七十年前，AI从达特茅斯学院的一场会议中正式诞生。1956年夏天，一群年轻科学家齐聚美国，讨论“用机器模拟智能”的可能性。如今，这个概念已经从哲学构想落地为重塑世界的核心力量。

2026年7月22日，在达特茅斯会议召开70周年之际，北京中关村学院联合中关村人工智能研究院举办的“北纬诺贝巅峰对话”现场，原微软亚太研发集团主席、微软研究院院长洪小文与北京中关村学院院长、中关村人工智能研究院理事长刘铁岩同台，围绕人工智能与人类智能的发展与未来展开了一场跨越时代的对话。

活动现场 图片来源：主办方供图

从1984年第一次接触AI至今，洪小文最大的感悟并非算力如何跃升、模型如何膨胀，而是AI让他对“智能”本身的理解不断更新。“当生成式AI实现了信息的零边际成本生成，人类的核心价值正从‘如何建造’转向‘建造什么、为何建造、由谁负责’。”在他看来，AI真正的价值在于迫使人类重新审视自己——何为独特的智能，何为不可替代的价值。

北京中关村学院副院长秦涛则将这场七十年跨越凝练为一句话：AI的历程，是从“能不能造出会思考的机器”的哲学追问，走向“如何让智能成为全社会新型生产要素”的文明命题。

技术跃迁：从人工智能的诞生到大模型时代

洪小文用“ABC三要素”来概括智能系统的基础：算法（Algorithm）——解决问题的计算方法；数据（Big Data）——历史与记忆的载体；算力（Compute）——将算法真正跑出来的能力。从70年前的达特茅斯会议开始，AI围绕这些要素经历了从模仿人类智能到数据驱动，再到大模型时代的演进。

“Language is all you need（语言就是一切）。”洪小文反复强调“语言”的重要性。人类智能的独特之处，不仅在于发明了口语，更在于创造了书写语言，这让知识得以跨越代际、地域进行传递和积累。而大语言模型的成功也“有脉络可循”——因为它读懂了全世界所有的知识，再加上强大的算法进行优化。

洪小文进行《一个AI研究者三十年的远行》主旨演讲 图片来源：主办方供图

秦涛进一步指出，达特茅斯会议最初设想机器能够使用语言、形成抽象与概念、解决人类专属的问题。如今，大语言模型在语言理解与生成上已经超出当年最乐观的想象，感知、博弈决策乃至蛋白质结构预测等科学发现，都已从愿景变为工程现实。

如今，以Anthropic、OpenAI为代表的世界知名大模型企业和以DeepSeek、智谱、月之暗面等为代表的中国大模型企业，正在展开AI基础底座开发的火热竞赛。从去年的“DeepSeek时刻”到近期横空出世的Kimi K3，中国大模型的发展态势如何？秦涛判断，中国大模型正在演进中加速追赶。

“在推理效率、训练效率等成本方面，中国大模型遥遥领先，但从最前沿的模型来讲仍然在追赶。”秦涛指出，Kimi K3在某些任务表现上甚至超过了Anthropic的Fable 5模型，这无疑是一个积极的信号。现在中国大模型已经“处于一种从跟跑到齐头并进的程度”，但他更期待下一阶段——“希望中国的AI能在全球取得领先”。

此外，秦涛指出，达特茅斯会议抛出的构想仍有三个核心命题未解：真正的通用性与递归性——机器仍缺乏人类那种举一反三、跨域迁移、持续学习的稳健智能；可解释与可信——我们能用好模型，却仍难以真正理解它为何如此；自主的科学创造——AI能加速发现，但从辅助人类做科学到独立提出并验证原创科学假设，仍有分水岭。

秦涛判断，未来“更大即更强”的模型规模竞赛，将转向持续学习、多模态具身以及AI for Science驱动的科学发现，三线并进。

AI赋能，非专业人士成最大受益者

“从大语言模型到Agent（智能体），AI已经从一问一答的对话机器，进化成‘你在睡觉时它还能帮你做事’的自主执行者。”洪小文说。令他感到意外的是，Agent最先碘伏的，竟是曾有着计算机科学知识壁垒的编程领域。

如今，Vibe Coding（氛围编程）已然成为不限技术背景的趋势。“任何人只要能把问题想清楚，知道要做什么，知道怎么去核查验证，都可以成为一个好的程序员。”洪小文指出，如今更重要的能力是核查验证的能力、定义“完成标准”的能力。

