AI六巨头罕见同台！李飞飞激辩LeCun，黄仁勋：你们都错了

---

  新智元报道  

人类群星闪耀之时！

当这6个人聚在一起，坐而论道的时候，你就知道事情并不简单！

这一次访谈非常宝贵，能把这6位AI天团巨佬凑在一起。

本周，英伟达CEO黄仁勋、Meta首席AI科学家Yann LeCun，以及顶尖计算机科学家Yoshua Bengio、Geoffrey Hinton、李飞飞和Bill Dally共同荣获本年度伊丽莎白女王工程奖。

在这次访谈中，大佬们各自分享了自己职业生涯中的顿悟时刻。

这些「啊哈」时刻不仅给他们指明了研究方向，也彻底改变了人类社会科技的前进方向。

并且这次6个人都围绕一个核心问题展开激辩：

我们人类，是真的处于一场真实的AI产业革命之中？还是AI是一个即将破裂的，史上最大的泡沫？

主持人说他们是这个星球上最杰出、最有影响力的6个人。

这绝非夸大其词。

这场AI革命从何而来？

答案不是某个天才的灵光一闪，而是一群人的漫长坚守。

思想的火花，在40年前就已点燃。

AI教父Geoffrey Hinton回忆起1984年，他用当时极其简陋的计算机，训练一个微型模型来预测序列中的下一个词。

「我发现它竟然能学到词语的含义！」他说。

这，就是今天所有大语言模型最原始的雏形。

一个在黑暗中被点亮的、穿越了40年时光的想法。

Yann LeCun则坦言，自己年轻时是个「懒惰」的工程师，不想一行行编程去创造智能，而是着迷于「让机器自己学会智能」。

这个看似偷懒的想法，正是机器学习的核心哲学。

但光有想法还不够，革命需要燃料和引擎。

时间来到2006年，当时还是年轻教授的李飞飞发现，所有算法都受困于一个问题：数据太少了。

于是，她和团队做了一件在当时看来无比疯狂的事——耗时三年，手动标注了1500万张图片，创建了名为ImageNet的数据集。

这桶「燃料」被浇灌到AI领域后，瞬间引燃了整个行业。

与此同时，在英伟达，黄仁勋和他的同事们也在打造一台越来越强大的「引擎」。

他们最初为游戏设计的GPU，意外地被发现是进行深度学习计算的完美工具。

2010年，一个历史性的早餐上，斯坦福的吴恩达教授告诉英伟达的科学家Bill Dally，他用了16000个CPU在网上识别猫。

Bill Dally和同事回去后，用仅仅48个GPU就复现了实验。

那一刻，他顿悟了：「我们应该为深度学习制造专门的GPU。」

这些故事串在一起，就是一部AI诞生的「前传」：

思想的火花在AI寒冬中，早已点燃，只待数据的燃料和算力的引擎到位，一场革命便无可阻挡。

Yoshua Bengio

Bill Dally

Geoffrey Hinton

Jensen Huang（黄仁勋）

Fei-Fei Li（李飞飞）

Yann LeCun（杨立昆）

• 本科即着迷「训练而非编程」的智能观。1985结识Hinton，从多层网络可训练性切入。
• 与Hinton曾辩论：监督vs无监督/自监督。
• ImageNet的成功一度让全域转向监督。
• 2016–2017再次强调自监督；LLM是典范。下一步是视频等非语言数据，自监督仍是关键挑战。

