朱松纯：中国AI产业，不要被“马斯克信仰”带偏
朱松纯上一次出现在世界人工智能大会（WAIC），还是2019年。此后七年，他几乎缺席了这个中国最大的AI产业秀场。
缺席本身，也是一种态度。
过去几年，WAIC的中心舞台属于大模型、Scaling Law和“大力出奇迹”的信仰。北京通用人工智能研究院院长朱松纯则是这套叙事最坚定、也最持久的批评者之一。
从2022年底ChatGPT引爆大模型浪潮开始，他就反复强调：大语言模型无法自然通向通用人工智能，单纯扩大参数、数据和算力，也不会自动涌现出AGI。在他看来，这场热潮背后的资本营销和国际叙事，远比真正的技术突破更强大。
2026年7月19日，朱松纯重新回到WAIC。
在“思想者论坛”的一小时演讲中，他把过去几年的AI热潮概括为一场由“硅谷、华尔街、华盛顿三重奏”共同推动的资本与地缘政治叙事。中国科技界则长期困在美国定义的问题中：“信息从美国传过来，我们再请美国专家讲一遍，形成了信息倒灌和放大。”
他甚至点名了一种他称之为“马斯克信仰”的现象：投资者对科技领袖宏大叙事的盲目追随，“马斯克说的事情80%没有做成”，超级高铁关停、全自动驾驶推迟十余次、脑机接口远低预期，承诺越宏大、兑现越迟缓，市场反应反而越狂热。
2026年6月至今，全球科技股剧烈震荡。美国科技巨头持续扩张AI资本支出，自由现金流承压；SpaceX上市后跌破发行价；Meta也开始讨论将富余算力对外商业化。朱松纯的判断正在部分兑现。“当泡沫被撑到极限，有了开始破裂的迹象，我的话也许大家更能听进去一些。”这也是朱松纯今年来到WAIC的部分原因。
但产业界的主流判断还是走在另一条轨道上。OpenAI、Google DeepMind、Anthropic仍在加码大模型，认为架构改进、推理增强和多模态融合的空间远未耗尽；国内头部AI公司的普遍态度是：大模型不等于AGI终点，但它是当下最有效率的技术工具和商业化路径，已经建立的生态优势不能轻易放弃。双方各有依据，也各有利益立场。
朱松纯的核心判断三年来从来没有改变过。2024年初，他用“登珠峰vs探月”比喻大模型与通用人工智能的距离；2025年出版《为机器立心》，把大模型定性为“缸中之脑”：能说话，但不懂世界，缺乏从“词语”到“世界”的真实联结；到2026年，他逐一复盘了CV时代的AI四小龙、元宇宙、百模大战、具身智能四轮泡沫周期，给出的总结是：算力信仰、数据信仰、大模型信仰，都在被现实逐一瓦解。
从技术路线上，朱松纯走的是一条区别于Transformer的路线：以因果推理和内在价值驱动为核心，构建能够自主生成任务、学习和行动的通用智能体。
在这条路线之上，他的团队提出了CUV通用智能框架。其中，C代表智能体的认知架构，U涵盖感知、认知与行动能力，V代表内在动机和价值系统。朱松纯还将AGI创新划分为哲学、数理框架、模型、算法和执行五个层次。在他看来，当前产业的大量创新仍集中于算法和执行层，真正的原创突破需要继续向哲学和基础理论层追溯。
围绕这套体系，北京通用人工智能研究院研发了通用人工智能操作系统TongOS和编程语言TongPL，并推出通用智能人“通通”。与主要依靠外部指令驱动的大模型产品不同，“通通”被设计为由内在价值系统驱动、能够自主理解环境、生成任务并规划行动的通用智能体原型。按照团队的评测口径，其部分认知和行为能力已达到五至六岁儿童水平。
2026年3月，“通通”3.0在中关村论坛亮相，在空间智能、认知智能和社交智能等方面完成升级；同期发布的“通脑”，则被定位为连接通用智能体与物理机器人的具身智能核心引擎。
