本文系北京大学计算机学院教授、北京智源人工智能研究院理事长黄铁军于 2026 年 8 月 17 日在「博雅讲堂 2026 前沿与交叉研修班」所作专题报告《大模型之道》的全文实录。
大模型的逻辑悖论：不可理解却可制造
人工智能发展七十载，始终面临一个核心矛盾：虽然目前大模型的可解释性问题尚未解决，即我们在科学原理上并未完全“理解”智能，但这并不妨碍我们制造出具有智能的系统。这听起来有些绕口，却是当前技术发展的现实。
1956 年达特茅斯会议确立了人工智能的早期构想：将智能描述为算法并在机器上执行。然而，这种基于符号处理的传统路径存在局限。1980 年约翰·塞尔提出的“中文屋”思想实验指出，计算机仅是在高速处理符号，并不理解符号背后的语义，即存在“符号接地问题”。机器缺乏对物理世界的直接感知，因此被认为没有真正的智能。
随着 AGI（通用人工智能）概念的兴起，人们期待出现具备全面认知能力甚至自我意识的系统。尽管当前大模型已展现出通用智能的雏形，但严格意义上的 AGI 仍需跨越自我意识的门槛。
技术先行：从“先原理后发明”到“先发明后原理”
人类科技史表明，原创性发明往往发生在原理被阐明之前。以飞行技术为例，莱特兄弟在 1903 年发明飞机时，空气动力学理论尚未建立；直到三十多年后，冯·卡门等科学家才总结出飞行的科学原理。同样，中国古代的指南针、造纸术等技术发明，均是在未掌握电磁学或化学原理的情况下完成的。
人工智能的发展亦遵循此规律。与其执着于先搞清楚智能的科学原理再动手，不如采取“工程师创造未来世界”的路径：先构建出具有智能的系统，再通过科学研究去解析其背后的机制。生命科学中的“结构决定功能”与“功能塑造结构”两大法则，为人工智能提供了重要启示。
大模型的技术基石：从词向量到涌现智能
现代大模型的核心逻辑在于模仿生物智能的形成过程：构建人工神经网络结构，并通过海量数据训练来塑造其功能。
语义的向量化表示
针对符号语义缺失的问题，本吉奥等学者提出用高维向量（一串数字）来表示词汇含义。每个词在语义空间中占据特定位置，其含义由上下文关系决定。正如马克思所言“人是一切社会关系的总和”，词的含义也由其与其他词的共现关系定义。通过预测下一个词的任务，神经网络能够学习到语言背后的规律，将随机初始化的参数收敛为具有语义意义的分布。
Transformer 架构与规模效应
2017 年 Transformer 架构的提出，使得模型能够处理百万级的上下文长度，精准捕捉长距离依赖关系。自 2018 年以来，大模型参数量从亿级跃升至万亿级。在算法架构不变的前提下，随着数据规模和参数量的增加，智能水平呈现出“涌现”特征：当规模突破临界点，模型突然具备了小模型所不具备的复杂推理和能力。
多模态拓展与世界模型
大模型的技术路线正从单一文本向多模态及世界模型拓展。通过将图像、视频、脑电信号等非文本数据转化为 Token 序列，模型能够学习跨模态的深层规律。目前，已有模型在分析脑电数据诊断疾病方面表现出超越专业医生的能力，并在数学证明等纯符号领域解决了人类悬而未决的难题。
未来的“世界模型”旨在理解万事万物。通过整合科学仪器观测到的全量数据，AI 将像科学家一样分析数据、发现规律，推动从生命科学到天文学的全面进步。
仿生感知与数字生命
超越人眼的“电眼”
现有的相机帧率限制导致自动驾驶等场景中出现视觉误差（如车轮倒转现象）。借鉴生物视网膜原理研发的脉冲视觉传感器（“电眼”），能以微秒级速度捕捉光信号，不仅消除了运动模糊，更实现了比人眼快千倍的动态感知能力，为世界模型提供了更精准的观测窗口。
数字生命的构建
基于秀丽隐杆线虫的完整神经连接组，研究人员构建了人类首个“数字生命”。通过复制其自然进化的神经网络结构，并利用仿真环境进行训练，该数字生命成功复现了觅食等生物行为。这一成果证明了通过“逆向工程”生物结构并结合数据训练，有望逐步构建出更复杂的生物体智能系统，甚至模拟心脏功能以辅助药物研发。
人机共存的未来图景
关于 AGI 是否会威胁人类生存的讨论由来已久。2015 年的专家预测显示，全面超越人类的 AGI 可能在 2045 年左右出现。面对这一挑战，发展超级智能不仅是应对小行星撞击、外星文明接触等极端风险的必要手段，更是人类智能进化的延伸。
乐观来看，超级智能体或许不会与人类在地球资源上竞争。如同人类不再与猩猩争夺香蕉，进化出的高级智能体可能将目光投向宇宙深处，寻求更高的发展目标。未来可能出现这样一种共存格局：人类守护地球家园，而 AI 智能体作为先锋探索宇宙，两者在各自适合的生态位中共同繁荣。
（注：文中涉及的历史事件年份、人物言论及技术参数均依据演讲实录整理，部分学术背景注释已在行文中融合或简化，以保持阅读流畅性。）