【趣谈AI】（四）十年磨一剑，剑指何方？

2016年3月9日，首尔，四季酒店。当李世石九段投子认负的那一刻，我坐在电视机前，久久说不出话。



那是我第一次真正被AI“震惊”。此前，我自认为对人工智能并不陌生——九十年代在美国HAVENS公司工作时，系统运维部门那些前苏联专家们就喜欢聊“神经网络”。一位来自莫斯科大学的数学家告诉我：“这东西理论上能模拟大脑，但算力不够，还得等。”一等就是二十年。而当AlphaGo真正击败人类顶级棋手时，那种震撼远超预期：不是因为机器赢了，而是因为它用人类完全无法理解的方式赢了——那些天马行空的下法，那种超越经验的创造力，让人不禁怀疑：这还是机器吗？



“人机世纪之战”的同年同月（3月15日），我应董事长邀请，给公司百名中高层做“人工智能发展趋势”报告。为了让大家理解神经网络的工作原理，我在大屏幕上展示了最简单的计算图：输入层、隐藏层、输出层，权重、偏置、激活函数。底下一片沉默。直到我播放“波士顿动力”的机器狗视频——那只被工作人员反复踢踹却总能站稳的机器狗，引起了一阵笑声。接着是机器人Atlas的后空翻，掌声响起来了。

“十年后，”我说，“这些会变成日常。”



那场报告，至今记忆犹新。

公司培训中心大厅里，百余名中高层管理人员。当我展示那张神经网络结构图时——三层节点、若干箭头、几个数学符号——会场陷入了一种近乎凝固的安静。



但后来，董事长告诉我，那天他在家里搜索了“深度学习”；有人在一次项目讨论会上，第一次用了“算法”这个词；还有人在半年后问我：“你当时说的那个十年，现在还剩几年？”



那场报告没有带来任何立竿见影的改变，尽管不断有掌声的雷动，有醍醐灌顶的感觉，但它只是在一群习惯了确定性的人心里，悄悄种下了一颗关于不确定性的种子。

现在想来，这大概就是那个下午最真实的冲击：它让一群务实的人，第一次认真地想了想未来这件事。



时过境迁。2026年春晚，杭州“宇树科技”的人形机器人H1登上舞台，手持红手帕，扭着秧歌，动作之流畅让全球观众惊叹。弹幕刷屏：“这不是波士顿动力，这是中国造！”那一夜，我想起了2016年的报告，想起了台下那些将信将疑的目光。十年，真的磨成了一剑。

而这一切的背后，绕不开一个人——伊利亚·苏茨克维。



伊利亚的成长轨迹，恰恰折射出半个世纪以来科技与人才流动的“时变”。他出生在苏联下诺夫哥罗德——那座曾叫高尔基的保密城市，5岁时随父母移民以色列，后来辗转加拿大。他的命运，与二十世纪末那场席卷全球的剧变紧紧交织。



我的苏联记忆与伊利亚的出生轨迹形成奇妙的对位：1991年4月，当5岁的伊利亚还在以色列适应新环境时，我正站在列宁格勒涅瓦河畔。作为中船总首批访苏考察团的一员，我参观了克雷洛夫海洋科学研究院。走廊里那些埋头演算的苏联科学家给我留下终生难忘的印象——他们能在黑板上连续推演三小时不抬头，能为一组实验数据争得面红耳赤，能在午餐时讨论某个流体力学公式的“美学价值”。



后来我才明白，那种近乎偏执的较真，那种对“美”的宗教般虔诚，正是俄罗斯科学传统的精髓。伊利亚血液里，流淌的正是同样的东西。

九十年代后期，当他坐在多伦多大学的教室里跟随辛顿学习神经网络时，我正在美国HAVENS公司工作。HAVENS公司研发部、信息系统运维、市场情报分析——那些最重要的技术岗位上，到处是前苏联专家的身影。一位来自基辅的数学家每天用晦涩的算法优化我们的供应链系统，我问他为什么这么拼命，他说：“国家动荡了，但数学不会动荡。知识是唯一带不走的东西。”那时我隐约感到，人才流失对一个国家意味着什么，而人才的流动又如何重塑了全球科技的版图。



