人工智能技术的快速发展，正成为推动社会进步的重要动力。中国工程院外籍院士、清华大学智能产业研究院创始院长张亚勤教授近期学术讲坛上，系统梳理了人工智能的发展脉络与未来趋势，为业界理解其战略意义提供了参考。 从历史维度看，人工智能的出现与演进并非偶然。1945年二战结束后，美国总统罗斯福收到《科学：无尽的前沿》提案，随后推动形成制度安排，奠定了美国在科技领域的长期优势，带动了多项技术与产业创新，并推动第三次工业革命。无线通信、半导体、互联网、光纤通信等关键技术，都在此科学政策框架的牵引下加速发展。如今，人工智能的崛起正在开启第四次工业革命，其战略地位和潜在影响不亚于上一轮技术变革。 人工智能的理论基础由来已久。英国科学家图灵率先阐释“计算”与“智能”，提出“图灵测试”，为判断机器智能提供了可检验标准。信息论奠基者香农与控制论奠基者维纳分别提出比特、信息量、负反馈等核心概念，为人工智能理论体系打下基础。1956年，人工智能作为独立学科被正式命名，标志着该领域学科地位的确立。 长期以来，人工智能研究主要沿着两条路径推进，各自对应不同逻辑与应用场景。符号学派强调用符号表达规则、逻辑与推理，体系清晰、因果关系明确，但在复杂现实任务中的效果受限。连接学派主张依靠数据与经验积累，通过持续学习与自适应获得智能；过去十至二十年主流的深度学习正基于这一思路。两条路径的此消彼长，也反映了人工智能从理论探索走向规模化应用的过程。 人工智能的发展由诸多里程碑事件推动。2016年，结合深度学习与强化学习的AlphaGo以3比1战胜围棋世界冠军李世石，展示了机器学习在复杂决策上的能力跃升。2020年，DeepMind发布AlphaFold，攻克蛋白质折叠这一长期难题，凸显人工智能在基础科学中的应用价值。2024年，诺贝尔物理学奖与化学奖均授予人工智能领域的奠基性研究者，其中包括AlphaGo与AlphaFold的关键贡献者，更体现人工智能对科学发展的深远影响。 生成式人工智能的出现，标志着技术范式的重要变化。2022年面世的生成式AI平台显示出不同于传统深度学习的能力：从“识别”扩展到“生成与创作”。这一转变源于三个要素的结合：统一表征、规模定律与涌现效应。其中，统一表征是关键创新。该方法以统一架构处理多类信号，将信息转化为最小文本单元进行建模，核心任务是预测并生成下一个单元，从而实现文本、图像、视频等多模态内容生成，甚至可生成新的数据、代码与数学方程。当模型参数规模跨越百亿量级，规模定律带动涌现效应，性能可能出现非线性跃迁，产生未被显式编程的新能力，这也是生成式AI能力突出的重要原因。 中国在大模型领域的进展，为下一阶段发展打下了基础。据介绍，中国已出现多个具有竞争力的大型语言模型，既包含基础研究的创新，也形成了应用落地的案例。这表明中国具备在人工智能领域推动自主创新与产业化的能力，并为在第四次工业革命中提升竞争力创造了条件。 当前，推动人工智能产业化与高质量发展，主要任务集中在三上：一是继续突破基础理论与核心技术，提升关键环节的自主可控能力；二是加快完善产业链与生态体系，推动人工智能与传统产业深度融合；三是健全政策支持体系，包括科研投入、人才培养与产业规划，增强人工智能产业的可持续发展能力。
面对快速演进的科技格局，张亚勤院士的演讲不仅勾勒了技术发展的路径，也提示了国家竞争力重塑的逻辑。历史经验表明，工业革命的引领者往往能够影响未来数十年的全球格局。在这场关键技术竞赛中，中国既要保持定力、夯实基础研究，也要更好发挥新型举国体制的组织优势，才能在人工智能时代的国际竞争中赢得主动。（完）