智东西9月11日报道，今天，在2025 Inclusion·外滩大会的开幕式上，中国工程院院士、之江实验室主任、创始人王坚发表主题演讲，回顾了AI技术与开源理念的发展历程，并提出了一个重要观点：在AI时代炒股配资官方，开源的内涵正在发生“革命性变化”——从以往“源代码的开放”逐渐转向“资源的开放”。模型权重的开放本质上即是对数据资源与计算资源的开放，这也构成了AI时代开源的核心特征。
王坚还分享了他对AI进入太空的愿景，之江实验室今年已经发射了12颗卫星，并组成“三体计算星座”，还在此星座中首次部署了一个8B参数量的大模型，第一次实现了在太空中卫星之间的互通互联。
这一突破的意义在于，随着人类往深空探索，数据处理已经无法依赖地球算力，只有把AI和算力送入太空，人类才可能真正走出地球。这也是王坚眼中，未来10-20年内最激动人心的一件事。
在回顾AI发展历程时，王坚提到，从图灵1948年提出“神经元数量足够多时便会涌现智能”的设想，到Hinton于上世纪80年代与心理学家合作揭示权重的重要性，再到2012年GPU算力推动深度学习实现突破，直至2017年Transformer架构与tokenization技术的提出——AI的每一个重大进展，始终伴随着“开放”的力量。
他强调：“开放的话题不是今天才重要，在互联网时代就是关键的变量。”不过他也强调，开源并不代表计算不再重要，而是意味着个体不必重复投入巨大资源。而构建高质量模型，依然需要庞大的资源支持。
以下是王坚在外滩大会开幕式上主旨演讲的完整实录：
一、开源经历革命性变化，已成AI竞争关键变量
各位朋友，很高兴有这么一次机会跟大家分享。在今天的AI背景下，有一个绕不开的话题——开放。今天我把几个可能大家熟悉但又比较困惑的事情，从我的角度说一下。开源这个词有不同的理解。我们今天正在经历一个非常具有革命性的变化，从代码的开放开源，到资源的开放开源。
最近一年发生了很多事情，从AI的角度来看，2025年注定是不平凡的一年。
今年1月13号，美国公布了对AI的出口管制。大家比较熟悉的是关于芯片集成电路、半导体的出口管制，但在同一个出口管制上，美国第一次明确了要对AI模型的权重进行管制。
这个管制有一个很有意思的事情，也可以讲是一个漏洞。他只是明确提出了对闭源权重的出口管制，而专门强调了开源的权重不在管制之列。这背后有一个重要的假设，在当时1月13号，也就是大半年以前，当时世界上最好的基础模型都在美国头部的几家公司。
还有一个有意思的事情，在1月18号，Jeff Hinton到过上海。他是极其反对让AI模型开源的人，有他自己非常重要的理由。
随着Qwen的开源，DeepSeek的开源，今年1月30号，OpenAI联合创始人兼CEO Sam Altman说过一句令人震撼的话：“在（开源）这个问题上，我们站在了历史的错误一边。”这句话背后的含义我不多说了，它不是一个策略性的错误，这是一个历史性的选择。
2025年神奇的一件事情是，开源这样一个说不清还道不明的事情，甚至是沿用的软件时代的概念，变成了今天AI竞争的关键变量。没有人可以绕开这个变量，来说未来要怎么做。
二、神经网络的开源先驱，始于心理学家对权重的探索
对产业而言，这个变量不是新的。1998年，互联网要兴起的时候，最重要的标志就是浏览器。Netscape（网景）是当时最好最开放，也是改变了格局的浏览器。在互联网时代，Netscape的开源是那个时代的一个分水岭。
开放的话题不是今天才重要，在互联网时代就是关键的变量。
很少人知道，其实是在1998年的4月份开源这个词——open source（开放源代码）——才被一批极客固化下来。当时有很多不同的叫法：自由软件、免费软件。open source这个词是在1998年固化下来，其实离我们并不远，但开创了我们互联网的那个时代。
再谈到图灵奖。2018年Hinton和几位开创者得了图灵奖的时候，很多事情才刚刚开始。后来Hinton做过一个演讲。在这个演讲上他说了两个重要的观点，跟今天的开源有关系。
他讲到AI的两个最重要的方法：逻辑驱动、逻辑启发的方法，以及受大脑、神经元等生物学特性启发的方法。因为有第二个方法，也就是用神经元或者生物学方法来驱动的方法论的演进，使得我们有了权重的概念。
即使8年以后，Hinton在7月上海的世界人工智能大会上，重复了八年前讲的两句话，这是有原因的。以生物学作为思想的驱动，不是从AI开始的。图灵在40年代末就第一次提出了一个基本观点：今天所有神经元基础的东西都有一个名字，叫连接（connection）。
红线标注的地方很有意思：受神经元的启发，和真正的神经元没有关系，所以加了引号。但一个重要的事情是，当神经元的数量足够多时，就会产生智能。这是图灵在1948年提出的。所以今天讲的第二个路径就是这个路径。