2025年，Science先后报道了朱松纯团队围绕通用智能人“通通”以及从AGI智能体走向AGI社会的研究路径，重点关注其将通用智能从个体认知进一步扩展到多智能体交互、社会模拟和人工文明研究的尝试。
这次回到WAIC，朱松纯将“社会智能”正式推到台前，“理解责权利、揣摩意图、读懂潜台词、参与复杂社会协作”，他认为这是通向AGI的最后屏障，也是当前所有大模型交白卷的维度。
但是，对产业界而言，更现实的问题仍然是：在“通通”尚未跑通商业化闭环之前，朱松纯所选择的这条路线，究竟代表着一种更具前瞻性的技术判断，还是一场仍待验证的学术下注？
WAIC期间，Q与朱松纯进行了一次深度对话。围绕大模型能否通向AGI、当前AI热潮中是否存在泡沫、中国是否真的缺乏原创技术路线，以及认知架构如何走向产业落地，他进一步解释了自己的判断。
01 高温的天气、最热的大模型与产业泡沫
Q：今年WAIC现场依然很热闹，机器人、智能体等方向都有不少新进展。您对当前AI产业的整体感受是什么？
朱松纯：现场人很多，也很热闹，机器人技术相比前几年确实有明显进步。但整个行业上方仍然笼罩着一个根本问题：我们今天选择的技术路径，最终能不能实现大家所说的通用人工智能？
2022年底到2023年初，大模型热潮刚刚起来时，我就提出，大语言模型无法自然通向AGI。三年多过去，大模型在语言生成、对话和工具使用上取得了进步，但它与真正的通用智能之间仍有本质距离。当前最突出的问题，是把局部能力的提升等同于AGI即将到来，并据此形成过高的技术预期和资本估值。
Q：大模型能否通向AGI，与大模型能否在产业中产生价值，是不是两件不同的事？
朱松纯：当然是两件事。大模型作为一种工具，可以在聊天、内容生成、代码辅助等场景发挥作用；但具备应用价值，并不意味着它就是AGI，也不能说明沿着同一条路线继续扩大参数、数据和算力，就一定会实现AGI。
目前真正形成稳定商业闭环的场景仍然有限。Agent概念很热，产品也很多，但从演示走向真实生产环境，还要解决准确性、长期规划、结果校验、成本、责任边界等一系列问题。模型会说话、会调用几个工具，与能够自主理解世界、生成目标并完成开放任务的通用智能体，仍然相距很远。
Q：您为什么把这一轮AI热潮放在国际政治和资本叙事中理解？
朱松纯：任何重大技术浪潮都不只是一条技术线，背后还有政治、资本和传播共同构成的叙事。2014年至2016年前后，DeepMind被谷歌收购、OpenAI成立、AlphaGo进入公众视野，也正处于全球化叙事转向“美国优先”的阶段。人工智能，尤其是AGI，逐渐成为美国重塑科技竞争优势的重要战略锚点。
这套叙事把政策需要、硅谷公司的融资需要和华尔街的资本需要结合起来，吸引全球资本、人才和基础设施投资向美国集中。即使未来泡沫破裂，美国也已经获得了数据中心、电力、芯片、人才和税收等实际收益。所以，看AI不能只看模型榜单，也要看谁在定义问题、制定标准和组织资源。
Q：芯片和算力是不是中国发展AI最核心的瓶颈？
朱松纯：芯片当然重要，中国必须补上自主可控的软硬件基础。但不能把所有问题都归结为“卡不够”。算力只有与正确的技术架构、明确的任务和真实需求结合，才会产生价值。大量采购芯片、建设智算中心，如果缺少有效利用和产业闭环，同样可能造成资源浪费。
Scaling Law把数据、参数和算力规模不断扩大描述成通向AGI的充分条件，我认为这个逻辑有根本缺陷。就像一个人不建立知识结构和思维能力，只靠提前拿到大量试卷，也不会因此获得通用能力。AI真正的瓶颈还包括认知架构和价值系统。
Q：您认为当前AI行业已经形成泡沫了吗？泡沫的本质是什么？