“你只有告诉Agent什么是‘已完成’，它才能够去完成。”洪小文以乔布斯为例——他一行代码都不会写，却缔造了苹果帝国。“他之所以了不起，是因为他知道该做什么，知道什么叫作已完成状态、完成后该如何测评。”如果乔布斯活在今天，不知道要成就多少更大的事业。

在人人都能写代码、做开发的背景下，传统的PM（产品经理）、SDE（软件开发工程师）、SDET（测试开发工程师）等岗位的边界正在模糊。正因如此，FDE（前沿部署工程师）这样的新型岗位正在硅谷走红——这类人既懂写代码又懂AI应用，还能像产品经理一样理解产品需求和客户痛点。以FDE服务为核心业务的代表性企业Palantir，得以迅猛发展。

“很多好的想法在执行层面完全可以通过Agent工具实现。”企业也需要思考在AI赋能下如何优化组织规模，以有限的人力成本获取最高的效率回报。

“AI的最大价值恰恰在于赋能非AI、非计算机专业人士。”秦涛指出，“以前创业，至少要有前端、后端、PM、财务、法务……或许要10人以上才能把公司架构起来。现在AI能帮忙做很多事情，只要能用自然语言描述好需求，AI就能把东西做出来，所以OPC（一人公司）才能如此火爆。技术越发展，使用门槛就应该越低，越来越通用。”

AI产业将更多转向应用层竞争

对于更具挑战的具身智能、物理AI领域，洪小文给出了一个冷静的判断：机器人行业发展并不容易，仍面临“知易行难”的现实困境。“目前物理AI领域相对领先的可能是自动驾驶行业，但自动驾驶发展到今天都不能说完全成熟。”

刚刚参加完2026世界人工智能大会（WAIC）的秦涛分享了类似的观察：WAIC上具身智能尤为引发关注，资本市场上的具身智能企业也受到追捧，创业公司层出不穷，“但技术上，我觉得它到实用化仍需继续探索努力”。

他将具身智能的发展阶段类比为ChatGPT出现前的大模型领域：“现在的具身智能有点像ChatGPT出现前，大家都觉得这个东西会产生非常大的价值，但还没有到突破点。不过，这个突破点可能很快就会到来。”值得一提的是，就在7月22日，宇树科技创始人兼首席执行官王兴兴在2026年世界互联网大会数字丝路发展论坛上表示，具身智能的“ChatGPT时刻”有望最快在两三年内到来。

“下一个十年的胜负手，不在于谁的模型参数更多，而在于谁能让AI真正走进物理世界、走进科学发现的最深处。”针对人工智能行业未来十年的发展，秦涛分享了他的判断：在产业层面上，目前的AI竞争仍然是模型技术、核心算法的竞争，“谁有更强的算法，谁有更强的模型就会领先，这也是为什么现在很多AI企业创始人来自学术界，是教授、科学家，因为有技术红利”。而当未来基础技术底座发展进一步饱和，AI产业将更多转向应用层竞争，从基础模型寡头走向应用层的百花齐放。“那时候，人工智能会作为水电煤般的基础设施全面渗透。”

在产业格局变迁的背后，人才的定义正在被重写。秦涛指出，未来AI行业需要的将是“科学家×工程师×产业家”的复合型人才，因此产学研结合会是重要的人才培育路径。

“传统人才培养范式是先系统学知识，再进入科研、走向产业的线性阶梯。AI全面介入后，这条线被压缩甚至打通了：学生可以在学习之初就进入真实科研，在科研中直接触碰产业前沿。”北京中关村学院走的正是以科研项目为载体，打破学校、学科、导学、产教、阶段五重边界的“超常规”培养模式——不再是学完再做，而是在做中学、在真问题中成长。秦涛用一句话总结了他对于AI时代人才成长范式的看法：“从‘知识的容器’转向‘问题的猎手与智能的指挥官’。”

这样的人才培养理念，呼应着洪小文在演讲对话中反复提到的主题：定义问题比解决问题更重要，知道“做什么”比知道“怎么做”更稀缺。“生成式AI时代实现了信息的零边际成本生成，而当人人皆可生成，你的taste（品味）和value（价值判断）才是最关键的东西。”