第381期：一、唐傑的發言

1、智譜的起源2019年，我們開始研究，能不能讓機器像人一樣思考，當時就從清華成果轉化，在學校的大力支持下，成立了智譜這麼一家公司，我現在是智譜的首席科學家。那個時候，我們實驗室在圖神經網絡、知識圖譜方面，在國際上做的還行，但我們堅定地把這兩個方向暫停了，暫時不做了，所有的人都轉向做大模型。2、泛化和 Scaling

我們希望機器有泛化能力，我教它一點點，它就能舉一反三。就和人一樣，教小孩子的時候，我們總希望教三個問題，他就會第四個、第十個，甚至連沒教過的也會。怎麼讓機器擁有這種能力？目前爲止，我們主要通過 Scaling（規模化）達到這個目標，在不同層面提高泛化能力。

（1）我們最早期用 Transformer 訓練模型，把所有的知識記憶下來。訓練數據越多、算力越多，模型的記憶能力就越強，也就是說，它把世界上所有的知識都背下來了，並且有一定的泛化能力，可以抽象，可以做簡單的推理。比如，你問中國的首都是什麼？這時候模型不需要推理，它只是從知識庫裏拿出來。

（2）第二層是把模型進行對齊和推理，讓它有更復雜的推理能力，以及理解我們的意圖。我們需要持續的 Scaling SFT（Supervised Fine-Tuning，監督式微調），甚至強化學習。通過人類大量的數據反饋，不斷 Scaling 反饋數據，可以讓模型變得更聰明、更準確。

（3）今年是 RLVR（強化學習與可驗證獎勵）爆發年。這裏的“可驗證”是什麼意思？比如，數學可以驗證、編程可能可以驗證，但更廣泛地，網頁好不好看，就不大好驗證了，它需要人來判斷。這就是爲什麼這個事情很難做，我們原來只能通過人類反饋數據來做，但人類反饋的數據裏面噪音也非常多，而且場景也非常單一。如果我們有一個可驗證的環境，這時候我們可以讓機器自己去探索、自己去發現這個反饋數據，自己來成長。這是我們面臨的一個挑戰。

3、從 Chat 到做事：新範式的開始大家可能會問，是不是不停地訓練模型，智能就越來越強？其實也不是。2025年初，DeepSeek 出來，真是橫空出世。大家原來在學術界、產業界都沒有料到 DeepSeek 會突然出來，而且性能確實很強，一下子讓很多人感到很震撼。

我們當時就想一個問題，也許在 DeepSeek 這種範式下，Chat（對話）差不多算是解決了。也就是說我們做得再好，在 Chat 上可能做到最後跟 DeepSeek 差不多。或許我們可以再個性化一點，變成有情感的 Chat，或者再複雜一點，但是總的來講，這個範式可能基本到頭了，剩下更多的反而是工程和技術的問題。

那麼，AI 下一步朝哪個方向發展？我們當時的想法是，讓每個人能夠用 AI 做一件事情，這可能是下一個範式，原來是 Chat，現在是真的做事了。當時有兩個方向，一個是編程，做 Coding、做 Agent；另一個是用 AI 來幫我們做研究，類似於 DeepResearch，甚至寫一個複雜的研究報告。我們現在的選擇是把 Coding、Agentic、Reasoning 這三個能力整合在一起。

來源｜阮一峯科技愛好者週刊第 381 期，