朱松纯：我认为当前存在明显泡沫。泡沫的本质，是把一项尚未成熟的技术未来价值过早、过度地折现到今天。资本市场依靠宏大叙事维持预期，企业不断切换概念获得融资和估值，真实的技术成熟度、用户需求和商业收入却跟不上。
从大模型、Agent到具身智能、世界模型，热点不断轮换，其中有真实进步，也有大量标签化和同质化。判断泡沫不能只看股价涨跌，更要看投入产出是否匹配、技术是否解决真实问题、商业模式能否持续。训练和运行成本持续增加，模型又需要快速迭代，收入却无法覆盖投入，这种结构非常脆弱。
Q：您判断这一轮泡沫会如何调整？泡沫是否也有正面作用？
朱松纯：泡沫并非全无正面作用。资本高密度投入会加快基础设施建设，吸引人才进入，也可能推动部分关键技术突破。互联网泡沫破裂后，真正有核心技术和商业模式的公司留了下来，AI也可能经历类似过程。
问题在于，泡沫的代价同样很大，包括资金损失、人才错配、社会预期失真，以及对长期科研生态的伤害。大量团队追逐短期热点，投资机构只愿意投可以迅速包装和退出的项目，真正需要五年、十年积累的原创研究反而难以获得支持。泡沫退潮后，行业才有机会重新回到技术本质和真实场景。
图：朱松纯在思想者论坛现场
02 别把AGI滥用为营销词汇
Q：现在业内对AGI没有统一定义。您如何定义真正的通用人工智能？
朱松纯：AGI不是一个可以任意解释的营销词。严格来说，通用人工智能应当具备物理常识和社会认知，能够自主生成任务并完成开放世界中的无限任务，其行为还要由内在价值驱动，并与人类价值和社会规范对齐。
我认为至少有三个基本特征：第一，无限任务泛化，能够突破预设任务和封闭场景；第二，自主任务生成，能够形成目标、规划行动并根据反馈调整；第三，价值驱动，知道为什么做、什么应该做、什么不应该做。只会根据外部指令回答问题，或者在已有数据分布中做模式匹配，还不能称为真正的AGI。
Q：为什么您认为大语言模型无法覆盖AGI的全部能力？
朱松纯：大语言模型主要处理语言序列中的统计关联。语言能力很重要，但AGI还包括视觉、机器人、认知推理、多智能体协作、社会智能和社交心智等多个范畴。一个系统能够流畅生成文本，不代表它真正理解物理世界、因果关系、他人的意图和社会规范。
当前主流路径容易把外在表现当成内在智能：模型在某些题目上得分很高，或者能够完成一段工具调用，就被解释成“涌现”了通用智能。但如果缺少稳定的世界表征、因果机制、目标生成和价值判断，这些能力很难在开放环境中持续、可靠地泛化。
Q：为什么您把“认知架构”和“价值”看得比模型参数更重要？
朱松纯：架构决定一个智能体能够形成什么样的能力。不同生物拥有不同的认知架构，即使给它们再多数据和训练，也不会自然获得超出架构边界的能力。今天很多大模型把重点放在参数、数据和算力上，却缺少稳定的世界模型、因果机制、目标系统和价值结构。
我们提出CUV框架，用认知架构C、能力或势能函数U、价值函数V来统一描述智能体。认知架构负责组织信息和决策，能力系统支持感知、语言、运动和学习，价值系统驱动目标选择与行为方向。真正的通用智能，需要三者协同演化。所谓“为机器立心”，就是让智能体拥有内在目标、价值判断和理解他人的结构。
Q：您把AGI创新划分为哲学层、数理框架层、模型层、算法层和执行层。为什么要从哲学层开始？
朱松纯：现在产业竞争大多集中在模型、算法和执行层，例如参数规模、训练技巧、推理速度和工程部署。这些工作当然重要，但如果底层关于“智能是什么”的假设没有变化，创新仍然是在既有范式中做优化。
哲学层决定我们如何理解智能的主体、目标与价值；数理框架层把这些基本认识变成可计算、可验证的形式；之后才是模型、算法和工程执行。真正的原创突破必须能够重新定义问题，而不只是把别人的路线跑得更快。
