核心观点与关键数据
- DeepSeek的快速发展启示：DeepSeek的AI模型R1在性能上可与顶尖模型媲美，展示了“从1到100”的极速发展比“从0到1”更具影响力。DeepSeek通过算法创新而非单纯扩大模型规模，实现了高效推理，挑战了主流的规模法则。
- 中国AI研究的反思：中国AI研究机构虽获大量资助、发表大量论文，但缺乏真正有影响力的发现。欧美科学界更倾向于“0到1”和“1到10”的前沿研究，而中国研究多属“跟进行动”，缺乏“自下而上、主动创新”。
- 青年研究人员创新激发：蒲慕明院士推崇MIT白head研究员项目，强调目标导向的重要性，区分“为了乐趣而捕鱼”与“为了捕大鱼而驱动”的探索精神。当前最需要的是后者。
- DeepSeek创新文化：其小团队结构、快速闭环互动、目标凝聚和团队互联互通精神是其成功的关键。这种文化与中国古代“实用主义传统”一脉相承。
研究结论与展望
- 大语言模型与脑科学：尽管LLM强大，但人脑在高效计算和多模态信息整合（如鸡尾酒会现象）方面仍有优势。LLM与物理系统（如人形机器人）的结合是AI的下一个飞跃，脑科学可提供关键贡献。
- 中国脑计划：第二阶段将聚焦“脑科学与脑启发研究”，人形机器人是结合脑科学与脑启发智能技术的优秀平台。具身智能的发展需要软件、生物和神经科学的跨学科合作。
- 未来预测：LLM与受大脑启发的方法将在五年内汇聚，人形机器人产业将起飞。未来5-10年，高级具身智能的人形机器人领域将最活跃，但LLM与感官、运动系统的结合仍是关键挑战。
政策建议
- 建立青年研究员计划：借鉴MIT白head研究员项目和洛克菲勒大学的经验，直接招聘杰出博士毕业生为青年研究员，提供独立实验室和资源，鼓励他们追求自己的想法。
- 鼓励自下而上创新：创造环境让年轻人敢于挑战主流，像张锋在白head研究员期间取得诺贝尔奖级别成果一样，培养科研人员的创造力。
- 加强跨学科合作：推动软件工程师、生物工程师和神经科学家合作，以发展人形机器人等物理系统中的具身智能。