2006-2010年，因与加拿大CANAM集团的项目合作，我多次到访多伦多。期间，东道主曾邀请我们参观多伦多大学。走在圣乔治校区的红砖建筑间，CANAM集团董事长介绍着多大的辉煌历史：胰岛素在这里发现，干细胞研究从这里发源……他不知道的是，就在我们参观的那一年，计算机科学系六楼的某个实验室里，一位年轻的科学家正在跟随“深度学习教父”杰弗里·辛顿攻读博士后。



他后来与Alex Krizhevsky共同开发了划时代的AlexNet，掀起了深度学习革命；他后来参与创立了AlphaGo的早期雏形；他后来被称为“OpenAI的真正大脑”——他叫伊利亚·苏茨克维。

如果当年有人指着那扇窗户对我说：“看，那个年轻人正在思考如何用神经网络模拟人类。”我一定会觉得是天方夜谭。可历史就是这样，在无数个不经意的瞬间埋下伏笔。

伊利亚的价值观，我深以为然。他是坚定的“有效利他主义”者，长期致力于AI安全研究，提出“超级智能对齐”概念——主张在追求AI能力的同时，必须确保其与人类价值观保持一致。2024年，因与OpenAI管理层在AI发展路线上的分歧，他离开并创立SSI（Safe Superintelligence Inc.），专注于开发安全的超级智能。公司的使命只有一句话：“直接开发安全的超级智能，不受产品周期或短期商业压力干扰。”这份纯粹，让我想起当年克雷洛夫研究院那些不为外界所动的苏联科学家。



他做出了震惊业界的预判：“那个单纯依赖数据和算力堆叠的‘Scaling Law时代’已经结束，我们正回归到一个需要探索全新算法与数据配方的‘研究时代’。”他认为人类学习效率远超AI——普通人十小时学会开车，一百小时掌握编程逻辑，而AI需要海量数据仍难以应对新问题。核心原因在于人类拥有强大的“价值函数”：情感和直觉构成了内在纠错机制，能在没有明确外部奖励时自我纠正。这恰恰是AI目前缺失的关键。



《道德经》曰：“反者道之动，弱者道之用。”当整个行业都在追求更大模型、更多算力时，伊利亚提醒我们回归本质：什么才是真正的智能？如何在能力跃迁的同时确保安全可控？

对我们而言，伊利亚的故事有四点启示：

第一，较真精神永不过时。苏联专家的较真，伊利亚的较真，本质上都是对真理的执着。船舶工业是百年产业，容不得半点马虎。在AI时代，这种较真不仅不能丢，反而需要强化——因为算法的黑箱可能掩盖更多问题。

第二，安全必须前置。伊利亚从谷歌到OpenAI再到SSI，始终把安全放在首位。当我们把AI引入船舶设计、生产、配套采购时，有没有考虑过系统失控的风险？有没有建立足够的安全冗余？在追求效率的同时，我们不能忘记对生命的敬畏。

第三，美与简洁是最高标准。伊利亚强调“研究品味”，强调理论的“美感”。好的算法应该像好的船型设计一样，兼具功能与优雅。那些拼凑的代码、堆砌的数据，终究经不起时间检验。

第四，价值函数不可或缺。人类的情感不是累赘，而是高效决策的指南。AI可以处理数据，但无法感知责任；可以优化流程，但无法体会匠心。在船舶工业中，那些老师傅的“手感”、老工程师的“直觉”，正是我们最宝贵的资产。

2016年，我用李世石的一胜和波士顿动力的机器狗，试图让同事们相信AI的未来。2026年，宇树机器人登上春晚，伊利亚的新思考传遍业界。如果现在让我再做一次报告，我会说：真正的超级智能，不是存储所有知识的静态系统，而是拥有极高样本效率的“超级学习者”。实现这一目标的关键，在于让机器学会人类的价值判断——这需要技术突破，更需要人文关怀。

从苏联下诺夫哥罗德到多伦多，再到硅谷，一代代探索者用他们的较真精神推动着文明进步。伊利亚说：“好的理论容不下丑陋。”我想，好的未来同样容不下短视与浮躁。

十年磨一剑，剑已出鞘。愿我们都能成为AI时代“有品味”的探索者，在追求能力跃迁的同时，守住那条安全的底线。

因为，真正的智能，终究要为人类服务。（供稿：陈建榕）

图片来源网络