中國科學院院士譚鐵牛：GPT5遲遲出不來，説明堆算力、堆數據不可持續

4月10日至11日，2025中國移動雲智算大會在江蘇蘇州舉行，與會期間，中國科學院院士、南京大學黨委書記譚鐵牛發表了演講。他表示：“通用人工智能還任重道遠，堆算力、堆數據的蠻力AI發展模式不可持續。”

譚鐵牛 南京大學官網

埃隆·馬斯克曾在2024年預測通用人工智能將在兩年內實現；OpenAI CEO薩姆·阿爾特曼（Sam Altman）則認為通用人工智能將在1000多天內實現；同時去年諾貝爾化學獎得主德米斯·哈薩比斯（Demis Hassabis）也曾預測認為，通用人工智能距離我們還有十年時間。

而在譚鐵牛看來，全面媲美人類智能的通用AI還遙不可及。

“他們過於樂觀。”譚鐵牛認為，人工智能才剛剛起步，任重道遠。“即便最先進的人工智能系統跟人類智能相比，還有很大差距，人工智能還有很多不能。”

而在4月初，OpenAI CEO 薩姆·阿爾特曼在社交平台公開表示，GPT-5發佈暫緩，可能在幾個月之後才發佈。

譚鐵牛分析認為，堆算力、堆數據的蠻力AI發展模式是不可持續的。

首先，其性能提升不可持續，也就是説投入同樣的數據，同樣的算力，性能的提升沒有以前那麼大了，所以性能提升不可持續；其次，能耗不可持續，要多少“智”，就得消耗多少“能”，這顯然與節能減排雙碳目標、可持續發展背道路而馳背道而馳；最後，數據支撐不可持續，生成式數據有幻覺，有錯誤的信息，帶來的不是額外的知識，而是噪聲。

“所以我覺得，發展路徑要從‘蠻力’人工智能向‘靈巧’人工智能轉移。要發展高效、輕量級的人工智能至關重要。”譚鐵牛分析道，“通過算法創新、理論創新、工程創新等等實現這一路徑。”

同時，譚鐵牛認為，推進人工智能的發展不能一葉障目，基本大模型的生成式人工智能不是AI的全部，AI賦能不限於大模型賦能，他認為人工智能研究應該回歸本源。

演講最後，譚鐵牛提到，人工智能不是萬能的、還有很多不能，但在人工智能廣泛滲透、智能時代撲面而來的今天，不去了解、擁抱人工智能則是萬萬不能的。

演講全文如下：

大家知道，人工智能概念是1956年提出來的，過去近70年來中，人工智能大體上經歷了三起兩落三個階段。

人工智能起步之時，通過邏輯推理來證明了一大批數學定理，非常激動人心，讓不少人對人類的未來發展充滿憧憬，也充滿樂觀。以至於這兩位對人工智能的發展提出了現在看來不切實際的預測（見下圖），這兩個預測到現在也沒有完全實現。

因為這樣一個過高的期望和人工智能實際能力的巨大反差，使得人工智能進入一個發展的低谷。所以痛定思痛，覺得應該加強人工智能和應用的對接。

在第二個階段，應用上又取得突破，同樣又讓一批人充滿憧憬和過於樂觀。以至於日本舉全國之力發展所謂的第五代計算機，最終90年代初以失敗告終，讓人工智能的研究進入到第二個寒冬。現在進入了數據驅動的發展新階段。同樣的，大家也是充滿憧憬與樂觀。

我覺得人工智能發展將近70年的歷程留給我們很多啓示。我最想跟大家報告的就是最後一點，一定要堅持理性、務實。

人工智能發展到今天，確實在理論技術應用方面都取得了突破性的進展，也在深刻的影響人類的文明進程，也深刻影響着世界格局。我試圖用九句話來概括人工智能的基本發展態勢。

第一，專用人工智能日趨成熟。第二，大模型技術取得重要突破。第三，生成式人才煥發生機。第四，具身智能與人形機器人備受關注。第五，人工智能驅動的科學研究快速發展。第六，人工智能加速賦能千行百業。第七，人工智能領域的國際競爭日趨激烈。第八，人工智能的社會影響日益凸顯。

