问题——新一轮产业变革的“主引擎”何，关键窗口期如何把握？ 张亚勤认为，人工智能正成为第四次工业革命的重要驱动力，其影响已从信息处理扩展到科学研究、工程设计与产业组织方式的系统性重塑。面对全球科技竞争加速、产业链重构加深、技术迭代周期缩短的趋势，谁能更快完成从技术突破到规模化应用、再到制度与生态配套的闭环，谁就更可能掌握未来产业制高点。 原因——从“规则推理”到“数据驱动”，再到“生成式统一表征”的范式跃迁。 在演讲中，张亚勤从人工智能的理论起源谈起，指出“计算与智能”“信息与反馈”等基础概念为学科奠基。过去几十年，人工智能主要形成两条技术路径：一是强调符号、规则与推理的路线，逻辑清晰、因果明确，但在复杂真实场景中落地受限；二是强调通过大量数据、持续学习和与环境连接获得能力的路线，深度学习等主流技术即由此发展而来。 他深入指出，近期的重大变化在于生成式大模型兴起，使人工智能由“面向单一任务的识别工具”升级为“可生成内容与方案的通用能力底座”。这个新范式的关键在于统一表征：不论输入是文本、图像还是代码，均可转化为可计算的标记序列，通过预测下一个标记实现生成，进而具备写作、作图、编程、推导与工具调用等能力。，随着模型规模、数据与算力提升，性能可能呈现非线性跃升，出现“涌现”式的新能力，为科研与产业打开新的想象空间。张亚勤提到，围棋对弈、生物结构预测等标志性进展表明，人工智能正在从“提高效率”走向“拓展人类认知边界”。 影响——产业竞争从“单点应用”走向“系统工程”，重塑科研与生产范式。 张亚勤认为，生成式大模型带来的影响将体现在三上：其一，通用能力底座推动行业应用门槛下降，知识获取、内容生产、软件研发与客户服务等环节将被重构；其二，科学研究范式加速演进，人工智能与实验、仿真、自动化设备结合，有望显著压缩从假设到验证的周期；其三，未来应用将从“工具”走向“智能体”，即能够在目标驱动下理解任务、分解步骤、调用工具并与人协同完成复杂流程，从而改变组织管理与产业运行方式。 他同时提醒，新范式越强大，对数据安全、知识产权、算法偏差与责任边界的要求越高。技术扩散越快，越需要以规范治理护航创新，防止“技术红利”在无序竞争中被消耗。 对策——以基础研究为根、工程体系为骨、产业生态为网、治理机制为盾。 围绕我国如何在新阶段形成持续优势，张亚勤提出多维度发力方向： 一是夯实基础研究和原创能力。面向核心算法、模型架构、算子与系统软件等关键环节加强长期投入，形成可持续迭代的技术源头供给。 二是强化工程化与规模化落地能力。大模型不是单一产品，而是“模型、数据、算力、工具链、评测体系”共同构成的系统工程。要以场景牵引完善评测标准与行业基准，提升可靠性、可控性与可解释性。 三是做强产业生态与开源协同。通过平台化工具、开发者生态与行业数据闭环，推动“模型能力—应用产品—数据反馈—持续迭代”的正循环，促进中小企业低成本创新。 四是同步完善治理与规则体系。建立覆盖训练数据合规、内容标识、风险评估与责任追溯的制度安排，推动技术向善、守住安全底线。 五是加快人才培养与跨学科融合。面向“计算机+数学+行业知识”的复合型人才需求，推动高校、科研机构与企业协同育人，提升从理论到产品再到产业的贯通能力。 前景——把握窗口期形成长期引领，关键在于“创新链、产业链、治理链”同频共振。 张亚勤判断，未来相当长一段时间内，人工智能将与制造、能源、交通、医疗、教育等深度融合，带来生产率的结构性提升。中国拥有超大规模市场、完整工业体系、丰富应用场景和持续增长的研发投入，只要把握新范式窗口期，在关键技术、开放生态与安全治理上形成协同优势，就有望在第四次工业革命中取得更主动、更稳定、更可持续的领跑地位。
人工智能的发展是一场深刻的社会变革。从图灵的理论奠基，到AlphaGo的围棋胜利，再到生成式AI的诞生，人工智能正在逐步接近人类智能的复杂性。中国在数据资源、应用场景、人才储备等具有独特优势。把握人工智能该历史机遇，加快技术创新和产业应用，既关系到中国科技竞争力的提升，也关系到如何在新一轮全球科技竞争中实现领先。通过坚持自主创新、深化产学研结合、培养顶尖人才，中国必将在第四次工业革命中起到越来越重要作用，为人类智能文明的进步作出更大贡献。