黃鐵軍對大模型的四個預判：洗牌、安全核爆、GPT-5 與再造 DeepSeek

“百模大戰”後，大模型行業加速收斂，一部分玩家離場， 模型競爭逐漸成為巨頭的遊戲。

4 月份，李飛飛教授領先編製的《2025 年人工智慧指數報告》提供的數據顯示，2024 年全年具有特殊影響力的模型（Notable AI models）當中，排名前 5 的幾乎都來自美國、中國的科技巨頭。

2024 年全球有特殊影響力的模型分佈，谷歌位列第一 來源：2025 AI 指數報告

日前，在智源大會上與騰訊科技的交流中，智源研究院理事長黃鐵軍教授表示， 大模型留在牌桌上取決於“三要素”：數據來源即時性、知識面全量性和基礎設施可靠性， 它們共同決定了大模型的數量，不會遍地都是，“三個也好，五個、七個也好， 基本屈指可數。 ”

零一萬物董事長 CEO 李開複博士也有相似的觀點。 今年 3 月，他在接受採訪時表示，中美超大模型的預訓練正在逐漸寡頭化。 他預測中國大模型領域未來將會收斂至三家，其中以 DeepSeek 勢頭最猛。

作為中國計算機專家， 黃鐵軍活躍在 AI 研發與治理最前沿，曾參與簽署未來生命研究所於 2023 年 3 月份發起的《暫停 GPT-4 以上模型 6 個月研發》的公開信 ，該公開信獲得了馬斯克、圖靈獎得主約書亞·本吉奧以及蘋果聯合創始人史蒂夫·沃茲尼亞克的支援。

黃鐵軍說，簽署這份公開信的初衷，是為了警醒行業、公眾對安全問題的重視。

2024 年，智源研究院也邀請約書亞·本吉奧、傑弗里·辛頓等圖靈獎得主，與張亞勤等國內專家共同簽署發佈《北京 AI 安全國際共識》。

“ 正是由於這種警醒，到現在為止，GPT-5 一直沒出，”黃鐵軍這樣概括公開信的價值，但是提醒 OpenAI 有可能在 7 月份發佈 GPT-5。

無論蓄勢待發 GPT-5 的 OpenAI，還是代表中國模型“生力軍”的 DeepSeek，中美 AI 競速賽，背後也是人才的競爭。

作為中國最早下場自研大模型的機構，智源研究院為行業輸送了大量人才，被稱之為中國“AI 黃埔軍校”。 2020 年，智源組建了一支由智源學者、研究院和學生組成的近 100 人的隊伍，開啟中國大模型研發之路，Kimi 楊植麟、深言科技豈凡超、面壁曾國洋等創業者身上都有智源的印記。

黃鐵軍透露， 智源推動的大模型開源開放生態，對 DeepSeek 萌發也特別重要，DeepSeek 研發團隊在中關村組建和發展，北大、科學院和清華都有不少學生加入到這個明星項目當中。 他認為“中國大模型黃埔軍校”的評價是一種美譽，但智源研究院志不止於此，“我們希望在 10 周年發展週期里，能夠產生獨創的有國際重大影響力的成果。 有信心到 2028 年，智源至少有一個類似 AlphaGo、ChatGPT 這種量級的成果 。 ”

黃鐵軍在智源大會開幕式上演講

以下是騰訊科技與黃鐵軍教授的交流實錄（在不改變原意的情況下有刪減，調整）

留在大模型牌桌上的“三要素”

