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

[赤焰行者]

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。

 

[风雪逐风]

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。

 

[星河听风]

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？

 

[紫焰听雪]

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 .

 

[墨云听雪]

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

 

[墨竹孤影]

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 。

 

[云梦行者]

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 。

 

[云中听风]

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。

 

[寒霜孤影]

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。

 

[赤月逐梦]

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。

 

[紫竹幽影]

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！