在人工智能浪潮席卷全球、大模型竞争日趋白热化的当下，人类尤其需要理性思考。

在近日的“工商联·经济大家讲坛暨第十一期中欧话未来”上，中国科学院院士、北京大学教授梅宏对当前人工智能热潮作了冷思考。

尽管以深度学习为代表的AI技术取得了重大突破，但梅宏指出，其本质仍然是“数据为体、智能为用”的数据智能，严重依赖算力与高质量的数据，深度学习实现的是感知智能，并未达成真正的认知能力。当前以大模型为代表的生成式AI虽然展现了令人惊艳的效果，但实际上是将认知问题转化为感知问题，缺乏对人类思维过程与方法的理解。

他批评行业存在过度炒作现象，如盲目鼓吹“取代人类”“自主意识”“通用AI”等概念，而忽视技术面临的能耗危机、数据枯竭、法律伦理等现实瓶颈。

中国科学院院士、北京大学教授梅宏

围绕大模型构建的众多Agent（智能体）互动能否催生“自主智能”的问题，梅宏指出，就基本原理而言，大模型并没有跳出“概率统计”这个框架，模型的运行本质上也是一个在学习算法制导下的一系列张量（Tensor）计算过程。模型架构创新带来的性能提升也未改变数据依赖的基本逻辑，而Agent的能力上限决定于其背后的大模型，具身智能则会受算力资源的制约。

对于“AI+”的前景，梅宏认为，当前，企业可聚焦于利用判别式AI解决自身生产环节的具体问题，当然这也需要长期的、高质量的数据积累过程，建议对数据“可采尽采，能存尽存”。

对于AI for Science（人工智能赋能科学），梅宏充分肯定其价值，但也提醒，这仍然是一条依赖现有科学数据的途径，如果科学界过度依赖于此，可能反而会封死原创发现之路。

展望未来，梅宏呼吁学术界要回归AI研究的多样性，避免陷入“唯深度学习”的单一路径。他强调符号化表达对人类知识交流和传承的关键作用，并认为符号主义与连接主义的结合应该成为下一代AI的发展方向。

梅宏认为，AI应始终作为人类可控的工具，服务于提升工作效率与质量，其发展必须与人类知识体系锚定，方能产生持久的价值。关于AI对宏观经济的影响，他预判短期内不会出现“变革”性的增长，呼吁社会将AI定位为提升效率的工具，并在此过程中坚守人类作为知识发现与价值判断主体的根本地位。

当前大模型在文本、图像、视频等内容领域有很好的应用，但梅宏表示，这通常只是行业需求的一小部分，行业需要真正落地的解决生产问题、业务问题的有效方案，这就需要相应的数据积累。数据驱动路径使得大语言模型本质上是已有“语料”压缩而成的“知识”库，无法触及真正的认知与规律发现。