騰訊科技：黃老師，2023年，當時您說全球僅需要三個大模型就夠了，現在往回看，這個觀點有什麼更新嗎？

黃鐵軍：2023 年提到的這個觀點，最早是在 2021 年智源發悟道 2.0 的時候提出的。

類似的看法美國也有一些，有的說五個，最多也有說七個，其實三個也好，五個、七個也好，基本上屈指可數，就這麼少數幾個。

一般大家將大模型理解為一個產品，其實它應該是一個體系。 不能說這個世界上每個人都有一個人腦，然後把它類比為大模型，得出結論：全世界有幾十億個大模型。

大模型有幾個基本特徵，其一，數據來源的即時性。 不能說使用者提問題，回答是基於一天前的數據訓練出的模型，它對即時性有非常高的要求。

騰訊科技：高到什麼程度？

黃鐵軍： 剛發生的事情，大模型就必須清楚瞭解，這就好比我有什麼問題，就問對應領域的專家，如果專家知識沒及時更新，那他的建議就價值就不大，甚至是錯誤的。

其二，全量性。 使用者量大，問題基數大，就意味著可能會有千奇百怪的問題，這個時候就要求大模型覆蓋的知識面足夠全、足夠廣。

其三，大模型作為基礎設施，必須可靠。 它應該是一個7×24小時運行的系統，就跟電力系統一樣。

數據來源即時性、知識面全量性和基礎設施可靠性，這三個特點決定了大模型的數量，不會很多 。

從生態的角度來看，大模型是一個生態體系，從這個意義上來看，其數量會更少。

以電信運營商為例，現在主要是三大運營商，過去他們各自有各自的標準：3G 時代，電信的 CDMA2000、聯通的 WCDMA、移動的 TD-SCDMA，現在 4G、5G 大家的標準基本一致，使用者買手機就不需要再做額外選擇。 手機製造也更具有經濟性，雖然運營商還是三個，但生態其實變成了一個。

互聯網更是如此，全球就沒有第二張互聯網。

騰訊科技：如果不具備這三個要素，就會被淘汰，然後被擠下牌桌，對嗎？

黃鐵軍： 在這個生態下，依舊有機會，只是無法主導基礎大模型發展。

就像電網一樣，背後有很多企業在做服務，你像我國的五大發電集團，有風電、水電各種電，最後都匯入國家電網。 所以在這麼大的生態下，大家依舊有很多機會，只是說單個企業來做基礎模型的機會很少。

騰訊科技： 最後機會又變成巨頭的了？

黃鐵軍：肯定是巨頭，作為基礎智力運營商，怎麼可能不是巨頭。

警惕“AI 安全核爆”

騰訊科技：2023 年，「暫停 GPT-4 以上模型研發 6 個月」公開信很熱，黃老師當時也簽了，現在回頭看，這個動作對行業起到了什麼樣的説明？

黃鐵軍： 我覺得應該是一個警醒吧，由於關注度很高，大家對安全問題重視一下子就提升了。

正是由於這種警醒，到現在為止，GPT-5 一直沒出，但有可能今年 7 月份會出 。 最近我也和很多專家面對面討論過這個問題，很有可能真的出來。

騰訊科技：你們是基於什麼，去判斷 7 月份會發佈 GPT-5？

黃鐵軍： 有一些交流，有些是公開的，有些是非公開的，預判有可能是 7 月份，也有可能是年內。

“暫停公開信”，2023 年 3 月份出來到現在，2 年多時間，GPT 沒有大版本出來，從這個角度來說還是起到了一定的作用，但更多的作用是呼籲大家關注安全性問題，畢竟它不具備法律上的約束性。

現在來看這封公開信，它仍然有價值，而且對安全的呼籲應該加強。

就像本吉奧在智源大會上說的 ， 要認識到技術的兩面性，不能因為它發展快，對經濟、社會發展有利，就忽視其安全性，就比如汽車，不能說開得越快越好就不要剎車; 腫瘤也一樣，就是因為沒有機制控制它瘋狂擴散。 技術發展的越強，規制這些技術的技術和政策也應該同步發展。

騰訊科技：這非常矛盾，既要暫緩它的技術發展，又希望在商業上跑得快。

黃鐵軍： 其實也不矛盾，汽車企業不能不造剎車，這是企業的責任，要安全地跑得快，不能只強調跑得快。

在監管這件事情上，OpenAI 這家公司的商業策略有點“狡猾”，當時也是奧特曼去美國國會作證，在世界各地宣傳呼籲加強監管，但如果近期他們把 GPT-5 放出來，某種意義上也可以將他們呼籲監管的行為理解為一種商業策略。 我相信會有監管，但不要相信企業自己會全面監管。

騰訊科技：這就是接下來我們想問的。 對於那些做得好的團隊來說，停一停可能等得起，但本身還在追逐的人也要暫停，是不是就吃虧了？ 你看，馬斯克在公開信發表後半年左右就發佈了 Grok-1。

