李萌：对近期AI发展的几点新感知

我对近期AI发展有几点新感知。这些感知虽然可能还不够细致，和传统金融业务的关联也不是很直接，但对于我们思考技术和经济未来发展方向是有意义的。主要是两个方面：

模型技术正在进化出新能力，这不是一个单点突破，也不仅是原来能力基础上的持续提升，而是属于节点型甚至拐点型的技术能力变化，可能为今后人工智能发展开辟新空间，甚至可能影响AI发展的走向。

一是RSI，递归式自我改进能力。RSI不是一个新词，但在2026年它的含义变了。这一成就把AI技术迭代带进一个类似自循环的新轨道，并正在从概念走向工程。近期RSI已经连续升级，虽然目前还达不到预期的自循环，但其进化速度将远远超过以前的人工干预。这意味着可能由人工阶段性推动，转向带反馈闭环的有边界的自改进。目前数字领域的模型正在构建更强的递归能力。物理世界中能够把离身智能体交互和群体协作过程中获得的技能和经验总结积累压缩在驱动本体的模型中，也应属于这种能力的一部分。在这里碳基智慧的进化属性与硅基智慧的制造属性形成了历史碰撞，在AI的世界里形成类人的先天进化功能和后天学习成长功能，人类几十万年的进化历程，在硅基智慧中由于递归式自我进化能力而被压缩了。AI开始有边界地拥有制造接班人的能力，而且是规模化制造。有个不太恰当的比喻，碳基智慧的规模化复制靠进化出的生育功能，硅基智慧的规模化复制靠人工“制造”，而RSI可能使硅基智慧开始“自己制造自己”，相当于有了类似碳基智慧“生育”功能，虽然目前还只是“胚胎”，但潜力不可小视。

这里就有一个问题，比如如果放开伦理上和法律上的限制，人类完全可以制造克隆人，但各国政府和科学界都没有允许这样做，而是严格加以约束。人类是否要给硅基生命的“生育”权，放任发展出更像自己、超过自己的硅基生命？我认为不应该高估人类对硅基智慧发展上限的容忍度，人类必须具备掌控权，划出清晰的边界。

二是GPT-6 Astra，可以生成机器人控制硬件相关代码、设计文件，可以作为高层决策中枢间接控制实体硬件，也就是说基模可以有间接甚至直接驱动硬件的能力了。这一模型发布的官方定位是具备强大的“计算机使用”和物理世界理解能力，开发者将其接入机器人本体的试验也已经出现。有人把GPT-6 Astra放在机器人里面（可能是二次开发），出现了一定的驱动硬件能力。这提示我们语言基模正在向物理AI的底座延伸。之前大多把发展物理AI努力聚焦在世界模型上，而现在大语言模型开始发展出理解物理规律、空间关系以及现实世界的能力，再经过迭代操作能力就会进一步提升。这就引发我们的思考，未来物理AI的基座模型是否还要走世界模型这条路？目前物理AI基座模型有VLN（视觉-语言导航）、VLA（视觉-语言-动作模型）以及最近的WAM（世界动作模型）。当基模出现控制物理本体能力的趋向，未来如果全能力化了，就有可能打通数字AI和物理AI的两类模型体系，这是之前没有充分预判到的。

之前看到视频有人将龙虾和GPT-6 Astra放入宇树机器人里，也能指挥机器人干事了。这里就要思考一个问题：语言模型有自身架构，也存在固有缺陷，比如说时延。时延是不是一个跨框架、跨制度的不可逾越的障碍？如果时延是一个障碍的话，就消除不了物理AI模型和数字模型的鸿沟；如果时延能解决，探索跨框架融合路径的解决方案将成为一个重要研究方向。OpenAI原定后续推出的迭代版本GPT-6.1 Astra，因未达到安全对齐标准，直接取消了该版本发布。

说这两个技术可能具有拐点型的能力，是指前者打通了AI迭代发展的不同阶段，形成全过程递进，脱离预先设定阶段性发展轨道；后者打通了数字AI和物理AI的底座，可能会影响世界模型的研究走向。综合这两种能力的考虑，未来物理AI的发展之路有新的可能，全能化不断增强的语言基模有可能发展成为物理AI的基座模型。当然这还需要进一步观察。     

过去中美AI模型能力之间你追我赶，相互咬得非常紧，这两种技术能力进步之后会不会差距拉大，甚至会不会出现马太效应也值得高度重视。抓住了新的进步方向就有可能变被动为主动、变跟踪为引领。

目前，可能对人工智能近期细分领域迭代进化的速度低估了，比如Astra接入机器人、RSI工程化。而对人工智能能够进化到的能力上限或人类能够允许其发展出的能力上限高估了，比如伦理边界、人类容忍度。

当前，数智经济开始由成本因素向效率因素、盈利因素转变，利润池开始升温。过去很多讨论认为，AI只带来降本增效，没有看到创造新增全要素生产率、形成真实利润。但是现在这个认知正在改变，数智经济的利润因素开始浮现。

一是中国集成电路在全球价值链上快速攀升。据国家有关部门公开数据，2026年1-8月集成电路出口金额2567.51亿美元，同比增长103.9%，而出口数量同比只增长近4%。价值量增长高出实物量增长100个百分点。出口额大幅增长得益于价格上涨，打破了过去中国产品出口“量增而价值额不增”的现象，标志着我国集成电路产业的价值含量在不断提升，在全球价值链的位置不断提升。这也与智算中心的GPU与CPU的配比变化有关，存储芯片需求量和价格都大幅度上涨。

二是AI在企业的使用开始在成本因素-效率因素-利润因素之间递进。AI在个人使用者上无论是效率还是经济获得都已经开始大幅度显现，而在企业上的经济反映开始由看不见到看得见。新加坡的一个调研数据反映，在已经采用AI的企业中，87.6%表示生产力或业务流程得到改善，44.0%看到成本下降或资源配置优化；表示AI直接推动收入增长的企业，有24.5%，虽然远远落后于前两者，但已经开始有了。我国和美国也有类似的调研，这里就不重复展开了。

一段时间以来，由于效率和盈利落地迟迟不如预期，对AI和经济的关系讨论有些极化，泡沫论、大规模失业冲击论的声音很多，各方分歧很大。我们要理性看待，不能人云亦云。技术转型本身就是一个过程。美国社会现在对AI的接受度并不高，如果舆论反复渲染，把AI当成洪水猛兽，大众自然会产生抵触情绪。单纯笼统谈论AI泡沫、就业冲击，也很难精准把握形势趋势，要进一步预测和分析细分领域的状况。不是AI有没有泡沫，而是哪一层有泡沫，哪一层在出利润，应用层可能过热，但底座层正在因效率提升而变现。比如泡沫在哪些赛道确实存在，哪些领域会出现岗位替代，哪些又会催生新岗位。

我个人认为，历史的经验依然有效。大家都说这次不一样，但其实这次还是一样。比如杰文斯悖论、恩格斯停顿、佩雷斯产业周期等都是过去的历程总结，如今依然不时被大家拿来用。我们要用历史乐观主义的胸襟来对待新的技术革命和产业革命。AI以数字拟合喜怒哀乐、痛苦悲伤，人类以主观体验喜怒哀乐、痛苦悲伤，目前两者还难以替代，今后有没有替代的可能还是个未知数。这是由碳基智慧和硅基智慧不同属性与不同智能框架的本质决定的，这也是人类持乐观主义的根源所在。

以上就是我的分享，谢谢大家！