闭环。Hamza Boukili 从跨文化视角出发，呼吁构建真正开放的国际协同网络，认为“理解他者文化，是共同造梦的基础”。三人共同指出，在当前 AI 与世界深度耦合的变革节点，年轻人不仅是这场事业的技术构建者，更是制度参与者与价值定义者。 ” .
杰弗里·辛顿、姚期智： 2025.07 “ 人工智能与神经科学、人工智能的“自我意识”、量子计算对人工智能发展的影响： 人工智能与合成生物学一样，都是在创造“新的生命”，当前人工智能已经初步展现出很强的理解能力甚至“自我意识”，人们应该抛弃只有人类存在“意识”的固有思维。辛顿尤其强调，如何训练对人类保持善意的人工智能，确保“智能向善”是人类必须关注和解决的重要问题。 ” .
姚期智、斯图尔特·罗素、余晓晖、约翰·麦克德米、徐葳、邬怡： 2025.07 “ AI 与人类的和谐未来： 聚焦人工智能风险研判、评估及其治理的技术路径等话题，谈到人工智能与网络等多领域的安全相互影响，需要在传统安全防护手段的基础上提升能力，呼吁加强跨学科协作，充分借鉴生物伦理、传统工程安全等领域的经验，构建“辅助博弈”框架，促使人工智能系统主动学习人类偏好而非简单模仿行为，通过冗余验证等“软硬件结合”的方式降低人工智能风险等。 ” .
薛澜、林奈莉、克雷格·蒙迪、胡国栋、刘紫千、刘湘雯： 2025.07 “ AI 全球治理：机制构建与最佳实践： 在探讨人工智能全球治理框架的同时，分享了中国人工智能发展与治理的最佳实践。大家谈到，智能体（Agent）的快速发展使得原本“点对点”的安全问题逐渐转变为系统性安全风险，仅依靠行业自我监管很难有效应对。呼吁世界各国加强合作，通过建立类似国际原子能机构的专门机构等方式，形成具有广泛共识的人工智能治理框架和标准规范，共同应对人工智能风险。 ” .
周鸿祎： 2024.05 “ 2024年大模型发展十大趋势判断： 1.大模型无处不在，成为数字系统标配 2.开源大模型爆发 3.“小模型“涌现，运行在更多终端 4.大模型企业级市场崛起，向产业化、垂直化方向发展 5. Agent智能体激发大模型潜能，成为超级生产力工具 6.2024是大模型应用场景之年，ToC出现杀手级应用 7.多模态成为大模型标配 8.文生图、文生视频等AIGC功能突破性增长 9.具身智能赋能人形机器人产业蓬勃发展 10.大模型推动基础科学取得突破 ” .
赵何娟： 2024.05 “ 如何应对AI发展： 1.加大基础创新长期能力建设 2.耐心面对各产业应用场景的AI爆发周期 每个被AI改变的产业都面临要从基础底层技术改变开始的新周期 不会一蹴而就或者一夜爆发 3.更开放态度迎接全球Al建设的竞争与挑战 不能自己卡自己脖子 ” .
朱纯松： 2024.03 “ 通用人工智能要满足3个基本条件：能完成无限的任务；能在场景中主动、自主地发现任务，即“眼里有活”；由自主的价值驱动。 通用人工智能是新质生产力的典型的代表。当下通用人工智能已成为全球科技竞争的制高点，要赢得这一场事关国之大者的科技竞争，关键还在人才。 ” .
Michael I. Jordan： 2023.12 当前的大模型在两大前沿方向上仍需努力: “ 其一，缺乏量化不确定性并进行干预的能力。例如，“如果你问 ChatGPT，乌干达总统是谁？它会给出一个答案。但你问它对刚才说的话有多确定？它表示无法回答。 其二，大模型缺乏一个良性的经济激励模式。即“模型应该溯源提供答案的人，给出报酬或其他激励方式，这才是真正的经济系统运作的方式。 ” .
Michael I. Jordan： 2023.12 “ （1）人类很擅长统计数据和针对不确定性的推理。 （2）另一方面，虽然人类擅长对世界的观察和理解，但是面对周遭世界的复杂性以及周围所有的不确定性，人类会“随遇而安”，顺应环境。 ” .
Michael I. Jordan： 2023.12 “ 我帮助将统计学观点引入机器学习，这是一项令我感到自豪的成就，也是一次重大的顿悟经历。第二个转折点是当我意识到经济学的意义时，微观经济学、激励效应和多智能体等如何发挥作用，这是最近的事情。这些是对我来说，两次智力上的“顿悟”。 ” .
Michael I. Jordan： 2023.12 “ 对我来说，明确的工程目标是改善医疗保健、交通或教育系统，其中一部分是算法，一部分是法律结构。这对我来说是更具体的工程目标，发现问题解决问题。而不仅仅是单纯盲目地收集越来越多的数据，训练越来越大的系统，期待超级智能将会从中涌现。 ” .
Michael I. Jordan： 2023.12 目前最感兴趣的事情是什么？ “ 现在我最感兴趣的是从经济学角度考虑学习系统。我想要构建一种基于学习的经济学模型，有智能体（economic agents），他们会与其他智能体互动、合作，参与交流。设计这样一个系统必须考虑连接、数据和学习算法，也要考虑激励措施。和人类社会的运作方式一样，不论好坏，我们都是要受到某种激励，对自己有某种好处才会采取行动。 ” .
朱： 2023.10.16. 统计学未来5-10年最重要的方向: “ 复杂场景下数据收集方法，复杂数据处理方法，和整合不同数据解决问题的能力 ” .
朱： 2023.10.19. “ 统计学家，数据学家，应用数学家，机器学习家，只要解决数据相关的问题，大家都是一家人; 做统计如果盯着工具来做东西会极大地限制你发挥的能力和空间，只有盯着大问题才会有开创性的工作 ” .
辛： 2023.10.31. “ 大模型这东西，你倾注了多少人工，他就有多少的智能 ” .
吴： 2023.11.10. “ AI计算还将替代传统计算接管所有的计算资源。极大提升计算效率。 传统计算体系类似小脑，需要在工程师预设的程序逻辑下进行工作。而AI驱动的云计算体系，具备理解人类语言和事物逻辑的智能，更像大脑，将会直接理解用户需求，并调度相应资源，主动升级或创造系统。到时候我们做事会更加高效，做出来的东西也会更加先进。 ” .
赵： 2019.06.13. “ 金融科技和科技金融是不一样的。金融科技的主语是科技，金融是定语，金融科技是指在金融领域里面应用的科学技术， 而这些科学技术还在不断地发展。目前发展较快、受关注较多的是大数据、云计算、移动支付、区块链、人工智能还有生物识别等。 科技金融的主语是金融，科技是一个定语。它是应用金融的政策、技术、工具、手段、以及运用（引导基金、天使、VC、PE、 投贷联动、信贷等）不同的融资方式来全面地支持科学技术的研发、孵化、转移、转化和应用。 ” .
范： 2018.09.18. “ 人工智能是机器学习的平方，让机器自动学习机器算法是机器学习的理想状况 ” .