黃鐵軍： 要從兩個維度來看，這其實有點類似矛和盾的關係。

從技術的維度來看，發展先進的 AI，無論是科研機構還是商業公司，都屬於正常的追求。 不能說擔心矛太尖銳，就把矛磨得鈍一點，這是不對的，我做的是攻擊性的矛，就要更尖銳。 從治理的角度來看，做盾的公司，就應該做得更堅固。

很多時候技術和治理對應的是兩個公司、兩個團隊，他們以不同的角色，在競爭中發展，而不是說一定要把技術先進的那個攔下來，說“你應該慢一點”。

將來的生態里，就像資訊系統、資訊安全兩類公司，都會存在。 現狀是全世界做資訊系統技術的公司太多，做資訊安全的公司太少，處在一個不平衡的狀態，所以也需要公共政策的資助方向更多地向安全方面傾斜，支援和鼓勵這方面的研究。

騰訊科技：那未來，你們是不是還會圍繞安全，發表公開信去做一些呼籲？

黃鐵軍： 是的，以前也在呼籲，智源之前發佈的《北京 AI 安全國際共識》也是其中的一部分，未來會在 AI 安全技術研究和政策建議方面做更多的工作。

騰訊科技：雖然一直在提安全，但到現在為止我們也沒有看到對公共安全影響特別重大的事件。

黃鐵軍： 首先，事情肯定在發生，只是大家不知道，沒有感覺，所以會認為不存在。 第二，每個人關注自己領域相關的話題，如果沒有重大事件讓大家突然警醒，可能也沒感覺。

歷史上很多時候就是如此， 原子彈爆炸之前，大家沒有那種恐怖的感受，但爆炸一次，全世界的警醒就提高了。

騰訊科技：對 AI 來說，這種爆炸性的場景可能會是什麼？

黃鐵軍： 突然某個銀行系統被 AI 接管了，帶來股市和經濟動蕩，那這個影響大家馬上都能感受得到。

還有一種場景是潛移默化的，比如現在很多報告都是基於模型生成的，單項報告風險不明顯，但隨著這類報告擴散開和數量增長，風險積累，整個生態就可能從量變到質變。

這很像用化肥，出發點是改良土壤，但當土壤中的有害物質積累到一定程度，就會對人類健康產生不可逆的巨大影響。 現在很難評估這種長期影響會有多大，但必然存在。

騰訊科技：對這種爆炸性威脅和長期影響，現在有什麼約束機制？

黃鐵軍： 這個很難。 它本身就在發展過程中，演化過程中很難控制，這種新產品還沒有到傷害人類的階段，不可能限制大家使用，我們要考慮和研究的是，在這種負面影響積累到一定程度后，怎麼來應對。

中國大模型「黃埔軍校”

騰訊科技：我們談談智源，從2018年11月成立到現在接近七年了，黃老師有沒有給智源做過階段性總結？

黃鐵軍： 要說總結，其實隨時都在做。 我們的決策自由度相對高，不像傳統科研的項目制那樣將目標定死，按流程推進，但我們也有一些無形的“緊箍咒”，那就是做出做出有重大價值的成果。

騰訊科技：你怎麼定義「有價值」這件事？

黃鐵軍： 全世界都在追求有影響力的成果，但影響力很難量化。

以前的量化都是指標性的，比如發表多少論文，申請多少專利，但這些不是一個合理的指標。 其實影響力從來都存在，你看歷史上，能在人類的科技史上留下來的東西，它的影響力自然而然就在。 比如指南針發明，它的影響力還用說嗎？ 相對論、AlphaGo，它們的影響力還需要評價嗎？