狂热的当下，我们正身处泡沫之中吗？

好了，历史讲完，回到当下最尖锐的问题：

英伟达市值冲上云霄，全世界都在谈论AI，这一切到底是真实的价值，还是又一个互联网泡沫？

对此，黄仁勋给出了一个堪称绝妙的回答。

在21世纪初的互联网泡沫时期，整个行业铺设了巨量的光纤，但其中绝大多数都是未被点亮的「暗光纤」，需求远远跟不上建设。

而今天，几乎你能找到的每一块GPU，都在被点亮并投入使用。

为什么？因为AI从根本上改变了「价值」的生产方式。

老黄表示，我们正在创造一个全新的行业，一个智能工厂。

过去的软件是「工具」，你买来使用即可。

而AI，第一次，成为了「生产力」本身。它不是内容，而是实时生成的智能。

你不能提前生产好智能，再把它存起来。

每一次你问ChatGPT问题，它都在为你「生产」答案。

这个生产过程，需要巨大的计算能力，就像工厂需要机器和电力一样。

因此，我们需要价值数千亿美元的「AI工厂」（数据中心），来服务于一个建立在智能之上的、价值数万亿美元的全新产业。

换句话说，这是继农业革命、工业革命之后，一场全新的「智能革命」的基建时期。

我们正处在为新世界铺设水电煤气管道的阶段，而需求，才刚刚开始。

不过李飞飞和LeCun当场还进行了一场「辩论」。

李飞飞强调AI仍然是一个非常年轻的领域，除了语言之外，还存在广阔的「空间智能」等前沿领域有待开拓。

Yann LeCun则指出，泡沫在于「认为当前的大语言模型范式最终能够发展到人类水平的智能」这一想法，他个人并不相信，并认为需要根本性的突破。

这是整场对话最精彩的高潮。

当被问及「我们离那种与人类相当的智能还有多远」时，桌边的六位大脑，给出了六幅截然不同的未来图景。

这个问题不重要，而且它已经发生了。

已有足够「通用智能」转化为大量有用应用。

是否「人类级」并不重要；关键是持续应用解决重大问题。

他认为，我们已经拥有了足够强大的AI，可以解决大量现实问题。

纠结于一个学术上的「奇点」定义没有意义。

技术正在以惊人的速度进步，我们应该专注于应用它。

这压根就是个错误的问题。

他说，我们的目标从来不是创造AI来取代人类，而是「增强」人类。

就像飞机一样，它会飞，但它和鸟的飞行方式完全不同。

AI将是我们强大的助手，帮助我们处理我们不擅长的事（比如记住22000种物体），让我们能专注于创造、共情等独属于人类的领域。

AI 擅长分类、解难题；人类擅长创造、共情、社交。

是否「人类级」并不确定，但助力巨大。

她认为我们甚至还没搞懂「智能」的全貌。

机器将在部分维度「超人」（如识别 2.2 万物体、翻译百种语言），但不会与人类智能同形。

像飞机会飞，但不像鸟。

人类智能仍是核心。

她提醒我们，人类的智能远不止语言。

我们在空间感知、与物理世界互动方面的能力，是今天最强的AI也望尘莫及的。

她说，AI作为一门学科才70多年，而物理学已经400多年了。

「还有广阔的前沿等待我们去征服。」

不会是单一时刻。不同能力会渐进扩展。未来 5–10 年或出新范式，整体会比想象更久。

他直言不讳地指出，当前的大语言模型范式，无法通向真正的人类级智能。

我们需要一些「根本性的突破」，才能造出哪怕和猫一样聪明的机器人。

「我们仍然缺失了某些非常重要的东西。」

他给出了一个具体的时间——20年。

这位AI教父用一个非常具体的标准定义了问题：「多久以后，你和一台机器辩论，它永远都能赢你？」

他的答案是：「我相当肯定，在20年内我们会做到。」

充满不确定性，但警惕指数级加速。

他认为最终AI可做「几乎人类能做的一切」。

但时间高度不确定，人类应做好预案。

他认为未来难以预测，但有一个「游戏规则改变者」——当AI开始具备自己研究AI的能力时。

那时，AI将成为自己的「加速器」，自我迭代的速度可能会远超我们的想象。

虽然这些大佬都无人不知，无人不晓，但还是简单介绍一下他们。

这六位大佬覆盖了从硬件、体系结构、并行计算、基础理论与算法到大规模视觉数据等多个维度，他们的贡献协同推动了今日AI与工程系统的巨大飞跃。

Jensen Huang，黄仁勋，英伟达联合创始人兼首席执行官。从3D图形时代起便领导英伟达，并推动了人工智能计算平台的转型。

Yann LeCun，杨立昆，法国计算机科学家，现任Meta首席AI科学家，长期兼任纽约大学（NYU）教授。他是现代深度学习史上的重要人物之一。

Geoffrey Hinton，杰弗里·辛顿，被誉为「深度学习之父/人工智能教父」之一。老爷子可以说是现在AI领域第一人，任何介绍都多余。

Yoshua Bengio，约书亚·本吉奥，加拿大计算机科学家、蒙特利尔大学教授、蒙特利尔学习算法研究所（MILA）科学主任，被称作深度学习的关键人物之一。

Fei-Fei Li，李飞飞，在计算机视觉、大规模数据集建设和以人为本的AI方面影响深远。主导创建了著名的大规模视觉数据库ImageNet。

Bill Dally，比尔·达利，美国计算机科学家、教育家，曾任麻省理工学院教授、斯坦福大学系主任，后加入英伟达担任首席科学家和高级副总裁。他在高性能并行计算机体系结构、互联网络、路由/同步/通信机制等方面做出基础性研究。