Q：怎样证明一条原创架构比Transformer路线更接近AGI？
朱松纯：原创不能只靠概念宣称，最终要通过一套公开、系统的标准来检验。AGI测试不能只看语言问答或单项基准，而要覆盖感知、推理、因果理解、任务生成、长期规划、社会互动、价值判断和跨场景泛化等能力。
更重要的是，评价标准本身也是叙事权的一部分。如果行业只用参数量、训练算力和少数语言榜单定义先进性，其他技术路径即使在通用能力、数据效率和可解释性上表现更好，也很难被看见。因此，中国要做原创，也要建立自己的问题体系和评价体系。
03 从“通通”到产业，原创路线如何接受商业检验
Q：“通通”与当前主流大模型最核心的差异是什么？
朱松纯：“通通”从一开始就不是按照聊天机器人来设计的。它强调认知架构、内在价值和持续成长，希望构建一个能够自主生成任务、理解物理和社会环境，并在与人互动中形成心智的通用智能体。
当前主流大模型更多依赖海量数据中的相关性进行预测，“通通”则试图显式建模世界、任务、因果关系和价值。它要解决的问题是一个智能体为什么行动、如何形成目标、如何理解别人，以及怎样在开放环境中不断学习。
Q：产业界会追问：在“通通”尚未跑通商业化闭环之前，如何证明这不是一场学术下注？
朱松纯：任何真正原创的技术路线都需要经历验证过程，不能因为短期内没有形成大规模收入就否定，也不能因为概念新就默认它一定正确。检验一条路线，要看它能否在真实任务中持续提升能力，能否降低数据和算力依赖，能否跨场景泛化，并最终解决产业中的实际问题。
我们的思路是“边研发、边应用”，让基础研究尽早进入机器人、行业智能体、社会模拟和公共治理等场景，在使用中暴露问题，再反向推动技术迭代。商业化闭环很重要，但对于AGI这样的大科学、大工程，评价周期不能只用一两个季度的收入来衡量。
Q：“通脑”、TongAgents等平台，是怎样把认知架构转化为产业能力的？
朱松纯：“通脑”面向具身智能，希望把场景理解、高层任务规划和底层控制结合起来，让机器人从依赖遥控和固定脚本，逐步走向自主决策、持续学习和跨场景泛化。它强调Real2Sim2Real闭环，通过数字孪生和因果推理生成训练经验，降低真实数据采集成本。
TongAgents面向行业智能体，把任务规划、执行和校验拆开，形成可追踪、可验证的闭环。行业真正需要的不是一个只会对话的模型，而是能在规则约束下可靠完成任务、出现错误时能够定位和修正的系统。产业化的关键，是把抽象的认知架构变成稳定、可度量、可交付的能力。
Q：您认为人工智能大模型之后的下一个真正前沿是什么？
朱松纯：近几年，智能研究从语言智能走向物理智能，具身智能和世界模型因此受到关注。但人类智能最深刻的部分还在于社会智能。人生活在由他人、组织、制度和文化构成的社会中，需要理解身份、关系、情绪、意图、责任、权利和利益，这些能力比识别物体或生成语言更加复杂。
一个AI可以帮用户安排会议，却未必知道哪件事更重要；它可以识别一句话的字面含义，却未必理解沉默、反讽或人际关系中的隐含信号。智能体要真正进入家庭、企业和社会，必须具备理解他人、协作、建立信任和遵守规范的能力。社会智能可能是通向AGI最关键、也最容易被忽视的一道屏障。
Q：原创技术走向产业，最容易卡在哪里？
朱松纯：首先是叙事权。美国定义了什么是先进，资本和产业就按照这套标准配置资源。原创路线如果不符合既有叙事，即使在一些能力测试中表现更好，也很难获得关注。第二是长期资本不足，投资人更愿意支持可以快速复制和退出的项目，对五年、十年的基础研究缺少耐心。