我們將追求影響力，並不是刻意追求影響力本身，只是用它來形容什麼叫「一個有影響力的成果」，就是要追求類似前面說的具有這種級別影響力、對應價值和效果的成果。

騰訊科技：展望一下，我們大概什麼時候能夠看到智源出這樣的成果？

黃鐵軍： 很難說具體到什麼時候，我們有自己的規劃。

智源成立於2018年11月，到2028年11月就是10周年，我們希望在10周年內，能夠產生有國際重大影響力的成果，現在還有3年多一點的時間。

智源有自己的方向和風格，經過過去一段時間的積累，我們還是有信心到 2028 年，能產生 AlphaGo 和 ChatGPT 這種量級的成果。

騰訊科技：大概可能會在哪些方向上出現？

黃鐵軍： 具身智慧、AI 和生命科學交叉、AI 基礎生態。

騰訊科技：對大眾來說，AI for Life Science 最後落地會是什麼？ 是一種診療技術，還是藥物？

黃鐵軍： 都有可能。 既可能是藥物上的突破，也同時是一種診療技術。 它是一個通用模型，可能會對新藥的發現和評估產生作用，也可能直接就作為一種輔助診療的設備使用，就像 CT、核磁，這樣醫院普遍在用的諾獎相關成果，還有可能是作為藥物研發機構的基礎性服務平臺。

我們希望在這三個方向上能夠取得有重大影響力的成果，當然，剩下三年，同時完成三項的難度很大，取得一項我就覺得完成了當時的夢想和使命，第二項和第三項會接續發生。

騰訊科技：有人說，智源是中國大模型的「黃埔軍校」，你們自己怎麼看待這種評價？

黃鐵軍： 這是一個美譽，在我們的發展中，自然而然地起到了類似的作用，在 AI，特別是大模型方向上，這個評價還是比較客觀的。 因為當時的時間點上，在中國只有一個智源這樣的機構，率先做大模型這件事。

在此之前，大學、研究所多以項目製為主，立項就要考慮公平性，需要發指南、評審，還有驗收環節，按照這種體制，大模型是不可能發生的。 如果能提前預知，馬上就投資大模型就可以了，掙錢效應比申請科研經費快得多。

企業也是如此，在大模型這個新領域，如果沒看到效果，怎麼會投入很多資源？

智源當時成立的時候就幾個人，巨集江是理事長，我是院長，曹崗和唐傑是副院長，劉江是負責社區生態的副院長，加上工作人員就十來個人。

我們一開始並沒有按照傳統科研的邏輯來做專案，當時邀請了100多位智源學者開會討論，最後形成共識，投入包括智源學者、學生等100多人去做大模型，因為已經有了經費、資源，對於新型研發機構，這100多個人去研發大模型，要用到的資源可以靈活配置，後來這100多個人，無論是去企業，還是創業、做研究，都成了中國大模型的中堅力量。

騰訊科技：這也是我們想進一步問的問題，劉江老師、唐傑老師很多人都離開了智源，人來人往，智源不做什麼約束嗎？

黃鐵軍： 我們本身的定位就不是一個傳統機構，不是一個壟斷者或者要設立一些圍牆隔閡，不會因為這些人出去創業了，就認為會對智源造成損失，我們是非營利機構，是生態促進者，他們在北京和中國 AI 生態里發揮作用就可以了，不一定非要智源獲取多少利益。

騰訊科技：我們再發散一點，剛才說智源在科研上有自由度，這種模式適合國產光刻機研發嗎？

黃鐵軍： 不太一樣。 光刻機這種目標很明確的項目，指標都很清楚，就是要實現別人已經實現但對你保密的技術方法，你要設計自己的技術路線，而且一做出來馬上會有產業價值，這種項目適合用工程的方法去做，這跟傳統造一座橋、修一條路邏輯類似，不同點在於光刻機這裡的技術挑戰很大，需要科技人員做更多技術突破， 更適合計劃體制。

騰訊科技：DeepSeek 春節大火出圈，剛剛也發了 R1 的更新，R2 也即將推出，智源內部怎麼評價他們的成功，可能有哪些要素，人才是最重要的嗎，需要什麼樣的人才？

黃鐵軍：DeepSeek 成立是 2023 年 7 月，出圈是 2025 年春節，也就一年半時間。

一年半不算長，是很快的一個過程，不能孤立地去看：大模型的發展，從 2018 年到 2025 年春節，已經有近 6 年時間。 DeepSeek 是在大模型的發展過程中，在這個大環境中出現的，不是一個孤立的現象。

分階段來看，從 2018 年開始，全球範圍已經做了 2-3 年的大模型研發，然後智源這樣的機構又做了 2-3 年實踐的積累，然後是 2023 年出現“百模大戰”，直至 2025 年初 DeepSeek 在一團混戰中出圈，大概是這麼一個時間線。