很久之前就有人在探索这件事情。这篇文章发表在1986年的《自然》杂志上，非常明确地讲到了权重在模型中的重要性。第三作者是Hinton，前两个作者是当时世界上最著名的心理学家。
在80年代中期，与神经元相关的探讨是以心理学家为核心的小组讨论的，而计算机科学家主导的AI方向是逻辑驱动的方法。那时候如果要做这件事情，有一本教科书，这是1986年以后我接触这个领域时的教科书，叫作zuoParallel Distributed Processing。
上次在上海碰见Hinton，我提到这套书时，他还蛮激动的，说当年设想的东西今天都变成现实了。这本书就是他和几位心理学家一起完成的。
还要感谢互联网。这两本书背后专门出了一本实验手册，第一次真正把所有关于理论的代码都开放出来。到今天为止，你还可以去下载它的代码。尽管这个代码运行在DOS上，是最原始的操作系统。而开放的时候还没有开源这个概念。开源是在1998年才被固化下来。
三、开源并不削弱计算的价值，是推动行业前进的必要环境
开放资源的概念不是因为有开源一词才出现的。在科学探索过程中，很多先驱已经这样做了。以生物学神经元为基础的方法论的先行者，为我们做了探索。后来2012年，Hinton和两位学生把数据、模型和算力GPU结合起来，带来了人脸识别的时代。
但那时资源的概念还没有深入人心。因为数据量不足够大，模型不够复杂，算力也有限。他们只用了两块普通的游戏GPU。
2017年，几位作者提出了Transformer和tokenization，也就是我们今天讲的token。tokenization是一个关键技术，使数据真正资源化，这是里程碑。同样因为这两个东西的出现，当时的数据、模型和算力又叠加了一个更大的变量——规模。所有东西的规模成千上万倍增加，使AI发生了天翻地覆的变化。
当规模到达一定程度时，资源就变得极其重要。模型权重的开放，本质上是数据资源和计算资源的开放。有了模型开放以后，你不需要再花那么多计算资源去重新做，有人替你完成了。我想说一下，开放以后并不意味着计算不重要，而只是意味着个体不用花这么多资源，因为有人付了这笔钱。
但要做更好的模型，需要更多资源的投入。今天，仅仅开放源代码，不能解决我们过去在软件时代用开源解决的问题。开放资源，特别是数据和计算资源，才是推动行业往前走不可缺失的环境。这就是AI时代开源的重要特点。我更愿意把它叫作open resource。但open source和open resource翻译成中文，都是开源。
四、AI不应缺席太空，或将帮人类实现深空探索
开源不只是模型。太空一直是我们最大的资源。AI不仅可以用于手机电脑，也不应该缺席太空，但这里有算力的障碍。
当拥有上述三个组合的时候，就有机会重新定义。就像当年把手机重新定义为电脑。今天我们有了通讯卫星、导航卫星和遥感卫星，因为AI，我们会有第四种卫星，我把它叫计算卫星。同样因为这种卫星的存在，使我们有机会把AI送到太空。
我自己还是挺幸运的，因为在之江实验室工作。今年5月14号，我们第一次把12颗卫星同时送上天，而且在这12颗卫星组成的星座上，第一次把一个地面上完整的8B AI模型放到太空去了。
不是用了一个简单的深度学习算法做个小程序，而是一个跟地面上一模一样的完整AI模型。第一次进去的时候，非常激动，也第一次感受到AI不能缺席太空。
这12颗卫星到了太空以后，就可以保证在卫星到达的地方，就能完成所有数据的处理。在这之前，卫星只和地面发生关系，卫星之间没有关系。这是第一次实现了在太空中卫星之间的互通互联，给AI在太空带来机会。
这件项目被叫作“三体计算星座”。很多朋友知道“三体”是从小说里读来的，但它是彻头彻尾的科学概念，最早是牛顿提出来的。他说，在太空中如果只有两个物体，比如月亮和地球，是有解析解的，也就是能用数学来解释两者的关系。但如果再加第三个物体，比如太阳，就没有解析解了，没有确定的解了。要描述它们的关系，一定要假定另一个物体固定不动，这就是牛顿所说的三体问题。
背后告诉我们，一个人两个人做事情很容易，三个人一起就不好做了。中国有句古话：三个和尚没水喝。“三体计算星座”希望N多个主体也可以完成一件事情，这是开放资源情况下必须做到的。
“三体计算星座”就是希望大家共同完成这个星座，共同分享这个太空。《南华早报》听过我的演讲后写过一篇文章，本质上就是：只有这样，我们才能分享太空，把AI送入太空。
我们计划把每一颗卫星开放给全世界任何人。这可以解决很多问题，可持续发展等我就不多说了，也可以支持我们向深空探索。科学家已经在设想，几年内把卫星送到太阳轨道的L5点，这个点离地球1.5亿公里，离太阳1.5亿公里。
那个时候数据几乎无法传回地面处理。只有把AI和算力送入太空，人类才可能真正走出地球。下面的时代非常激动人心。人类去火星的路上不能没有计算和AI的陪伴。这就是未来十年甚至二十年最激动人心的地方。
谢谢大家。
融正配资提示：文章来自网络，不代表本站观点。