第九句話可能跟很多同行的觀點不完全一樣，也許我過於悲觀。在我看來，通用人工智能還任重道遠。通用人工智能目前到底處於一個什麼發展狀態沒有共識，我引用了三個大佬級人物的觀點。

第一個埃隆·馬斯克：通用人工智能就在兩年內實現，是他去年講的。

通用人工智能儘管定義沒有共識，但是大體上認為，能夠媲美甚至超越人類智能的人工智能叫通用人工智能。就按照這樣的定義，他認為兩年之內就能實現。

阿爾特曼似乎也比較樂觀，他説通用人工智能將在1000多天內實現，也就是幾年時間。第三個人哈薩比斯，在去年獲得諾貝爾獎。他説，我們距離通用人工智能大約還有十年時間。這是他們三個人的觀點。

他們的預測觀點不禁我想起前面我講的60年代、70年代的預測觀點。在我看來，他們過於樂觀。通用人工智能還剛剛起步，任重道遠。因為即便最先進的人工智能系統跟人類智能相比，還有很大差距，人工智能還有很多不能。我可以舉很多這樣的例子。

全面媲美人類智能的人工智能還遙遙不可及。也許我過於悲觀，但是我的確是這麼想的。

我們到底應該發展通用、專用，還是多用人工智能？在我看來，我覺得實際應用更多需要的是多用人工智能。因為術業有專攻，但絲毫不是不要大模型。

我認為，在做精專用人工智能基礎上，面向實際應用，推進多用人工智能的研究是可取之道。另外，堆算力、堆數據的蠻力AI發展模式不可持續。原因很簡單，性能提升不可持續。GPT5遲遲出不來，也就是説投入同樣的數據，同樣的算力，性能的提升沒有以前那麼大了，所以性能提升不可持續。

此外，能耗不可持續。“智能”讓我感覺要多少“智”，就得消耗多少“能”。這顯然與節能減排雙碳目標、可持續發展背道路而馳背道而馳。

第三是因為數據支撐不可持續。數據用完了怎麼辦？拿生成式數據。大家知道生成式數據有幻覺，有錯誤的信息，帶來的不是額外的知識，而是噪聲。大家可以想想，用這樣的數據來訓練大模型會是一個什麼結果。

所以我覺得，發展路徑要從“蠻力”人工智能向“靈巧”人工智能轉移。要發展高效、輕量級的人工智能至關重要。那麼怎麼發展？生物啓發，通過算法創新、理論創新、工程創新等等實現這一路徑。DeepSeek就是一個很好的例子。

當然，推進人工智能的發展也不能一葉障目，基本大模型的生成式人工智能不是AI的全部，AI賦能不限於大模型賦能。所以我覺得人工智能研究，應該回歸本源。

所以對於下一步的發展，個人有幾個觀點供大家批評。

第一個我覺得毫無疑問，人工智能是方興未艾。我們一定要牢牢抓住這一輪的契機。首先應該要牢牢樹立理性務實的發展理念。一定不能過於樂觀。在熱潮的時候，一定要冷靜下來，看一看到底應該怎麼發展。

第二，還是要打造生態。

第三，要加強與產業應用的深度融合。現在人形機器人非常火爆，在我看來，如果人形機器人只是跳舞，揮揮手，翻幾個跟頭，沒有找到應用切入點，我認為不可持續。

第四，要大力推進人工智能賦能科學研究。第五是基礎研究人才培養。第六，一定要堅定不移推進開放合作。

最後我要講的是，人工智能不是萬能的，還有很多不能。當然，在人工智能廣泛滲透，智能時代撲面而來的今天，你不去學習、不去了解、不去擁抱、不去應用人工智能，這是萬萬不能的。

本文系觀察者網獨家稿件，未經授權，不得轉載。