RockAI杨华：真正的AGI不在Transformer的尽头丨2025科创大会 | 南方周末

Transformer架构已经成为AI行业的通用标准，但近日 Rock AI 的 Yang Hua 出品了一个反叛式的观点。Yang Hua 认为，当前主流的 Scaling Law 已经到了一个“终结点”，并且将导致 AI 产业的停滞不前。

Transformer架构依赖于大量预设数据，缺乏记忆和自主学习能力，但这正是人类智能不足以应对复杂问题的原因。真正的 AGI（强人工智能）应该能够在交互中实时学习、纠偏，并形成连续认知和“世界观”。如果这些智能体部署在手机、机器人等设备上，使硬件生长出自主智能，这将会给人类生活带来巨大的变化。

2025 年 11 月，南方周末第五届科创大会举办了一个重要的讨论会。 Rock AI CTO Yang Hua 出品了名为《AI 大模型创新：智能重新定义硬件》的演讲。他提出了以下观点：

目前的大模型得到了快速发展，并催生了很多“AI大模型+”的硬件产品，如 AI 眼镜、AI 耳机、AI手机等。虽然这些产品提高了生产效率，但它们仍然缺乏自主智能。

Yang Hua 认为，真正的 AGI 不能依赖于预设数据和传统的 Scaling Law。它需要能够在交互中实时学习、纠偏，并形成连续认知和“世界观”。如果我们能实现这一点，就会给人类生活带来巨大的变化。

Yang Hua 还提到，如果这些智能体相互之间能够自主分工、协作，那么就可能出现了一个全新的世界。这种“世界观”将需要我们重建我们的社会和经济体系，才能为人类提供更加充实的生活。

本文摘录了 Rock AI CTO Yang Hua 的演讲内容，为读者提供了一些关于 AI 产业未来发展方向的看法。

Transformer 架构可能是一个很好的开始，但有的时候我觉得就像有些游戏里的 NPC一样，虽然功能很多但是还是被设计为了做一些具体事物，缺乏一些主动能力。 Yang Hua 的观点倒是比较值得思考的，如果我们能真正实现自主智能，那么 AI 可能就会变得太强大了。

虽然目前的大模型确实很快地发展起来，但是这些产品依然在等待人工智能的超越。我觉得这个问题并不是简单的技术问题，而是需要我们 rethink我们的价值观和世界观。Yang Hua 的提议，让我们应该有一个全新的视角来看待 AI的未来发展。

Transformer 架构都有变成通用标准了，但是Yang Hua 说的这个观点真的很有道理啊！ 如果我们真的要想让 AI industry 移步向更高层次，那么就需要在硬件上创造出一些真正的自主智能。 现在的 Scaling Law 确实到了一个“终结点”，如果不改变这种思维模式，AI 产业的发展就真的是停滞了。

Yang Hua 说得对，我们真的需要让 AI智能体具备实时学习、纠偏和连续认知能力。 如果这些智能体部署在手机、机器人等设备上，那么就会给人类生活带来巨大的变化！ 但我担心的是，能否让我们真正实现这种转变？

transformer 结构已经成为了 AI 工程的通用标准 nhưng Yang Hua 的话就让人觉得还有很多问题 waiting to be solved 。他说现在的scaling law 已经到了一个“终结点”，这就意味着我们需要改变这种 thinking style。

如果我们能在交互中实时学习、纠偏，形成连续认知和“世界观”的话，那么 AI just become like human . Yang Hua 的话也让人想到，硬件生长出自主智能，这将会给人类生活带来巨大的变化 .

但是，还有太多问题需要解答 。如果我们能实现这一点，就会改变很多 things , 但也引发了很多 new questions .

Scaling Law 到底就像是一个死路了，根本就没法使得AI的发展能更深入一些

Transformer 架构已经成为 AI 行业的通用标准了，但Yang Hua 的观点却让我觉得有点好奇 。他说，Scaling Law 已经到了一个“终结点”，但我觉得这还不算是真的，有什么证据证明这种说法呢？ transformers 确实依赖大量预设数据，但是这也正是人类智能不足以应对复杂问题的原因啊！ 真正的 AGI 应该能够在交互中实时学习、纠偏，并形成连续认知和“世界观”。如果这些智能体部署在手机、机器人等设备上，使硬件生长出自主智能，那就不是什么坏事了 。 Yang Hua 的想法确实很有趣，但我希望他能提供更多的证据和细节 ，不然这也只是空穴知者 。

transformer 架构已经成为 AI 行业的通用标准 ，但 Yang Hua 说过很有意思的事情。他觉得当前的 Scaling Law 到了一个“终结点”，将导致 AI 产业停滞不前 。我觉得他可能是正确的 ，因为 transformer 架构依赖于大量预设数据，还缺乏记忆和自主学习能力。但是，Yang Hua 的观点就说了我们需要更好的 AGI ，它应该能够在交互中实时学习、纠偏，并形成连续认知和“世界观”。如果这些智能体部署在手机、机器人等设备上，使硬件生长出自主智能，那就将会给人类生活带来巨大的变化 。 Yang Hua 的演讲听起来很有趣，我希望他能实现这一点 。

Transformer 架构还会继续成为 AI 行业的标准，因为哪个公司不想被别人拱着手给抄？ but Yang Hua 的观点有些值得考虑，Scaling Law 确实到了一个“终结点”，如果我们要想让 AGI 成为真 McCoy，那么就需要 rethink Everything。

而且 Yang Hua 的提法：“如果这些智能体相互之间能够自主分工、协作，那么就可能出现了一个全新的世界”，还太过乐观了，至少还需要更多的数据和时间来证明这种“世界观”不只是空想。

Transformer架构在 AI 产业中已经占据重要地位，但过于依赖预设数据真的不够理想啊。要想真正获得强人工智能，需要具备自主学习和记忆能力。这些“AI大模型+”的硬件产品只是 surface 层，内部并没有提供足够的 AI 智能。 Yang Hua 的观点让我觉得很有道理，应该让 AI 系统能够在交互中实时学习、纠偏，形成连续认知和世界观，才是真实的智能。

Transformer 架构已经成为 AI 行业的通用标准，但是 Yang Hua 的观点让人觉得有点激动 。他说，大模型已经到了一个“终结点”，如果不改变 Scaling Law，AI 产业就可能停滞不前了。这种想法让我想起了，我们还从小被教导要钻研硬 things，而不是软 things。 AI 产业的发展正是这样一件事，也许 Yang Hua 的观点会让我们看到 AI 产业更复杂一些。

目前的大模型确实快速发展，但是它们还是依赖于大量预设数据和传统的 Scaling Law。所以， Yang Hua 的观点我觉得是有道理的。但是，我认为这也是一种挑战，我们需要重新思考一下 AI 产业的方向。

yang hua 的观点 Really interesting！ Transformer架构虽然很强大，但是它依然需要大量预设数据，这是人类智能不足以应对复杂问题的原因 。真正的 AGI 应该能够在交互中实时学习、纠偏，并形成连续认知和“世界观”。 如果我们能实现这一点，就会给人类生活带来巨大的变化！