第三是技术与场景脱节。原创不能停留在论文和实验室里，必须进入真实产业环境接受检验。中国的优势是拥有丰富的制造、城市治理、交通、能源和服务业场景。只有让场景持续定义问题，技术才能形成真正的产业价值。
04 中国路径，思想自主、人才与泡沫之后
Q：中国AI要建立自己的技术路线，最需要改变什么？
朱松纯：首先要实现思想自主。过去很多时候，是美国提出概念，我们解释概念；美国形成趋势，我们论证趋势。学术界追热点，资本按照国外已经验证过的估值框架配置资源，产业界比谁跟得更快，结果往往只能在别人的赛道上做增量优化。
真正的创新，是定义新的问题、提出新的架构和建立新的评价标准。中国拥有大量真实产业场景，这是非常重要的优势，但场景优势必须与原创理论和底层架构结合。我们需要明确自己要解决什么问题，支持长期研究，让科研、产业和资本形成耐心的协同。
Q：您如何看待国内具身智能、人形机器人等热门方向？它们算不算原创？
朱松纯：一个方向是否原创，不能只看国内企业做得是否更快、成本是否更低，还要看它有没有提出新的基本问题、新的理论框架和新的技术范式。沿着已经被提出的路线做工程优化，可以形成很强的产业竞争力，但这与原始创新仍是两个层次。
具身智能本身有重要价值，中国也有完整供应链和丰富场景优势。问题在于，不能简单把人形机器人、VLA或世界模型贴上AGI标签，更不能用概念替代技术判断。真正的原创要经得起理论、实验和产业三重检验。
Q：当前行业有很多“天才少年”和年轻创业者，您怎么看AI人才培养？
朱松纯：人工智能是一门跨度很大的学科，涉及数学、计算机、认知科学、机器人和社会科学等多个方向。培养一个真正具备独立研究能力的人，需要完整的知识积累和长期训练，通常要经历本科到博士十年左右的周期，不能拔苗助长。
年轻人创业没有问题，关键看做什么。如果扎扎实实做产品、解决问题，值得鼓励；如果只是包装概念、做演示、追求两三年融资上市，就会伤害个人和行业。AI时代最稀缺的不是会调用工具的人，而是能够定义问题、形成判断并坚持长期原创的人。
Q：什么样的人或团队，才可能把一家AI企业从零做到一？
朱松纯：最重要的是耐心。真正从零到一的研发，往往需要五到十年的积累，需要跨学科知识、持续试错和对问题本质的判断。现在行业太浮躁，很多人希望走捷径，投资人也希望项目迅速融资、迅速上市，这种机制很难支持原创。
团队还需要同时具备科学判断与工程能力：既能提出不同于主流的假设，也能把它变成可测试的系统；既要敢于长期投入，也要不断进入真实场景验证。泡沫调整之后，行业可能才会重新重视这种能力。
Q：回头看，ChatGPT在2022年底突然爆发，是技术发展的必然，还是一次偶然事件？
朱松纯：它有长期技术积累的基础，也包含非常强的企业冒险和工程投入。OpenAI在数据标注、反馈学习、产品开放等方面进行了高强度投入，把已有技术组合成一个能够被大众直接体验的产品，因此引发巨大传播效应。
ChatGPT的成功证明了产品化、工程化和叙事能力的重要性，但不能由此推出大语言模型必然通向AGI。一个产品在特定时间点获得爆发，与一条技术路线能否解决通用智能的根本问题，是两个层面的判断。
Q：如果用一句话概括中国AI下一阶段最重要的任务，您会怎么说？
朱松纯：回到第一性问题，建立思想自主和原创架构，同时让技术进入真实世界接受检验。资本可以追逐风口，但科学必须回答本质；真正的产业不会诞生于概念，而会成长于场景。
中国AI要争取的不只是某个模型榜单的领先，更是定义技术方向、评价标准和未来应用方式的能力。卡住我们的有时并不只是外部技术限制，也包括自己的认知和路径依赖。只有敢于重新定义赛道，才可能从跟随走向引领。
本文来自“腾讯科技”，作者：晓静，编辑：徐青阳，36氪经授权发布。