DeepSeek 成功的要素有幾個，最基本的算力條件是足夠的。 一般創業公司要做大模型，拿不出萬卡，也就成不了 DeepSeek，大模型需要物質基礎; 另一個重點在於人才——基礎演算法是公開的，在通用演算法基礎上優化到一個新階段，需要人才。

今年 4 月份胡佛研究所和斯坦福聯合發了一份報告，詳細的整理了 DeepSeek 的人才構成，詳細到每個人的畢業院校、加入的時間、工作履歷等等，這種刨根問底的做法非常值得學習。

過去關注梁文鋒比較多，他作為創始人的確很特別重要，但 DeepSeek 的成功不止於梁文鋒，團隊最初 30 個人左右，後來 100 多人，現在更多。

DeepSeek 研發團隊是在北京組建起來和發展起來的，開始在蘇州橋那邊，後來搬到融科大廈。 這些人才經過大模型基本訓練，不是“天上掉下來的”。

胡佛研究所和斯坦福的報告，還有一個關鍵點：DeepSeek 團隊中只有 1%、2%的人擁有海外履歷，其餘都是中國的原生本土人才。

我知道北大有不少學生加入了 DeepSeek，斯坦福報告中也統計北大是最大人才來源。 這些年輕人經驗不一定豐富，但是接觸過大模型，有演算法和基礎能力，DeepSeek 有很好的算力基礎設施，加上梁文鋒等創始人極強的組織能力，成功的要素比較完備。

如果在北大繼續深造，或者來智源，我也不敢說一定能複現 DeepSeek 的成功。 很簡單，學校沒有那麼多算力，百卡可能都沒有，沒有那麼多實踐的機會。 智源雖然有一定的算力，但也只有 1000P，千卡級別 ，這個資源和一個大模型公司比還差很多。

騰訊科技：為什麼學校這麼缺算力？

黃鐵軍： 那麼多學校，國家資源是有限的。 智算平臺建設起來之後，給學校、給這些人才更多基礎資源條件，特別重要。 這跟物理、化學、生命前沿研究一樣，沒有尖端的儀器，很多工作沒法開展。

再回到 DeepSeek，2023 年 7 月份成立時，中國的大模型行業已經有三年實踐。 他們有算力、有資金，加上一夥出色的人才集中攻關，成功並不突然。

追逐 AGI 與被 AGI 取代

騰訊科技：前兩年，業內一直在談大模型的參數，智源也發了當時世界最大的1.75萬億參數悟道2.0模型，但去年開始不怎麼討論這個話題了，堆參數沒效果了？

黃鐵軍： 那倒不是。 智源發的 1.75 萬億參數模型，是個混合專家模型，同期谷歌發佈的 Switch Transformer，1.61 萬億參數。 那時候的 1 萬億參數，大概相當於後來的千億參數稠密模型。

今天 GPT-4 這種萬億參數模型指的是稠密模型，現階段都還處在萬億參數階段。 做更大的參數有沒有發展空間？ 肯定有，而且肯定要做更大的。

騰訊科技：最近有研究顯示，語言模型的記憶量大概是每參數3.6比特，是不是意味著模型參數與記憶能力成正比，參數越大越好？

黃鐵軍： 對，越大能力越強， 但做更大參數模型的代價和需要的技巧，好比蓋十層樓、一百層樓和一千層樓的區別， 現階段人類蓋樓能力上限是幾百層，蓋一千層就需要更好的工程技術支援。

大模型也是這樣，從智慧的角度來看應該做更大的參數量，但從工程可實現的角度來綜合考慮，會有一些約束。

騰訊科技：去年初 Sora 發佈出圈爆火，在這之前就有類似的產品，比如 Pika、Runway，為什麼只有 Sora 成為了現象級產品？

黃鐵軍： 跟公司的風格有關係，Sora 早期發了幾十段視頻，後來再也沒有發什麼技術相關的東西，而且效果也沒有那麼好。

我覺得 Sora 能火起來，跟奧特曼本身是一個商業背景的創業者，並且擅長行銷有很大關係，社會被他帶節奏帶的比較嚴重，但這也不奇怪，大家往往都關注明星。

Sora 火起來，與它很直觀的展現形式有關。 介紹一個技術的優缺點很困難，人們很難從 loss 曲線上去看到結論與效果，但站在使用者的角度來看，比如一個電影導演，可以直觀感知到與實拍之間的差距。

