137
02026 年 10 月 17 日，第二届国际 AI 科学家大会（ICAIS 2026）在北京中关村学院开幕。恰逢 1956 年达特茅斯会议提出“人工智能”这一名称整整七十年，大会把主题定为“致敬达特茅斯 70 年：智能的下一个前沿”。
首日上午的压轴圆桌，由清华大学教授、前微软研究院副院长刘铁岩主持，请来五位嘉宾同台：
2013 年诺贝尔化学奖得主、斯坦福大学名誉教授 Michael Levitt；
LINPACK 与 TOP500 超算基准的提出者、2021 年图灵奖得主 Jack Dongarra；
清华大学教授、智谱 AI 首席科学家唐杰；
中国科学技术大学教授、研究 AI for Math 的马骁；
北京中关村学院研究员、全流程开源研发语言模型 ZGCM-1 的核心开发者何纪言。
这场对话从一个颇具仪式感的环节开始：每位嘉宾为“虚拟 AI 博物馆”捐出一件代表自己学术生涯的展品，并解释为什么是它。Dongarra 捐的是 LINPACK 用户指南和那份改变了整个超算评价体系的天花板基准；Levitt 捐的是一台 90 年代中期的便携 Linux 笔记本；唐杰捐出 AMiner 与 GLM；马骁捐的是一篇偏微分方程论文，外加他构想的下一代数学形式验证系统；何纪言则交出了一张 7B 模型的 loss curve 快照。
随后的讨论沿着几条真正的分歧线展开。
第一条是架构：AI 会不会最终收敛到 Transformer 这一条路上。Levitt 用生物学家的直觉给出回答，进化奖励的是多样性，所有物种都走同一条路径，本身就是危险信号；马骁从计算理论切入，只要一种架构是图灵完备的，它在能力上就是等价的，真正的差别在效率与可学习性；唐杰则把演进分成三段：先学数据，再学人类的工作流，最后是 AI 自己搭建环境、自我训练。
第二条是寒冬：Levitt 关心的是 token 成本与能耗，担心账算不平；Dongarra 认为 AI 已经穿过寒冬，真正要担心寒冬的可能是量子计算；唐杰给出的预警信号也最具体、最能被观测：基准测试上的分数一直在涨，但真实世界的模型调用量（比如 OpenRouter 上的流量）却停住了。
第三条是路线选择：开源与闭源、专用模型与通用模型、AI Native 的自主实验室，以及用“可验证奖励”替代人类反馈这条路到底能走多远。
圆桌的中段留给了年轻人。唐杰转身向两位前辈请教：一个人要怎样才能做出长周期、高价值、非共识的研究。Dongarra 给出的建议朴素得近乎老派：找好的合作者、耐得住寂寞、保持好奇心、追逐你真正热爱的方向。
最后是写给 2036 年的时间胶囊：唐杰认为十年内出现真正的 AGI 的置信度只有 8%；何纪言希望到那时 AI 能胜任一个人 99% 的日常重复工作；马骁认为 AGI 会在 2036 年前到来，标志是 AI 能自主建造航天器，他给了 80% 的置信度；Dongarra 的预测最出人意料：那时候硬件厂商可能会取消 64 位双精度浮点支持；Levitt 只期待人机和平共处，并且把无人机战争当成衡量这件事的标尺。
视频地址：www.bilibili.com