騰訊科技：現在模型的數量開始收縮，應用越來越多，這代表著一種什麼趨勢或者信號嗎？

黃鐵軍： 訓練更強更大的模型，數量會收斂。 前面說了，基礎大模型研發需要的資源不是一般公司能夠覆蓋的，但有了一個能夠產生智力的基礎大模型后，在這個基礎上去做應用，花樣可就多了。

不是所有的公司都需要「發電」，但大家都在用電，進而造就了消費電子和家電這樣的新產業，像手機、電動牙刷等在電力時代早期都是想像不出來的。 智慧時代可創新的空間太多了。 所以，接下來可能還有越來越多各種意想不到的產品出現。

騰訊科技：說到具體的應用，之前是 AI 助手，現在是 Agent，之後可能是什麼？

黃鐵軍： 我個人希望是能幫助我們進一步提高效率的 AI 助手，但又不希望他們在能力上全面超過我們，希望從它誕生到超越人類，這個時間段盡可能稍微長一點。

騰訊科技：長一些怎麼理解？

黃鐵軍：在它失控之前，多享受一段時間智慧帶來的紅利，別還沒有對社會起到多少正向作用，就失控了。

騰訊科技： 人類想要 AGI，又擔心無法控制控制它，那為什麼還要做這件事，這不矛盾嗎？

黃鐵軍： 無論是研究者還是創業者，站在這些人的立場上，追逐 AGI 是科技發展的趨勢，不以個人意志為轉移，人類不可能攔住這個趨勢，它總會有超過我們的一天，只是早一點到來和晚一點到來的區別。

假使我們停留在現在的智力水準上，又不允許比人類智慧更高級的物種出現，本身就是一種狹隘的表現 。 盡量讓 AGI 超越人類的時間拖得更久一點，不僅是為了滿足人類需要，主要是為了人類能與新智慧相互適應，適應了就會有融合的可能性。

騰訊科技： 我們基於什麼條件、基準來判斷它超過了人類？

黃鐵軍： 西方文化背景基本上還是偏向於掌控它。 在我看來，當人類面對外來的新物種，希望建立一套標準，以便於更好控制它，這是一種本能的反應，但這並不是終極方案。

既然人與 AGI 共處是一個趨勢，那麼更應該考慮如何與其更好的和平共處，更好的共同發展，而不是把它當成異類封閉住。

從家長的角度來說，孩子總歸是要超越父母的，但是在他實現超越之前，也會有青春期，會有衝突，這並不奇怪，只要衝突不會產生顛覆性負面影響，這就是一代人一代人往前發展的必然過程，人與 AGI 也是如此。

騰訊科技：之前大家都在提 AGI 到來的時間，很少有人談具體的投入，黃老師認為，實現 AGI 什麼量級的資源？

黃鐵軍： 圍繞 AGI 這個趨勢相關的動作都可以視為投入，不管目標是做 AGI，還是做一個 AI 應用、Agent 或者翻譯軟體，其實都是在添磚加瓦，往更強的智慧推動。

騰訊科技：是否可以通過算經濟賬量化，比如說一萬億、十萬億、一百萬億美元？

黃鐵軍： 這不屬於量化的邏輯，不是花錢就可以造出一件什麼產品出來。 今天的人工智慧，網路、能源這些基礎條件和要素，最後都會匯總到一起，共同催生一個超越人類的新的智慧。

騰訊科技：那這個智慧最終會長成什麼樣？

黃鐵軍： 智力水準要超越，首先肯定表現為體系性、系統性，而非個體。 個體受能量、物理的約束，而體系性的物種，可以 7×24 小時不間斷運行，實時獲取全量數據，率先成為超越人類能力的 AGI。

本文來源於：騰訊科技，作者：《AI 未來指北》特約作者蘇揚 編輯鄭可君，原文標題：《黃鐵軍對大模型的四個預判：洗牌、安全核爆、GPT-5 與再造 DeepSeek》